gen-ai
/
Prompt-Engineering-Guide
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

more translated text checked with grammar tool

pull/176/head
S4MFI 2023-05-15 19:52:28 +03:00
parent 5ac17e796a
commit f61aba30b4
2 changed files with 7 additions and 7 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

12
fi-pages/applications/coding.fi.mdx
View File

@ -8,11 +8,11 @@ import CODE1 from '../../img/code-generation/chat-mode.png'
Tämä osio kehittyy jatkuvasti. Tämä osio kehittyy jatkuvasti.
</Callout> </Callout>
Suuret kielimallit, kuten ChatGPT, ovat erittäin tehokkaita koodin generoinnissa. Tässä osiossa käymme läpi monia esimerkkejä siitä, miten ChatGPT:tä voidaan käyttää koodin generointiin. Suuret kielimallit, kuten ChatGPT, ovat erittäin tehokkaita koodin generoinnissa. Tässä osiossa esittelemme useita esimerkkejä siitä, kuinka ChatGPT:tä voidaan hyödyntää koodin generointiin.
Kaikki alla olevat esimerkit käyttävät OpenAI:n testiympäristöä (playground) (Chat Mode) ja gpt-3.5-turbo-mallia. Kaikki alla esitetyt esimerkit käyttävät OpenAI:n testiympäristöä (playground) Chat Mode-tilassa ja `gpt-3.5-turbo`-mallia.
Kuten kaikissa OpenAI:n chat-malleissa, voit käyttää `järjestelmäviestiä` määrittelemään vastausten käyttäytymisen ja formaatin. Käytämme seuraavaa järjestelmäviestiä kehote-esimerkeissä: Kuten kaikissa OpenAI:n chat-malleissa, voit määrittää vastauksien käyttäytymisen ja muodon `järjestelmäviestin` avulla. Käytämme seuraavaa järjestelmäviestiä kehote-esimerkeissämme:
``` ```
Olet koodiavustaja, joka opettaa juniorikehittäjälle koodaamista. Käyttämäsi kieli on Python. Älä selitä koodia, vaan luo vain koodilohko itsessään. Olet koodiavustaja, joka opettaa juniorikehittäjälle koodaamista. Käyttämäsi kieli on Python. Älä selitä koodia, vaan luo vain koodilohko itsessään.
@ -20,7 +20,7 @@ Olet koodiavustaja, joka opettaa juniorikehittäjälle koodaamista. Käyttämäs
## Perusesimerkki ## Perusesimerkki
`Käyttäjän viesti` sisältää kehotteen, jossa on ohjeet halutun koodin generoimiseksi mallilla. Alla on kuva ensimmäisestä peruskehote-esimerkistä. Huomaa, että lopullinen koodi generoitiin `koodiavustajan` toimesta. `Käyttäjän viesti` sisältää kehotteen, jossa annetaan ohjeet halutun koodin generoimiseksi mallilla. Alla on esimerkki ensimmäisestä peruskehoteesta. Huomaa, että lopullisen koodin generoi `koodiavustaja`.
<Screenshot src={CODE1} alt="CODE1" /> <Screenshot src={CODE1} alt="CODE1" />
@ -32,7 +32,7 @@ Kirjoita koodia, joka kysyy käyttäjän nimen ja sanoo "Hei"
## Muuta Kommentit Koodiksi ## Muuta Kommentit Koodiksi
Voit myös käyttää näiden LLM:ien koodin generointikykyä luomaan koodia vain kommenteista. Katsotaan toista esimerkkiä, joka antaa ohjeet kommenttina: Voit myös hyödyntää LLM:ien kykyä generoida koodia suoraan kommenteista. Katsotaan toista esimerkkiä, jossa ohjeet annetaan kommenttina:
*Kehote:* *Kehote:*
``` ```
@ -59,7 +59,7 @@ json_objekti = json.dumps(elokuva_arvioinnit, indent=4)
print(json_objekti) print(json_objekti)
``` ```
Generoitu koodi näyttää toimivalta koodilta. Kuitenkin tulosteesta puuttuu tärkeä `import`-lause, eli `import json`. Vaikka nämä mallit generoivat toimivaa koodia, sinun on kiinnitettävä huomiota pieniin yksityiskohtiin, kuten tähän, ja aina varmistettava koodin testaaminen. Generoitu koodi näyttää toimivalta koodilta. Kuitenkin tulosteesta puuttuu tärkeä `import`-lause, eli `import json`. Vaikka nämä mallit pystyvät generoimaan toimivaa koodia, on tärkeää kiinnittää huomiota pieniin yksityiskohtiin, kuten tähän, ja aina varmistaa koodin toimivuus testaamalla.
## Funktion Täydentäminen ## Funktion Täydentäminen

2
fi-pages/applications/generating.fi.mdx
View File

@ -1,5 +1,5 @@
# Datan Generointi # Datan Generointi
Suurten kielimallien (LLM) avulla voidaan luoda yhtenäistä tekstiä. Tehokkaat kehote-strategiat voivat ohjata mallia tuottamaan parempia, johdonmukaisempia ja todenmukaisempia vastauksia. LLM:t ovat myös erityisen hyödyllisiä datan generoinnissa, mikä on erittäin hyödyllistä kaikenlaisten kokeiden ja arviointien suorittamisessa. Esimerkiksi voimme käyttää sitä luomaan nopeita näytteitä tunnesentimenttien luokittelijalle seuraavasti: Suurten kielimallien (LLM) avulla voidaan luoda yhtenäistä tekstiä. Tehokkaat kehote-strategiat auttavat ohjaamaan mallia tuottamaan parempia, johdonmukaisempia ja todenmukaisempia vastauksia. LLM:t ovat erityisen hyödyllisiä datan generoinnissa, joka on tärkeä osa monenlaisten kokeiden ja arviointien suorittamista. Esimerkiksi, voimme käyttää LLM:tä nopeiden näytteiden luomiseen tunnesentimenttien luokittelijalle seuraavasti:
*Kehote:* *Kehote:*
``` ```