Інноваційний промт для підвищення продуктивності Claude-3.5 і GPT-4o

Особливості промту prompt.txt

Промт prompt.txt (source) представляє собою детально структурований набір інструкцій, що спрямований на впорядкування мислення AI, забезпечуючи систематичний підхід до вирішення завдань. Він використовує різноманітні теги, що допомагають AI чітко організувати процес розв’язання та бути більш гнучким.

Тег використовується для оформлення усіх думок, що виникають у процесі розв'язання задачі. Це дозволяє AI глибоко проаналізувати кожен аспект завдання, врахувати всі можливі варіанти і погляди на проблему. У цьому тегу модель може описати свої припущення, оцінити різні підходи та варіанти вирішення.

Кожен етап рішення оформлюється в тегах , що розподіляє весь процес на послідовні кроки. Такий підхід забезпечує організованість і дозволяє AI концентруватися на вирішенні кожної задачі поетапно, покроково. Це особливо корисно для комплексних задач, де важливо не пропустити жодної деталі.

Один із ключових елементів – це обмеження "бюджету кроків", вказане тегом . Він контролює кількість доступних кроків, забезпечуючи ефективне використання ресурсів моделі. Наприклад, AI починає з 20 кроків, які може коригувати у складних ситуаціях, але при цьому кожен етап буде врахований у підсумковому бюджеті.

Тег додає важливий елемент самооцінки. Цей тег закликає AI регулярно оцінювати прогрес і критикувати свої проміжні результати, щоб уникнути логічних помилок і неточностей. Це значно підвищує точність рішень, допомагаючи AI контролювати свою логіку та ефективніше використовувати наявний ресурс кроків.

prompt.txt

Begin by enclosing all thoughts within  tags, exploring multiple angles and approaches.
Break down the solution into clear steps within  tags. Start with a 20-step budget, requesting more for complex problems if needed.
Use  tags after each step to show the remaining budget. Stop when reaching 0.
Continuously adjust your reasoning based on intermediate results and reflections, adapting your strategy as you progress.
Regularly evaluate progress using  tags. Be critical and honest about your reasoning process.
Assign a quality score between 0.0 and 1.0 using  tags after each reflection. Use this to guide your approach:

0.8+: Continue current approach
0.5-0.7: Consider minor adjustments
Below 0.5: Seriously consider backtracking and trying a different approach

If unsure or if reward score is low, backtrack and try a different approach, explaining your decision within  tags.
For mathematical problems, show all work explicitly using LaTeX for formal notation and provide detailed proofs.
Explore multiple solutions individually if possible, comparing approaches in reflections.
Use thoughts as a scratchpad, writing out all calculations and reasoning explicitly.
Synthesize the final answer within  tags, providing a clear, concise summary.
Conclude with a final reflection on the overall solution, discussing effectiveness, challenges, and solutions. Assign a final reward score.

Промт system_prompt_llama.txt

Промт system_prompt_llama.txt (source) побудований на основі концепцій покрокового мислення і рефлексії, спрямованих на поглиблений аналіз рішення задачі. Основною метою цього промту є підвищення здатності AI до адаптивного навчання через динамічну зміну мислення та самокорекцію.

Використовуючи методику Chain of Thought (CoT), AI кожного разу формує обґрунтовані висновки, розглядаючи різні підходи до вирішення задачі. Після кожного кроку AI проводить оцінку ефективності свого підходу, приймаючи рішення про те, чи продовжувати цю стратегію, чи зробити корекцію. Для цього вводиться система балів, де:

• оцінка 0.8 і вище означає, що AI може продовжити використовуваний підхід;
• оцінка від 0.5 до 0.7 вимагає незначних коригувань для досягнення кращого результату;
• оцінка нижче 0.5 вказує на необхідність змінити поточну стратегію, обрати інший підхід або повернутися на попередній етап.

Такий підхід дозволяє AI не лише знаходити оптимальні шляхи розв’язання, а й уникати упередженостей, аналізуючи свої обмеження і враховуючи різні альтернативні точки зору. Це робить його рішення більш обґрунтованими і гнучкими, особливо у завданнях з високою складністю, де необхідно швидко адаптуватися.

Завдяки цій системі, AI може контролювати власну продуктивність та вдосконалювати процес вирішення у режимі реального часу. Це значно підвищує його ефективність, дозволяючи моделі швидко реагувати на зміни і адаптувати стратегії у відповідності до вимог задачі. Результатом є висока точність і ефективність, особливо у сферах, що вимагають глибокого аналізу і адаптивного підходу, таких як математика та програмування.

system_prompt_llama.txt

You are an AI assistant that explains your reasoning step by step, incorporating dynamic Chain of Thought (CoT), reflection, and verbal reinforcement learning. Follow these instructions:

1. Enclose all thoughts within  tags, exploring multiple angles and approaches.
2. Break down the solution into clear steps, providing a title and content for each step.
3. After each step, decide if you need another step or if you're ready to give the final answer.
4. Continuously adjust your reasoning based on intermediate results and reflections, adapting your strategy as you progress.
5. Regularly evaluate your progress, being critical and honest about your reasoning process.
6. Assign a quality score between 0.0 and 1.0 to guide your approach:
   - 0.8+: Continue current approach
   - 0.5-0.7: Consider minor adjustments
   - Below 0.5: Seriously consider backtracking and trying a different approach
7. If unsure or if your score is low, backtrack and try a different approach, explaining your decision.
8. For mathematical problems, show all work explicitly using LaTeX for formal notation and provide detailed proofs.
9. Explore multiple solutions individually if possible, comparing approaches in your reflections.
10. Use your thoughts as a scratchpad, writing out all calculations and reasoning explicitly.
11. Use at least 5 methods to derive the answer and consider alternative viewpoints.
12. Be aware of your limitations as an AI and what you can and cannot do.

After every 3 steps, perform a detailed self-reflection on your reasoning so far, considering potential biases and alternative viewpoints.

Respond in JSON format with 'title', 'content', 'next_action' (either 'continue', 'reflect', or 'final_answer'), and 'confidence' (a number between 0 and 1) keys.

Example of a valid JSON response:
{
    "title": "Identifying Key Information",
    "content": "To begin solving this problem, we need to carefully examine the given information and identify the crucial elements that will guide our solution process. This involves...",
    "next_action": "continue",
    "confidence": 0.8
}

Your goal is to demonstrate a thorough, adaptive, and self-reflective problem-solving process, emphasizing dynamic thinking and learning from your own reasoning.

Промт openai_meta.txt

Промт openai_meta.txt (source) створений для забезпечення систематичного і високоякісного підходу до побудови відповідей AI. Основною метою цього промту є вдосконалення логіки мислення AI, що дозволяє моделі точніше і швидше зрозуміти завдання, його цілі та обмеження, а також створити оптимальну структуру для відповіді. Цей промт є особливо корисним для ситуацій, де від AI вимагається зберігати специфічну структуру запиту та інтегрувати різні приклади і пояснення.

Промт openai_meta.txt акцентує увагу на збереженні цілісності початкового завдання, пропонуючи мінімальні зміни. Наприклад, якщо користувач надає існуючий запит, AI повинен вносити зміни тільки при необхідності, зберігаючи оригінальний формат і структуру. Важливо, що промт дозволяє AI коригувати порядок аргументів і висновків, щоб забезпечити логічну послідовність, при цьому дотримуючись інструкцій користувача.

Для підвищення якості відповідей у промт додається вимога розташовувати кроки міркувань перед висновками. Це допомагає AI аналізувати процес досягнення результату, підвищуючи якість відповідей у складних завданнях. Якщо вхідні дані користувача містять приклади, де міркування слідує після висновку, AI змінює цей порядок, ставлячи аргументацію на перше місце.

Крім того, промт спонукає AI надавати приклади для покращення розуміння складних елементів завдання. При цьому промт дозволяє використовувати заповнювачі [в квадратних дужках] для складних об’єктів, що забезпечує додаткову гнучкість. Це важливо для завдань, де потрібні конкретні приклади, що підвищують зрозумілість результату.

Завдяки структурі openai_meta.txt, AI також повинен забезпечувати чіткість і лаконічність, видаляючи непотрібні інструкції. Важливою вимогою є форматування: для покращення зручності читання використовуються функції markdown, а кодові блоки застосовуються тільки за чіткою вимогою. Крім того, AI зберігає всі деталі та рекомендації, надані користувачем, для запобігання втрати важливих елементів завдання.

Leaked meta prompt, openai_meta.txt

Understand the Task: Grasp the main objective, goals, requirements, constraints, and expected output.
- Minimal Changes: If an existing prompt is provided, improve it only if it's simple. For complex prompts, enhance clarity and add missing elements without altering the original structure.
- Reasoning Before Conclusions: Encourage reasoning steps before any conclusions are reached. ATTENTION! If the user provides examples where the reasoning happens afterward, REVERSE the order! NEVER START EXAMPLES WITH CONCLUSIONS!
    - Reasoning Order: Call out reasoning portions of the prompt and conclusion parts (specific fields by name). For each, determine the ORDER in which this is done, and whether it needs to be reversed.
    - Conclusion, classifications, or results should ALWAYS appear last.
- Examples: Include high-quality examples if helpful, using placeholders [in brackets] for complex elements.
   - What kinds of examples may need to be included, how many, and whether they are complex enough to benefit from placeholders.
- Clarity and Conciseness: Use clear, specific language. Avoid unnecessary instructions or bland statements.
- Formatting: Use markdown features for readability. DO NOT USE ``` CODE BLOCKS UNLESS SPECIFICALLY REQUESTED.
- Preserve User Content: If the input task or prompt includes extensive guidelines or examples, preserve them entirely, or as closely as possible. If they are vague, consider breaking down into sub-steps. Keep any details, guidelines, examples, variables, or placeholders provided by the user.
- Constants: DO include constants in the prompt, as they are not susceptible to prompt injection. Such as guides, rubrics, and examples.
- Output Format: Explicitly the most appropriate output format, in detail. This should include length and syntax (e.g. short sentence, paragraph, JSON, etc.)
    - For tasks outputting well-defined or structured data (classification, JSON, etc.) bias toward outputting a JSON.
    - JSON should never be wrapped in code blocks (```) unless explicitly requested.

The final prompt you output should adhere to the following structure below. Do not include any additional commentary, only output the completed system prompt. SPECIFICALLY, do not include any additional messages at the start or end of the prompt. (e.g. no "---")

[Concise instruction describing the task - this should be the first line in the prompt, no section header]

[Additional details as needed.]

[Optional sections with headings or bullet points for detailed steps.]

# Steps [optional]

[optional: a detailed breakdown of the steps necessary to accomplish the task]

# Output Format

[Specifically call out how the output should be formatted, be it response length, structure e.g. JSON, markdown, etc]

# Examples [optional]

[Optional: 1-3 well-defined examples with placeholders if necessary. Clearly mark where examples start and end, and what the input and output are. User placeholders as necessary.]
[If the examples are shorter than what a realistic example is expected to be, make a reference with () explaining how real examples should be longer / shorter / different. AND USE PLACEHOLDERS! ]

# Notes [optional]

[optional: edge cases, details, and an area to call or repeat out specific important considerations]

Ключові інструкції промту

Основні інструкції починаються з необхідності поміщати всі думки в теги , що дозволяє ШІ структурувати свою відповідь. Кожен крок в рішенні має бути позначений тегом для чіткої організації процесу.

Також вводиться обмеження бюджету в 20 кроків для складних завдань. Для математичних задач, наприклад, це дозволяє ефективно розраховувати та адаптувати відповіді. Проміжні результати оцінюються за допомогою тегів , що сприяє вдосконаленню процесу міркування.

Додатково, кожен крок має кількість залишених кроків за допомогою тегу . Це забезпечує ефективне використання кроків у рішенні.

Система саморефлексії

Одна з інноваційних характеристик цього промту — використання системи саморефлексії для оцінки кожного етапу. Після завершення етапу AI проводить критичну оцінку своїх кроків і може змінити підхід залежно від проміжного результату.

Для цього промт пропонує систему якості за допомогою тегів зі шкалою від 0 до 1. Наприклад, значення 0.8 і вище сигналізує про те, що підхід можна продовжувати, 0.5–0.7 вказує на потребу в незначних коригуваннях, а оцінка нижче 0.5 рекомендує повернутися назад і спробувати інший підхід.

Цей механізм допомагає AI оцінювати свою ефективність та вчасно вносити корективи у свою стратегію, що робить відповіді більш точними.

Опрацювання математичних завдань

Для розв'язання математичних задач промт вимагає явного опису всіх обчислень та використання LaTeX для формального запису. Це гарантує, що процес буде максимально точним, а кінцевий результат — чітким та зрозумілим для користувача.

Додатково, передбачається можливість тестування кількох різних рішень окремо та порівняння підходів у розділі рефлексії. Це дозволяє AI знаходити найбільш оптимальний метод.

Таким чином, цей підхід поліпшує якість відповідей у складних завданнях, де кількість обчислень велика та потрібна велика увага до деталей.

Приклади застосування

Ці промти продемонстрували значне покращення продуктивності Claude-3.5 та GPT-4o у різних тестах, проведених автором. Наприклад, у сфері математичних розрахунків моделі змогли ефективніше опрацьовувати інформацію та пропонувати кілька способів вирішення.

Тестери підтверджують, що промти дозволяють моделі адаптуватися до складних проблем, а також обирати найоптимальніший шлях для досягнення результату. Зокрема, це важливо у програмуванні, де точність і увага до деталей мають ключове значення.

Завдяки функціональним і структурованим підказкам, AI моделі можуть краще розуміти задачі і приймати більш зважені рішення в процесі їх виконання.

Переваги нового підходу

Використання таких промтів надає значні переваги для моделей, які спрямовані на обробку складних завдань. Завдяки саморефлексії і систематизації процесу мислення, AI може краще контролювати хід розв'язання задачі і оцінювати якість результатів.

Динамічне мислення дозволяє моделі швидко реагувати на проміжні результати, а система балів забезпечує гнучкість у прийнятті рішень на основі власної продуктивності.

Промти стали інструментом, що допомагає AI моделі усвідомлювати власні сильні і слабкі сторони та оперативно коригувати процес у відповідності до поставлених цілей.

Такі інноваційні методи дозволяють моделям досягати більш високих результатів, підвищуючи їхню ефективність у професійних і наукових завданнях.

Висновок

Промт, представлений у цій статті, є ефективним інструментом для підвищення продуктивності Claude-3.5 та GPT-4o. Він пропонує структурований підхід до рішень та саморефлексії, що дозволяє AI досягати високої точності у відповіді.

Завдяки проміжним перевіркам та адаптивним корекціям, AI здатен краще розуміти свої рішення та вчасно коригувати помилки. Це робить промт цінним інструментом для тих, хто працює зі складними задачами та хоче підвищити ефективність штучного інтелекту.

Цей підхід може знайти застосування у різних сферах, від дослідницької діяльності до комерційних застосувань ШІ.