LLMs ਨਾਲ TOON ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ
ਜੇਕਰ ਤੁਸੀਂ ਕਦੇ ChatGPT ਜਾਂ ਕਲਾਉਡ ਵਿੱਚ ਇੱਕ ਵੱਡੀ JSON ਐਰੇ ਪੇਸਟ ਕੀਤੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਸੰਦਰਭ ਵਿੰਡੋ ਦੇ ਬੰਦ ਹੋਣ ਦਾ ਦਰਦ ਮਹਿਸੂਸ ਕੀਤਾ ਹੋਵੇਗਾ। JSON ਵੈੱਬ API ਲਈ ਸ਼ਾਨਦਾਰ ਹੈ, ਪਰ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਲਈ, ਇਹ ਬਹੁਤ ਹੀ ਬੇਕਾਰ ਹੈ। ਹਰ ਇੱਕ ਰਿਕਾਰਡ ਲਈ "id":, "ਨਾਮ":, ਅਤੇ "ਟਾਈਮਸਟੈਂਪ": ਵਰਗੇ ਫੀਲਡ ਨਾਮਾਂ ਨੂੰ ਦੁਹਰਾਉਣਾ ਸਿਰਫ਼ ਬੇਲੋੜਾ ਨਹੀਂ ਹੈ; ਇਹ ਟੋਕਨਾਂ ਦੁਆਰਾ ਬਲਦਾ ਹੈ ਜਿਸਦਾ ਅਸਲ ਪੈਸਾ ਅਤੇ ਕੀਮਤੀ ਸੰਦਰਭ ਸਪੇਸ ਖਰਚ ਹੁੰਦਾ ਹੈ।
ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਟੂਨ (ਟੇਬਲ ਆਬਜੈਕਟ ਨੋਟੇਸ਼ਨ) ਚਮਕਦਾ ਹੈ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਡਾਟਾ ਫਾਰਮੈਟ ਨਹੀਂ ਹੈ; ਇਹ LLM ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਇੱਕ ਰਣਨੀਤੀ ਹੈ। JSON ਦੇ ਸੰਟੈਕਸ ਟੈਕਸ ਨੂੰ ਹਟਾ ਕੇ ਅਤੇ ਸਪੱਸ਼ਟ ਢਾਂਚੇ ਦੇ ਸਿਰਲੇਖਾਂ ਨੂੰ ਜੋੜ ਕੇ, TOON ਤੁਹਾਨੂੰ ਤੁਹਾਡੇ ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਡੇਟਾ ਦੇਣ ਅਤੇ ਬਦਲੇ ਵਿੱਚ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗ ਢਾਂਚਾਗਤ ਆਉਟਪੁੱਟ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
ਟੂਨ ਦਾ ਟੋਕਨ ਅਰਥ ਸ਼ਾਸਤਰ
ਫਾਰਮੈਟ ਬਦਲਣ ਦੀ ਪਰੇਸ਼ਾਨੀ ਕਿਉਂ? ਗਣਿਤ ਸਧਾਰਨ ਹੈ. ਵਸਤੂਆਂ ਦੀ ਇੱਕ ਮਿਆਰੀ JSON ਐਰੇ ਵਿੱਚ, ਸਕੀਮਾ ਨੂੰ ਹਰ ਕਤਾਰ ਲਈ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ। ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ 50 ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਸੂਚੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਫੀਲਡ ਦੇ ਨਾਮਾਂ ਲਈ 50 ਵਾਰ ਭੁਗਤਾਨ ਕਰ ਰਹੇ ਹੋ।
TOON ਸਿਰਲੇਖ ਵਿੱਚ ਇੱਕ ਵਾਰ ਸਕੀਮਾ ਘੋਸ਼ਿਤ ਕਰਕੇ ਇਸ ਰਿਡੰਡੈਂਸੀ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ। ਡੇਟਾ ਇੱਕ ਸੰਘਣੀ, ਸਟ੍ਰੀਮ-ਲਾਈਨ ਵਾਲੇ ਫਾਰਮੈਟ ਵਿੱਚ ਆਉਂਦਾ ਹੈ। ਅਭਿਆਸ ਵਿੱਚ, ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਫਾਰਮੈਟ ਕੀਤੇ JSON ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਇਕਸਾਰ ਐਰੇ ਲਈ **ਟੋਕਨ ਵਰਤੋਂ ਵਿੱਚ 30-60% ਕਮੀ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਹੁੰਦਾ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਵਿਸ਼ਾਲ ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਜਾਂ ਉੱਚ-ਆਵਾਜ਼ ਵਾਲੀ API ਕਾਲਾਂ ਨਾਲ ਨਜਿੱਠ ਰਹੇ ਹੋ, ਤਾਂ ਇਹ ਕੁਸ਼ਲਤਾ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਹੇਠਲੇ ਬਿੱਲਾਂ ਅਤੇ ਘੱਟ ਲੇਟੈਂਸੀ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦੀ ਹੈ।
ਡਾਟਾ ਭੇਜਣਾ: "ਦਿਖਾਓ, ਨਾ ਦੱਸੋ" ਨਿਯਮ
ਜਦੋਂ ਤੁਹਾਨੂੰ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਇੱਕ LLM ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਤੁਹਾਡੀ ਤੁਰੰਤ ਰਣਨੀਤੀ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੀ ਹੈ। ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲੇ ਅਕਸਰ ਡੇਟਾ ਫਾਰਮੈਟ ਦੀ ਵਿਆਖਿਆ ਕਰਦੇ ਲੰਬੇ ਪੈਰੇ ਲਿਖਦੇ ਹਨ। TOON ਨਾਲ, ਤੁਹਾਨੂੰ ਅਜਿਹਾ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।
LLM ਪੈਟਰਨ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਇੰਜਣ ਹਨ। ਉਹ TOON ਨੂੰ ਅਨੁਭਵੀ ਤੌਰ 'ਤੇ ਸਮਝਦੇ ਹਨ ਕਿਉਂਕਿ ਇਹ YAML ਅਤੇ CSV ਦੇ ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਵਰਗਾ ਲੱਗਦਾ ਹੈ — ਉਹ ਫਾਰਮੈਟ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਨੇ ਸਿਖਲਾਈ ਦੌਰਾਨ ਅਰਬਾਂ ਵਾਰ ਦੇਖਿਆ ਹੈ।
ਡੇਟਾ ਭੇਜਣ ਲਈ, ਇਸਨੂੰ ਇੱਕ ਵਾੜ ਵਾਲੇ ਕੋਡ ਬਲਾਕ ਵਿੱਚ ਲਪੇਟੋ। ਤੁਸੀਂ ਇਸਨੂੰ 'ਟੂਨ' ਲੇਬਲ ਕਰ ਸਕਦੇ ਹੋ, ਪਰ ਭਾਵੇਂ ਮਾਡਲ ਦਾ ਸਿੰਟੈਕਸ ਹਾਈਲਾਈਟਰ ਅਧਿਕਾਰਤ ਤੌਰ 'ਤੇ ਇਸਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਮਾਡਲ ਤੁਰੰਤ ਢਾਂਚੇ ਨੂੰ ਸਮਝਦਾ ਹੈ।
ਇਨਪੁਟ ਉਦਾਹਰਨ
ਸਕੀਮਾ ਦਾ ਵਰਣਨ ਕਰਨ ਦੀ ਬਜਾਏ, ਸਿਰਫ ਬਲਾਕ ਪ੍ਰਦਾਨ ਕਰੋ:
ਸਿਰਲੇਖ ਉਪਭੋਗਤਾ[3]{id,name,role,lastLogin} ਮਾਡਲ ਨੂੰ ਉਹ ਸਭ ਕੁਝ ਦੱਸਦਾ ਹੈ ਜੋ ਉਸ ਨੂੰ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ: ਇਕਾਈ ਦੀ ਕਿਸਮ, ਗਿਣਤੀ (3 ਕਤਾਰਾਂ), ਅਤੇ ਖੇਤਰਾਂ ਦਾ ਕ੍ਰਮ। ਇੰਡੈਂਟੇਸ਼ਨ ਲੜੀ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ। ਇਹ "ਸਵੈ-ਦਸਤਾਵੇਜ਼ੀ" ਸੁਭਾਅ ਸੰਟੈਕਸ ਪਾਰਸਿੰਗ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਬਜਾਏ ਅਸਲ ਤਰਕ ਕਾਰਜ 'ਤੇ ਧਿਆਨ ਦੇਣ ਲਈ ਤੁਹਾਡੇ ਪ੍ਰੋਂਪਟ ਨੂੰ ਮੁਕਤ ਕਰਦਾ ਹੈ।
``ਐਮਡੀ ਇੱਥੇ ਯੂਜ਼ਰ ਐਕਟੀਵਿਟੀ ਲੌਗ ਹੈ। ਡੇਟਾ ਟੂਨ ਫਾਰਮੈਟ ਵਿੱਚ ਹੈ (2-ਸਪੇਸ ਇੰਡੈਂਟ, ਸਪਸ਼ਟ ਸਿਰਲੇਖ)।
ਉਪਭੋਗਤਾ[3]{id,name,role,lastLogin}: 1,ਐਲਿਸ,ਪ੍ਰਸ਼ਾਸਕ,2025-01-15T10:30:00Z 2,ਬੌਬ,ਉਪਭੋਗਤਾ,2025-01-14T15:22:00Z 3,ਚਾਰਲੀ,ਉਪਭੋਗਤਾ,2025-01-13T09:45:00Z
ਟਾਸਕ: ਲੌਗਸ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ ਅਤੇ ਪਛਾਣ ਕਰੋ ਕਿ ਪਿਛਲੇ 24 ਘੰਟਿਆਂ ਵਿੱਚ ਕਿਹੜੇ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਲੌਗਇਨ ਨਹੀਂ ਕੀਤਾ ਹੈ। ``
ਭਰੋਸੇਯੋਗ ਆਉਟਪੁੱਟ ਤਿਆਰ ਕਰਨਾ
read ਡੇਟਾ ਲਈ LLM ਪ੍ਰਾਪਤ ਕਰਨਾ ਆਸਾਨ ਹੈ; ਇਸਨੂੰ generate ਵੈਧ ਢਾਂਚਾਗਤ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਔਖਾ ਹਿੱਸਾ ਹੈ। ਮਾਡਲਾਂ ਨੂੰ ਭੁਲੇਖਾ ਪਾਉਣਾ, JSON ਨੂੰ ਕੱਟਣਾ, ਜਾਂ ਬਰੇਸ ਬੰਦ ਕਰਨਾ ਭੁੱਲਣਾ ਪਸੰਦ ਹੈ।
TOON ਆਪਣੇ ਸਿਰਲੇਖ ਸੰਟੈਕਸ ਦੁਆਰਾ ਸੁਰੱਖਿਆ ਦੀ ਇੱਕ ਪਰਤ ਜੋੜਦਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ [N] ਗਿਣਤੀ। ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਮਾਡਲ ਨੂੰ ਟੂਨ ਨੂੰ ਆਉਟਪੁੱਟ ਕਰਨ ਲਈ ਕਹਿੰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਇਸਨੂੰ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਢਾਂਚੇ ਵਿੱਚ ਪ੍ਰਤੀਬੱਧ ਕਰਨ ਲਈ ਕਹਿ ਰਹੇ ਹੋ।
ਪੀੜ੍ਹੀ ਲਈ ਪ੍ਰੇਰਣਾ
ਵਧੀਆ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਸਿਰਲੇਖ ਫਾਰਮੈਟ ਪ੍ਰਦਾਨ ਕਰੋ ਜਿਸਦੀ ਤੁਸੀਂ ਉਮੀਦ ਕਰਦੇ ਹੋ ਅਤੇ ਮਾਡਲ ਨੂੰ ਕਤਾਰਾਂ ਨੂੰ ਭਰਨ ਲਈ ਨਿਰਦੇਸ਼ ਦਿੰਦੇ ਹੋ।
ਮਾਡਲ ਨੂੰ [N] ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਕਹਿ ਕੇ, ਤੁਸੀਂ ਇੱਕ "ਸੋਚ ਦੀ ਲੜੀ" ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਮਜਬੂਰ ਕਰਦੇ ਹੋ ਜਿੱਥੇ ਮਾਡਲ ਨੂੰ ਆਉਟਪੁੱਟ ਆਕਾਰ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣੀ ਚਾਹੀਦੀ ਹੈ। ਇਹ ਪ੍ਰਤੀਤ ਹੋਣ ਵਾਲੀ ਛੋਟੀ ਰੁਕਾਵਟ ਇੱਕ ਸੂਚੀ ਦੇ ਅੱਧੇ ਰਸਤੇ ਨੂੰ ਕੱਟਣ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਮਹੱਤਵਪੂਰਣ ਰੂਪ ਵਿੱਚ ਘਟਾਉਂਦੀ ਹੈ।
``ਐਮਡੀ ਕਾਰਜ: "ਉਪਭੋਗਤਾ" ਦੀ ਭੂਮਿਕਾ ਦੇ ਨਾਲ ਸਰਗਰਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਸੂਚੀ ਵਾਪਸ ਕਰੋ। ਫਾਰਮੈਟ: ਟੂਨ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਕਤਾਰਾਂ ਦੀ ਸਹੀ ਸੰਖਿਆ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਸਿਰਲੇਖ ਵਿੱਚ [N] ਮੁੱਲ ਸੈੱਟ ਕਰੋ।
ਸੰਭਾਵਿਤ ਫਾਰਮੈਟ: user[N]{id,name,role,lastLogin}: ``
ਸਖਤ ਮੋਡ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ
ਜਦੋਂ ਤੁਸੀਂ LLM ਤੋਂ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਇਸ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਟੂਨ ਲਾਇਬ੍ਰੇਰੀ ਦਾ ਸਖਤ ਮੋਡ ਉਤਪਾਦਨ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਮਹਾਂਸ਼ਕਤੀ ਬਣ ਜਾਂਦਾ ਹੈ।
ਜੇਕਰ ਤੁਸੀਂ TypeScript ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਸਖਤ ਮੋਡ ਨਾਲ ਡੀਕੋਡਿੰਗ ਇਹ ਪ੍ਰਮਾਣਿਤ ਕਰਦੀ ਹੈ ਕਿ ਤਿਆਰ ਕੀਤੀਆਂ ਕਤਾਰਾਂ ਸਿਰਲੇਖ ਦੀ ਗਿਣਤੀ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ:
ਇਹ ਤੁਹਾਨੂੰ ਤੁਹਾਡੀ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਖਰਾਬ ਡੇਟਾ ਡਾਊਨਸਟ੍ਰੀਮ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਬਜਾਏ ਤੁਰੰਤ "ਆਲਸੀ" ਮਾਡਲ ਆਉਟਪੁੱਟਾਂ ਜਾਂ ਨੈਟਵਰਕ ਕਟੌਤੀਆਂ ਨੂੰ ਪ੍ਰੋਗ੍ਰਾਮਿਕ ਤੌਰ 'ਤੇ ਫੜਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
`` ਟਾਈਪਸਕ੍ਰਿਪਟ '@toon-format/toon' ਤੋਂ { ਡੀਕੋਡ } ਆਯਾਤ ਕਰੋ;
ਕੋਸ਼ਿਸ਼ ਕਰੋ { // ਜੇ ਮਾਡਲ [5] ਕਹਿੰਦਾ ਹੈ ਪਰ 4 ਕਤਾਰਾਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਇੱਕ ਗਲਤੀ ਸੁੱਟਦਾ ਹੈ। const ਡਾਟਾ = ਡੀਕੋਡ(modelOutput, { strict: true }); console.log('ਵੈਧ ਡੇਟਾ ਪ੍ਰਾਪਤ ਹੋਇਆ:', ਡੇਟਾ); } ਕੈਚ (ਗਲਤੀ) { console.error('ਮਾਡਲ ਭਰਮ ਜਾਂ ਕੱਟਣ ਦਾ ਪਤਾ ਲਗਾਇਆ ਗਿਆ:', error.message); } ``
ਐਡਵਾਂਸਡ ਓਪਟੀਮਾਈਜੇਸ਼ਨ: ਟੈਬ ਟ੍ਰਿਕ
ਜੇ ਤੁਸੀਂ ਓਪਟੀਮਾਈਜੇਸ਼ਨ (ਅਤੇ LLMs ਦੀ ਦੁਨੀਆ ਵਿੱਚ, ਤੁਹਾਨੂੰ ਸ਼ਾਇਦ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ) ਨਾਲ ਜਨੂੰਨ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਸਮਝਦਾਰੀ ਨਾਲ ਆਪਣੇ ਸੀਮਾਕਾਰਾਂ ਦੀ ਚੋਣ ਕਰਕੇ ਹੋਰ ਵੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਨਿਚੋੜ ਸਕਦੇ ਹੋ।
ਕਾਮੇ ਮਿਆਰੀ ਹੁੰਦੇ ਹਨ, ਪਰ ਟੈਬਾਂ (\t) ਨੂੰ ਅਕਸਰ ਕਈ ਟੋਕਨਾਈਜ਼ਰ ਸ਼ਬਦਾਵਲੀ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਟੋਕਨ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਟੈਬਾਂ ਘੱਟ ਹੀ ਕੁਦਰਤੀ ਟੈਕਸਟ ਖੇਤਰਾਂ ਦੇ ਅੰਦਰ ਦਿਖਾਈ ਦਿੰਦੀਆਂ ਹਨ, ਜੋ ਬਚਣ ਵਾਲੇ ਅੱਖਰਾਂ ਦੀ ਲੋੜ ਨੂੰ ਘਟਾਉਂਦੀਆਂ ਹਨ (ਜਿਵੇਂ ਕਿ ਕੋਟਸ ਵਿੱਚ ਸਤਰ ਲਪੇਟਣਾ)।
ਤੁਸੀਂ ਮਾਡਲ ਨੂੰ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਟੈਬਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਏਨਕੋਡ ਕਰ ਸਕਦੇ ਹੋ:
ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਮਾਡਲ ਨੂੰ ਸੂਚਿਤ ਕਰਨਾ ਯਾਦ ਰੱਖੋ: "ਡੇਟਾ ਟੈਬ-ਸਪਰੇਟਡ ਟੂਨ ਹੈ।" ਇਹ ਇੱਕ ਹਾਈਪਰ-ਸੰਕੁਚਿਤ ਪ੍ਰਤੀਨਿਧਤਾ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਮਾਡਲ ਲਈ ਪਾਰਸ ਅਤੇ ਉਤਪੰਨ ਕਰਨਾ ਬਹੁਤ ਹੀ ਆਸਾਨ ਹੈ।
ਟਾਈਪਸਕ੍ਰਿਪਟ const toonPrompt = encode(data, { delimiter: '\t' });
ਇੱਕ ਸੰਪੂਰਨ ਵਰਕਫਲੋ ਉਦਾਹਰਨ
ਆਉ ਇੱਕ ਅਸਲ-ਸੰਸਾਰ ਦ੍ਰਿਸ਼ ਨੂੰ ਵੇਖੀਏ: ਫਿਲਟਰਿੰਗ ਸਿਸਟਮ ਲੌਗਸ। ਤੁਸੀਂ ਮਾਡਲ ਨੂੰ ਕੱਚੇ ਲੌਗ ਭੇਜਣਾ ਚਾਹੁੰਦੇ ਹੋ ਅਤੇ ਗਲਤੀਆਂ ਦੀ ਇੱਕ ਢਾਂਚਾਗਤ ਸੂਚੀ ਵਾਪਸ ਪ੍ਰਾਪਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ।
ਪ੍ਰਾਪਟ:
ਮਾਡਲ ਆਉਟਪੁੱਟ:
``ਐਮਡੀ TOON ਫਾਰਮੈਟ ਵਿੱਚ ਸਿਸਟਮ ਲੌਗ (ਟੈਬ-ਵੱਖ ਕੀਤਾ):
ਘਟਨਾਵਾਂ[4]{id,level,message,timestamp}: 1,ਗਲਤੀ,ਕੁਨੈਕਸ਼ਨ ਸਮਾਂ ਸਮਾਪਤ,2025-01-15T10:00:00Z 2, ਚੇਤਾਵਨੀ, ਹੌਲੀ ਪੁੱਛਗਿੱਛ,2025-01-15T10:05:00Z 3,ਜਾਣਕਾਰੀ,ਉਪਭੋਗਤਾ ਲੌਗਇਨ,2025-01-15T10:10:00Z 4,ਗਲਤੀ,ਡਾਟਾਬੇਸ ਗਲਤੀ025-01-15T10:15:00Z
ਟਾਸਕ: ਪੱਧਰ 'ਗਲਤੀ' ਦੇ ਨਾਲ ਸਾਰੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰੋ। ਇੱਕ ਅੱਪਡੇਟ ਕੀਤੇ ਸਿਰਲੇਖ ਦੀ ਗਿਣਤੀ ਦੇ ਨਾਲ ਵੈਧ TOON ਵਜੋਂ ਨਤੀਜਾ ਵਾਪਸ ਕਰੋ। ``
ਨਤੀਜਾ:
ਟੂਨ ਘਟਨਾਵਾਂ[2]{id,level,message,timestamp}: 1,ਗਲਤੀ,ਕੁਨੈਕਸ਼ਨ ਸਮਾਂ ਸਮਾਪਤ,2025-01-15T10:00:00Z 4,ਗਲਤੀ,ਡਾਟਾਬੇਸ ਗਲਤੀ,2025-01-15T10:15:00Z
ਮਾਡਲ ਨੇ ਸੂਚੀ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਫਿਲਟਰ ਕੀਤਾ ਅਤੇ, ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ, ਸਿਰਲੇਖ ਨੂੰ ਇਵੈਂਟ[2] ਵਿੱਚ ਅੱਪਡੇਟ ਕੀਤਾ। ਇਸ ਜਵਾਬ ਨੂੰ ਡੀਕੋਡ ਕਰਕੇ, ਤੁਸੀਂ ਆਪਣੇ ਐਪਲੀਕੇਸ਼ਨ ਤਰਕ ਲਈ ਇੱਕ ਸਾਫ਼, ਟਾਈਪ-ਸੁਰੱਖਿਅਤ ਐਰੇ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ।
ਸੰਖੇਪ
TOON ਮਨੁੱਖੀ ਪੜ੍ਹਨਯੋਗਤਾ ਅਤੇ ਮਸ਼ੀਨ ਦੀ ਕੁਸ਼ਲਤਾ ਵਿਚਕਾਰ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ। ਇਹ ਮਜਬੂਤ ਸਾਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਲਈ ਲੋੜੀਂਦਾ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹੋਏ LLM ਦੀ ਲਾਗਤ ਦੀਆਂ ਕਮੀਆਂ ਦਾ ਆਦਰ ਕਰਦਾ ਹੈ।
- ਇਸ ਨੂੰ ਛੋਟਾ ਰੱਖੋ: ਆਪਣੀਆਂ ਉਦਾਹਰਣਾਂ ਵਿੱਚ 2-5 ਕਤਾਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ; ਮਾਡਲ ਸਧਾਰਣ ਕਰੇਗਾ।
- ਸਪਸ਼ਟ ਰਹੋ: ਸਿਰਲੇਖਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ ਤਾਂ ਜੋ ਮਾਡਲ ਸਕੀਮਾ ਨੂੰ ਜਾਣ ਸਕੇ।
- ਸਖਤ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰੋ: ਪੀੜ੍ਹੀ ਦੀਆਂ ਤਰੁੱਟੀਆਂ ਨੂੰ ਫੜਨ ਲਈ ਫਾਰਮੈਟ ਦੇ ਮੈਟਾਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰੋ।
ਆਪਣੇ ਪ੍ਰੋਂਪਟ ਪੇਲੋਡਸ ਲਈ JSON ਤੋਂ ਦੂਰ ਜਾ ਕੇ, ਤੁਸੀਂ ਸਿਰਫ਼ ਟੋਕਨਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਕਰ ਰਹੇ ਹੋ—ਤੁਸੀਂ ਇੱਕ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ AI ਪਾਈਪਲਾਈਨ ਬਣਾ ਰਹੇ ਹੋ।