Kontekstas ir apribojimai
Šiame puslapyje
Kontekstas: suteik modeliui tai, ko jis nežino
„Mistral“ modeliai turi plačių bendrųjų žinių, tačiau jie nieko nežino apie tavo specifinę situaciją: tavo įmonę, projektą, auditoriją ar verslo apribojimus. Kontekstas, kurį pateiki savo užklausoje (prompte), užpildo šią spragą. Būtent tai lemia skirtumą tarp bendros paskirties įrankio ir specializuoto asistento. Be konteksto modelis generuoja bendro pobūdžio atsakymus – vidutiniškai teisingus, bet konkrečiu atveju nenaudojamus. Tinkamai parinkus kontekstą, gaunami pritaikyti atsakymai.
Trys konteksto tipai, kuriuos reikia pateikti
Pirmasis yra situacinis kontekstas: aplinkybės, supančios tavo užklausą. Rinkodaros direktorius, tiesiog parašęs „pasiūlyk rinkodaros planą“, gaus akademinį planą. Jei jis nurodys savo situaciją, viskas pasikeis:
Context: I am the marketing director of an SME with 50 employees
specializing in B2B office furniture sales.
We are launching a new eco-friendly line in September 2026.
Our annual marketing budget is €80,000.
Kiekvienas šio konteksto sakinys pašalina dešimtis netinkamų atsakymų: jokių B2C strategijų, jokių milijoninių biudžetų, jokių rekomendacijų, nesusijusių su paleidimu.
Antrasis yra dokumentinis kontekstas: duomenys, kuriuos modelis turi analizuoti arba naudoti. Modelis nežino tavo vidinių rodiklių – turi jam juos pateikti, idealu – atskirtus žymomis nuo instrukcijų:
Here are the quarterly results to analyze:
<data>
Q1 2026: Revenue €1.2M, margin 23%, 145 new clients
Q2 2026: Revenue €1.5M, margin 21%, 178 new clients
Q3 2026: Revenue €1.1M, margin 19%, 112 new clients
</data>
Identify trends and propose 3 corrective actions for Q4.
Trečiasis yra auditorijos kontekstas: kam skirtas sugeneruotas turinys. Tos pačios temos nepaaiškinsi vienodai pradedančiajam ir ekspertui. Nurodyk, pavyzdžiui: „Tekstas skirtas patyrusiems Python kūrėjams (5+ metų patirtis), kurie pirmą kartą susiduria su kalbinių modelių API. Nereikia aiškinti Python pagrindų, bet išsamiai aprašyk LLM koncepcijas.“ Tuomet modelis tiksliai sureguliuos detalumo lygį ten, kur jo reikia tavo skaitytojui.
Apibrėžk pageidaujamą formatą
Išvesties formatas yra vienas galingiausių apribojimų. Be nurodymų modelis pasirinks numatytąjį formatą – dažniausiai prozą, – kurią vėliau turėsi pertvarkyti. Nurodžius formatą, gauni būtent tai, ko reikia, paruoštą naudojimui.
Jei reikia sąrašo, taip ir pasakyk: „Išvardink privalumus punktais (daugiausia 5).“ Jei lentelės: „Pateik rezultatus „Markdown“ lentele su stulpeliais Funkcija | Prieinamumas | Prioritetas.” Programinės įrangos integracijai karalius yra struktūruotas JSON, ir jį verta nurodyti laukas po lauko:
Return the response in the following JSON format:
{
"summary": "string (max 100 words)",
"keywords": ["string"],
"sentiment": "positive | neutral | negative",
"confidence_score": "number (0-1)"
}
Tas pats principas taikomas kodui: „Parašyk funkciją naudojant Python 3.11+. Pridėk „Google“ stiliaus dokumentacijos eilutes (docstrings) ir tipų nuorodas (type hints). Komentaruose pabaigoje pateik 2 naudojimo pavyzdžius.” Kuo tiksliau aprašysi formatą, tuo mažiau darbo turėsi atlikti iš naujo.
Apribok apimtį
„Mistral“ modeliai linkę būti išsamūs, jei nenustatai ribų. Apimtį gali apriboti žodžių skaičiumi („Atsakyk ne ilgiau kaip 150 žodžių“), struktūra („Atsakyk tiksliai 3 pastraipomis, po 2–3 sakinius kiekvienoje“) arba elementais („Pateik tiksliai 5 rekomendacijas, kiekvieną vienu sakiniu“).
Tačiau įspėjimas: kalbos modeliai prastai skaičiuoja žodžius ir simbolius. Paprašius „tiksliai 150 žodžių“, gausi tekstą apie 150 žodžių, tačiau retai kada bus pataikyta tiksliai. Jei ilgis tau tikrai svarbus, rinkis struktūrinius apribojimus – pastraipų, punktų, skyrių skaičių, – kuriuos modelis vykdo daug tiksliau nei tikslius skaičiavimus.
Apribok toną ir registrą
Atsakymo tonas tiesiogiai veikia jo naudingoumą: netinkamo tono tekstą tenka perrašyti. Būk aiškus, net jei tai reiškia specifikacijų derinimą: „Tonas: profesionalus, bet prieinamas. Venk techninio žargono, nebent jis neišvengiamas (tokiu atveju jį apibrėžk). Naudok oficialią kalbą. Jokių emodži ar šnekamosios kalbos.“
Profesionalus patarimas: efektyviausi tono nurodymai dažnai lygina užduotį su žinoma profesine situacija. „Atsakyk kaip vyresnysis konsultantas, pristatantis vadovų komitetui“, „Laikykitės pedagoginio tono, lyg profesorius aiškintų magistrantams“ arba „Būk tiesus ir glaustas, lyg vidaus audito ataskaitoje“: kiekviena iš šių frazių viename vaizdinyje sutelkia visą žodyno, ilgio ir laikysenos pasirinkimų rinkinį, kurį modelis moka iššifruoti.
Apribok aprėptį
Aprėpties apibrėžimas reiškia nurodymą modeliui, kur sustoti. Štai apribojimų pavyzdys:
Scope constraints:
- Focus ONLY on the French market
- Do NOT mention US or UK regulations
- Ignore tax aspects (another expert handles this)
- If information is missing, state it explicitly
rather than inventing it
Atkreipk ypatingą dėmesį į paskutinį apribojimą: tai tavo geriausia gynyba nuo haliucinacijų. Modelis, prašomas pateikti išsamų atsakymą, linkęs spragas užpildyti tikėtina informacija; aiškiai leidus jam pripažinti savo ribotumą, tylią išmonę paverčiama matoma žyma, kurią vėliau gali apdoroti.
Derink kontekstą ir apribojimus
Praktiškai profesionalus užklausos tekstas (promptas) natūraliai sujungia visa tai, kas išdėstyta aukščiau: kontekstą ir nuolatines taisykles sistemos žinutėje, o duomenis ir pageidaujamą formatą – naudotojo žinutėje. Štai pilnas HR analizės pavyzdys:
messages = [
{
"role": "system",
"content": """You are a senior HR analyst at a tech company.
Rules:
- Formal English, professional tone
- Base your analysis solely on the provided data
- If data is missing, flag it with [MISSING_DATA]
- Format: sections with headings, bullet points, no prose"""
},
{
"role": "user",
"content": """Analyze the absenteeism data below and propose an action plan.
Q1 2026 Data:
- Overall absenteeism rate: 7.2% (+1.8 points vs Q1 2025)
- Most affected department: Customer Support (12.1%)
- Main reason: short-term sick leave (< 5 days)
- Average tenure of absent employees: 2.3 years
Expected format:
1. Diagnosis (3 points max)
2. Probable causes (3 hypotheses)
3. Action plan (5 concrete measures with timeline)"""
}
]
Atkreipk dėmesį, kaip kiekvienas šioje pamokoje aptartas elementas randasi savo vietoje: vaidmuo ir registras sistemos dalyje, atskirti duomenys naudotojo žinutėje, numeruotas formatas žinutės pabaigoje ir kartą visam laikui nustatyta apsauga nuo išgalvojimų ([MISSING_DATA]).
Svarbiausi punktai
- Kontekstas bendrą atsakymą paverčia asmeniniu
- Esant poreikiui, pateik situacinį, dokumentinį ir auditorijos kontekstą
- Visada apibrėžk pageidaujamą išvesties formatą (JSON, sąrašas, lentelė ir kt.)
- Apribok apimtį struktūra, o ne žodžių skaičiumi
- Apibrėžk aprėptį ir leisk modeliui signalizuoti apie trūkstamą informaciją