Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Vältida tuleb anti-mustreid

Õppetund 8 / 16 Värskendatud 2. november 2026 Algajatele
Sellel lehel
  1. Vead, mis saboteerivad sinu vihjeid
  2. Anti-muster 1: Subjektiivne keel
  3. Anti-muster 2: Vastuolulised juhised
  4. Anti-muster 3: Mudelilt lugemise palumine
  5. Anti-muster 4: Liigne tokenite genereerimine
  6. Anti-muster 5: Numbrilised skaalad
  7. Anti-muster 6: Ebamäärased juhised
  8. Anti-muster 7: Eeltäitmise eiramine
  9. Peamised punktid

Vead, mis saboteerivad sinu vihjeid

Vihjete meisterdamine tähendab ka seda, et tead, mida mitte teha. Teatud harjumused, mis inimlikus suhtluses on täiesti loomulikud, annavad Mistrali mudelitega kasutades kehvaid tulemusi – just seetõttu, et need tuginevad vaikimisi mõistmisele, mida mudelil ei ole. Selles õppetükis on loetletud seitse kõige levinumat anti-mustrit koos vigase versiooni, parandatud versiooni ja iga paranduse taga oleva loogikaga. Tõenäoliselt tunned ära mõned omaenda harjumused.

Anti-muster 1: Subjektiivne keel

Kolleege vahel toimib fraas „kirjuta mulle mitte liiga pikk tekst“, sest teil on ühine kontekst: kolleeg teab kasutusjuhtu, lugejat ja ettevõtte tavasid. Mudel ei taju subjektiivseid sõnu nii nagu sina. Terminid nagu „lühike“, „pikk“, „palju“, „huvitav“ või „mitte liiga“ on mitmetähenduslikud ja toodavad ühest käivitusest teise ettearvamatuid tulemusi.

Halb:

Write a text not too long about AI.
Include many interesting examples.

Hea:

Write a text of 200 to 300 words about generative AI.
Include 3 concrete examples of application in business
(marketing, HR, customer service).

Parandamise reegel on mehaaniline: asenda iga subjektiivne termin objektiivse mõõduga. „Mitte liiga pikk“ muutub „200–300 sõnaks“, „palju näiteid“ muutub „3 näiteks“ ja „huvitav“ muutub oodatava näidete tüübi täpseks kirjelduseks.

Anti-muster 2: Vastuolulised juhised

Kui sinu vihje sisaldab kokkusobimatuid juhiseid – näiteks „ole ammendav ja kata kõik aspektid“, millele järgneb „vasta maksimaalselt 3 lauses“ – peab mudel valima, kumba neist järgida, ja see valik on ettearvamatu. Ühel päeval saad kolm pealiskaudset lauset, järgmisel põhjaliku tekstiseina. Parandamine seisneb kahe nõudmise ühendamises üheks sidusaks juhisks: „Kata teema 3 peamist aspekti. Iga aspekti kohta esita kokkuvõtlik lause (max 25 sõna).“ Ammendavus muutub määratletud ulatuseks, lühidus aga elemendipõhiseks piiranguks – konflikti enam ei ole.

Kui sinu reeglid on tõeliselt keerukad ja käitumine sõltub juhtumist, ära kuhja neid: struktureeri need otsustuspuuna, kus iga haru on selge:

If the client is an individual:
  → Use an accessible tone, avoid technical jargon
  → Propose the Starter offer first

If the client is a business:
  → Use a professional and technical tone
  → Propose the Enterprise offer first

If you are unsure:
  → Politely ask if this is for personal or professional use

Anti-muster 3: Mudelilt lugemise palumine

Keelemudelid on halvad lugemises. Nad ei loe tegelikult sõnu, märke ega lauseid – nad hindavad, sest manipuleerivad tokenite, mitte tekstiüksustega. Nõudmine „täpselt 150 sõna“ või „kontrolli, et iga lause oleks alla 20 sõna“ on nagu nõuda maalikunstnikult mõõtmist mikronites: see ei ole nende tööriist.

Halb:

Write a text of exactly 150 words.
Check that each sentence is less than 20 words.

Hea:

Write a short text (around 150 words, 2-3 paragraphs).
Use concise and direct sentences.

Ja kui lugemine on sinu rakenduse jaoks tõeliselt kriitiline – näiteks liidese poolt kehtestatud märkide piirang – teosta see koodis pärast mudeli vastuse saamist, mitte vihjes. Sinu programmeerimiskeel loeb ideaalselt; mudel mitte.

Anti-muster 4: Liigne tokenite genereerimine

Igal genereeritud tokenil on hind, nii finantsiline kui ka latentsuse mõttes. Mudelilt sellise teabe tootmise palumine, mida sa ei kasuta, on puhas raiskamine: maksad rohkem ja ootad kauem teksti, mida sa ei loe. Tüüpiline juhtum on koodianalüüs, kus palud „selgita iga rida detailselt“, lisaks „keele ajalugu“ ja „võimalikud alternatiivid“, kuigi sind huvitavad ainult vead.

Hea:

Analyze this code and identify:
1. Potential bugs (with the line concerned)
2. A proposed fix for each bug
Nothing else.

Lõplik „midagi muud“ on üllatavalt võimas juhise: see ütleb mudelile sõnaselgelt, et ta ei lisaks täiendusi, hoiatusi ja laiendusi, mida ta spontaanselt toodab. Sinu vastus saabub kiiremini, maksab vähem ja jõuab kohe asja juurde.

Anti-muster 5: Numbrilised skaalad

Mudelilt hinnangu palumine skaalal 1–5 või 1–10 tundub range – tegelikkuses on vastupidi. Mudelil puudub nende skaalade jaoks usaldusväärne sisemine kalibreerimine: sama tekst võib täna saada 6/10 ja homme 8/10, ilma et lünka selgitaksid kriteeriumid. Lahendus seisneb numbrite asendamises sõnaliste skaaladega, millel on selged kriteeriumid:

Evaluate the quality of this text according to these levels:
- Insufficient: factual errors, incoherent structure
- Acceptable: correct but lacks depth or clarity
- Good: well structured, clear, with relevant examples
- Excellent: publication-ready, original, brings clear added value

Choose one level and justify in 2 sentences.

Kuna iga tase on defineeritud vaadeldavate kriteeriumidega, muutub hindamine korratavaks ja põhjendatuks – sa tead, miks tekst on „Vastuvõetav“ mitte „Hea“, ja mudel rakendab samu kriteeriume igal väljakutsel.

Anti-muster 6: Ebamäärased juhised

„Paranda see tekst“ on täiuslik näide juhisest, mis tundub selge, kuid seda üldse ei ole. Mida parandada? Õigekirja? Stiili? Struktuuri? Mudel valib sinu eest ja riskib ümber kirjutada lõike, mida tahtsid muutmata jätta. Professionaalne versioon piiritleb nii selle, mida parandada, kui ka selle, mida jätta puutumata:

Improve this text by correcting:
1. Spelling and grammar mistakes
2. Sentences longer than 30 words (simplify them)
3. Word repetitions within a range of 3 sentences

Do NOT modify:
- The meaning of sentences
- Technical terms (even if synonyms exist)
- Paragraph structure

Plokk „ÄRA muuda“ on sama oluline kui esimene: ilma selleta asendab usin mudel sinu tehnilised terminid ligikaudsete sünonüümidega.

Anti-muster 7: Eeltäitmise eiramine

Viimane anti-muster on pigem kasutamata võimalus kui aktiivne viga: paljud kasutajad ignoreerivad võimalust täita vastust eelnevalt assistant rolli kaudu, mida nähti rollide õppetükis. Ometi on see võimas hoob vormingu sundimiseks. Lihtsa kasutaja sõnumiga, mis küsib JSON-i, võib mudel lisada sissejuhatava lause, tagurpidi komad, lõpliku kommentaari – nii palju elemente, mis rikuvad sinu parsimise. Lõpetades oma sõnumid assistendi vastuse algusega, muutub vorming peaaegu garanteerituks:

Ilma eeltäitmiseta (ettearvamatu vorming):

messages = [
    {"role": "user", "content": "List 3 advantages of remote work in JSON."}
]

Eeltäitmisega (garanteeritud vorming):

messages = [
    {"role": "user", "content": "List 3 advantages of remote work in JSON."},
    {"role": "assistant", "content": "{\"advantages\": [", "prefix": True}
]

Mudel leiab end juba JSON-objekti „kirjutamise protsessist“: ta saab seda ainult täiendada.

Peamised punktid

  • Asenda subjektiivne keel ja ebamäärased juhised mõõdetavate ja piiritletud juhistega
  • Vältida vastuolulisi juhiseid – struktureeri keerukad juhtumid otsustuspuuna
  • Ära kunagi palu mudelil lugeda: kriitilised loendused tehakse koodis
  • Piira genereerimine tegelikult kasutatava teabega, kasutades numbriliste asemel sõnalisi skaalasid
  • Kasuta assistendi eeltäitmist väljundvormingu garanteerimiseks