OpenSearch：Kelola prompt

Buat template prompt

Sistem menyediakan template prompt default. Jika menggunakan template prompt default, LLM hanya akan menjawab pertanyaan berdasarkan informasi konteks tanpa menggunakan konten publik jika tidak ada hasil yang ditemukan dalam konteks. Untuk membuat template prompt, ikuti langkah-langkah berikut: Di halaman detail instance OpenSearch LLM-Based Conversational Search Edition, pilih Configuration Center > Prompt Management. Pada halaman Prompt Management, klik Buat Template. Di panel Create Prompt Template, konfigurasikan parameter Prompt Template Name, Template Overview, dan message sesuai petunjuk di layar, lalu klik OK.

Parameter

Prompt Template Name: wajib. Nama unik untuk template prompt dengan panjang 1 hingga 30 karakter. Harus dimulai dengan huruf dan dapat berisi huruf, angka, serta garis bawah (_).

Template Overview: opsional. Deskripsi singkat template prompt dengan panjang 1 hingga 30 karakter. Dapat berisi huruf, angka, garis bawah (_), dan tanda hubung (-). Harus dimulai dengan huruf atau angka.

message: daftar pesan dalam bentuk pasangan peran-konten. Anda dapat menambahkan lebih banyak pasangan peran-konten dengan mengeklik tanda plus (+). Nilai valid untuk bidang peran meliputi system, user, dan assistant. Bidang konten wajib diisi dan tidak boleh berisi <# atau [#. Panjang maksimum nilai bidang ini adalah 1.024 karakter.

• system: pesan sistem dengan prioritas tertinggi, digunakan untuk menginstruksikan LLM merespons berdasarkan fitur, spesifikasi, atau peran yang telah ditetapkan sebelumnya. Pesan sistem bersifat opsional. Jika ditentukan, pesan ini harus ditempatkan di awal daftar pesan.

• user dan assistant: pesan pengguna dan model yang muncul secara bergantian untuk mensimulasikan percakapan nyata. Daftar pesan harus diakhiri dengan pesan pengguna.

• Variabel kustom: Anda dapat menentukan variabel kustom dalam format ${parameters.Nama variabel} di dalam prompt. Nama variabel harus memiliki panjang 1 hingga 64 karakter dan dapat berisi huruf, angka, serta garis bawah (_).

  Saat menentukan variabel kustom, Anda dapat menentukan nilai default dalam format berikut:

  1. ${(parameters.name)!}: Variabel ini tidak memiliki nilai default.

  2. ${(parameters.name)!"LLM"}: Nilai defaultnya adalah LLM.

  Catatan

  Anda dapat menggunakan variabel untuk mengirimkan nilai ke prompt akhir yang dikirim ke LLM. Jika menentukan variabel, Anda harus mengirimkan nilai variabel dengan memanggil operasi. Konfigurasikan variabel berdasarkan sintaks yang ditentukan. Variabel tidak boleh memiliki nama yang sama dengan salah satu variabel bawaan berikut:

  • {question}: pertanyaan asli yang Anda masukkan.

  • {docs}: konten yang dihasilkan dengan menggabungkan dokumen.

Konfigurasi pesan contoh

Setelah membuat template prompt, temukan template tersebut di halaman Prompt Management dan klik Q&A Test di kolom Actions untuk membuka halaman Q&A Test. Secara default, basis pengetahuan berisi pengetahuan terkait OpenSearch LLM-Based Conversational Search Edition.

1. Template prompt default

   peran	konten	Uji Tanya Jawab	Deskripsi
   system	Anda adalah asisten yang membantu.	Pertanyaan: 1+1= Jawaban: Saya tidak dapat menjawab pertanyaan ini berdasarkan informasi yang diketahui. Informasi konteks tidak berisi konten terkait operasi matematika. Oleh karena itu, saya tidak dapat memberikan jawaban untuk pertanyaan 1+1= berdasarkan informasi yang tersedia. Pertanyaan: Berikan pengantar singkat tentang OpenSearch LLM-Based Conversational Search Edition. Jawaban: OpenSearch LLM-Based Conversational Search Edition adalah layanan OpenSearch cerdas yang disediakan oleh Alibaba Cloud. Berdasarkan LLM bawaan, OpenSearch LLM-Based Conversational Search Edition menyediakan layanan pencarian percakapan khusus untuk perusahaan. Ini dapat membantu membangun sistem pencarian percakapan dengan cepat dan secara otomatis menghasilkan hasil pencarian percakapan dalam berbagai format seperti gambar referensi dan tautan referensi. Layanan pencarian percakapan ini cerdas dan berkualitas tinggi.	Pengetahuan yang tidak termasuk dalam basis pengetahuan: LLM tidak menggunakan konten publik untuk menjawab pertanyaan jika tidak ada hasil yang ditemukan dalam konteks. LLM menjawab pertanyaan berdasarkan informasi yang diketahui untuk memastikan keandalan dan keaslian jawaban. Pengetahuan yang termasuk dalam basis pengetahuan: LLM memberikan jawaban yang akurat dan andal berdasarkan informasi yang diketahui.
   user	Konteks berisi beberapa dokumen independen, masing-masing ditempatkan antara tag <article> dan </article>. Konteks: "${docs}" Jawab pertanyaan secara rinci dan terorganisir berdasarkan konteks sebelumnya. Pastikan bahwa pertanyaan dijawab secara memadai berdasarkan konteks. Jika informasi yang diberikan oleh konteks tidak cukup untuk menjawab pertanyaan, kembalikan pesan berikut: Saya tidak dapat menjawab pertanyaan ini berdasarkan informasi yang diketahui. Jangan gunakan konten yang tidak termasuk dalam konteks untuk menghasilkan jawaban. Pastikan setiap pernyataan dalam jawaban didukung oleh konten yang sesuai dalam konteks. Jawab pertanyaan dalam bahasa Inggris. Pertanyaan: "${question}"

2. Template prompt kustom yang memungkinkan LLM menjawab pertanyaan berdasarkan konten publik jika tidak ada hasil yang ditemukan dalam konteks

   peran	konten	Uji Tanya Jawab	Deskripsi
   system	Anda adalah asisten yang membantu.	Pertanyaan: 1+1= Jawaban: 1+1=2. Pertanyaan: Berikan pengantar singkat tentang OpenSearch LLM-Based Conversational Search Edition. Jawaban: OpenSearch LLM-Based Conversational Search Edition adalah layanan OpenSearch cerdas yang disediakan oleh Alibaba Cloud. Berdasarkan LLM bawaan, OpenSearch LLM-Based Conversational Search Edition menyediakan layanan pencarian percakapan khusus untuk perusahaan. Ini dapat membantu membangun sistem pencarian percakapan dengan cepat dan secara otomatis menghasilkan hasil pencarian percakapan dalam berbagai format seperti gambar referensi dan tautan referensi. Layanan pencarian percakapan ini cerdas dan berkualitas tinggi.	Pengetahuan yang tidak termasuk dalam basis pengetahuan: LLM menggunakan konten publik untuk menjawab pertanyaan jika tidak ada hasil yang ditemukan dalam konteks. Pengetahuan yang termasuk dalam basis pengetahuan: LLM memberikan jawaban yang akurat dan andal berdasarkan informasi yang diketahui.
   user	Konteks berisi beberapa dokumen independen, masing-masing ditempatkan antara tag <article> dan </article>. Konteks: "${docs}" Anda memiliki banyak pengetahuan, termasuk pengetahuan terkait perhitungan matematis. Jawab pertanyaan berikut dengan akurat. Pertanyaan: "${question}"

3. Template prompt kustom yang berisi variabel kustom dalam format ${(parameters. Nama Variabel)!"Nilai Variabel"}

   peran	konten	Uji Tanya Jawab	Deskripsi
   system	Anda adalah asisten yang membantu.	Model: opensearch-qwen Di halaman Q&A Test, Anda dapat melihat variabel kustom di tab Prompt Parameters. Pertanyaan: 1+1= Jawaban: Saya tidak dapat menjawab pertanyaan ini berdasarkan informasi yang diketahui. Informasi konteks tidak berisi konten terkait perhitungan matematis. Hanya memberikan pengantar tentang OpenSearch LLM-Based Conversational Search Edition dan layanan serta produk lain dari Alibaba Cloud. Tidak ada informasi terkait operasi matematika yang diberikan. Anda dapat mengubah nilai variabel di konsol. Pertanyaan: 1+1= Jawaban: Maaf, saya tidak dapat menjawab pertanyaan tentang perhitungan matematis berdasarkan informasi yang diketahui. Hal ini karena konteks tidak berisi informasi terkait operasi matematika. Jika Anda perlu menyelesaikan pertanyaan matematika, kami sarankan Anda memberikan informasi matematika yang relevan atau menggunakan alat perhitungan matematika khusus.	Variabel kustom no_answer digunakan. Jika informasi tidak cukup untuk menjawab pertanyaan, LLM mengembalikan nilai default dari variabel no_answer: Saya tidak dapat menjawab pertanyaan ini berdasarkan informasi yang diketahui. Anda dapat mengubah nilai variabel. Dalam contoh ini, nilainya diubah menjadi Maaf.
   user	Konteks berisi beberapa dokumen independen, masing-masing ditempatkan antara tag <article> dan </article>. Konteks: "${docs}" Jawab pertanyaan secara rinci dan terorganisir berdasarkan konteks sebelumnya. Pastikan bahwa pertanyaan dijawab secara memadai berdasarkan konteks. Jika informasi yang diberikan oleh konteks tidak cukup untuk menjawab pertanyaan, kembalikan pesan berikut: ${(parameters.no_answer)!"Saya tidak dapat menjawab pertanyaan ini berdasarkan informasi yang diketahui"}. Jangan gunakan konten yang tidak termasuk dalam konteks untuk menghasilkan jawaban. Pastikan setiap pernyataan dalam jawaban didukung oleh konten yang sesuai dalam konteks. Jawab pertanyaan dalam bahasa Inggris. Pertanyaan: "${question}"

Kelola template prompt

Anda dapat mengelola semua template prompt di halaman Prompt Management. Anda dapat melihat, memodifikasi, dan menghapus template prompt. Jika mengklik Q&A Test di kolom Actions dari template prompt, halaman Q&A Test akan muncul. Anda dapat menggunakan template prompt untuk melakukan uji tanya jawab.