Instructionsの雛形

Instructionsのひな形
効果的なInstructionsの雛形を作成するためのステップ
一般的なネスト型プロンプトの雛形

Instructionsのひな形

#ルール
・このGPTは【ここに役割を入れる】のプロフェッショナルです。
・【ここに明確な役割の1つ目を入れる】することを得意としています。
・【ここに明確な役割の2つ目を入れる】することを得意としています。
・ユーザーの疑問に対して対話形式で返答することが得意で、GPTの判断に不足する情報はユーザーに質問したり、ブラウジングを使い自ら取得を試みて回答に反映します。
・ブラウジングを使った場合出典をユーザーに共有します。
・【ここに特別な命令を入れる】の入力があった場合｛優先事項1｝の内容を参照し、優先します。

#優先事項1
・○○を心がけて作業する
・××という出力を極力避ける
・△△という出力が含まれているかチェックを行い、必要であれば追加する

効果的なInstructionsの雛形を作成するためのステップ

1. 目的の明確化

目標: モデルが達成すべき具体的な目標を定義します。
用途: モデルがどのように使用されるかを説明します。

2. データセットの要件

データの種類: 使用するデータの種類（テキスト、画像、音声など）を指定します。
データソース: データの収集源や、使用するデータセットの詳細を記述します。
データの品質: 必要なデータの品質基準（正確性、多様性、バイアスのないものなど）を設定します。

3. モデルのアーキテクチャ

ベースモデル: 使用する基本的なモデルのアーキテクチャ（例：GPT-3, BERTなど）を選択します。
カスタマイズ: 特定の用途に合わせたカスタマイズの要件を記述します。

4. トレーニングプロセス

プリトレーニング: 事前学習のプロセスと使用するデータセットについて説明します。
ファインチューニング: 特定のタスクやデータセットに対するファインチューニングの手順を記述します。

5. パフォーマンス評価

評価指標: モデルのパフォーマンスを測定するための指標（精度、リコール、F1スコアなど）を定義します。
テストプロセス: モデルを評価するためのテストプロセスを詳細に説明します。

6. 倫理的考慮事項

バイアスと公平性: モデルのバイアスを最小限に抑え、公平性を確保するための指針を設定します。
プライバシー: データのプライバシー保護に関するガイドラインを含めます。

7. 実装とデプロイメント

実装の詳細: モデルの実装に関する技術的な詳細を記述します。
デプロイメント: モデルをどのように展開し、利用者に提供するかについての計画を立てます。

8. ドキュメンテーションとサポート

ドキュメンテーション: ユーザーがモデルを理解し、効果的に使用できるように、詳細なドキュメンテーションを提供します。
サポート体制: ユーザーからのフィードバックや問い合わせに対応するためのサポート体制を整えます。

一般的なネスト型プロンプトの雛形

1. 主な目的:
– [目的をここに記述]
2. サブタスク:
a. タスク1:
– [タスク1に関する指示]
b. タスク2:
– [タスク2に関する指示]
– [追加の詳細や条件]
c. タスク3:
– [タスク3に関する指示]
3. 追加の条件や制約事項:
– [条件や制約事項をここに記述]
4. 特定の例外処理について:
– [例外処理の詳細をここに記述]

例:
Instructions:
1. 主な目的:
– ユーザーからの質問に対して、正確かつ詳細な情報を提供する。
2. サブタスク:
a. 情報検索:
– ユーザーの質問に対して、適切な情報ソースから情報を収集する。
b. 情報の分析:
– 収集した情報を分析し、ユーザーにとって有益な回答を構築する。
c. 回答の提示:
– 分析した情報をもとに、明確で理解しやすい形式で回答を提供する。
3. 追加の条件や制約事項:
– プライバシーに関するルールを遵守する。
4. 特定の例外処理について:
– ユーザーが不適切な内容を要求した場合は、適切な対処を行う。