🖥OpenAI опубликовала новое руководство по промптингу для GPT-4.1.
Это полезный ресурс для улучшения работы с моделью.
В руководство включен подробный "агентный промпт" (Agentic Prompt).
Именно этот промпт OpenAI использовала для достижения рекордно высокого балла в сложном бенчмарке по разработке ПО SWE-bench Verified.
Что представляет собой этот агентный промпт?
Это, по сути, детальная инструкция для GPT-4, нацеленная на автономное решение задач по исправлению кода в репозиториях. Ключевые принципы, заложенные в нем: - Глубокое понимание: Сначала тщательно изучить проблему. - Исследование: Проанализировать кодовую базу. - Планирование: Разработать четкий пошаговый план.
- Тестирование: Часто запускать тесты после каждого шага. - Итерация: Повторять процесс до полного решения проблемы. - Строгая верификация: Убедиться в корректности и надежности решения - Автономность: Работать с предоставленными проектами без доступа к интернету и не завершать работу до полного решения.
Этот подход демонстрирует, как структурированные, пошаговые инструкции с акцентом на тестирование и итерацию могут значительно повысить эффективность ИИ в сложных задачах программирования.
🖥OpenAI опубликовала новое руководство по промптингу для GPT-4.1.
Это полезный ресурс для улучшения работы с моделью.
В руководство включен подробный "агентный промпт" (Agentic Prompt).
Именно этот промпт OpenAI использовала для достижения рекордно высокого балла в сложном бенчмарке по разработке ПО SWE-bench Verified.
Что представляет собой этот агентный промпт?
Это, по сути, детальная инструкция для GPT-4, нацеленная на автономное решение задач по исправлению кода в репозиториях. Ключевые принципы, заложенные в нем: - Глубокое понимание: Сначала тщательно изучить проблему. - Исследование: Проанализировать кодовую базу. - Планирование: Разработать четкий пошаговый план.
- Тестирование: Часто запускать тесты после каждого шага. - Итерация: Повторять процесс до полного решения проблемы. - Строгая верификация: Убедиться в корректности и надежности решения - Автономность: Работать с предоставленными проектами без доступа к интернету и не завершать работу до полного решения.
Этот подход демонстрирует, как структурированные, пошаговые инструкции с акцентом на тестирование и итерацию могут значительно повысить эффективность ИИ в сложных задачах программирования.
