Translation not up to date
W laboratorium podpowiedzi w produkcie IBM watsonx.aimożna eksperymentować z podpowiadaniem różnych modeli podstawowych, eksplorować pytania przykładowe, a także zapisywać i współużytkować najlepsze pytania.
Ten film wideo zawiera wizualną metodę zapoznawania się z pojęciami i zadaniami opisanymi w tej dokumentacji.
Wymagania
Jeśli użytkownik zapisał się do serwisu watsonx.ai, określił regiony Dallas lub Frankfurt i ma projekt środowiska testowego, wszystkie wymagania są spełnione i jest gotowy do użycia laboratorium podpowiedzi.
Aby można było korzystać z narzędzia Prompt Lab (Laboratorium podpowiedzi), muszą być spełnione następujące wymagania:
Wymagany jest projekt.
W projekcie należy mieć rolę Edytujący lub Administrator .
Projekt musi mieć powiązaną instancję usługi Watson Machine Learning . W przeciwnym razie podczas uruchamiania narzędzia Prompt Lab zostanie wyświetlona prośba o powiązanie usługi.
Usługi Watson Studio i Watson Machine Learning muszą być udostępniane w regionach Dallas lub Frankfurcie.
Programowa alternatywa dla laboratorium podpowiedzi
Interfejs graficzny laboratorium podpowiedzi jest doskonałym miejscem do eksperymentowania i iterowania z pytaniami. Można jednak również programowo wyświetlać podstawowe modele w pliku watsonx.ai , korzystając z biblioteki Python . Szczegółowe informacje na ten temat zawiera sekcja Foundation models Python library.
Otwieranie laboratorium podpowiedzi
Praca z laboratorium podpowiedzi jest wykonywana w kontekście projektu.
Aby otworzyć serwis Prompt Lab (Laboratorium z pytaniami), na stronie głównej watsonx.aiwybierz projekt, a następnie kliknij opcję Experiment with foundation models and build Prompt(Eksperyment z modelami bazowymi i budowaniem pytań).
Edytor pytań
Zachętę należy wpisać w edytorze pytań. Edytor pytań ma dwa tryby: dowolny i ustrukturyzowany.
Tryb dowolny
W przypadku trybu edycji zwykłego tekstu kliknij opcję Dowolne. Po kliknięciu przycisku Generuj w trybie swobodnym tekst pytania jest wysyłany do modelu dokładnie w takiej postaci, w jakiej został wpisany.
Tryb strukturalny
Aby wprowadzić różne części pytania w oddzielnych obszarach tekstowych, kliknij opcję Zstrukturyzowane.
- Instrukcja: w sekcji Konfigurowanie można określić instrukcję, jeśli ma to sens w danym przypadku użycia. Instrukcja jest instrukcją imperatywną, taką jak "Podsumuj następujący artykuł."
- Przykłady: również w sekcji Konfigurowanie można określić jedną lub więcej par przykładowych danych wejściowych i odpowiadające im żądane dane wyjściowe. Jeśli potrzebny jest konkretny przedrostek do wejścia lub wyjścia, można zastąpić etykiety domyślne, "Input:" lub "Output:", żądanymi etykietami. (Kilka przykładowych par wejścia-wyjścia w zachęcie jest nazywanych kilkoma pytaniem).
- Dane wejściowe testu: w sekcji Try (Wypróbuj) można wprowadzić końcowe dane wejściowe zachęty.
Po kliknięciu opcji Generuj w trybie strukturalnym tekst z pól jest wysyłany do modelu w formacie szablonu.
Jeśli treść jest sklasyfikowana jako potencjalnie zawierająca szkodliwy język, jest ona zastępowana w edytorze zapytań przez komunikat ogólny informujący o usunięciu potencjalnie szkodliwej treści.
Zapisywanie pracy jako zasobu aplikacyjnego projektu
Po kliknięciu przycisku Zapisz pracę można zapisać pracę jako zasób aplikacyjny w bieżącym projekcie w trzech formatach:
- Zachęta
- Historia sesji, uzupełnij o historię i dane z bieżącej sesji
- Notatnik Python
Zapisanie pracy jako zasobu aplikacyjnego projektu powoduje udostępnienie pracy współpracownikom w bieżącym projekcie. Więcej informacji na ten temat zawiera sekcja Zapisywanie pytań i sesji pytań.
Więcej inform.
Wypróbuj następujące kursy:
Temat nadrzędny: Modele produktu Foundation