Podręcznik uczestnika z objaśnieniami, przykładami i ćwiczeniami do samodzielnej nauki
4. Prompt analityczny jako specyfikacja zadania
Dobry prompt opisuje pracę w sposób, który pozwala później rozstrzygnąć, czy została wykonana poprawnie. Nie chodzi o znalezienie magicznego zwrotu, lecz o usunięcie niejednoznaczności: co liczyć, na jakim schemacie, czego nie zmieniać i po czym poznać sukces. Prompt przypomina krótką specyfikację zadania, którą może przeczytać także inny analityk.
Sześć elementów dobrego polecenia
|
Element |
Pytanie pomocnicze |
Przykład dla M5-U01 |
|---|---|---|
|
Cel |
Co ma powstać lub zostać naprawione? |
Ranking median drgań po naprawie KeyError |
|
Kontekst |
W jakiej sytuacji pracujesz? |
Lokalny notebook, ramka df, kod Pandas |
|
Schemat lub wyniki |
Co model rzeczywiście wie? |
Istnieją urzadzenie i drgania; jednostka mm/s |
|
Ograniczenia |
Czego nie wolno zmienić? |
Bez zmiany mediany na średnią i bez modyfikacji df |
|
Format odpowiedzi |
Jak ma wyglądać rezultat? |
Przyczyna, minimalny kod, testy, ograniczenia |
|
Kryteria akceptacji |
Co sprawdzisz? |
Poprawna kolumna, osiem grup, sortowanie, brak zmian wejścia |
W rolę kontekstu nie wchodzi wszystko, co wiesz o projekcie. Wchodzi to, co jest potrzebne do wykonania wybranego zadania. Rozbudowany opis instalacji urządzeń nie pomoże naprawić literówki, a może rozproszyć uwagę i niepotrzebnie ujawnić dane. Z kolei pominięcie słowa „mediana” pozostawia otwartą decyzję, której model nie powinien podejmować za Ciebie.
Wersja zbyt ogólna
Prompt M5-P01 v0 brzmi: „Napraw KeyError w moim rankingu drgań. Daj działający kod”. Nawet jeśli dołączysz błędny fragment, bez schematu model nie wie, czy należy zmienić nazwę w kodzie, wczytać inną kolumnę, czy poprawić dane. Bez ograniczeń może również zaproponować rozwiązanie, które niepostrzeżenie zmienia miarę lub ramkę wejściową.
Nie oceniaj takiego promptu tylko po tym, czy odpowiedź jest długa i uprzejma. Zapytaj, ile istotnych decyzji pozostawiłeś nieokreślonych. Uzupełnienie polecenia powinno wynikać z rozpoznanej luki, a nie z przypadkowego dopisywania poleceń typu „bądź dokładny”. Dokładność staje się sprawdzalna dopiero wtedy, gdy określisz oczekiwania.
Pełny przykład promptu M5 P01
Poniższy prompt v1 możesz wykorzystać jako wzór. Nazwy kolumn zapisuj dokładnie tak, jak występują w danych. Jednostka w opisie nie jest częścią nazwy pola.
„Pracuję w Jupyter Notebook z Pandas. Nie masz dostępu do mojego pliku ani kernela. Chcę naprawić KeyError w kodzie poniżej i otrzymać medianę drgań dla każdego urządzenia, posortowaną malejąco. Ramka df ma kolumny urzadzenie i drgania; drgania są liczbami w mm/s. Kolumna drgania_mm_s nie istnieje. Identyfikatory i drgania są kompletne. Dane kursowe mają 720 wierszy, osiem urządzeń i po 90 pomiarów urządzenia.
Nie zmieniaj nazw kolumn w df, nie dodawaj aliasu, nie usuwaj rekordów i nie uzupełniaj braków. Zachowaj medianę oraz grupowanie po urzadzenie. Użyj wyłącznie Pandas. Zwróć krótkie wyjaśnienie przyczyny, minimalnie poprawiony kod, propozycję testów i informację, czego nie możesz zweryfikować bez danych. Nie podawaj liczbowych median, których nie obliczyłeś.
Kryteria akceptacji: istniejąca kolumna drgania, osiem grup, sortowanie malejące, niezmieniona ramka df. Test wartości wykonam niezależnie w swoim notebooku”.
Kod dołączony do polecenia jest celowo błędny:
ranking = (
df.groupby("urzadzenie")["drgania_mm_s"]
.median().sort_values(ascending=False)
)
Dwie przygotowane odpowiedzi do analizy offline
Odpowiedź A jest przykładem dydaktycznym niepoprawnej „naprawy”. Usuwa błąd nazwy, ale ingeruje w wejście i zmienia miarę. Nie uruchamiaj jej na głównej ramce.
df.rename(columns={"drgania": "drgania_mm_s"}, inplace=True)
ranking = (
df.groupby("urzadzenie")["drgania_mm_s"]
.mean().sort_values(ascending=False)
)
Odpowiedź B, również dydaktyczna, brzmi: „Kod odwołuje się do nieistniejącej kolumny. Zastąp drgania_mm_s przez drgania, zachowując medianę i sortowanie. Bez danych nie potwierdzę wartości rankingu ani liczby grup; uruchom testy lokalnie”. Kierunek poprawki jest zgodny ze specyfikacją. Dopiero rozdział 3 dostarczy dowodów, czy jego wykonanie spełnia kryteria na Twoim wejściu.
Porównywanie wersji promptu
Jeśli korzystasz z modelu, porównaj v0 i v1 na tym samym problemie i w tych samych warunkach. Zachowaj nazwę modelu, dostępne ustawienia, zakres kontekstu i pełne odpowiedzi. Użyj oddzielnych nowych rozmów, aby odpowiedź na v1 nie korzystała ukrycie z wyjaśnień przekazanych w rozmowie o v0. Nie wybieraj wyłącznie najkorzystniejszej odpowiedzi z wielu prób.
Jedna odpowiedź dla każdej wersji jest ćwiczeniem jakościowym, a nie rzetelnym rankingiem modeli czy dowodem statystycznym przewagi promptu. Możesz stwierdzić, że w obserwowanej próbie v1 lepiej zachował miarę i ograniczenia. Nie możesz na tej podstawie twierdzić, że zawsze będzie bezbłędny.
|
Kryterium |
Odpowiedź A |
Odpowiedź B |
|---|---|---|
|
Zgodność z nazwą pola |
Tworzy nową nazwę przez zmianę df |
Wskazuje istniejące drgania |
|
Zachowanie miary |
Zmienia medianę na średnią |
Zachowuje medianę |
|
Niezmienność wejścia |
Naruszona przez inplace=True |
Poprawka może działać bez zmiany df |
|
Uczciwość wobec braku danych |
Sam kod nie dostarcza wyników testów |
Jawnie wskazuje potrzebę lokalnej kontroli |
|
Decyzja przed testami |
Odrzucić jako rozwiązanie zadania |
Dopuścić do sprawdzenia, nie zatwierdzać z góry |
Iteracja oparta na przyczynie
Wersję v2 twórz po rozpoznaniu konkretnej niezgodności. Jeśli odpowiedź poprawiła nazwę, ale nie określiła formatu wyniku, dopisz kontrakt tabeli. Jeśli zabrakło testu niezmienności, zażądaj pełnego porównania ramki przed i po. Zachowaj v1 wraz z powodem zmiany, żeby później było wiadomo, co rzeczywiście poprawiono.
W rozdziale 3 świadomie rozszerzymy wynik: zamiast samej serii median powstanie tabela z identyfikatorem, medianą i liczebnością n. To zmiana specyfikacji wyniku, a nie efekt uboczny naprawy literówki. Rozdzielaj takie decyzje także w dokumentacji.
Sprawdź rozumienie 2
Model usunął wyjątek, lecz zastąpił medianę średnią i zmienił nazwę kolumny w df. Czy możesz uznać zadanie za wykonane? Wskaż dwa kryteria, które pozwalają odrzucić odpowiedź bez oceniania jej stylu. Co zapiszesz w porównaniu v0 i v1, jeżeli pracujesz wyłącznie offline?