בניתוח נתונים לדיוק של הפרומפט יש השפעה משמעותית על איכות התובנות.
כדי לשפר את הפרומפטים אפשר לבקש ממנו לתת ציון לפרומפט והצעה לשיפור.
אפשר לדרג את הפרומפטים לפי:
1️⃣ בהירות (Clarity) – עד כמה הפרומפט ברור וקל להבנה?
2️⃣ ספציפיות (Specificity) – עד כמה הפרומפט מדויק לגבי מה שהוא מבקש?
3️⃣ דיוק (Accuracy) – האם הפרומפט באמת מבקש את מה שהתוצאה אמורה לספק?
דוגמה:
הפרומפט המקורי:
❌ "תנתח את הנתונים"🔹 בעייתי כי הוא לא ברור, לא ספציפי, ולא מדויק – לא ידוע איזה נתונים, איזה ניתוח, ואיזה תוצאה נדרשת.
קריטריון | פרומפט משופר | למה זה יותר טוב? |
בהירות (Clarity) | "תנתח את הנתונים ותציג מסקנות עיקריות" | כעת ברור שמבקשים גם ניתוח וגם מסקנות, אבל עדיין לא ברור מה צריך לנתח. |
ספציפיות (Specificity) | "תנתח את הנתונים לפי חודשים ותזהה מגמות מרכזיות" | עכשיו יש הנחיה ברורה יותר לגבי איך לבצע את הניתוח – לפי חודשים ועם דגש על מגמות. |
דיוק (Accuracy) | "תנתח את הנתונים לפי חודשים, תחשב את השינוי החודשי באחוזים, ותציג גרף קווי עם תובנות עסקיות" | כעת הפרומפט מגדיר במדויק את הניתוח הנדרש, כולל מה לחשב (שינוי חודשי), איך להציג (גרף קווי), ואיזו תוצאה מצופה (תובנות עסקיות). |
בהירות → הופך את הפרומפט לפחות מעורפל.
ספציפיות → מבהיר איזה סוג ניתוח נדרש.
דיוק → מסביר איך לבצע את הניתוח ומה להציג כתוצאה.
"תבדוק את הפרומפטים שלי, תדרג אותם לפי בהירות, ספציפיות ודיוק (בסולם 1-10), ותספק לי טבלה עם הציון, ההערות לשיפור, והצעה לפרומפט מתוקן."
