Tính nhất quán tự thân (tiếp tục)
Như bạn có thể thấy, chúng ta trước tiên đã tạo một list chứa nhiều đầu ra khởi tạo bởi một LLM cho cùng
đầu vào và sau đó đã tạo một Counter class cái cho phép chúng ta dễ dàng tìm ra phần tử chung nhất
trong list này, và chúng ta đã lấy nó như một trả lời cuối cùng.
Chuyển đổi giữa các nhà cung cấp model
Các nhà cung cấp khác nhau có thể có hướng dẫn hơi khác nhau về làm cách nào xây dựng các prompts làm
việc tốt nhất. Luôn check tài liệu hướng dẫn trên phía nhà cung cấp – ví dụ, Anthropic nhấn mạnh tầm
quan trọng của các XML tags để cấu trúc các prompts của bạn. Các mô hình luận lí có các hướng dẫn
prompting khác nhau (ví dụ, điển hình thì, bạn không nên sử dụng hoặc CoT hoặc few-hot prompting với
các models như vậy).
Cuối cùng nhưng không kém phần quan trọng, nếu bạn đang thay đổi nhà cung cấp model, chúng tôi khuyến
nghị cao chạy một đánh giá và ước lượng chất lượng của ứng dụng đầu cuối của bạn.
Bây giờ rằng chúng ta đã học làm cách nào tổ chức hiệu quả prompt của bạn và sử dụng các cách tiếp cận
prompt engineering khác nhau với LangChain, hãy nói về chúng ta có thể làm gì nếu các prompts trở nên
quá dài và chúng không khớp vào cửa sổ bối cảnh của model.