Negatív utasítások: hogyan mondd meg a modellnek, mit NE csináljon

Mi az a negatív utasítás a promptban?

A negatív utasítás egy olyan mondat vagy szabály, amely azt közli a modellel, mit hagyjon ki, kerüljön vagy tiltson a válaszból. Tipikus formái: "Ne használj szakzsargont", "Ne írj hosszabb választ három bekezdésnél", vagy "Ne találj ki adatot". A cél a válasz szűkítése, a nem kívánt elemek eltávolítása még a generálás előtt.

A negatív utasítás abban különbözik a pozitív előírástól, hogy nem azt mondja meg, mit tegyen a modell, hanem azt, mitől tartózkodjon. A kettő gyakran ugyanarra a célra irányul, de a modell viselkedése eltérő lehet attól függően, melyik megközelítést választod. A pozitív forma általában stabilabb és pontosabb eredményt ad.

A negatív utasítások értelmezése azért nehezebb a modellnek, mert a tiltás először felidézi magát a tiltott fogalmat. Ha azt írod, "Ne említsd a versenytársakat", a modell figyelme először éppen a versenytársakra terelődik. Ezért érdemes tudatosan mérlegelni, mikor van valóban szükség tiltásra, és mikor jobb az elvárt viselkedés leírása.

Miért nehéz a modellnek a tiltás?

A modell számára a tiltás értelmezése nehezebb, mint egy egyértelmű cselekvési utasítás követése. A nyelvi modellek a következő szót valószínűség alapján jósolják meg, és a tagadás kevésbé erős jelzés, mint egy konkrét, pozitív instrukció. Egy összetett tiltás könnyen elveszhet a hosszabb kontextusban, különösen ha a prompt sok más elemet is tartalmaz.

A tagadás gyakran mellékhatással jár: a modell éppen arról kezd beszélni, amit ki akartál zárni. A klasszikus példa a "Ne gondolj a rózsaszín elefántra" jelenség: a tiltással bevezetett fogalom aktiválódik. Ugyanez történhet a promptban is, ezért egy rosszul megfogalmazott tiltás akár az ellenkezőjét érheti el annak, amit szeretnél.

A tiltások halmozása szintén rontja az eredményt. Ha egy promptban öt-hat különböző "ne" szerepel, a modell nehezen tartja fejben mindet, és az egyiket előbb-utóbb figyelmen kívül hagyja. Ilyenkor jobb a legfontosabb elvárásokat pozitív formába önteni, és csak a valóban kritikus tiltásokat meghagyni, jól láthatóan kiemelve a prompt végén.

Hogyan alakítsd a tiltást pozitív előírássá?

A leghatékonyabb módszer a tiltás átfordítása arra, amit el szeretnél érni. A "Ne írj hosszan" helyett fogalmazz így: "Írj legfeljebb három rövid bekezdést". A "Ne használj szakszavakat" helyett: "Fogalmazz úgy, hogy egy laikus is megértse". A pozitív előírás konkrét célt ad, amit a modell könnyebben követ.

Kezdd azzal, hogy összeírod a nem kívánt elemeket, majd mindegyikhez keress egy pozitív megfelelőt. A "Ne térj el a témától" előírásból "Maradj végig a megadott témánál" lesz. A "Ne tegyél fel visszakérdezést" helyett "Adj kész választ a rendelkezésre álló információk alapján" szerepeljen. Így a tiltás listája cselekvési tervvé alakul.

Ahol a tiltás elkerülhetetlen, ott adj hozzá indoklást és alternatívát. Például: "Ne adj orvosi diagnózist, mert erre nem vagy jogosult; helyette javasold, hogy a felhasználó forduljon szakemberhez." Az indoklás segít a modellnek megérteni a határ okát, az alternatíva pedig megmutatja, mit tegyen ehelyett. Ez a kettős megközelítés lényegesen megbízhatóbb a puszta tiltásnál.

Mikor van mégis szükség kifejezett tiltásra?

Kifejezett tiltásra akkor van szükség, ha egy konkrét, jól körülhatárolható elemet minden körülmények között ki kell zárni. Ilyen például a bizalmas adatok kiadása, a jogi vagy egészségügyi tanácsadás, vagy egy márka esetében a versenytársak névszerinti említése. Ezekben az esetekben a világos tiltás egyértelmű határt húz.

A tiltás akkor működik jól, ha rövid, egyértelmű, és a prompt jól látható részén szerepel. Egy hosszú promptban a legfontosabb tiltást érdemes a végére vagy egy külön, kiemelt szakaszba tenni, mert a modell a prompt elejére és végére figyel a legjobban. A tiltott elem legyen konkrét, ne általános, mert az általános tiltást nehéz értelmezni.

Fontos, hogy a tiltás mérhető és ellenőrizhető legyen. A "Ne írj sablonos szöveget" nehezen ellenőrizhető, mert szubjektív. Ehelyett adj konkrét kritériumot: "Ne kezdd a választ üdvözléssel", vagy "Ne ismételd meg a kérdést a válasz elején". A konkrét, ellenőrizhető tiltásokat a modell megbízhatóbban követi, és te is könnyebben látod, teljesültek-e.

Példa: rossz és jó negatív utasítás

Vegyünk egy termékleírást generáló promptot. A gyenge változat így szól: "Írj termékleírást. Ne legyen unalmas, ne legyen túl hosszú, ne használj közhelyeket, ne ígérj túl sokat." Ez a négy tiltás homályos, egymással is átfedő, és a modell nehezen tudja, mit vársz konkrétan. Az eredmény kiszámíthatatlan lesz.

A javított változat pozitív előírásokat használ: "Írj 80-100 szavas termékleírást. Emeld ki a három legfontosabb tulajdonságot. Használj konkrét, tényszerű megfogalmazást. A záró mondat legyen egy egyszerű, valós előny." Ez ugyanazt a célt szolgálja, de cselekvési utasításokkal, amelyeket a modell pontosan végre tud hajtani.

A két megközelítés kombinálható is. Megtarthatod a legfontosabb tiltást, például "Ne ígérj olyan tulajdonságot, amely nem szerepel a megadott adatok között", és mellé teszed a pozitív előírásokat. Így a tiltás csak a valóban kritikus ponton szerepel, a többit pedig egyértelmű elvárás vezérli. Ez a hibrid megoldás adja a legstabilabb eredményt a mindennapi munkában.

Gyakori hibák a tiltások megfogalmazásakor

A leggyakoribb hiba a tiltások túlzott halmozása. Ha egy promptba tíz különböző tiltás kerül, a modell egy részüket biztosan figyelmen kívül hagyja, és az eredmény kiszámíthatatlanná válik. Érdemes a tiltásokat rangsorolni, és csak a három-négy legfontosabbat megtartani, a többit pedig pozitív előírásokká alakítani.

A második gyakori hiba a homályos, nem mérhető tiltás. A "Ne írj rosszul" vagy "Ne legyen mesterséges a szöveg" nem ad a modellnek fogódzót, mert nem tudja, mit értesz pontosan alattuk. A tiltásnak konkrét, ellenőrizhető viselkedésre kell irányulnia, különben csak a prompt hosszát növeli, hasznot nem hoz.

A harmadik hiba a tiltás elrejtése egy hosszú bekezdés közepén. A modell a prompt kiemelt részeire figyel a legjobban, ezért egy fontos tiltás középre ékelve könnyen elsikkad. A kritikus tiltásokat mindig jól láthatóan, külön sorban vagy szakaszban helyezd el, hogy biztosan a modell fókuszába kerüljenek a válasz generálása közben.

Hogyan teszteld, hogy működik-e a tiltás?

A tiltás működését úgy ellenőrizheted, hogy tudatosan olyan bemenetet adsz, amely csábít a tiltott viselkedésre. Ha például megtiltottad a versenytársak említését, adj olyan kérdést, amely szinte kikényszerítené a nevüket. Ha a modell így is betartja a szabályt, a tiltás megbízhatóan működik a szokásos esetekben is.

Több futtatással is érdemes tesztelni ugyanazt a promptot. A nyelvi modellek kimenete változékony, ezért egyetlen jó válasz nem bizonyítja, hogy a tiltás stabil. Futtasd le a promptot öt-tíz alkalommal, és nézd meg, minden esetben teljesül-e az elvárás. Ha csak néha, akkor a tiltás megfogalmazását érdemes megerősíteni vagy pozitívra cserélni.

A tesztelés eredményét használd a prompt finomítására. Ha a tiltást a modell időnként átlépi, próbáld meg a prompt végére, kiemelt helyre tenni, indoklással kiegészíteni, vagy pozitív előírássá alakítani. Az iteratív finomítás során lépésről lépésre eljutsz egy olyan megfogalmazáshoz, amely a legtöbb helyzetben megbízhatóan a kívánt eredményt adja.

Negatív utasítások promptsablonokban

A promptsablonokban a tiltásokat érdemes külön, jól elkülönített szakaszba gyűjteni. Ha egy sablont sokszor használsz, a tiltások átlátható listája megkönnyíti a karbantartást, és biztosítja, hogy a fontos szabályok minden futtatáskor jelen legyenek. A külön szakasz egyben azt is jelzi a modellnek, hogy ezek a szabályok kiemelt fontosságúak.

A sablonban a tiltásokat állandó, a változó adatokat pedig helyőrzők formájában tartsd. Így a tiltások mindig érvényesek maradnak, függetlenül attól, milyen konkrét feladattal töltöd ki a sablont. Ez különösen hasznos csapatmunkában, ahol több ember használja ugyanazt a sablont, és a közös szabályokat egységesen kell alkalmazni.

A sablonok tiltásait rendszeresen érdemes felülvizsgálni. Ahogy a modellek fejlődnek és a feladatok változnak, egyes tiltások feleslegessé válhatnak, mások pedig hiányozhatnak. A sablon karbantartása során nézd át, mely tiltások váltak be a gyakorlatban, és melyeket lehetne pozitív előírással kiváltani a jobb és kiszámíthatóbb eredmény érdekében.

Összegzés: tiltás helyett irányítás

A negatív utasítások helye a jó promptban korlátozott, de nem nélkülözhető. A legfontosabb elv, hogy amit csak lehet, pozitív, cselekvésre irányuló előírással fogalmazz meg, mert a modell ezt követi a legmegbízhatóbban. A tiltást tartsd fenn azokra az esetekre, ahol egy konkrét elemet minden körülmények között ki kell zárni.

A jól megfogalmazott prompt nem tiltások gyűjteménye, hanem világos irány. Amikor a modellnek megmutatod, mit szeretnél elérni, kevesebb tiltásra lesz szükség, mert az elvárt viselkedés eleve kizárja a nem kívántakat. Az irányítás mindig erősebb eszköz, mint a puszta korlátozás, és stabilabb, kiszámíthatóbb kimenetet eredményez.

A gyakorlatban a legjobb eredményt a kettő tudatos kombinációja adja: néhány kritikus, jól látható tiltás, kiegészítve a pontos, pozitív előírásokkal. Teszteld a promptot csábító bemenetekkel, futtasd többször, és finomítsd az eredmény alapján. Így fokozatosan olyan promptot építesz, amely megbízhatóan azt adja, amit szeretnél, és elkerüli, amit nem.

Hasznos forrás

A tiltás és a pozitív előírás közötti egyensúlyról a hivatalos dokumentáció is részletesen ír, amikor az egyértelmű és közvetlen fogalmazás fontosságát tárgyalja. az egyértelmű és közvetlen fogalmazás alapelvei.

Gyakran ismételt kérdések