Anti-tipuri de evitat
Pe această pagină
- Erori care sabotează prompturile dumneavoastră
- Anti-tipul 1: Limbajul subiectiv
- Anti-tipul 2: Instrucțiuni contradictorii
- Anti-tipul 3: Solicitarea modelului de a număra
- Anti-tipul 4: Generarea excesivă de tokeni
- Anti-tipul 5: Scările numerice
- Anti-tipul 6: Instrucțiuni vagi
- Anti-tipul 7: Ignorarea pre-completării
- Puncte cheie
Erori care sabotează prompturile dumneavoastră
Stăpânirea tehnicii de creare a prompturilor înseamnă și să știți ce nu trebuie să faceți. Anumite obiceiuri, perfect naturale în comunicarea umană, produc rezultate slabe cu modelele Mistral, tocmai pentru că se bazează pe o înțelegere implicită pe care modelul nu o posedă. Această lecție enumeră cele șapte anti-tipuri frecvente, prezentând pentru fiecare versiunea eronată, versiunea corectată și logica din spatele corecției. Este probabil să recunoașteți câteva dintre propriile dumneavoastră obiceiuri pe parcurs.
Anti-tipul 1: Limbajul subiectiv
Între colegi, expresia „scrie-mi un text nu prea lung“ funcționează deoarece împărțiți contextul: colegul cunoște cazul de utilizare, cititorul și obiceiurile companiei. Modelul nu percepe cuvintele subiective așa cum o faceți dumneavoastră. Termeni precum „scurt“, „lung“, „mulți“, „interesant“ sau „nu prea“ sunt ambigui și produc rezultate imprevizibile de la o execuție la alta.
Greșit:
Write a text not too long about AI.
Include many interesting examples.
Corect:
Write a text of 200 to 300 words about generative AI.
Include 3 concrete examples of application in business
(marketing, HR, customer service).
Regula de corectare este mecanică: înlocuiți fiecare termen subiectiv cu o măsură obiectivă. „Nu prea lung“ devine „200-300 de cuvinte“, „multe exemple“ devine „3 exemple“, iar „interesant“ devine o descriere precisă a tipului de exemple așteptate.
Anti-tipul 2: Instrucțiuni contradictorii
Când promptul dumneavoastră conține instrucțiuni incompatibile – „fiți exhaustiv și acoperiți toate aspectele“, urmat de „răspundeți în maximum 3 propoziții“ – modelul trebuie să aleagă pe care să o respecte, iar acea alegere este imprevizibilă. O zi primiți trei propoziții superficiale, a doua zi un zid de text cuprinzător. Corecția constă în reconcilierea celor două cerințe într-o singură instrucțiune coerentă: „Acoperiți cele 3 aspecte principale ale subiectului. Pentru fiecare aspect, oferiți o propoziție de rezumat (maxim 25 de cuvinte).“ Exhaustivitatea devine un domeniu de aplicare definit, iar concizia o constrângere per element – niciun conflict nu mai există.
Dacă regulile dumneavoastră sunt cu adevărat complexe, cu comportamente diferite în funcție de caz, nu le îngrămădiți: structurați-le sub forma unui arbore de decizie, unde fiecare ramură este explicită:
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-tipul 3: Solicitarea modelului de a număra
Modelele lingvistice sunt slabe la numărat. Ele nu numără efectiv cuvinte, caractere sau propoziții – ele estimează, deoarece manipulează tokeni și nu unități de text. A cere „exact 150 de cuvinte“ sau „verificați ca fiecare propoziție să aibă mai puțin de 20 de cuvinte“ este ca și cum ați cere unui pictor să măsoare în microni: nu este instrumentul lor.
Greșit:
Write a text of exactly 150 words.
Check that each sentence is less than 20 words.
Corect:
Write a short text (around 150 words, 2-3 paragraphs).
Use concise and direct sentences.
Și dacă numărarea este cu adevărat critică pentru aplicația dumneavoastră – o limită de caractere impusă de o interfață, de exemplu – efectuați-o în cod după ce primiți răspunsul modelului, nu în prompt. Limbajul dumneavoastră de programare numără perfect; modelul nu.
Anti-tipul 4: Generarea excesivă de tokeni
Fiecare token generat are un cost, atât financiar, cât și în termeni de latență. A cere modelului să producă informații pe care nu le veți utiliza este o risipă pură: plătiți mai mult pentru a aștepta mai mult un text pe care nu îl veți citi. Cazul tipic este analiza codului unde cereți „explicați fiecare linie în detaliu“, plus „istoricul limbajului“ și „alternative posibile“, când doar bug-urile vă interesează.
Corect:
Analyze this code and identify:
1. Potential bugs (with the line concerned)
2. A proposed fix for each bug
Nothing else.
Instrucțiunea finală „nothing else“ (nimic altceva) este surprinzător de puternică: îi spune explicit modelului să nu adauge completările, avertismentele și extinderile pe care le produce spontan. Răspunsul dumneavoastră sosește mai repede, costă mai puțin și merge direct la subiect.
Anti-tipul 5: Scările numerice
A cere modelului să evalueze pe o scară de la 1 la 5 sau de la 1 la 10 pare riguros – în realitate este exact invers. Modelul nu are o calibrare internă fiabilă pentru aceste scări: același text ar putea primi 6/10 astăzi și 8/10 mâine, fără criterii care să explice decalajul. Soluția constă în înlocuirea numerelor cu scări verbale cu criterii explicite:
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.
Fiecare nivel fiind definit prin criterii observabile, evaluarea devine reproductibilă și justificată – știți de ce un text este „Acceptabil“ și nu „Bun“, iar modelul aplică aceleași criterii la fiecare apel.
Anti-tipul 6: Instrucțiuni vagi
„Îmbunătățește acest text“ este exemplul perfect de instrucțiune care pare clară și nu este deloc. Ce să îmbunătățească? Ortografia? Stilul? Structura? Modelul va alege pentru dumneavoastră și riscă să rescrie pasaje pe care doreați să le păstrați intacte. Versiunea profesională delimitează atât ce trebuie corectat, cât și ce trebuie lăsat intact:
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
Blocul „Do NOT modify“ (Nu modificați) este la fel de important ca primul: fără el, un model zelos va înlocui termenii dumneavoastră tehnici cu sinonime aproximative.
Anti-tipul 7: Ignorarea pre-completării
Ultimul anti-tip este mai degrabă o oportunitate ratată decât o eroare activă: mulți utilizatori ignoră posibilitatea de a pre-completa răspunsul prin rolul assistant, văzut în lecția despre roluri. Cu toate acestea, este o pârghie puternică pentru a impune un format. Cu un simplu mesaj de utilizator care cere JSON, modelul poate adăuga o propoziție introductivă, backtick-uri, un comentariu final – tot atâtea elemente care vor strica parsarea. Prin terminarea mesajelor dumneavoastră cu un început de răspuns al asistentului, formatul devine cvasi-garantat:
Fără pre-completare (format imprevizibil):
messages = [
{"role": "user", "content": "List 3 advantages of remote work in JSON."}
]
Cu pre-completare (format garantat):
messages = [
{"role": "user", "content": "List 3 advantages of remote work in JSON."},
{"role": "assistant", "content": "{\"advantages\": [", "prefix": True}
]
Modelul se trezește deja „în procesul de scriere“ a obiectului JSON: nu poate decât să îl completeze.
Puncte cheie
- Înlocuiți limbajul subiectiv și instrucțiunile vagi cu instrucțiuni măsurabile și delimitate
- Evitați instrucțiunile contradictorii – structurați cazurile complexe sub forma unui arbore de decizie
- Nu cereți niciodată modelului să numere: numărările critice se fac în cod
- Limitați generarea la informațiile utilizate efectiv, folosind scări verbale în locul celor numerice
- Valorificați pre-completarea asistentului pentru a garanta formatul de ieșire