Prompt chaining, multi-step prompts of Chain of thought prompts
Voor het ontwerpen en optimaliseren van prompts kun je verschillende technieken gebruiken. In deze blog gaan we wat dieper in op de volgende 3 technieken: prompt chaining, multi-step prompting en Chain of thought prompting. Wat houdt het precies in en hoe verschillen de technieken van elkaar.
Wat is Chain prompting?
Chain prompting is een methode waarbij meerdere prompts aan elkaar worden gekoppeld om een AI-model te begeleiden door complexe redeneringstaken. In plaats van de AI één brede vraag te stellen, deel je het probleem op in kleinere, beter beheersbare stappen. Elke prompt bouwt voort op het antwoord van de vorige, wat resulteert in meer nauwkeurigheid en diepgang in de antwoorden.
Voorbeeld van chain prompting
Je wilt AI laten helpen bij het schrijven van een marketingplan. In plaats van één enkele vraag te stellen zoals “Kun je een marketingplan schrijven?”, kun je chain prompting gebruiken om dit stapsgewijs te doen.
Eerste prompt: “Beschrijf de doelgroep voor dit marketingplan”.
AI-antwoord: “De doelgroep bestaat uit kleine ondernemers die geïnteresseerd zijn in duurzame producten.”
Volgende prompt: “Welke marketingstrategieën zouden effectief zijn voor deze doelgroep?”
AI-antwoord: “Contentmarketing, sociale media campagnes en samenwerkingen met duurzaamheidsinfluencers zouden effectief zijn.”
Volgende prompt: “Hoe zou een contentstrategie eruitzien?”
AI-antwoord:…. etc.
Hier worden de prompts stapsgewijs gebruikt om het plan op te bouwen.
Multi-step prompting
Multi-step prompting is vergelijkbaar met prompt chaining, maar hierbij gaat het om één enkele prompt waarin meerdere stappen of instructies zijn verwerkt. In plaats van verschillende prompts achter elkaar, geeft de gebruiker één lange prompt die de AI door verschillende taken of stappen leidt.
Voorbeeld van multi-step prompting
Prompt: “Beschrijf een evenement voor jonge professionals in de tech-industrie. Noem de activiteiten die geschikt zijn en stel een geschikte locatie voor.”
Antwoord: “Een evenement voor jonge professionals in de tech-industrie kan bestaan uit netwerkevenementen, tech-workshops en keynote sprekers. Een geschikte locatie zou een moderne co-working ruimte of een tech-conferentiecentrum zijn.”
Hier bevat de prompt meerdere onderdelen, maar het wordt in één keer gevraagd.
Chain of thought prompts
Met chain of thought prompts wordt de AI expliciet gevraagd om zijn denkproces te verwoorden, wat helpt bij taken die complexere redenering vereisen. Het model wordt aangemoedigd om stap voor stap uit te leggen hoe het tot een antwoord komt, waardoor het antwoord beter gestructureerd en vaak accurater is.
Voorbeeld van chain of thought prompting
Prompt: “Plan een evenement voor jonge professionals in de tech-industrie en leg uit waarom je bepaalde activiteiten en locaties kiest.”
Antwoord: “Jonge professionals in de tech-industrie waarderen netwerkmogelijkheden omdat het hen helpt om waardevolle contacten te leggen. Tech-workshops zouden hen de kans geven om nieuwe vaardigheden te leren die direct toepasbaar zijn in hun werk. Keynote sprekers kunnen trends en innovaties in de sector bespreken, wat nuttig is voor deze doelgroep. Een co-working ruimte zou geschikt zijn omdat het modern en toegankelijk is, en tech-professionals zich er op hun gemak voelen.”
In dit voorbeeld legt de AI uit waarom bepaalde keuzes worden gemaakt.
Samengevat
- Gebruik prompt chaining wanneer je een complex probleem stapsgewijs wilt oplossen en tussendoor wilt bijsturen. Elke stap bouwt voort op het antwoord van de vorige prompt, waardoor je meer controle hebt over het proces.
- Multistep prompting is handig voor eenvoudige taken die in één keer kunnen worden afgehandeld. In plaats van meerdere prompts, geef je één uitgebreide prompt die verschillende stappen omvat.
- Chain of thought prompting gebruik je wanneer je de AI vraagt om zijn denkproces uit te leggen. Dit is nuttig voor complexere taken waar je meer controle, aanpassingen en precisie wilt hebben.
Kanttekening
Vraag is of wij in de (nabije) toekomst nog prompt engineering nodig hebben. De modellen worden steeds geavanceerder en het nieuwste model van ChatGPT, model 01-preview, integreert zelfs al de Chain of thought techniek, waardoor het stapsgewijs door problemen kan werken zonder dat de gebruiker complexe prompts hoeft te schrijven.
Model 01-preview is getraind om zichzelf te verbeteren door fouten te herkennen en verschillende strategieën uit te proberen, maar blijkt op dit moment vooral geschikt voor taken die planning vereisen, programmeren en data-validatie.
Interessant dus voor vakgebieden als wetenschap, wiskunde en programmeren.
Maar nog niet geschikt (of béter dan de andere modellen) voor andere (vak)gebieden.
Dus voorlopig zullen we nog zelf onze prompts moeten schrijven. Al dan niet met hulp van ChatGPT. 🙂