![](https://hub.asimov.academy/wp-content/uploads/2024/06/ThumbCursoPythonMasterClass-14.webp)
A engenharia de prompts é uma técnica essencial para otimizar a interação com modelos de linguagem, como o ChatGPT. Neste tutorial, vamos explorar como criar prompts para inferência e análise de sentimentos, uma aplicação prática e acessível para quem está iniciando os estudos em Inteligência Artificial.
![maquina de escrever escrevendouma review](https://hub.asimov.academy/wp-content/uploads/2024/05/image-25-1024x683.png)
Introdução
A inferência e análise de sentimentos é uma tarefa comum em projetos de Inteligência Artificial. Ela permite que modelos de linguagem identifiquem e classifiquem emoções expressas em textos. Este tutorial é voltado para iniciantes que desejam entender como utilizar prompts para realizar essa tarefa de forma eficiente.
O que é um Prompt?
Um prompt é a entrada que fornecemos a um modelo de linguagem. Ele é composto por instruções claras e específicas que guiam o modelo a gerar a resposta desejada. A criação de um bom prompt é fundamental para obter resultados precisos e consistentes.
Princípios de um Bom Prompt
Clareza e Especificidade
Para criar um prompt eficaz, é importante fornecer um contexto relevante e instruções claras. Por exemplo, ao pedir para o modelo inferir o sentimento de uma avaliação de produto, podemos estruturar o prompt da seguinte forma:
Qual é o sentimento da seguinte avaliação de produto, delimitada por #### ?
Forneça sua resposta em uma única palavra, seja "positiva" ou "negativa".
####
Precisava de uma boa luminária para o meu quarto, e esta tinha armazenamento adicional e um preço não muito alto. Recebi rapidamente. A corda da nossa luminária quebrou durante o transporte e a empresa prontamente enviou uma nova. Chegou em poucos dias também. Foi fácil de montar. Tive uma peça faltando, então entrei em contato com o suporte deles e eles rapidamente me enviaram a peça que faltava! A Lumina me parece ser uma ótima empresa que se preocupa com seus clientes e produtos!!
####
A resposta esperada do modelo seria:
positiva
Delimitadores e Saídas Estruturadas
Os delimitadores ajudam a organizar a informação no prompt, tornando-o mais legível e fácil de processar pelo modelo. Além disso, estruturar a saída do modelo facilita o processamento posterior dos dados.
Identifique os seguintes itens a partir do texto de avaliação:
- Sentimento (positivo ou negativo)
- O avaliador está expressando raiva? (verdadeiro ou falso)
- Item comprado pelo avaliador
- Empresa que fabricou o item
A avaliação é delimitada por ####
Formate sua resposta como um objeto JSON com
"Sentimento", "Raiva", "Item" e "Marca" como as chaves.
Se a informação não estiver presente, use "unknown"
como o valor.
Faça sua resposta o mais curta possível.
Formate o valor de Anger como booleano.
####
Precisava de uma boa luminária para o meu quarto, e esta tinha armazenamento adicional e um preço não muito alto. Recebi rapidamente. A corda da nossa luminária quebrou durante o transporte e a empresa prontamente enviou uma nova. Chegou em poucos dias também. Foi fácil de montar. Tive uma peça faltando, então entrei em contato com o suporte deles e eles rapidamente me enviaram a peça que faltava! A Lumina me parece ser uma ótima empresa que se preocupa com seus clientes e produtos!!
####
A resposta esperada do modelo seria:
{
"Sentimento": "positivo",
"Raiva": false,
"Item": "luminária",
"Marca": "Lumina"
}
Iteratividade e Melhoria Contínua
A criação de prompts é um processo iterativo. É comum que o primeiro prompt não forneça a resposta desejada. Portanto, é necessário testar, analisar as respostas e refinar o prompt até obter resultados consistentes.
Sempre armazenar, depois analisar as respostas e ir melhorando essas respostas, controlando essas saídas que podem potencialmente representar algum viés cultural.
Exemplos Práticos
Análise de Sentimentos em Reviews
Vamos criar um prompt para analisar o sentimento de reviews de produtos:
Qual é o sentimento da seguinte avaliação de produto, delimitada por #### ?
Forneça sua resposta em uma única palavra, seja "positiva" ou "negativa".
####
O produto chegou rápido e em perfeito estado. Estou muito satisfeito com a compra.
####
A resposta esperada do modelo seria:
positiva
Inferência de Emoções
Podemos também inferir emoções específicas a partir de um texto:
Identifique uma lista de emoções que o autor da seguinte análise está expressando. Inclua não mais que cinco itens na lista. Formate sua resposta como uma lista de palavras em minúsculas separadas por vírgulas.
####
Precisava de uma boa luminária para o meu quarto, e esta tinha armazenamento adicional e um preço não muito alto. Recebi rapidamente. A corda da nossa luminária quebrou durante o transporte e a empresa prontamente enviou uma nova. Chegou em poucos dias também. Foi fácil de montar. Tive uma peça faltando, então entrei em contato com o suporte deles e eles rapidamente me enviaram a peça que faltava! A Lumina me parece ser uma ótima empresa que se preocupa com seus clientes e produtos!!
####
A resposta esperada do modelo seria:
agradecimento, satisfação, confiança, felicidade, gratidão
Conclusão
A criação de prompts para inferência e análise de sentimentos é uma habilidade valiosa para quem está começando na área de Inteligência Artificial. Com instruções claras, delimitadores e um processo iterativo de refinamento, é possível obter resultados precisos e úteis. Experimente criar seus próprios prompts e explore as possibilidades que essa técnica oferece!
Esperamos que este tutorial tenha sido útil e que você se sinta mais confiante para criar seus próprios prompts. Continue explorando e aprendendo, e não hesite em compartilhar suas experiências e dúvidas nos comentários!
![](https://hub.asimov.academy/wp-content/uploads/2024/06/maxresdefault-6.jpg)
Comentários