Schnellstart: Erstellen Sie ein Fundamentmodell mit Prompt Lab
Letzte Aktualisierung: 14. März 2025
Schnellstart: Erstellen Sie ein Fundamentmodell mit Prompt Lab
In diesem Tutorial erfahren Sie, wie Sie Prompt Lab in watsonx.ai verwenden. Es gibt in der Regel mehrere Möglichkeiten, ein erfolgreiches Ergebnis zu erzielen. In der Prompt Lab können Sie mit verschiedenen Aufforderungsmodellen experimentieren, Beispielaufforderungen erkunden sowie Ihre besten Aufforderungen speichern und teilen. Siehe Tipps zur Eingabeaufforderung, damit Sie die meisten textgenerierenden Stiftungsmodelle erfolgreich eingeben können.
Erforderliche Services
watsonx.ai Studio
watsonx.ai Runtime
Ihr grundlegender Workflow umfasst die folgenden Tasks:
Öffnen Sie ein Projekt. Projekte sind der Ort, an dem Sie gemeinsam mit anderen mit Daten arbeiten.
Öffnen Sie Prompt Lab. Mit Prompt Lab können Sie mit verschiedenen Eingabeaufforderungen für Grundlagen experimentieren, Beispielaufforderungen erkunden sowie Ihre besten Aufforderungen speichern und teilen.
Geben Sie Ihre Eingabeaufforderung im Eingabeaufforderungseditor ein. Sie können Eingabeaufforderungen im unformatierten und strukturierten Modus eingeben.
Wählen Sie das zu verwendende Modell aus. Sie können Ihre Eingabeaufforderung an eines der in watsonx.ai verfügbaren Modelle senden.
Speichern Sie Ihre Arbeit als Projet-Asset. Wenn Sie Ihre Arbeit als Projektasset speichern, steht Ihre Arbeit Mitarbeitern im aktuellen Projekt zur Verfügung.
Lesen Sie mehr über die Anregung eines Stiftungsmodells
Copy link to section
Basismodelle sind sehr große KI-Modelle. Sie verfügen über Milliarden Parameter und werden auf Terabyte an Daten trainiert. Basismodelle können eine Vielzahl von Aufgaben ausführen, einschließlich Text-, Code-oder Bildgenerierung, Klassifizierung, Konversation und mehr. Große Sprachmodelle sind eine Untergruppe von Basismodellen, die für text-und codebezogene Tasks verwendet werden. In IBM watsonx.aigibt es eine Sammlung implementierter Modelle großer Sprachen, die Sie verwenden können, sowie Tools zum Experimentieren mit Eingabeaufforderungen.
Sehen Sie sich ein Video über die Anregung eines Stiftungsmodells an
Copy link to section
Sehen Sie sich dieses Video an, um eine Vorschau der Schritte in diesem Lernprogramm anzuzeigen. Möglicherweise gibt es geringfügige Unterschiede in der Benutzerschnittstelle, die im Video angezeigt wird. Das Video ist als Begleiter zum schriftlichen Lernprogramm gedacht.
Dieses Video bietet eine visuelle Methode zum Erlernen der Konzepte und Tasks in dieser Dokumentation.
Versuchen Sie es mit einem Tutorial, um ein Grundmodell zu erstellen
Copy link to section
In diesem Lernprogramm werden Sie die folgenden Tasks ausführen:
Tipps zum Durcharbeiten dieses Lernprogramms Im Folgenden finden Sie einige Tipps für den erfolgreichen Abschluss dieses Lernprogramms.
Verwenden Sie das Videobild im Bild
Copy link to section
Tipp: Starten Sie das Video. Wenn Sie dann durch das Lernprogramm blättern, wechselt das Video in den Bildmodus. Schließen Sie das Video-Inhaltsverzeichnis für die beste Erfahrung mit Bild-in-Bild. Sie können den Modus "Bild im Bild" verwenden, damit Sie dem Video folgen können, während Sie die Tasks in diesem Lernprogramm ausführen. Klicken Sie auf die Zeitmarken für jede zu befolgende Task.
Die folgende animierte Abbildung zeigt, wie die Funktionen für Videobilder und Inhaltsverzeichnisse verwendet werden:
Hilfe in der Community anfordern
Copy link to section
Wenn Sie Hilfe zu diesem Tutorial benötigen, können Sie eine Frage stellen oder eine Antwort im watsonx Community Diskussionsforum finden.
Browserfenster einrichten
Copy link to section
Damit Sie dieses Lernprogramm optimal nutzen können, öffnen Sie Cloud Pak for Data in einem Browserfenster und lassen Sie diese Lernprogrammseite in einem anderen Browserfenster geöffnet, um einfach zwischen den beiden Anwendungen zu wechseln. Es empfiehlt sich, die beiden Browserfenster nebeneinander anzuordnen, um die weitere Arbeit zu erleichtern.
Tipp: Wenn Sie beim Durcharbeiten dieses Lernprogramms in der Benutzerschnittstelle auf eine geführte Tour stoßen, klicken Sie auf Vielleicht später.
Aufgabe 1: Projekt öffnen
Sie benötigen ein Projekt, um Prompt Lab -Assets zu speichern.
Sehen Sie sich ein Video an, um zu sehen, wie ein Sandboxprojekt erstellt und ein Service zugeordnet wird. Führen Sie anschließend die Schritte aus, um zu überprüfen, ob ein Projekt vorhanden ist, oder um ein Sandboxprojekt zu erstellen.
Dieses Video bietet eine visuelle Methode zum Erlernen der Konzepte und Tasks in dieser Dokumentation.
Blättern Sie in der Hauptanzeige von watsonx zum Bereich Projekte . Wenn Projekte aufgelistet werden, fahren Sie mit Aufgabe 2fort. Wenn keine Projekte angezeigt werden, führen Sie die folgenden Schritte aus, um ein Projekt zu erstellen.
Klicken Sie auf Sandbox-Projekt erstellen. Nach der Erstellung des Projekts wird das Sandboxprojekt im Abschnitt Projekte angezeigt.
Weitere Informationen hierzu oder die Option zum Ansehen eines entsprechenden Videos finden Sie unter Projekt erstellen.
Überprüfen Sie Ihren Fortschritt
Copy link to section
Die folgende Abbildung zeigt die Hauptanzeige mit der im Abschnitt "Projekte" aufgelisteten Sandbox. Sie können jetzt {{ site.data.keyword.fm_prompt }} öffnen.
Aufgabe 2: Verwenden Sie {{ site.data.keyword.fm_prompt }} im Freiform-Modus
Um eine Vorschau dieser Aufgabe zu sehen, schauen Sie sich das Video ab 00:03 an.
Sie können Ihren Eingabeaufforderungstext in einem unformatierten Texteditor eingeben und anschließend auf Generieren klicken, um Ihre Eingabeaufforderung an das Modell zu senden. Befolgen Sie diese Schritte, um Prompt Lab im Freiform-Modus zu verwenden:
Klicken Sie auf dem Startbildschirm auf die Kachel "In Prompt Lab öffnen ".
Wählen Sie jedes Kontrollkästchen aus, um die Bestätigungen zu akzeptieren, und klicken Sie dann auf Tour überspringen.
Klicken Sie auf die Registerkarte "Freiform ", um ein Fundamentmodell im Freiform-Modus zu erstellen.
Klicken Sie auf Switch mode.
Kopieren Sie den folgenden Text und fügen Sie ihn in das Textfeld ein. Klicken Sie dann auf Generieren , um die Ausgabe für Class name: Problemanzuzeigen.
Classify this customer message into one of two classes: question, problem.
Class name: Question
Description: The customer is asking a technical question or a how-to question about our products or services.
Class name: Problem
Description: The customer is describing a problem they are having. They might say they are trying something, but it's not working. They might say they are getting an error or unexpected results.
Message: I'm having trouble registering for a new account.
Class name:
Copy to clipboardIn die Zwischenablage kopiert
Überprüfen Sie Ihren Fortschritt
Copy link to section
Die folgenden Abbildungen zeigen die generierte Ausgabe für die Eingabeaufforderung im Freeform-Modus. Jetzt können Sie ein Fundamentmodell im strukturierten Modus erstellen.
Aufgabe 3: Verwenden Sie {{ site.data.keyword.fm_prompt }} im strukturierten Modus
Um eine Vorschau dieser Aufgabe zu sehen, schauen Sie sich das Video ab 00:19 an.
Sie können Ihre Eingabeaufforderung in einem strukturierten Format eingeben. Das strukturierte Format ist für eine Eingabeaufforderung mit wenigen Aufrufen hilfreich, wenn Ihre Eingabeaufforderung mehrere Beispiele enthält. Befolgen Sie diese Schritte, um Prompt Lab im strukturierten Modus zu verwenden:
Klicken Sie auf die Registerkarte Strukturiert .
Klicken Sie auf Switch mode.
Kopieren Sie im Feld Anweisung den folgenden Text und fügen Sie ihn ein: Given a message submitted to a customer-support chatbot for a cloud software company, classify the customer's message as either a question or a problem description so the chat can be routed to the correct support team.In die Zwischenablage kopiert
Kopieren Sie im Feld Setup den folgenden Text und fügen Sie ihn in jede Spalte ein:
Werte für Feld 'Setup'
Eingabe
Ausgabe
Wenn ich versuche, mich anzumelden, erhalte ich einen Fehler.
Problem
Wo finde ich die Planpreise?
Frage
Was ist der Unterschied zwischen Trial und Paygo?
Frage
Die Registrierungsseite ist abgestürzt und jetzt kann ich kein neues Konto erstellen.
Problem
Welche Regionen werden unterstützt?
Frage
Ich kann mich nicht an mein Kennwort erinnern.
Problem
Kopieren Sie im Feld Try den folgenden Text und fügen Sie ihn ein: I'm having trouble registering for a new account.In die Zwischenablage kopiert
Klicken Sie auf Generieren , um die Ausgabe Problemanzuzeigen.
Überprüfen Sie Ihren Fortschritt
Copy link to section
Die folgende Abbildung zeigt die generierte Ausgabe für die Eingabeaufforderung im strukturierten Modus. Jetzt können Sie die Beispieleingabeaufforderungen testen.
Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 00:33 starten. Wenn Sie nicht sicher sind, wie Sie beginnen, können Sie mit Beispieleingabeaufforderungen beginnen. Gehen Sie wie folgt vor, um die Beispieleingabeaufforderungen zu verwenden:
Öffnen Sie das Symbol " für die Probeaufforderungen, um die Liste anzuzeigen.
Blättern Sie durch die Liste und klicken Sie auf die Beispieleingabeaufforderung Marketing email generation .
Ausgewähltes Modell anzeigen. Wenn Sie eine Beispieleingabeaufforderung laden, wird ein geeignetes Modell ausgewählt.
Öffnen Sie das Modellparameter-Panel " . Die entsprechenden Parameter für Decodier-und Stoppkriterien werden ebenfalls automatisch festgelegt.
Klicken Sie auf Generieren , um die Beispieleingabeaufforderung an das Modell zu übergeben und die E-Mail-Beispielausgabe anzuzeigen.
Überprüfen Sie Ihren Fortschritt
Copy link to section
Die folgende Abbildung zeigt die generierte Ausgabe aus einer Beispieleingabeaufforderung. Jetzt können Sie die Beispielausgabe der Eingabeaufforderung anpassen, indem Sie ein anderes Modell und Parameter auswählen.
Aufgabe 5: Wähle ein Fundamentmodell
Um eine Vorschau dieser Aufgabe zu sehen, schauen Sie sich das Video ab 01:04 an. Sie können dieselbe Eingabeaufforderung an ein anderes Modell übergeben. Wenn Sie eine Ausgabe in einer bestimmten strukturierten Ausgabe wie JSON, HTML oder XML generieren müssen, können Sie dies tun, indem Sie ein Modell auswählen, das für die Generierung einer strukturierten Ausgabe optimiert wurde, indem Sie einige Beispiele in Ihrer Eingabeaufforderung verwenden oder ein Modell optimieren. Befolgen Sie diese Schritte, um ein anderes Fundamentmodell auszuwählen:
Klicken Sie auf Modell > Alle Basismodelle anzeigen.
Klicken Sie auf ein Modell, um mehr über ein Modell zu erfahren, und sehen Sie sich Details wie Modellarchitektur, Daten vor dem Training, Informationen zur Optimierung und Leistung im Vergleich zu Benchmarks an.
Klicken Sie auf Zurück , um zur Liste der Modelle zurückzukehren.
Wählen Sie entweder das flan-t5-xxl-11b oder mt0-xxl-13b das Stiftungsmodell aus und klicken Sie auf "Modell auswählen ".
Bewegen Sie den Cursor über die Modellausgabespalte und klicken auf das Symbol X , um die vorherige Ausgabe zu löschen.
Klicken Sie in der Liste auf dieselbe Beispieleingabeaufforderung Marketing-E-Mail-Generierung.
Klicken Sie auf Generieren , um die Ausgabe mit dem neuen Modell zu generieren.
Überprüfen Sie Ihren Fortschritt
Copy link to section
Die folgende Abbildung zeigt die generierte Ausgabe mit einem anderen Modell. Sie können jetzt die Modellparameter anpassen.
Aufgabe 6: Modellparameter anpassen
Um eine Vorschau dieser Aufgabe zu sehen, schauen Sie sich das Video ab 01:28 an.
Sie können mit der Änderung von Decodierungs-oder Stoppkriterienparametern experimentieren. Führen Sie die folgenden Schritte aus, um Modellparameter anzupassen.
Hinweis: Die Modellparameter variieren abhängig vom aktuell ausgewählten Modell.
Die folgende Tabelle definiert die Modellparameter, die für das flan-t5-xxl-11b grundmodell
Modellparameter
Modellparameter
Bedeutung
Decodierung
Setzen Sie die Decodierung auf Greedy , damit immer Wörter mit der höchsten Wahrscheinlichkeit ausgewählt werden. Setzen Sie die Decodierung auf Stichprobenentnahme , um die Variabilität der Wortauswahl anzupassen.
Temperatur
Steuern Sie die Kreativität von generiertem Text. Höhere Werte bewirken, dass die Ausgabe zu einem höheren Maß zufällig generiert wird.
Top P (Stichprobenentnahme aus dem Nukleus)
Setzen Sie den Wert auf < 1.0 , um nur die kleinste Gruppe der wahrscheinlichsten Tokens mit Wahrscheinlichkeiten zu verwenden, die zu top_p oder höher addiert werden.
Top K
Legen Sie die Anzahl der Vokabeltoken mit der höchsten Wahrscheinlichkeit fest, die für die Top-K-Filterung beibehalten werden sollen. Niedrigere Werte verringern die Wahrscheinlichkeit, dass das Modell vom Thema abweicht.
Seedwert für Zufallszahlen
Steuern Sie die Zufallsstichprobe der generierten Tokens, wenn die Stichprobenentnahme aktiviert ist. Wird der Zufallswert für jede Generation auf dieselbe Zahl gesetzt, wird die experimentelle Wiederholbarkeit sichergestellt.
Abwertung bei Wiederholung
Legen Sie eine Wiederholungsstrafe fest, um der Tendenz des Modells entgegenzuwirken, Eingabeaufforderungstext wörtlich zu wiederholen oder in einer Schleife zu stecken. 1.00 gibt an, dass keine Penalisierung erfolgt.
Stoppsequenzen
Setzen Sie Stoppfolgen auf mindestens eine Zeichenfolge, damit die Textgenerierung gestoppt wird, wenn sie als Teil der Ausgabe erzeugt werden.
Min. Token
Definieren Sie die Mindestanzahl der zu generierenden Token. Stoppsequenzen, die vor der Mindestanzahl der zu generierenden Token gefunden wurden, werden ignoriert.
Max. Token
Definieren Sie die maximale Anzahl der zu generierenden Token.
Ändern Sie den Parameter Top K in 10 , um die Wahrscheinlichkeit zu verringern, dass das Modell das Thema verlassen wird.
Klicken Sie auf X , um die vorherige Modellausgabe zu löschen.
Klicken Sie in der Liste auf dieselbe Beispieleingabeaufforderung.
Klicken Sie auf Generieren , um die Ausgabe mit den neuen Modellparametern zu generieren.
Klicken Sie auf das Symbol für den Sitzungsverlauf " , nachdem Sie mehrere Aufforderungen übermittelt haben, um Ihren Sitzungsverlauf anzuzeigen.
Klicken Sie auf einen Eintrag, um mit einer vorherigen Eingabeaufforderung, Modellspezifikation und Parametereinstellungen zu arbeiten, und klicken Sie anschließend auf Wiederherstellen.
Bearbeiten Sie die Eingabeaufforderung, ändern Sie das Modell oder passen Sie die Decodierungs-und Stoppkriterienparameter an.
Klicken Sie auf Generieren , um die Ausgabe mit den aktualisierten Informationen zu generieren.
Überprüfen Sie Ihren Fortschritt
Copy link to section
Die folgende Abbildung zeigt die generierte Ausgabe mit verschiedenen Modellparametern. Sie können jetzt Ihre Arbeit speichern.
Aufgabe 7: Arbeit speichern
Um eine Vorschau dieser Aufgabe zu sehen, schauen Sie sich das Video ab 02:15 an.
Sie können Ihre Arbeit in drei Formaten speichern:
Assettypen
Assettyp
Beschreibung
Eingabeaufforderungsvorlage
Es wird nur die aktuelle Eingabeaufforderung ohne ihr Verlaufsprotokoll gespeichert.
Eingabeaufforderungssitzung
Es werden Verlaufsprotokoll und Daten aus der aktuellen Sitzung gespeichert.
Notizbuch
Die aktuelle Eingabeaufforderung wird als Notebook gespeichert.
Gehen Sie wie folgt vor, um Ihre Arbeit zu speichern:
Klicken Sie auf Arbeit speichern > Speichern unter.
Wählen Sie Vorlage für Eingabeaufforderungaus.
Geben Sie als Namen Sample promptsIn die Zwischenablage kopiert ein.
Wählen Sie die Option Nach dem Speichern im Projekt anzeigen .
Klicken Sie auf Speichern.
Klicken Sie auf der Registerkarte "Assets" des Projekts auf das Asset "Sample prompts ", um diese Eingabeaufforderung in Prompt Lab zu laden und direkt mit der Arbeit zu beginnen.
Klicken Sie auf Gespeicherte Prompts ' , um gespeicherte Prompts aus Ihrem Sandbox-Projekt zu sehen.
Überprüfen Sie Ihren Fortschritt
Copy link to section
Die folgende Abbildung zeigt die Registerkarte 'Assets' des Projekts mit dem Eingabeaufforderungsvorlagenasset:
Das folgende Bild zeigt die gespeicherte Eingabeaufforderung in Prompt Lab :
Nächste Schritte
Copy link to section
Sehen Sie sich dieses Video an, das den Chat-Modus in Prompt Lab zeigt.
Dieses Video bietet eine visuelle Methode zum Erlernen der Konzepte und Tasks in dieser Dokumentation.
Über den Einsatz von Cookies auf dieser WebsiteUnsere Websites benötigen einige Cookies, um ordnungsgemäß zu funktionieren (erforderlich). Darüber hinaus können mit Ihrer Zustimmung weitere Cookies verwendet werden, um die Nutzung der Website zu analysieren, die Benutzerfreundlichkeit zu verbessern und Werbung zu schalten.Weitere Informationen finden Sie in Ihren Cookie-Benutzervorgaben. Durch den Besuch unserer Website erklären Sie sich mit der Verarbeitung von Informationen einverstanden, wie in der IBMDatenschutzbestimmung beschrieben.Um eine reibungslose Navigation zu ermöglichen, werden Ihre Cookie-Präferenzen über die hier aufgeführten IBM Web-Domains hinweg gemeinsam genutzt.