From c665dfbaaae7be40a44cb77158b1a0ef0674a413 Mon Sep 17 00:00:00 2001 From: "copilot-swe-agent[bot]" <198982749+Copilot@users.noreply.github.com> Date: Mon, 8 Jun 2026 09:52:03 +0000 Subject: [PATCH 1/3] Initial plan From 0aa952474cdeb4cd82b6c99349f78ed239eb6fea Mon Sep 17 00:00:00 2001 From: "copilot-swe-agent[bot]" <198982749+Copilot@users.noreply.github.com> Date: Mon, 8 Jun 2026 09:56:38 +0000 Subject: [PATCH 2/3] Fix broken OpenAI examples link in lesson 04 prompt engineering fundamentals --- 04-prompt-engineering-fundamentals/README.md | 2 +- translations/ar/04-prompt-engineering-fundamentals/README.md | 2 +- translations/bg/04-prompt-engineering-fundamentals/README.md | 2 +- translations/bn/04-prompt-engineering-fundamentals/README.md | 2 +- translations/cs/04-prompt-engineering-fundamentals/README.md | 2 +- translations/da/04-prompt-engineering-fundamentals/README.md | 2 +- translations/de/04-prompt-engineering-fundamentals/README.md | 2 +- translations/el/04-prompt-engineering-fundamentals/README.md | 2 +- translations/en/04-prompt-engineering-fundamentals/README.md | 2 +- translations/es/04-prompt-engineering-fundamentals/README.md | 2 +- translations/et/04-prompt-engineering-fundamentals/README.md | 2 +- translations/fa/04-prompt-engineering-fundamentals/README.md | 2 +- translations/fi/04-prompt-engineering-fundamentals/README.md | 2 +- translations/fr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/he/04-prompt-engineering-fundamentals/README.md | 2 +- translations/hi/04-prompt-engineering-fundamentals/README.md | 2 +- translations/hr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/hu/04-prompt-engineering-fundamentals/README.md | 2 +- translations/id/04-prompt-engineering-fundamentals/README.md | 2 +- translations/it/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ja/04-prompt-engineering-fundamentals/README.md | 2 +- translations/km/04-prompt-engineering-fundamentals/README.md | 2 +- translations/kn/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ko/04-prompt-engineering-fundamentals/README.md | 2 +- translations/lt/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ml/04-prompt-engineering-fundamentals/README.md | 2 +- translations/mr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ms/04-prompt-engineering-fundamentals/README.md | 2 +- translations/my/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ne/04-prompt-engineering-fundamentals/README.md | 2 +- translations/nl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/no/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pa/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pcm/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pt-BR/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pt-PT/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ro/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ru/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sk/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sv/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sw/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ta/04-prompt-engineering-fundamentals/README.md | 2 +- translations/te/04-prompt-engineering-fundamentals/README.md | 2 +- translations/th/04-prompt-engineering-fundamentals/README.md | 2 +- translations/tl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/tr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/uk/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ur/04-prompt-engineering-fundamentals/README.md | 2 +- translations/vi/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-CN/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-HK/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-MO/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-TW/04-prompt-engineering-fundamentals/README.md | 2 +- 56 files changed, 56 insertions(+), 56 deletions(-) diff --git a/04-prompt-engineering-fundamentals/README.md b/04-prompt-engineering-fundamentals/README.md index 9749cfa7be..1f7d75b458 100644 --- a/04-prompt-engineering-fundamentals/README.md +++ b/04-prompt-engineering-fundamentals/README.md @@ -279,7 +279,7 @@ Another technique for using primary content is to provide _cues_ rather than exa ### Prompt Templates -A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. +A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. In it's more complex form like [this example from LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) it contains _placeholders_ that can be replaced with data from a variety of sources (user input, system context, external data sources etc.) to generate a prompt dynamically. This allows us to create a library of reusable prompts that can be used to drive consistent user experiences **programmatically** at scale. diff --git a/translations/ar/04-prompt-engineering-fundamentals/README.md b/translations/ar/04-prompt-engineering-fundamentals/README.md index 7b8955f00e..887e365d81 100644 --- a/translations/ar/04-prompt-engineering-fundamentals/README.md +++ b/translations/ar/04-prompt-engineering-fundamentals/README.md @@ -268,7 +268,7 @@ response = openai.chat.completions.create( ### قوالب المطالبات -قالب المطالبة هو _وصفة معرفة مسبقًا للمطالبة_ يمكن تخزينها وإعادة استخدامها حسب الحاجة، لتعزيز تجارب المستخدم المتسقة على نطاق واسع. في أبسط أشكاله، هو مجموعة من أمثلة المطالبات مثل [هذا المثال من OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) التي توفر مكونات المطالبة التفاعلية (رسائل المستخدم والنظام) بالإضافة إلى صيغة الطلب المدعومة بواسطة API - لدعم إعادة الاستخدام. +قالب المطالبة هو _وصفة معرفة مسبقًا للمطالبة_ يمكن تخزينها وإعادة استخدامها حسب الحاجة، لتعزيز تجارب المستخدم المتسقة على نطاق واسع. في أبسط أشكاله، هو مجموعة من أمثلة المطالبات مثل [هذا المثال من OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) التي توفر مكونات المطالبة التفاعلية (رسائل المستخدم والنظام) بالإضافة إلى صيغة الطلب المدعومة بواسطة API - لدعم إعادة الاستخدام. في شكله الأكثر تعقيدًا مثل [هذا المثال من LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) يحتوي على _عناصر نائبة_ يمكن استبدالها ببيانات من مصادر متنوعة (إدخال المستخدم، سياق النظام، مصادر بيانات خارجية، إلخ) لإنشاء مطالبة بشكل ديناميكي. وهذا يسمح لنا بإنشاء مكتبة من المطالبات القابلة لإعادة الاستخدام التي يمكن استخدامها لقيادة تجارب مستخدمين متناسقة **برمجيًا** على نطاق واسع. diff --git a/translations/bg/04-prompt-engineering-fundamentals/README.md b/translations/bg/04-prompt-engineering-fundamentals/README.md index 83df3824c1..8a355d949f 100644 --- a/translations/bg/04-prompt-engineering-fundamentals/README.md +++ b/translations/bg/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Шаблони за подканване -Шаблонът за подканване е _предварително дефинирана рецепта за подканване_, която може да се съхранява и използва повторно при нужда, за да осигури по-последователно потребителско изживяване в голям мащаб. В най-простата си форма това е просто колекция от примери за подканване като [този от OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), която предоставя както интерактивни компоненти за подканване (съобщения от потребител и система), така и формат на API заявка - за улесняване на повторната употреба. +Шаблонът за подканване е _предварително дефинирана рецепта за подканване_, която може да се съхранява и използва повторно при нужда, за да осигури по-последователно потребителско изживяване в голям мащаб. В най-простата си форма това е просто колекция от примери за подканване като [този от OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), която предоставя както интерактивни компоненти за подканване (съобщения от потребител и система), така и формат на API заявка - за улесняване на повторната употреба. В по-сложната си форма, като [този пример от LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), той съдържа _запълващи места_, които могат да се заменят с данни от различни източници (вход на потребител, контекст на системата, външни източници на данни и др.) за динамично генериране на подканване. Това позволява създаване на библиотека с многократни подканвания, които могат да се използват за програмиране на последователно потребителско изживяване в голям мащаб. diff --git a/translations/bn/04-prompt-engineering-fundamentals/README.md b/translations/bn/04-prompt-engineering-fundamentals/README.md index fd1c1bf2a3..2ff524acb9 100644 --- a/translations/bn/04-prompt-engineering-fundamentals/README.md +++ b/translations/bn/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### প্রম্পট টেমপ্লেটসমূহ -একটি প্রম্পট টেমপ্লেট হল একটি _পূর্বনির্ধারিত রেসিপি_, যা প্রয়োজন অনুযায়ী সংরক্ষণ ও পুনরায় ব্যবহার করা যায়, যাতে বড় পরিসরে ব্যবহারকারীর অভিজ্ঞতা আরো সুনির্দিষ্ট হয়। এর সবচেয়ে সরল রূপে, এটি কিছু প্রম্পট উদাহরণের সংগ্রহ, যেমন [OpenAI এর এই উদাহরণটি](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), যা ইন্টারঅ্যাকটিভ প্রম্পট উপাদান (ব্যবহারকারী ও সিস্টেম বার্তা) এবং API-চালিত অনুরোধ ফরম্যাট সরবরাহ করে — পুনঃব্যবহারের সুবিধার জন্য। +একটি প্রম্পট টেমপ্লেট হল একটি _পূর্বনির্ধারিত রেসিপি_, যা প্রয়োজন অনুযায়ী সংরক্ষণ ও পুনরায় ব্যবহার করা যায়, যাতে বড় পরিসরে ব্যবহারকারীর অভিজ্ঞতা আরো সুনির্দিষ্ট হয়। এর সবচেয়ে সরল রূপে, এটি কিছু প্রম্পট উদাহরণের সংগ্রহ, যেমন [OpenAI এর এই উদাহরণটি](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), যা ইন্টারঅ্যাকটিভ প্রম্পট উপাদান (ব্যবহারকারী ও সিস্টেম বার্তা) এবং API-চালিত অনুরোধ ফরম্যাট সরবরাহ করে — পুনঃব্যবহারের সুবিধার জন্য। আরও জটিল রূপে, যেমন [LangChain এর এই উদাহরণ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), এতে বিভিন্ন উৎস থেকে ডেটা দিয়ে প্রতিস্থাপনযোগ্য _প্লেসহোল্ডার_ থাকে (ব্যবহারকারীর ইনপুট, সিস্টেম প্রসঙ্গ, বাহ্যিক ডেটা স্রোত ইত্যাদি) যাতে প্রম্পট ডাইনামিক্যালি তৈরি করা যায়। এটি আমাদের এমন একটি প্রম্পট লাইব্রেরি তৈরির সুযোগ দেয় যা বড় পরিসরে ব্যবহারকারীর অভিজ্ঞতাকে **প্রোগ্রামেটিকভাবে** সামঞ্জস্যপূর্ণ করতে ব্যবহার করা হয়। diff --git a/translations/cs/04-prompt-engineering-fundamentals/README.md b/translations/cs/04-prompt-engineering-fundamentals/README.md index 904bc1dc21..d41ef97ef9 100644 --- a/translations/cs/04-prompt-engineering-fundamentals/README.md +++ b/translations/cs/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Další technikou použití primárního obsahu je poskytnutí _náznaků_ míst ### Šablony promptů -Šablona promptu je _předdefinovaný recept na prompt_, který může být uložen a znovu použit podle potřeby, aby se zajistila konzistentnější uživatelská zkušenost ve velkém měřítku. V nejjednodušší podobě je to jednoduše sbírka příkladů promptů jako [tento od OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), která poskytuje jak interaktivní komponenty promptu (zprávy uživatele a systému), tak formát požadavku řízený API – k podpoře opakovaného použití. +Šablona promptu je _předdefinovaný recept na prompt_, který může být uložen a znovu použit podle potřeby, aby se zajistila konzistentnější uživatelská zkušenost ve velkém měřítku. V nejjednodušší podobě je to jednoduše sbírka příkladů promptů jako [tento od OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), která poskytuje jak interaktivní komponenty promptu (zprávy uživatele a systému), tak formát požadavku řízený API – k podpoře opakovaného použití. Ve složitější podobě jako [tento příklad od LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) obsahuje _zástupné symboly_, které lze nahradit daty z různých zdrojů (uživatelský vstup, kontext systému, externí datové zdroje atd.) pro dynamickou tvorbu promptu. To nám umožňuje vytvářet knihovny znovupoužitelných promptů, které lze **programově** použít k řízení konzistentních uživatelských zážitků ve velkém. diff --git a/translations/da/04-prompt-engineering-fundamentals/README.md b/translations/da/04-prompt-engineering-fundamentals/README.md index 7f63176563..7d6a39692b 100644 --- a/translations/da/04-prompt-engineering-fundamentals/README.md +++ b/translations/da/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ En anden teknik til at bruge primært indhold er at give _tips_ i stedet for eks ### Prompt Skabeloner -En prompt-skabelon er en _foruddefineret opskrift på en prompt_, som kan gemmes og genbruges efter behov for at skabe mere konsistente brugeroplevelser i stor skala. I sin simpleste form er det blot en samling af prompt-eksempler som [dette fra OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), der giver både de interaktive prompt-komponenter (bruger- og systembeskeder) og API-styrede anmodningsformater – for at støtte genbrug. +En prompt-skabelon er en _foruddefineret opskrift på en prompt_, som kan gemmes og genbruges efter behov for at skabe mere konsistente brugeroplevelser i stor skala. I sin simpleste form er det blot en samling af prompt-eksempler som [dette fra OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), der giver både de interaktive prompt-komponenter (bruger- og systembeskeder) og API-styrede anmodningsformater – for at støtte genbrug. I en mere kompleks form som [dette eksempel fra LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) indeholder den _pladsholdere_, som kan erstattes med data fra forskellige kilder (brugers input, systemkontekst, eksterne datakilder osv.) for dynamisk at skabe en prompt. Det giver os mulighed for at oprette et bibliotek af genanvendelige prompts, der kan bruges til at skabe konsistente brugeroplevelser **programmatisk** i stor skala. diff --git a/translations/de/04-prompt-engineering-fundamentals/README.md b/translations/de/04-prompt-engineering-fundamentals/README.md index 6b5c836e7a..2917fc1e58 100644 --- a/translations/de/04-prompt-engineering-fundamentals/README.md +++ b/translations/de/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Eine weitere Technik mit primärem Inhalt ist es, _Hinweise_ statt Beispiele zu ### Prompt-Vorlagen -Eine Prompt-Vorlage ist ein _vordefiniertes Rezept für einen Prompt_, das bei Bedarf gespeichert und wiederverwendet werden kann, um konsistentere Benutzererfahrungen im großen Maßstab zu ermöglichen. In seiner einfachsten Form ist es einfach eine Sammlung von Prompt-Beispielen wie [dieses von OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), das sowohl die interaktiven Prompt-Komponenten (Benutzer- und Systemnachrichten) als auch das API-gesteuerte Anfrageformat bereitstellt – zur Unterstützung der Wiederverwendung. +Eine Prompt-Vorlage ist ein _vordefiniertes Rezept für einen Prompt_, das bei Bedarf gespeichert und wiederverwendet werden kann, um konsistentere Benutzererfahrungen im großen Maßstab zu ermöglichen. In seiner einfachsten Form ist es einfach eine Sammlung von Prompt-Beispielen wie [dieses von OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), das sowohl die interaktiven Prompt-Komponenten (Benutzer- und Systemnachrichten) als auch das API-gesteuerte Anfrageformat bereitstellt – zur Unterstützung der Wiederverwendung. In einer komplexeren Form wie [dieses Beispiel von LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) enthält es _Platzhalter_, die mit Daten aus verschiedenen Quellen (Benutzereingabe, Systemkontext, externe Datenquellen usw.) dynamisch ersetzt werden können, um einen Prompt zu erzeugen. Dies ermöglicht uns, eine Bibliothek von wiederverwendbaren Prompts zu erstellen, die zur programmgesteuerten Förderung konsistenter Benutzererfahrungen im großen Maßstab genutzt werden können. diff --git a/translations/el/04-prompt-engineering-fundamentals/README.md b/translations/el/04-prompt-engineering-fundamentals/README.md index abd868c427..46dd586be2 100644 --- a/translations/el/04-prompt-engineering-fundamentals/README.md +++ b/translations/el/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Πρότυπα Προτροπών -Ένα πρότυπο προτροπής είναι μια _προκαθορισμένη συνταγή για μια προτροπή_ που μπορεί να αποθηκευτεί και να επαναχρησιμοποιηθεί όταν απαιτείται, για να οδηγεί σε πιο συνεπή εμπειρία χρήστη σε μεγάλη κλίμακα. Στην πιο απλή του μορφή, είναι απλώς μια συλλογή παραδειγμάτων προτροπών όπως [αυτό από το OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) που παρέχει τόσο τα συστατικά της διαδραστικής προτροπής (μηνύματα χρήστη και συστήματος) όσο και τη μορφή του API για να υποστηρίξει την επανάχρηση. +Ένα πρότυπο προτροπής είναι μια _προκαθορισμένη συνταγή για μια προτροπή_ που μπορεί να αποθηκευτεί και να επαναχρησιμοποιηθεί όταν απαιτείται, για να οδηγεί σε πιο συνεπή εμπειρία χρήστη σε μεγάλη κλίμακα. Στην πιο απλή του μορφή, είναι απλώς μια συλλογή παραδειγμάτων προτροπών όπως [αυτό από το OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) που παρέχει τόσο τα συστατικά της διαδραστικής προτροπής (μηνύματα χρήστη και συστήματος) όσο και τη μορφή του API για να υποστηρίξει την επανάχρηση. Σε πιο σύνθετη μορφή, όπως [αυτό το παράδειγμα από το LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), περιέχει _κρατήσεις θέσεων_ που μπορούν να αντικατασταθούν με δεδομένα από διάφορες πηγές (εισαγωγή χρήστη, πλαίσιο συστήματος, εξωτερικές πηγές δεδομένων κ.α.) για να δημιουργηθεί μια προτροπή δυναμικά. Αυτό μας επιτρέπει να δημιουργήσουμε μια βιβλιοθήκη επαναχρησιμοποιούμενων προτροπών που μπορούν να χρησιμοποιηθούν για να οδηγούν σε συνεπείς εμπειρίες χρήστη **προγραμματιστικά** σε μεγάλη κλίμακα. diff --git a/translations/en/04-prompt-engineering-fundamentals/README.md b/translations/en/04-prompt-engineering-fundamentals/README.md index a3b190b82a..46c8a0a9be 100644 --- a/translations/en/04-prompt-engineering-fundamentals/README.md +++ b/translations/en/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Another technique for using primary content is to provide _cues_ rather than exa ### Prompt Templates -A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. +A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. In its more complex form like [this example from LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) it contains _placeholders_ that can be replaced with data from a variety of sources (user input, system context, external data sources etc.) to generate a prompt dynamically. This allows us to create a library of reusable prompts that can be used to drive consistent user experiences **programmatically** at scale. diff --git a/translations/es/04-prompt-engineering-fundamentals/README.md b/translations/es/04-prompt-engineering-fundamentals/README.md index b652a2e087..e6a29b2fbd 100644 --- a/translations/es/04-prompt-engineering-fundamentals/README.md +++ b/translations/es/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Otra técnica para usar contenido primario es proporcionar _señales_ en lugar d ### Plantillas de Prompt -Una plantilla de prompt es una _receta predefinida para un prompt_ que puede almacenarse y reutilizarse según sea necesario, para generar experiencias de usuario más consistentes a escala. En su forma más simple, es simplemente una colección de ejemplos de prompts como [este de OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) que proporciona tanto los componentes interactivos del prompt (mensajes de usuario y sistema) como el formato de solicitud impulsado por API, para facilitar la reutilización. +Una plantilla de prompt es una _receta predefinida para un prompt_ que puede almacenarse y reutilizarse según sea necesario, para generar experiencias de usuario más consistentes a escala. En su forma más simple, es simplemente una colección de ejemplos de prompts como [este de OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) que proporciona tanto los componentes interactivos del prompt (mensajes de usuario y sistema) como el formato de solicitud impulsado por API, para facilitar la reutilización. En su forma más compleja como [este ejemplo de LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) contiene _marcadores de posición_ que pueden reemplazarse con datos de diversas fuentes (entrada del usuario, contexto del sistema, fuentes de datos externas, etc.) para generar un prompt dinámicamente. Esto nos permite crear una biblioteca de prompts reutilizables que pueden usarse para generar experiencias de usuario **programáticamente** y de manera coherente a escala. diff --git a/translations/et/04-prompt-engineering-fundamentals/README.md b/translations/et/04-prompt-engineering-fundamentals/README.md index 8be72ba77b..8b84c4550b 100644 --- a/translations/et/04-prompt-engineering-fundamentals/README.md +++ b/translations/et/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Teine peamise sisu kasutamise tehnika on pakkuda _vihjeid_ näidete asemel. Sel ### Prompti mallid -Prompti mall on _eelnevalt määratletud juhise retsept_, mida saab salvestada ja vajadusel uuesti kasutada, et tagada skaleeritult järjepidev kasutajakogemus. Lihtsas vormis on see lihtsalt valik näidispäringutest, nagu [see OpenAI näide](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), mis sisaldab nii interaktiivse päringu komponente (kasutaja ja süsteemi sõnumid) kui ka API-põhist päringu vormingut – tagamaks korduvkasutatavust. +Prompti mall on _eelnevalt määratletud juhise retsept_, mida saab salvestada ja vajadusel uuesti kasutada, et tagada skaleeritult järjepidev kasutajakogemus. Lihtsas vormis on see lihtsalt valik näidispäringutest, nagu [see OpenAI näide](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), mis sisaldab nii interaktiivse päringu komponente (kasutaja ja süsteemi sõnumid) kui ka API-põhist päringu vormingut – tagamaks korduvkasutatavust. Raskemas vormis, nagu [see LangChain näide](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), sisaldab see _kohatäiteid_, mida saab asendada eri andmeallikatest pärit infoga (kasutaja sisend, süsteemi kontekst, välised andmeallikad jms), et genereerida dünaamiliselt päringut. See võimaldab meil luua taaskasutatavate päringute raamatukogu, mida kasutatakse **programmiliselt** järjepideva kasutajakogemuse loomiseks ulatuslikult. diff --git a/translations/fa/04-prompt-engineering-fundamentals/README.md b/translations/fa/04-prompt-engineering-fundamentals/README.md index 18fbcf26ca..3d877ec32d 100644 --- a/translations/fa/04-prompt-engineering-fundamentals/README.md +++ b/translations/fa/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### قالب‌های پرامپت -قالب پرامپت یک _دستورالعمل از پیش تعریف شده برای یک پرامپت_ است که می‌تواند ذخیره شده و در صورت نیاز مجدداً استفاده شود تا تجربه‌های کاربری سازگارتر در مقیاس وسیع ایجاد کند. در ساده‌ترین شکل، این فقط مجموعه‌ای از نمونه‌های پرامپت مانند [این نمونه از OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) است که شامل اجزای تعاملی پرامپت (پیام‌های کاربر و سیستم) و فرمت درخواست API می‌باشد - برای پشتیبانی از استفاده مجدد. +قالب پرامپت یک _دستورالعمل از پیش تعریف شده برای یک پرامپت_ است که می‌تواند ذخیره شده و در صورت نیاز مجدداً استفاده شود تا تجربه‌های کاربری سازگارتر در مقیاس وسیع ایجاد کند. در ساده‌ترین شکل، این فقط مجموعه‌ای از نمونه‌های پرامپت مانند [این نمونه از OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) است که شامل اجزای تعاملی پرامپت (پیام‌های کاربر و سیستم) و فرمت درخواست API می‌باشد - برای پشتیبانی از استفاده مجدد. در شکل پیچیده‌ترش مانند [این مثال از LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) شامل _موارد جایگزین_ است که می‌توان آن‌ها را با داده‌هایی از منابع مختلف (ورودی کاربر، متن سیستم، منابع داده خارجی و غیره) جایگزین کرد تا به صورت پویا پرامپت تولید شود. این امکان را به ما می‌دهد تا کتابخانه‌ای از پرامپت‌های قابل استفاده مجدد بسازیم که بتوانند تجربه‌های کاربری سازگار را به صورت **برنامه‌ریزی شده** و در مقیاس ارائه دهند. diff --git a/translations/fi/04-prompt-engineering-fundamentals/README.md b/translations/fi/04-prompt-engineering-fundamentals/README.md index bb5d9166da..025eceed23 100644 --- a/translations/fi/04-prompt-engineering-fundamentals/README.md +++ b/translations/fi/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Toinen tapa käyttää pääasiallista sisältöä on antaa _vihjeitä_ esimerkk ### Kehotekstimalleja -Kehotekstimalli on _ennalta määritelty kaava kehotteelle_, jota voidaan tallentaa ja käyttää uudelleen tarpeen mukaan, tarjoten tasaisempia käyttäjäkokemuksia suuremmassa mittakaavassa. Yksinkertaisimmillaan se on kokoelma kehotteiden esimerkkejä kuten [tämä OpenAI:n esimerkki](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), joka sisältää interaktiiviset kehotteet (käyttäjä- ja järjestelmäviestit) sekä API-pohjaisen pyyntömuodon uudelleenkäyttöä varten. +Kehotekstimalli on _ennalta määritelty kaava kehotteelle_, jota voidaan tallentaa ja käyttää uudelleen tarpeen mukaan, tarjoten tasaisempia käyttäjäkokemuksia suuremmassa mittakaavassa. Yksinkertaisimmillaan se on kokoelma kehotteiden esimerkkejä kuten [tämä OpenAI:n esimerkki](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), joka sisältää interaktiiviset kehotteet (käyttäjä- ja järjestelmäviestit) sekä API-pohjaisen pyyntömuodon uudelleenkäyttöä varten. Monimutkaisemmassa muodossaan, kuten [tämä LangChainin esimerkki](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), se sisältää _paikkamerkkejä_, jotka voidaan korvata eri lähteistä saaduilla tiedoilla (käyttäjän syöttö, järjestelmän konteksti, ulkoiset tietolähteet jne.) dynaamisen kehotteen luomiseksi. Tämä mahdollistaa uudelleenkäytettävien kehotteiden kirjaston luomisen, joita voidaan käyttää ohjelmallisesti yhtenäisten käyttäjäkokemusten aikaansaamisessa suuressa mittakaavassa. diff --git a/translations/fr/04-prompt-engineering-fundamentals/README.md b/translations/fr/04-prompt-engineering-fundamentals/README.md index e6d7ada621..6f3fb7082a 100644 --- a/translations/fr/04-prompt-engineering-fundamentals/README.md +++ b/translations/fr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Une autre technique pour utiliser le contenu principal est de fournir des _indic ### Modèles de prompt -Un modèle de prompt est une _recette pré-définie pour un prompt_ qui peut être stockée et réutilisée selon les besoins, afin de garantir des expériences utilisateurs plus cohérentes à grande échelle. Dans sa forme la plus simple, il s'agit simplement d'une collection d'exemples de prompt comme [celui-ci d'OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) qui fournit à la fois les composants interactifs du prompt (messages utilisateur et système) et le format de requête piloté par API – pour supporter la réutilisation. +Un modèle de prompt est une _recette pré-définie pour un prompt_ qui peut être stockée et réutilisée selon les besoins, afin de garantir des expériences utilisateurs plus cohérentes à grande échelle. Dans sa forme la plus simple, il s'agit simplement d'une collection d'exemples de prompt comme [celui-ci d'OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) qui fournit à la fois les composants interactifs du prompt (messages utilisateur et système) et le format de requête piloté par API – pour supporter la réutilisation. Dans sa forme plus complexe comme [cet exemple de LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), il contient des _espaces réservés_ qui peuvent être remplacés par des données issues de diverses sources (entrée utilisateur, contexte système, sources de données externes, etc.) pour générer un prompt dynamiquement. Cela nous permet de créer une bibliothèque de prompts réutilisables qui peuvent être utilisés pour offrir des expériences utilisateurs cohérentes **programmatiquement** à grande échelle. diff --git a/translations/he/04-prompt-engineering-fundamentals/README.md b/translations/he/04-prompt-engineering-fundamentals/README.md index a49e1f18b2..36440f7b40 100644 --- a/translations/he/04-prompt-engineering-fundamentals/README.md +++ b/translations/he/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### תבניות הנחיות -תבנית הנחיה היא _מתכון מוגדר מראש להנחיה_ שניתן לשמור ולהשתמש בו לפי הצורך, כדי להניע חוויות משתמש עקביות בקנה מידה. בצורה הפשוטה ביותר היא אוסף של דוגמות הנחיה כמו [זו מאת OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) שמספקת הן את רכיבי ההנחיה האינטראקטיביים (הודעות משתמש ומערכת) והן את פורמט הבקשה המונע ע"י ממשק API - לתמיכה בשימוש חוזר. +תבנית הנחיה היא _מתכון מוגדר מראש להנחיה_ שניתן לשמור ולהשתמש בו לפי הצורך, כדי להניע חוויות משתמש עקביות בקנה מידה. בצורה הפשוטה ביותר היא אוסף של דוגמות הנחיה כמו [זו מאת OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) שמספקת הן את רכיבי ההנחיה האינטראקטיביים (הודעות משתמש ומערכת) והן את פורמט הבקשה המונע ע"י ממשק API - לתמיכה בשימוש חוזר. בצורה המורכבת יותר כמו [דוגמה זו מ-LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) היא מכילה _מקומות שמורים_ שניתן להחליף בהם נתונים ממקורות שונים (קלט משתמש, הקשר מערכת, מקורות נתונים חיצוניים וכו') כדי ליצור הנחיה דינמית. זה מאפשר לנו ליצור ספרייה של הנחיות שניתן להשתמש בהן באופן חוזר כדי להניע חוויות משתמש עקביות **בצורה תכנותית** בקנה מידה. diff --git a/translations/hi/04-prompt-engineering-fundamentals/README.md b/translations/hi/04-prompt-engineering-fundamentals/README.md index 45fd325d89..eed642bc17 100644 --- a/translations/hi/04-prompt-engineering-fundamentals/README.md +++ b/translations/hi/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### प्रेरणा टेम्प्लेट्स -एक प्रेरणा टेम्प्लेट एक _पूर्व-निर्धारित प्रेरणा की विधि_ है जिसे आवश्यकतानुसार संग्रहित और पुनः उपयोग किया जा सकता है ताकि बड़े पैमाने पर उपयोगकर्ताओं के अनुभव समान और सुसंगत बन सकें। अपने सरलतम रूप में, यह केवल उपयोगकर्ता और सिस्टम संदेशों सहित इंटरेक्टिव प्रेरणा घटकों और एपीआई-चालित अनुरोध प्रारूप दोनों को प्रदान करने वाले [OpenAI के इस उदाहरण](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) जैसे प्रेरणा उदाहरणों का संग्रह है - पुनः उपयोग का समर्थन करने के लिए। +एक प्रेरणा टेम्प्लेट एक _पूर्व-निर्धारित प्रेरणा की विधि_ है जिसे आवश्यकतानुसार संग्रहित और पुनः उपयोग किया जा सकता है ताकि बड़े पैमाने पर उपयोगकर्ताओं के अनुभव समान और सुसंगत बन सकें। अपने सरलतम रूप में, यह केवल उपयोगकर्ता और सिस्टम संदेशों सहित इंटरेक्टिव प्रेरणा घटकों और एपीआई-चालित अनुरोध प्रारूप दोनों को प्रदान करने वाले [OpenAI के इस उदाहरण](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) जैसे प्रेरणा उदाहरणों का संग्रह है - पुनः उपयोग का समर्थन करने के लिए। इसके जटिल रूप में, जैसे [LangChain का यह उदाहरण](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), इसमें _प्लेसहोल्डर्स_ होते हैं जिन्हें विभिन्न स्रोतों (उपयोगकर्ता इनपुट, सिस्टम संदर्भ, बाहरी डेटा स्रोत आदि) से डेटा से प्रतिस्थापित किया जा सकता है ताकि प्रेरणा को गतिशील रूप से बनाया जा सके। यह हमें एक लाइब्रेरी बनाने की अनुमति देता है जिसमें पुन: प्रयोज्य प्रेरणाएँ होती हैं जिन्हें प्रोग्रामेटिक रूप से बड़े पैमाने पर निरंतर उपयोगकर्ता अनुभव प्रदान करने के लिए उपयोग किया जा सकता है। diff --git a/translations/hr/04-prompt-engineering-fundamentals/README.md b/translations/hr/04-prompt-engineering-fundamentals/README.md index bd6c73abac..5f4d5849a3 100644 --- a/translations/hr/04-prompt-engineering-fundamentals/README.md +++ b/translations/hr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Druga tehnika za korištenje primarnog sadržaja jest davanje _naznaka_ umjesto ### Predlošci upita -Predložak upita je _unaprijed definirani recept za upit_ koji se može pohraniti i ponovno upotrijebiti prema potrebi kako bi se postiglo dosljednije korisničko iskustvo u velikom opsegu. U svom najjednostavnijem obliku to je jednostavno zbirka primjera upita poput [ovog iz OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) koji pruža i interaktivne komponente upita (poruke korisnika i sustava) i API format zahtjeva - za podršku ponovnoj upotrebi. +Predložak upita je _unaprijed definirani recept za upit_ koji se može pohraniti i ponovno upotrijebiti prema potrebi kako bi se postiglo dosljednije korisničko iskustvo u velikom opsegu. U svom najjednostavnijem obliku to je jednostavno zbirka primjera upita poput [ovog iz OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) koji pruža i interaktivne komponente upita (poruke korisnika i sustava) i API format zahtjeva - za podršku ponovnoj upotrebi. U složenijem obliku kao [ovaj primjer iz LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) sadrži _zamjenske oznake_ koje se mogu zamijeniti podacima iz različitih izvora (korisnički unos, kontekst sustava, vanjski izvori podataka itd.) za dinamičko generiranje upita. To nam omogućuje stvaranje biblioteke ponovljivo upotrebljivih upita kojima se može programatski upravljati radi postizanja dosljednog korisničkog iskustva u velikom opsegu. diff --git a/translations/hu/04-prompt-engineering-fundamentals/README.md b/translations/hu/04-prompt-engineering-fundamentals/README.md index 711a3053a5..17752eaaef 100644 --- a/translations/hu/04-prompt-engineering-fundamentals/README.md +++ b/translations/hu/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Az elsődleges tartalom egy másik technikája a _jelek_ használata példák he ### Prompt Sablonok -Egy prompt sablon egy _előre definiált recept egy prompthoz_, amely tárolható és újra felhasználható szükség szerint, hogy nagyobb következetességgel biztosítson felhasználói élményt. Egyszerű formájában ez egyszerűen egy gyűjtemény prompt példákból, mint például [ez az OpenAI-tól](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), amely tartalmazza az interaktív prompt komponenseket (felhasználói és rendszerüzenetek) és az API-alapú kérésformátumot - a könnyű újrafelhasználás érdekében. +Egy prompt sablon egy _előre definiált recept egy prompthoz_, amely tárolható és újra felhasználható szükség szerint, hogy nagyobb következetességgel biztosítson felhasználói élményt. Egyszerű formájában ez egyszerűen egy gyűjtemény prompt példákból, mint például [ez az OpenAI-tól](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), amely tartalmazza az interaktív prompt komponenseket (felhasználói és rendszerüzenetek) és az API-alapú kérésformátumot - a könnyű újrafelhasználás érdekében. Bonyolultabb formájában, mint például [ez a LangChain példája](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), tartalmaz _helyőrzőket_, amelyeket különböző forrásokból (felhasználói bemenet, rendszerkontextus, külső adatforrások stb.) származó adatokkal lehet helyettesíteni, így dinamikusan létrehozva egy promptot. Ez lehetővé teszi számunkra, hogy egy újrahasznosítható prompt könyvtárat hozzunk létre, amely **programozottan** támogatja a következetes felhasználói élményeket nagy léptékben. diff --git a/translations/id/04-prompt-engineering-fundamentals/README.md b/translations/id/04-prompt-engineering-fundamentals/README.md index 3e5edb91e9..919e8ab80d 100644 --- a/translations/id/04-prompt-engineering-fundamentals/README.md +++ b/translations/id/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Teknik lain untuk menggunakan konten utama adalah memberikan _isyarat_ daripada ### Prompt Templates -Template prompt adalah _resep yang telah ditentukan sebelumnya untuk sebuah prompt_ yang dapat disimpan dan digunakan ulang sesuai kebutuhan, untuk menghasilkan pengalaman pengguna yang lebih konsisten secara skala. Dalam bentuk paling sederhana, ini hanyalah kumpulan contoh prompt seperti [yang ini dari OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) yang menyediakan komponen prompt interaktif (pesan pengguna dan sistem) dan format permintaan yang digerakkan oleh API - untuk mendukung penggunaan ulang. +Template prompt adalah _resep yang telah ditentukan sebelumnya untuk sebuah prompt_ yang dapat disimpan dan digunakan ulang sesuai kebutuhan, untuk menghasilkan pengalaman pengguna yang lebih konsisten secara skala. Dalam bentuk paling sederhana, ini hanyalah kumpulan contoh prompt seperti [yang ini dari OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) yang menyediakan komponen prompt interaktif (pesan pengguna dan sistem) dan format permintaan yang digerakkan oleh API - untuk mendukung penggunaan ulang. Dalam bentuk yang lebih kompleks seperti [contoh ini dari LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) mengandung _placeholder_ yang dapat diganti dengan data dari berbagai sumber (input pengguna, konteks sistem, sumber data eksternal, dll.) untuk menghasilkan prompt secara dinamis. Ini memungkinkan kita membuat perpustakaan prompt yang dapat digunakan ulang untuk menghasilkan pengalaman pengguna yang konsisten secara **programatik** dalam skala besar. diff --git a/translations/it/04-prompt-engineering-fundamentals/README.md b/translations/it/04-prompt-engineering-fundamentals/README.md index 901037e912..dabaf7d805 100644 --- a/translations/it/04-prompt-engineering-fundamentals/README.md +++ b/translations/it/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Un’altra tecnica per usare il contenuto primario è fornire _cue_ invece di es ### Modelli di Prompt -Un modello di prompt è una _ricetta predefinita per un prompt_ che può essere memorizzata e riutilizzata a seconda delle esigenze, per garantire esperienze utente più coerenti su scala. Nella sua forma più semplice, è semplicemente una raccolta di esempi di prompt come [questo di OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) che fornisce sia i componenti interattivi del prompt (messaggi utente e sistema) sia il formato della richiesta guidata dall’API - per supportare il riutilizzo. +Un modello di prompt è una _ricetta predefinita per un prompt_ che può essere memorizzata e riutilizzata a seconda delle esigenze, per garantire esperienze utente più coerenti su scala. Nella sua forma più semplice, è semplicemente una raccolta di esempi di prompt come [questo di OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) che fornisce sia i componenti interattivi del prompt (messaggi utente e sistema) sia il formato della richiesta guidata dall’API - per supportare il riutilizzo. Nella sua forma più complessa come [questo esempio di LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) contiene _segnaposto_ che possono essere sostituiti con dati provenienti da diverse fonti (input utente, contesto di sistema, fonti dati esterne ecc.) per generare un prompt dinamicamente. Questo ci permette di creare una libreria di prompt riutilizzabili che possono essere utilizzati per guidare esperienze utente coerenti **programmaticamente** su scala. diff --git a/translations/ja/04-prompt-engineering-fundamentals/README.md b/translations/ja/04-prompt-engineering-fundamentals/README.md index 49ab99c224..8fe0a18e41 100644 --- a/translations/ja/04-prompt-engineering-fundamentals/README.md +++ b/translations/ja/04-prompt-engineering-fundamentals/README.md @@ -269,7 +269,7 @@ response = openai.chat.completions.create( ### プロンプトテンプレート -プロンプトテンプレートとは、ユーザー体験の一貫性を拡大して促進するために保存して再利用できる、あらかじめ定義された「プロンプトのレシピ」です。最もシンプルな形では、[OpenAIのこれ](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst)のように、対話型のプロンプト構成要素（ユーザーとシステムメッセージ）とAPIベースのリクエストフォーマットの両方を提供するプロンプト例のコレクションです。 +プロンプトテンプレートとは、ユーザー体験の一貫性を拡大して促進するために保存して再利用できる、あらかじめ定義された「プロンプトのレシピ」です。最もシンプルな形では、[OpenAIのこれ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)のように、対話型のプロンプト構成要素（ユーザーとシステムメッセージ）とAPIベースのリクエストフォーマットの両方を提供するプロンプト例のコレクションです。 より複雑な形では、[LangChainのこれ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)のように、様々なソース（ユーザー入力、システムコンテキスト、外部データソースなど）からのデータで置き換えられる「プレースホルダー」を含んでおり、動的にプロンプトを生成可能です。これにより、プログラム的に一貫したユーザー体験をスケールして提供できる再利用可能なプロンプトのライブラリを作成できます。 diff --git a/translations/km/04-prompt-engineering-fundamentals/README.md b/translations/km/04-prompt-engineering-fundamentals/README.md index 851420040b..9e0d6cd7e9 100644 --- a/translations/km/04-prompt-engineering-fundamentals/README.md +++ b/translations/km/04-prompt-engineering-fundamentals/README.md @@ -268,7 +268,7 @@ response = openai.chat.completions.create( ### រូបមន្តបង្កើតការស្នើសុំ -រូបមន្តបង្កើតការស្នើសុំគឺជា _រូបមន្តដែលបានកំណត់ជាមុនសម្រាប់សំណើសុំនោះ_ ដែលអាចត្រូវបានផ្ទុក និងប្រើឡើងវិញតាមតំរូវការ ដើម្បីបង្កើតបទពិសោធអ្នកប្រើប្រាស់មានសមាហរណៈជាងមុននៅលើវិមាត្រ។ នៅក្នុងទ្រង់ទ្រាយសាមញ្ញបំផុតវាគឺជា ការប្រមូលផ្តុំគំរូសំណើសុំដូចជា [នេះពី OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) ដែលផ្តល់ឧបករណ៍ផ្នែកផ្ទាល់ខ្លួនសម្រាប់សំណើសុំ (សារអ្នកប្រើនិងប្រព័ន្ធ) និងទ្រង់ទ្រាយសំណើ API ដើម្បីគាំទ្រការប្រើឡើងវិញ។ +រូបមន្តបង្កើតការស្នើសុំគឺជា _រូបមន្តដែលបានកំណត់ជាមុនសម្រាប់សំណើសុំនោះ_ ដែលអាចត្រូវបានផ្ទុក និងប្រើឡើងវិញតាមតំរូវការ ដើម្បីបង្កើតបទពិសោធអ្នកប្រើប្រាស់មានសមាហរណៈជាងមុននៅលើវិមាត្រ។ នៅក្នុងទ្រង់ទ្រាយសាមញ្ញបំផុតវាគឺជា ការប្រមូលផ្តុំគំរូសំណើសុំដូចជា [នេះពី OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ដែលផ្តល់ឧបករណ៍ផ្នែកផ្ទាល់ខ្លួនសម្រាប់សំណើសុំ (សារអ្នកប្រើនិងប្រព័ន្ធ) និងទ្រង់ទ្រាយសំណើ API ដើម្បីគាំទ្រការប្រើឡើងវិញ។ នៅក្នុងទ្រង់ទ្រាយស្មុគស្មាញជាងនេះ ដូចជា [ឧទាហរណ៍នេះពី LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) វាមាន _ចំណុចបញ្ចូល_ ដែលអាចជំនួសដោយទិន្នន័យពីប្រភពផ្សេងៗ (ការបញ្ចូលអ្នកប្រើ ប្រព័ន្ធបរិបទ ទិន្នន័យខាងក្រៅ ល.ក.) ដើម្បីបង្កើតសំណើសុំដោយឧបករណ៍អាគុយម៉ង់។ វាបង្កើតឲ្យមានបណ្ណាល័យសំណើសុំដែលអាចប្រើឡើងវិញសម្រាប់បង្កើតបទពិសោធអ្នកប្រើប្រាស់មានសេចក្តីត្រឹមត្រូវ និងកំណត់បានយ៉ាងច្បាស់ **ដោយកម្មវិធី** នៅលើវិមាត្រ។ diff --git a/translations/kn/04-prompt-engineering-fundamentals/README.md b/translations/kn/04-prompt-engineering-fundamentals/README.md index 83c7fc5bc0..0d691ac4c3 100644 --- a/translations/kn/04-prompt-engineering-fundamentals/README.md +++ b/translations/kn/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್ಗಳು -ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟೆ ಎಂದರೆ _ಮೂರ್ತಿ ರೂಪದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ ಮರುಬಳಕೆ ಮಾಡಲು ಆಗುವ ಪ್ರಾಂಪ್ಟ್‌ಗೆ ಪೂರ್ವನಿರ್ಧರಿತ ರೆಸಿಪಿ._ ಸರಳ ರೂಪದಲ್ಲಿ ಇದು ಪ್ರಾಂಪ್ಟ್ ಉದಾಹರಣೆಗಳ ಸಂಗ್ರಹವಾಗಿದ್ದು ಆನ್ಲೈನ್‌ನಲ್ಲಿ ಮರುಬಳಕೆ ಮಾಡಲು ಉಪಯೋಗವಾಗುತ್ತದೆ. ಇದು [OpenAI ಇಂದ ಈ ಉದಾಹರಣೆಯಂತೆ](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) ಜೊತೆಗೆ ಸಂವಾದ ಹೊಂದಿದ ಪ್ರಾಂಪ್ಟ್ ಭಾಗಗಳು ಮತ್ತು API ಮೂಲಕ ವಿನಂತಿ ರೂಪವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ - ಇದರಿಂದ ಮರುಬಳಕೆಯನ್ನು ಸಹಾಯಕವಾಗಿಸುತ್ತದೆ. +ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟೆ ಎಂದರೆ _ಮೂರ್ತಿ ರೂಪದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ ಮರುಬಳಕೆ ಮಾಡಲು ಆಗುವ ಪ್ರಾಂಪ್ಟ್‌ಗೆ ಪೂರ್ವನಿರ್ಧರಿತ ರೆಸಿಪಿ._ ಸರಳ ರೂಪದಲ್ಲಿ ಇದು ಪ್ರಾಂಪ್ಟ್ ಉದಾಹರಣೆಗಳ ಸಂಗ್ರಹವಾಗಿದ್ದು ಆನ್ಲೈನ್‌ನಲ್ಲಿ ಮರುಬಳಕೆ ಮಾಡಲು ಉಪಯೋಗವಾಗುತ್ತದೆ. ಇದು [OpenAI ಇಂದ ಈ ಉದಾಹರಣೆಯಂತೆ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ಜೊತೆಗೆ ಸಂವಾದ ಹೊಂದಿದ ಪ್ರಾಂಪ್ಟ್ ಭಾಗಗಳು ಮತ್ತು API ಮೂಲಕ ವಿನಂತಿ ರೂಪವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ - ಇದರಿಂದ ಮರುಬಳಕೆಯನ್ನು ಸಹಾಯಕವಾಗಿಸುತ್ತದೆ. ಇನ್ನು ಲಾಂಗ್‌ಚೈನ್‌ನಂತಹ [ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಉದಾಹರಣೆಯಲ್ಲಿ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ನೀವು ಭೇಟಿಯಾಗುವ ಟೆಂಪ್ಲೇಟುಗಳು ಹಲವಾರು ಮೂಲಗಳಿಂದ (ಬಳಕೆದಾರ ಇನ್‌ಪುಟ್, ಸಿಸ್ಟಂ ಸಂದರ್ಭ, ಬಾಹ್ಯ ದತ್ತಾಂಶ) ಮಾಹಿತಿ ಪಡೆದು ಚಲಿತ ಪ್ರಾಂಪ್ಟ್ ತಯಾರಿಸಲು _ಸ್ಥಾನಾಪನಗಳು_ ಹೊಂದಿರುತ್ತವೆ. ಇವು ನಮಗೆ ನಿರಂತರ ಸಮಾನ ಅನುಭವ ನೀಡಲು **ಪ್ರೋಗ್ರಾಮ್ಯಾಟಿಕೋಡಾಗಿ** ಕೆಲಸ ಮಾಡುವ ಮರುಬಳಕೆ ಮಾಡಲು ಆಗುವ ಟೆಂಪ್ಲೇಟುಗಳ ಪಾಠಶಾಲೆಯನ್ನು ಸೃಷ್ಟಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ. diff --git a/translations/ko/04-prompt-engineering-fundamentals/README.md b/translations/ko/04-prompt-engineering-fundamentals/README.md index 855c056b14..7730a91f3d 100644 --- a/translations/ko/04-prompt-engineering-fundamentals/README.md +++ b/translations/ko/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### 프롬프트 템플릿 -프롬프트 템플릿은 _사전 정의된 프롬프트 레시피_로서 필요에 따라 저장하고 재사용하여 대규모로 더 일관된 사용자 경험을 제공할 수 있습니다. 가장 단순한 형태로, 이는 [OpenAI의 이 예시](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst)처럼 상호작용 프롬프트 구성 요소(사용자 및 시스템 메시지)와 API 기반 요청 형식을 모두 제공하는 프롬프트 예제 모음입니다 - 재사용을 지원합니다. +프롬프트 템플릿은 _사전 정의된 프롬프트 레시피_로서 필요에 따라 저장하고 재사용하여 대규모로 더 일관된 사용자 경험을 제공할 수 있습니다. 가장 단순한 형태로, 이는 [OpenAI의 이 예시](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)처럼 상호작용 프롬프트 구성 요소(사용자 및 시스템 메시지)와 API 기반 요청 형식을 모두 제공하는 프롬프트 예제 모음입니다 - 재사용을 지원합니다. 좀 더 복잡한 형태는 [LangChain의 이 예시](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)처럼 다양한 출처(사용자 입력, 시스템 컨텍스트, 외부 데이터 등)의 데이터를 동적으로 치환할 수 있는 _플레이스홀더_를 포함합니다. 이에 따라 프로그램적으로 일관된 사용자 경험을 만들기 위한 재사용 가능한 프롬프트 라이브러리를 구축할 수 있습니다. diff --git a/translations/lt/04-prompt-engineering-fundamentals/README.md b/translations/lt/04-prompt-engineering-fundamentals/README.md index 2289ae5134..c393eadeb4 100644 --- a/translations/lt/04-prompt-engineering-fundamentals/README.md +++ b/translations/lt/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ Kita pagrindinio turinio naudojimo technika – teikti _užuominas_ vietoje pavy ### Promptų šablonai -Promptų šablonas yra _iš anksto apibrėžtas prompto receptas_, kurį galima išsaugoti ir naudoti pagal poreikį, siekiant užtikrinti nuoseklias vartotojo patirtis dideliu mastu. Paprasčiausiu formatu tai tiesiog rinkinys promptų pavyzdžių, kaip [šis iš OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), kuris pateikia tiek interaktyvius prompto komponentus (vartotojo ir sistemos pranešimus), tiek API užklausos formatą – kad būtų lengviau pakartotinai naudoti. +Promptų šablonas yra _iš anksto apibrėžtas prompto receptas_, kurį galima išsaugoti ir naudoti pagal poreikį, siekiant užtikrinti nuoseklias vartotojo patirtis dideliu mastu. Paprasčiausiu formatu tai tiesiog rinkinys promptų pavyzdžių, kaip [šis iš OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), kuris pateikia tiek interaktyvius prompto komponentus (vartotojo ir sistemos pranešimus), tiek API užklausos formatą – kad būtų lengviau pakartotinai naudoti. Sudėtingesnėje formoje, kaip [šis pavyzdys iš LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), šablonas turi _vietų ženklus_, kuriuos galima pakeisti duomenimis iš įvairių šaltinių (vartotojo įvestis, sistemos kontekstas, išoriniai duomenų šaltiniai ir pan.), kad dinamiškai būtų sugeneruotas promptas. Tai leidžia kurti biblioteką pakartotinai naudojamų promptų, kurie gali **programiškai** užtikrinti nuoseklias vartotojo patirtis dideliu mastu. diff --git a/translations/ml/04-prompt-engineering-fundamentals/README.md b/translations/ml/04-prompt-engineering-fundamentals/README.md index 4f56448f58..e2950303b3 100644 --- a/translations/ml/04-prompt-engineering-fundamentals/README.md +++ b/translations/ml/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -ഒരു പ്രോംപ്റ്റ് ടെംപ്ലേറ്റ് എന്നത് ഒരു _മുന്പ് നിർവ്വചിച്ച അവതരണക്കുറിപ്പാണ്,_ ആവശ്യാനുസരണം ശേഖരിച്ച് വീണ്ടും ഉപയോഗിക്കാവുന്നതും, വ്യാപകമായ ഉപയോക്തൃ അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ സഹായിക്കുന്നതുമായ ഒരു ഘടകമാണ്. അതിന്റെ ലളിതമായ രൂപത്തിൽ ഇത് [OpenAI നിൽക്കുള്ള ഒരു ഉദാഹരണത്തിലുള്ളത്](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) പോലെയാകും, ഇതിൽ സംവാദത്തിനാവശ്യമായ പ്രോംപ്റ്റ് ഘടകങ്ങളും API-ഓടു നടത്തിപ്പും അടങ്ങിയിരിക്കുന്നു - മടങ്ങി ഉപയോഗിക്കാനാകും. +ഒരു പ്രോംപ്റ്റ് ടെംപ്ലേറ്റ് എന്നത് ഒരു _മുന്പ് നിർവ്വചിച്ച അവതരണക്കുറിപ്പാണ്,_ ആവശ്യാനുസരണം ശേഖരിച്ച് വീണ്ടും ഉപയോഗിക്കാവുന്നതും, വ്യാപകമായ ഉപയോക്തൃ അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ സഹായിക്കുന്നതുമായ ഒരു ഘടകമാണ്. അതിന്റെ ലളിതമായ രൂപത്തിൽ ഇത് [OpenAI നിൽക്കുള്ള ഒരു ഉദാഹരണത്തിലുള്ളത്](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) പോലെയാകും, ഇതിൽ സംവാദത്തിനാവശ്യമായ പ്രോംപ്റ്റ് ഘടകങ്ങളും API-ഓടു നടത്തിപ്പും അടങ്ങിയിരിക്കുന്നു - മടങ്ങി ഉപയോഗിക്കാനാകും. ഇതിനിടയിലാണ്, [LangChain ന്റെ ഒരു സങ്കീർണ്ണമായ ഉദാഹരണം](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) കാണപ്പെടുന്നത്, ഇത് വിവിധ സ്രോതസ്സുകളിൽ നിന്നുള്ള ഡാറ്റ (ഉപയോക്തൃ ഇൻപുട്ട്, സിസ്റ്റം പശ്ചാത്തലം, ബാഹ്യ ഡാറ്റ തുടങ്ങിയവ) ഉപയോഗിച്ച് കൂടിക്കാഴ്ചയ്ക്ക് അനുസരിച്ച് പ്രോംപ്റ്റ് ഡൈനാമിക് ആയി സൃഷ്ടിക്കാൻ _പ്ലേസ്‌ഹോൾഡറുകൾ_ ഉൾപ്പെടുത്തി. ഇത് പെരുമാറ്റപരമായ വലിയ തോതിലുള്ള ഉപയോക്തൃ അനുഭവങ്ങൾ **പ്രോഗ്രാമാറ്റിക്** രീതിയിൽ സൃഷ്ടിക്കാൻ സഹായിക്കുന്ന പ്രോംപ്റ്റ് ഗ്രന്ഥശാലകളുടെ നിർമ്മാണത്തെ അനുവദിക്കുന്നു. diff --git a/translations/mr/04-prompt-engineering-fundamentals/README.md b/translations/mr/04-prompt-engineering-fundamentals/README.md index 955d08a671..987f362ed1 100644 --- a/translations/mr/04-prompt-engineering-fundamentals/README.md +++ b/translations/mr/04-prompt-engineering-fundamentals/README.md @@ -279,7 +279,7 @@ response = openai.chat.completions.create( ### Prompt Templates -एक प्रॉम्प्ट टेम्प्लेट म्हणजे _पूर्वनिर्धारित प्रॉम्प्टचा एक नुस्खा_ जो आवश्यकतेनुसार जतन करून पुन्हा वापरता येऊ शकतो, ज्यामुळे मोठ्या प्रमाणात सतत एकसारखे वापरकर्त्यांचे अनुभव मिळू शकतात. त्याच्या सर्वात सोप्या स्वरूपात, तो काही प्रॉम्प्ट उदाहरणांचा संग्रह आहे जसे की [OpenAI कडून हा](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) जो इंटरॅक्टिव प्रॉम्प्ट घटक (वापरकर्ता आणि प्रणाली संदेश) आणि API-चालवलेले विनंती स्वरूप दोन्ही पुरवतो - पुनर्वापराला समर्थन देण्यासाठी. +एक प्रॉम्प्ट टेम्प्लेट म्हणजे _पूर्वनिर्धारित प्रॉम्प्टचा एक नुस्खा_ जो आवश्यकतेनुसार जतन करून पुन्हा वापरता येऊ शकतो, ज्यामुळे मोठ्या प्रमाणात सतत एकसारखे वापरकर्त्यांचे अनुभव मिळू शकतात. त्याच्या सर्वात सोप्या स्वरूपात, तो काही प्रॉम्प्ट उदाहरणांचा संग्रह आहे जसे की [OpenAI कडून हा](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) जो इंटरॅक्टिव प्रॉम्प्ट घटक (वापरकर्ता आणि प्रणाली संदेश) आणि API-चालवलेले विनंती स्वरूप दोन्ही पुरवतो - पुनर्वापराला समर्थन देण्यासाठी. अधिक गुंतागुंतीच्या स्वरूपात, जसे [LangChain कडून हा उदाहरण](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), यात _प्लेसेहोल्डर्स_ असतात जे विविध स्रोतांमधून (वापरकर्त्याचा इनपुट, प्रणाली संदर्भ, बाह्य डेटा स्रोत इ.) डेटा वापरून प्रॉम्प्ट डायनामिकली तयार करण्यासाठी बदलले जाऊ शकतात. यामुळे आपल्याला पुन्हा वापरता येणाऱ्या प्रॉम्प्ट्सची लायब्ररी तयार करता येते जी **प्रोग्रामॅटिकली** मोठ्या प्रमाणात एकसंध वापरकर्त्यांचे अनुभव तयार करण्यासाठी वापरता येते. diff --git a/translations/ms/04-prompt-engineering-fundamentals/README.md b/translations/ms/04-prompt-engineering-fundamentals/README.md index 6602818144..738187d19f 100644 --- a/translations/ms/04-prompt-engineering-fundamentals/README.md +++ b/translations/ms/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Satu teknik lagi menggunakan kandungan utama adalah menyediakan _isyarat_ daripa ### Prompt Templates -Templat prompt adalah _resepi yang telah ditetapkan untuk prompt_ yang boleh disimpan dan digunakan semula apabila perlu, untuk menghasilkan pengalaman pengguna yang lebih konsisten dalam skala besar. Dalam bentuk paling ringkas, ia hanyalah koleksi contoh prompt seperti [yang ini dari OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) yang menyediakan kedua-dua komponen prompt interaktif (mesej pengguna dan sistem) dan format permintaan API - untuk menyokong penggunaan semula. +Templat prompt adalah _resepi yang telah ditetapkan untuk prompt_ yang boleh disimpan dan digunakan semula apabila perlu, untuk menghasilkan pengalaman pengguna yang lebih konsisten dalam skala besar. Dalam bentuk paling ringkas, ia hanyalah koleksi contoh prompt seperti [yang ini dari OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) yang menyediakan kedua-dua komponen prompt interaktif (mesej pengguna dan sistem) dan format permintaan API - untuk menyokong penggunaan semula. Dalam bentuk yang lebih kompleks seperti [contoh ini dari LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ia mengandungi _placeholder_ yang boleh digantikan dengan data dari pelbagai sumber (input pengguna, konteks sistem, sumber data luaran dan lain-lain) untuk menghasilkan prompt secara dinamik. Ini membolehkan kita membuat perpustakaan prompt yang boleh digunakan semula yang boleh digunakan untuk menghasilkan pengalaman pengguna yang konsisten **secara programatik** dalam skala besar. diff --git a/translations/my/04-prompt-engineering-fundamentals/README.md b/translations/my/04-prompt-engineering-fundamentals/README.md index 316ad3ed72..246ac4c714 100644 --- a/translations/my/04-prompt-engineering-fundamentals/README.md +++ b/translations/my/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ zero-shot prompt မှာ "Translate to Spanish" လို့ တိုက် ### Prompt Templates -Prompt template သည် _သတ်မှတ်ပြီးသား prompt အချက်အလက်_ ဖြစ်ပြီး အသုံးပြုလိုသောအခါ သိမ်းဆည်း၍ ထပ်မံအသုံးပြုနိုင်သည်။ ပုံမှန်အားဖြင့်၊ ၎င်းသည် interactive prompt အစိတ်အပိုင်းများ (user နှင့် system ပို့စ်များ) နှင့် API စာတမ်း format ကိုပေးသည့် [OpenAI မှ ဤဥပမာ](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) ကဲ့သို့သော prompt ဥပမာစုစည်းမှု တစ်ခုဖြစ်သည်။ +Prompt template သည် _သတ်မှတ်ပြီးသား prompt အချက်အလက်_ ဖြစ်ပြီး အသုံးပြုလိုသောအခါ သိမ်းဆည်း၍ ထပ်မံအသုံးပြုနိုင်သည်။ ပုံမှန်အားဖြင့်၊ ၎င်းသည် interactive prompt အစိတ်အပိုင်းများ (user နှင့် system ပို့စ်များ) နှင့် API စာတမ်း format ကိုပေးသည့် [OpenAI မှ ဤဥပမာ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ကဲ့သို့သော prompt ဥပမာစုစည်းမှု တစ်ခုဖြစ်သည်။ ပိုရိုးရှင်းသော အကြောင်းအရာတွင် [LangChain မှ ဤဥပမာ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ကဲ့သို့ အချက်အလက်အသုံးပြုသူ input, system context, ပြင်ပဒေတာ စသည်မှ ထည့်သွင်းနိုင်သော _placeholder များ_ ပါဝင်သည့် ပုံစံဖြစ်၍၊ ဖြည့်စွက်ရေးသားမှုကို dynamic အဖြစ် ပြုလုပ်နိုင်သည်။ အဲဒီနည်းလမ်းဖြင့် user experience ကို **ပရိုဂရမ်အဆင့်သဘောတူညီမှုဖြင့်** ထပ်မံ ပြုလုပ်နိုင်သည်။ diff --git a/translations/ne/04-prompt-engineering-fundamentals/README.md b/translations/ne/04-prompt-engineering-fundamentals/README.md index bd65f50456..c918677104 100644 --- a/translations/ne/04-prompt-engineering-fundamentals/README.md +++ b/translations/ne/04-prompt-engineering-fundamentals/README.md @@ -268,7 +268,7 @@ response = openai.chat.completions.create( ### प्रॉम्प्ट टेम्प्लेटहरू -प्रॉम्प्ट टेम्प्लेट भनेको _पहिले देखि परिभाषित गरिएको प्रॉम्प्टको नुस्खा_ हो जुन आवश्यक परेमा भण्डारण गरी पुन: प्रयोग गर्न सकिन्छ, जसले ठूलो मात्रामा प्रयोगकर्ता अनुभवहरूलाई थप सुसंगत बनाउन मद्दत गर्छ। यसको साधारणतम रूपमा, यो प्रॉम्प्ट उदाहरणहरूको संग्रह हो जस्तै [OpenAI बाट यो](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) जुन अन्तरक्रियात्मक प्रॉम्प्ट कम्पोनेंटहरू (प्रयोगकर्ता र प्रणाली सन्देशहरू) र API-चालित अनुरोध ढाँचालाई समर्थन गर्दछ। +प्रॉम्प्ट टेम्प्लेट भनेको _पहिले देखि परिभाषित गरिएको प्रॉम्प्टको नुस्खा_ हो जुन आवश्यक परेमा भण्डारण गरी पुन: प्रयोग गर्न सकिन्छ, जसले ठूलो मात्रामा प्रयोगकर्ता अनुभवहरूलाई थप सुसंगत बनाउन मद्दत गर्छ। यसको साधारणतम रूपमा, यो प्रॉम्प्ट उदाहरणहरूको संग्रह हो जस्तै [OpenAI बाट यो](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) जुन अन्तरक्रियात्मक प्रॉम्प्ट कम्पोनेंटहरू (प्रयोगकर्ता र प्रणाली सन्देशहरू) र API-चालित अनुरोध ढाँचालाई समर्थन गर्दछ। यसलाई जटिल रूपमा लिनुपर्दा, जस्तै [LangChain बाट यो उदाहरण](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) जसमा _प्लेसहोल्डरहरू_ हुन्छन् जसलाई विभिन्न स्रोतहरूबाट डेटा (प्रयोगकर्ता इनपुट, प्रणाली सन्दर्भ, बाह्य डेटा स्रोतहरू आदि) ले प्रतिस्थापित गरी गतिशील रूपमा प्रॉम्प्ट उत्पादन गर्न सकिन्छ। यसले हामीलाई स्तरमा प्रोग्रामिंगको माध्यमबाट सुसंगत प्रयोगकर्ता अनुभवहरू प्रदान गर्न सक्ने पुन: प्रयोगयोग्य प्रॉम्प्टहरूको पुस्तकालय सिर्जना गर्न अनुमति दिन्छ। diff --git a/translations/nl/04-prompt-engineering-fundamentals/README.md b/translations/nl/04-prompt-engineering-fundamentals/README.md index c00218517d..c25dd25b30 100644 --- a/translations/nl/04-prompt-engineering-fundamentals/README.md +++ b/translations/nl/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Een andere techniek voor het gebruik van primaire inhoud is het geven van _signa ### Prompttemplates -Een prompttemplate is een _vooraf gedefinieerd recept voor een prompt_ dat kan worden opgeslagen en hergebruikt indien nodig, om meer consistente gebruikservaringen op schaal te stimuleren. In de eenvoudigste vorm is het gewoon een verzameling promptvoorbeelden zoals [dit voorbeeld van OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) dat zowel de interactieve promptcomponenten (gebruikers- en systeemberichten) als het API-gestuurde aanvraagformaat bevat – ter ondersteuning van hergebruik. +Een prompttemplate is een _vooraf gedefinieerd recept voor een prompt_ dat kan worden opgeslagen en hergebruikt indien nodig, om meer consistente gebruikservaringen op schaal te stimuleren. In de eenvoudigste vorm is het gewoon een verzameling promptvoorbeelden zoals [dit voorbeeld van OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) dat zowel de interactieve promptcomponenten (gebruikers- en systeemberichten) als het API-gestuurde aanvraagformaat bevat – ter ondersteuning van hergebruik. In zijn complexere vorm, zoals [dit voorbeeld van LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), bevat het _plaatsaanduidingen_ die kunnen worden vervangen door gegevens uit verschillende bronnen (gebruikersinvoer, systeemcontext, externe gegevensbronnen, enz.) om een prompt dynamisch te genereren. Dit stelt ons in staat om een bibliotheek van herbruikbare prompts te maken die kunnen worden gebruikt om consistente gebruikerservaringen **programmeerbaar** op schaal aan te sturen. diff --git a/translations/no/04-prompt-engineering-fundamentals/README.md b/translations/no/04-prompt-engineering-fundamentals/README.md index 11f3a99358..fe867b2ee9 100644 --- a/translations/no/04-prompt-engineering-fundamentals/README.md +++ b/translations/no/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ En annen teknikk for å bruke primærinnholdet er å gi _føringer_ i stedet for ### Prompt Templates -En prompt-mal er en _forhåndsdefinert oppskrift for en prompt_ som kan lagres og gjenbrukes etter behov, for å skape mer konsistente brukeropplevelser i stor skala. I sin enkleste form er det rett og slett en samling av prompt-eksempler som [dette fra OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) som gir både interaktive prompt-komponenter (bruker- og systemmeldinger) og API-drevne forespørselsformater – for å støtte gjenbruk. +En prompt-mal er en _forhåndsdefinert oppskrift for en prompt_ som kan lagres og gjenbrukes etter behov, for å skape mer konsistente brukeropplevelser i stor skala. I sin enkleste form er det rett og slett en samling av prompt-eksempler som [dette fra OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) som gir både interaktive prompt-komponenter (bruker- og systemmeldinger) og API-drevne forespørselsformater – for å støtte gjenbruk. I en mer kompleks form som [dette eksempelet fra LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) inneholder den _plassholdere_ som kan byttes ut med data fra ulike kilder (brukerinput, systemkontekst, eksterne datakilder osv.) for å generere en prompt dynamisk. Dette gjør at man kan lage et bibliotek av gjenbrukbare prompter som kan brukes for å skape konsistente brukeropplevelser **programmatisk** i stor skala. diff --git a/translations/pa/04-prompt-engineering-fundamentals/README.md b/translations/pa/04-prompt-engineering-fundamentals/README.md index 33ab757bc0..d902593137 100644 --- a/translations/pa/04-prompt-engineering-fundamentals/README.md +++ b/translations/pa/04-prompt-engineering-fundamentals/README.md @@ -279,7 +279,7 @@ response = openai.chat.completions.create( ### Prompt Templates -ਇੱਕ ਪ੍ਰੰਪਟ ਟੈਂਪਲੇਟ ਇੱਕ _ਪূর্ব-ਤਯਾਰ ਕੀਤੀ ਹੋਈ ਪ੍ਰੰਪਟ ਦਾ ਨੁਸਖਾ_ ਹੁੰਦਾ ਹੈ ਜੋ ਜਰੂਰਤ ਅਨੁਸਾਰ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਵਿਆਪਕ ਪੱਧਰ 'ਤੇ ਵਧੇਰੇ ਲਗਾਤਾਰ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਸਮਰਥਿਤ ਕੀਤੇ ਜਾ ਸਕਣ। ਇਸਦਾ ਸਧਾਰਣ ਰੂਪ ਵਿੱਚ ਇਹ ਸਿਰਫ ਇਕ ਪ੍ਰੰਪਟ ਉਦਾਹਰਣਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਹੁੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ [OpenAI ਦਾ ਇਹ ਉਦਾਹਰਣ](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) ਜੋ ਇੰਟਰੇਕਟਿਵ ਪ੍ਰੰਪਟ ਹਿੱਸਿਆਂ (ਉਪਭੋਗਤਾ ਅਤੇ ਸਿਸਟਮ ਸੰਦੇਸ਼) ਅਤੇ API-ਚਲਿਤ ਬੇਨਤੀ ਫਾਰਮੈਟ ਦੋਹਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ - ਦੁਬਾਰਾ ਵਰਤੋਂ ਦੇ ਸਮਰਥਨ ਲਈ। +ਇੱਕ ਪ੍ਰੰਪਟ ਟੈਂਪਲੇਟ ਇੱਕ _ਪূর্ব-ਤਯਾਰ ਕੀਤੀ ਹੋਈ ਪ੍ਰੰਪਟ ਦਾ ਨੁਸਖਾ_ ਹੁੰਦਾ ਹੈ ਜੋ ਜਰੂਰਤ ਅਨੁਸਾਰ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਵਿਆਪਕ ਪੱਧਰ 'ਤੇ ਵਧੇਰੇ ਲਗਾਤਾਰ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਸਮਰਥਿਤ ਕੀਤੇ ਜਾ ਸਕਣ। ਇਸਦਾ ਸਧਾਰਣ ਰੂਪ ਵਿੱਚ ਇਹ ਸਿਰਫ ਇਕ ਪ੍ਰੰਪਟ ਉਦਾਹਰਣਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਹੁੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ [OpenAI ਦਾ ਇਹ ਉਦਾਹਰਣ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ਜੋ ਇੰਟਰੇਕਟਿਵ ਪ੍ਰੰਪਟ ਹਿੱਸਿਆਂ (ਉਪਭੋਗਤਾ ਅਤੇ ਸਿਸਟਮ ਸੰਦੇਸ਼) ਅਤੇ API-ਚਲਿਤ ਬੇਨਤੀ ਫਾਰਮੈਟ ਦੋਹਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ - ਦੁਬਾਰਾ ਵਰਤੋਂ ਦੇ ਸਮਰਥਨ ਲਈ। ਇਸਦੇ ਹੋਰ ਜਟਿਲ ਰੂਪ ਵਿੱਚ, ਜਿਵੇਂ [LangChain ਦਾ ਇਹ ਉਦਾਹਰਣ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ਇਹ _ਪਲੇਸਹੋਲਡਰ_ ਧਾਰੂ ਹੁੰਦਾ ਹੈ ਜਿਹੜੇ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ (ਉਪਭੋਗਤਾ ਇਨਪੁੱਟ, ਸਿਸਟਮ ਸੰਦਰਭ, ਬਾਹਰੀ ਡੇਟਾ ਸਰੋਤ ਆਦਿ) ਦੇ ਡੇਟਾ ਨਾਲ ਬਦਲੇ ਜਾ ਸਕਦੇ ਹਨ ਤਾਂ ਜੋ ਗਤੀਸ਼ੀਲ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰੰਪਟ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਹ ਸਾਨੂੰ ਦੁਬਾਰਾ ਵਰਤਣ ਯੋਗ ਪ੍ਰੰਪਟਾਂ ਦੀ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਤਿਆਰ ਕਰਨ ਦਿੰਦਾ ਹੈ ਜੋ ਪ੍ਰੋਗਰਾਮੈਟਿਕ ਤਰੀਕੇ ਨਾਲ ਵਿਆਪਕ ਪੱਧਰ 'ਤੇ ਲਗਾਤਾਰ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਚਲਾਉਂਦੇ ਹਨ। diff --git a/translations/pcm/04-prompt-engineering-fundamentals/README.md b/translations/pcm/04-prompt-engineering-fundamentals/README.md index fcacb8cff2..4661f25b74 100644 --- a/translations/pcm/04-prompt-engineering-fundamentals/README.md +++ b/translations/pcm/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ Another way to use primary content na give _cues_ instead of examples. For here, ### Prompt Templates -A prompt template na _pre-defined recipe for a prompt_ wey fit store and use again anytime, to give consistent user experience for plenty people. For di simplest way, na just one collection of prompt examples like [dis one from OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) wey show both di interactive prompt parts (user and system messages) and di API request format - so e fit use again. +A prompt template na _pre-defined recipe for a prompt_ wey fit store and use again anytime, to give consistent user experience for plenty people. For di simplest way, na just one collection of prompt examples like [dis one from OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) wey show both di interactive prompt parts (user and system messages) and di API request format - so e fit use again. For di more complex one like [dis example from LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) e get _placeholders_ wey fit replace wit data from different sources (user input, system context, outside data) to make prompt dynamically. Dis one make we fit create library of prompts wey we fit reusable to give consistent user experience **programmatically** for plenty people. diff --git a/translations/pl/04-prompt-engineering-fundamentals/README.md b/translations/pl/04-prompt-engineering-fundamentals/README.md index 41cdec0523..747b9e5af6 100644 --- a/translations/pl/04-prompt-engineering-fundamentals/README.md +++ b/translations/pl/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Inną techniką korzystania z głównej treści jest podawanie _wskazówek_ zami ### Szablony Promptów -Szablon promptu to _wstępnie zdefiniowany przepis na prompt_, który można przechowywać i ponownie wykorzystywać w razie potrzeby, aby zapewnić bardziej spójne doświadczenia użytkownika na dużą skalę. W najprostszej formie jest to po prostu zbiór przykładów promptów takich jak [ten od OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), który zapewnia zarówno interaktywne komponenty promptu (wiadomości użytkownika i systemu), jak i format żądania sterowany przez API - aby umożliwić ponowne użycie. +Szablon promptu to _wstępnie zdefiniowany przepis na prompt_, który można przechowywać i ponownie wykorzystywać w razie potrzeby, aby zapewnić bardziej spójne doświadczenia użytkownika na dużą skalę. W najprostszej formie jest to po prostu zbiór przykładów promptów takich jak [ten od OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), który zapewnia zarówno interaktywne komponenty promptu (wiadomości użytkownika i systemu), jak i format żądania sterowany przez API - aby umożliwić ponowne użycie. W bardziej zaawansowanej formie, jak [ten przykład z LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), zawiera _miejsca na dane_ (placeholders), które można zastąpić danymi z różnych źródeł (wejście użytkownika, kontekst systemu, zewnętrzne źródła danych itp.) w celu dynamicznego generowania promptu. Pozwala to na stworzenie biblioteki wielokrotnego użytku promptów, które można programowo wykorzystać do zapewniania spójnych doświadczeń użytkownika na dużą skalę. diff --git a/translations/pt-BR/04-prompt-engineering-fundamentals/README.md b/translations/pt-BR/04-prompt-engineering-fundamentals/README.md index 4ec8f42ef6..8f901df8ba 100644 --- a/translations/pt-BR/04-prompt-engineering-fundamentals/README.md +++ b/translations/pt-BR/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Outra técnica para usar conteúdo primário é fornecer _dicas_ ao invés de ex ### Modelos de Prompt -Um modelo de prompt é uma _receita predefinida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para conduzir experiências de usuário mais consistentes em escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este do OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens do usuário e do sistema) quanto o formato de requisição via API — para suportar a reutilização. +Um modelo de prompt é uma _receita predefinida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para conduzir experiências de usuário mais consistentes em escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este do OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens do usuário e do sistema) quanto o formato de requisição via API — para suportar a reutilização. Em sua forma mais complexa, como [este exemplo do LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), ele contém _espaços reservados_ que podem ser substituídos por dados de várias fontes (entrada do usuário, contexto do sistema, fontes externas etc.) para gerar um prompt dinamicamente. Isso nos permite criar uma biblioteca de prompts reutilizáveis que podem ser usados para oferecer experiências de usuário consistentes **programaticamente** em escala. diff --git a/translations/pt-PT/04-prompt-engineering-fundamentals/README.md b/translations/pt-PT/04-prompt-engineering-fundamentals/README.md index 335a3db404..fa0d3899b9 100644 --- a/translations/pt-PT/04-prompt-engineering-fundamentals/README.md +++ b/translations/pt-PT/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Outra técnica para usar conteúdo principal é fornecer _pistas_ em vez de exem ### Prompt Templates -Um modelo de prompt é uma _receita pré-definida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para promover experiências de utilizador mais consistentes em grande escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este da OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens de utilizador e sistema) como o formato de pedido orientado por API - para suporte à reutilização. +Um modelo de prompt é uma _receita pré-definida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para promover experiências de utilizador mais consistentes em grande escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este da OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens de utilizador e sistema) como o formato de pedido orientado por API - para suporte à reutilização. Na sua forma mais complexa, como [este exemplo da LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), contém _marcadores_ que podem ser substituídos por dados provenientes de várias fontes (input do utilizador, contexto do sistema, fontes de dados externas, etc.) para gerar um prompt dinamicamente. Isto permite criar uma biblioteca de prompts reutilizáveis que podem ser usados para proporcionar experiências de utilizador consistentes **programaticamente** em grande escala. diff --git a/translations/ro/04-prompt-engineering-fundamentals/README.md b/translations/ro/04-prompt-engineering-fundamentals/README.md index d8c2b7ef97..bd96f61710 100644 --- a/translations/ro/04-prompt-engineering-fundamentals/README.md +++ b/translations/ro/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ O altă tehnică pentru folosirea conținutului primar este să oferi _indici_ ### Șabloane de prompturi -Un șablon de prompt este o _rețetă predefinită pentru un prompt_ care poate fi stocată și reutilizată după nevoie, pentru a oferi experiențe mai consistente utilizatorilor la scară largă. În cea mai simplă formă, este pur și simplu o colecție de exemple de prompturi precum [acesta de la OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) care oferă atât componente interactive de prompt (mesaje pentru utilizator și sistem) cât și formatul cererii prin API - pentru a sprijini reutilizarea. +Un șablon de prompt este o _rețetă predefinită pentru un prompt_ care poate fi stocată și reutilizată după nevoie, pentru a oferi experiențe mai consistente utilizatorilor la scară largă. În cea mai simplă formă, este pur și simplu o colecție de exemple de prompturi precum [acesta de la OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) care oferă atât componente interactive de prompt (mesaje pentru utilizator și sistem) cât și formatul cererii prin API - pentru a sprijini reutilizarea. În forma sa mai complexă, cum este [exemplul de la LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), conține _locuri pentru date_ care pot fi înlocuite cu date din diferite surse (introducerea utilizatorului, contextul sistemului, surse externe etc.) pentru a genera un prompt dinamic. Aceasta ne permite să creăm o bibliotecă de prompturi reutilizabile care pot fi folosite pentru a oferi experiențe consistente **programatic** la scară. diff --git a/translations/ru/04-prompt-engineering-fundamentals/README.md b/translations/ru/04-prompt-engineering-fundamentals/README.md index 53260e84b5..1f54b06519 100644 --- a/translations/ru/04-prompt-engineering-fundamentals/README.md +++ b/translations/ru/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -Шаблон подсказки — это _предварительно определённый рецепт подсказки_, который можно сохранить и при необходимости использовать повторно для обеспечения более последовательного пользовательского опыта в масштабах. В самой простой форме это просто набор примеров подсказок, таких как [этот от OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), который предоставляет как интерактивные элементы подсказки (сообщения пользователя и системы), так и формат запроса API — для поддержки повторного использования. +Шаблон подсказки — это _предварительно определённый рецепт подсказки_, который можно сохранить и при необходимости использовать повторно для обеспечения более последовательного пользовательского опыта в масштабах. В самой простой форме это просто набор примеров подсказок, таких как [этот от OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), который предоставляет как интерактивные элементы подсказки (сообщения пользователя и системы), так и формат запроса API — для поддержки повторного использования. В более сложной форме, как [в этом примере от LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), он содержит _заполнители_, которые можно заменить данными из различных источников (ввод пользователя, контекст системы, внешние источники данных и т. д.) для динамического создания подсказки. Это позволяет создать библиотеку повторно используемых подсказок, которые можно использовать для программного обеспечения последовательного пользовательского опыта **на масштабе**. diff --git a/translations/sk/04-prompt-engineering-fundamentals/README.md b/translations/sk/04-prompt-engineering-fundamentals/README.md index 9305288cb9..29d8f79921 100644 --- a/translations/sk/04-prompt-engineering-fundamentals/README.md +++ b/translations/sk/04-prompt-engineering-fundamentals/README.md @@ -270,7 +270,7 @@ Všimnite si, že pri zero-shot sme museli uviesť explicitnú inštrukciu („P ### Šablóny výziev -Šablóna výzvy je _preddefinovaný recept na výzvu_, ktorý môže byť uložený a opakovane použitý podľa potreby, aby sa dosiahla konzistentnejšia používateľská skúsenosť vo veľkom meradle. V najjednoduchšej forme je to zbierka príkladov výziev ako [tento od OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), ktorý poskytuje interaktívne časti výzvy (správy používateľa a systému) a formát požiadavky riadený API - pre podporu opätovného použitia. +Šablóna výzvy je _preddefinovaný recept na výzvu_, ktorý môže byť uložený a opakovane použitý podľa potreby, aby sa dosiahla konzistentnejšia používateľská skúsenosť vo veľkom meradle. V najjednoduchšej forme je to zbierka príkladov výziev ako [tento od OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), ktorý poskytuje interaktívne časti výzvy (správy používateľa a systému) a formát požiadavky riadený API - pre podporu opätovného použitia. V zložitejšej podobe ako [tento príklad od LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) obsahuje _zástupné symboly_, ktoré môžu byť nahradené údajmi z rôznych zdrojov (vstup používateľa, systémový kontext, externé zdroje dát atď.) na dynamickú tvorbu výzvy. To nám umožňuje vytvoriť knižnicu opakovane použiteľných výziev, ktoré môžu **programovo** zabezpečiť konzistentné používateľské skúsenosti vo veľkom. diff --git a/translations/sl/04-prompt-engineering-fundamentals/README.md b/translations/sl/04-prompt-engineering-fundamentals/README.md index 710cc6d33f..c14c98556e 100644 --- a/translations/sl/04-prompt-engineering-fundamentals/README.md +++ b/translations/sl/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Druga tehnika za uporabo primarne vsebine je zagotoviti _namige_ namesto primero ### Predloge Pozivov -Predloga poziva je _vnaprej določena sestavina poziva_, ki jo lahko shranimo in ponovno uporabimo po potrebi, da zagotovimo bolj dosledno uporabniško izkušnjo v velikem obsegu. V svoji najpreprostejši obliki je to zbirka primerov pozivov, kot je [ta primer OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), ki zagotavlja interaktivne komponente poziva (uporabniški in sistemski sporočili) ter format zahteve prek API-ja – za podporo ponovni uporabi. +Predloga poziva je _vnaprej določena sestavina poziva_, ki jo lahko shranimo in ponovno uporabimo po potrebi, da zagotovimo bolj dosledno uporabniško izkušnjo v velikem obsegu. V svoji najpreprostejši obliki je to zbirka primerov pozivov, kot je [ta primer OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), ki zagotavlja interaktivne komponente poziva (uporabniški in sistemski sporočili) ter format zahteve prek API-ja – za podporo ponovni uporabi. V bolj zapleteni obliki, kot je [ta primer LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), vsebuje _zaščitna mesta_, ki jih je mogoče zamenjati z podatki iz različnih virov (uporabniški vnos, sistemski kontekst, zunanji podatkovni viri itd.), da se dinamično ustvari poziv. To nam omogoča ustvarjanje knjižnice ponovno uporabnih pozivov, ki se lahko **programatično** uporabljajo za zagotavljanje doslednih uporabniških izkušenj v velikem obsegu. diff --git a/translations/sr/04-prompt-engineering-fundamentals/README.md b/translations/sr/04-prompt-engineering-fundamentals/README.md index 8249d73bfe..958eef168d 100644 --- a/translations/sr/04-prompt-engineering-fundamentals/README.md +++ b/translations/sr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt шаблони -Prompt шаблон је _унапред дефинисани рецепт за prompt_ који може бити сачуван и поново коришћен по потреби, како би се обезбедила доследност корисничких искустава у великом обиму. У свом најједноставнијем облику, то је колекција примера prompt-а као што је [овај од OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) који обезбеђује и интерактивне компоненте prompt-а (поруке корисника и система) и формат захтева покретан кроз API - за подршку поновне употребе. +Prompt шаблон је _унапред дефинисани рецепт за prompt_ који може бити сачуван и поново коришћен по потреби, како би се обезбедила доследност корисничких искустава у великом обиму. У свом најједноставнијем облику, то је колекција примера prompt-а као што је [овај од OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) који обезбеђује и интерактивне компоненте prompt-а (поруке корисника и система) и формат захтева покретан кроз API - за подршку поновне употребе. У сложенијем облику као [следећи пример од LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) садржи _placeholder_-е који могу бити заменjeni подацима из различитих извора (кориснички унос, системски контекст, спољни извори података итд.) да би се prompt динамички креирао. Ово нам омогућава да направимо библиотеку поновљивих prompt-а која се може користити за доследна корисничка искуства **програмски** и у великом обиму. diff --git a/translations/sv/04-prompt-engineering-fundamentals/README.md b/translations/sv/04-prompt-engineering-fundamentals/README.md index 6943ab0188..4a3a0b7baf 100644 --- a/translations/sv/04-prompt-engineering-fundamentals/README.md +++ b/translations/sv/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ En annan teknik för att använda primärt innehåll är att tillhandahålla _le ### Promptmallar -En promptmall är ett _fördefinierat recept för en prompt_ som kan sparas och återanvändas vid behov för att skapa mer konsekventa användarupplevelser i stor skala. I sin enklaste form är det helt enkelt en samling promptexempel som [det här från OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) som tillhandahåller både de interaktiva promptkomponenterna (användar- och systemmeddelanden) och API-drivna förfrågningsformat – för att stödja återanvändning. +En promptmall är ett _fördefinierat recept för en prompt_ som kan sparas och återanvändas vid behov för att skapa mer konsekventa användarupplevelser i stor skala. I sin enklaste form är det helt enkelt en samling promptexempel som [det här från OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) som tillhandahåller både de interaktiva promptkomponenterna (användar- och systemmeddelanden) och API-drivna förfrågningsformat – för att stödja återanvändning. I en mer komplex form, som [det här exemplet från LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), innehåller den _platshållare_ som kan ersättas med data från olika källor (användarinmatning, systemkontext, externa datakällor etc.) för att dynamiskt generera en prompt. Detta gör att vi kan skapa ett bibliotek med återanvändbara prompts som kan användas för att driva konsekventa användarupplevelser **programmerbart** i stor skala. diff --git a/translations/sw/04-prompt-engineering-fundamentals/README.md b/translations/sw/04-prompt-engineering-fundamentals/README.md index e51e047d2e..b4ebd9f96c 100644 --- a/translations/sw/04-prompt-engineering-fundamentals/README.md +++ b/translations/sw/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Mbinu nyingine ya kutumia maudhui muhimu ni kutoa _chapa_ badala ya mifano. Kati ### Prompt Templates -Kiolezo cha prompt ni _mapishi yaliyowekwa kabla kwa prompt_ ambayo yanaweza kuhifadhiwa na kutumika tena kadri inavyohitajika, ili kuendesha uzoefu wa mtumiaji unaoendana kwa kiwango kikubwa. Katika muundo wake rahisi kabisa, ni mkusanyiko wa mifano ya prompt kama [hii kutoka OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) inayotoa sehemu za prompt za maingiliano (jumbe za mtumiaji na mfumo) pamoja na muundo wa ombi la API - kusaidia kutumia tena. +Kiolezo cha prompt ni _mapishi yaliyowekwa kabla kwa prompt_ ambayo yanaweza kuhifadhiwa na kutumika tena kadri inavyohitajika, ili kuendesha uzoefu wa mtumiaji unaoendana kwa kiwango kikubwa. Katika muundo wake rahisi kabisa, ni mkusanyiko wa mifano ya prompt kama [hii kutoka OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) inayotoa sehemu za prompt za maingiliano (jumbe za mtumiaji na mfumo) pamoja na muundo wa ombi la API - kusaidia kutumia tena. Katika muundo wake mgumu zaidi kama [mfano huu kutoka LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) una _viashiria_ vinavyoweza kubadilishwa na data kutoka kwa vyanzo mbalimbali (ingizo la mtumiaji, muktadha wa mfumo, vyanzo vya data vya nje n.k.) ili kuunda prompt kwa njia ya mabadiliko ya wakati halisi. Hii inatupa uwezo wa kuunda maktaba za prompt zinazoweza kutumika tena ambazo zinaweza kutumika kuendesha uzoefu wa mtumiaji unaoendana **kwa mpangilio wa programu** kwa kiwango kikubwa. diff --git a/translations/ta/04-prompt-engineering-fundamentals/README.md b/translations/ta/04-prompt-engineering-fundamentals/README.md index b55faa006b..a0a577c0d4 100644 --- a/translations/ta/04-prompt-engineering-fundamentals/README.md +++ b/translations/ta/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ response = openai.chat.completions.create( ### Prompt Templates -ஒரு _முன்-வரையறுக்கப்பட்ட கூறு_ என்பது ஒரு மொழிமுறை வடிவங்கள் ஆகும், வாடிக்கையாளர் அனுபவத்தை அதிக அளவில் ஒரே மாதிரியாக மாற்றுமாறு தேவைக்கேற்ப சேமித்து மறுபயன்பாடு செய்வதற்கானது. எளிமையான வடிவத்தில், இது [OpenAI இல் இருந்து இந்த உதாரணத்தைப் போல](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) பல வகையான முன் கூறுகளின் தொகுப்பு ஆகும், இதில் பயனர் மற்றும் அமைப்பு செய்திகளின் இடைமுக கூறுகளும் API வழிகாட்டி கோரிக்கைகளும் உள்ளன - மறுபயன்பாட்டிற்கு ஆதாரம் அளிக்க. +ஒரு _முன்-வரையறுக்கப்பட்ட கூறு_ என்பது ஒரு மொழிமுறை வடிவங்கள் ஆகும், வாடிக்கையாளர் அனுபவத்தை அதிக அளவில் ஒரே மாதிரியாக மாற்றுமாறு தேவைக்கேற்ப சேமித்து மறுபயன்பாடு செய்வதற்கானது. எளிமையான வடிவத்தில், இது [OpenAI இல் இருந்து இந்த உதாரணத்தைப் போல](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) பல வகையான முன் கூறுகளின் தொகுப்பு ஆகும், இதில் பயனர் மற்றும் அமைப்பு செய்திகளின் இடைமுக கூறுகளும் API வழிகாட்டி கோரிக்கைகளும் உள்ளன - மறுபயன்பாட்டிற்கு ஆதாரம் அளிக்க. அதிகத் துரிதமான வடிவங்களில், [LangChain இல் இருந்து இந்த உதாரணம் போல](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) இது _பதிவுகள்_ கொண்டுள்ளது, அவை பல்வேறு மூலங்களிலிருந்து (பயனர் உள்ளீடு, அமைப்பு சூழல், வெளிப்புற தரவுகள் போன்றவை) பெறப்பட்ட தரவால் மாற்றப்படலாம், ஒரு முன் கட்டளை இயக்கத்துக்கான. இது நிரல் மூலம் **தொடர்ந்த பயனர் அனுபவத்தை மேம்படுத்த** மறுபரிசீலனை செய்யக்கூடிய முன்கூட்டிய தொகுப்புகளை உருவாக்க உதவும். diff --git a/translations/te/04-prompt-engineering-fundamentals/README.md b/translations/te/04-prompt-engineering-fundamentals/README.md index 8546555819..24be05cb82 100644 --- a/translations/te/04-prompt-engineering-fundamentals/README.md +++ b/translations/te/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ response = openai.chat.completions.create( ### ప్రాంప్ట్ మాదిరులు -ఒక ప్రాంప్ట్ మాదిరి అనగా _ముందుగా నిర్వచించిన ప్రాంప్ట్‌ను రూపొందించే విధానం_, ఇది అవసరానికి అనుగుణంగా నిల్వ చేసి పునఃప్రయోజనానికి ఉపయోగించవచ్చు, దీని వల్ల పెద్ద మొత్తంలో యూజర్ అనుభవాలను ఏకరూపంగా నడిపించవచ్చు. సాదా రూపంలో ఇది కేవలం ప్రాంప్ట్ ఉదాహరణల ముచ్చటగా ఉంటుంది, ఉదాహరణకు [OpenAI నుండి ఈ ఉదాహరణ](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) ఇక్కడ ప్రత్యక్ష ప్రాంప్ట్ భాగాలు (యూజర్ మరియు సిస్టమ్ మెసేజులు) మరియు API ఆధారిత అభ్యర్థన ఫార్మాట్ రెండూ ఉంటాయి - పునఃప్రయోజనాన్ని మద్దతు ఇవ్వడానికి. +ఒక ప్రాంప్ట్ మాదిరి అనగా _ముందుగా నిర్వచించిన ప్రాంప్ట్‌ను రూపొందించే విధానం_, ఇది అవసరానికి అనుగుణంగా నిల్వ చేసి పునఃప్రయోజనానికి ఉపయోగించవచ్చు, దీని వల్ల పెద్ద మొత్తంలో యూజర్ అనుభవాలను ఏకరూపంగా నడిపించవచ్చు. సాదా రూపంలో ఇది కేవలం ప్రాంప్ట్ ఉదాహరణల ముచ్చటగా ఉంటుంది, ఉదాహరణకు [OpenAI నుండి ఈ ఉదాహరణ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ఇక్కడ ప్రత్యక్ష ప్రాంప్ట్ భాగాలు (యూజర్ మరియు సిస్టమ్ మెసేజులు) మరియు API ఆధారిత అభ్యర్థన ఫార్మాట్ రెండూ ఉంటాయి - పునఃప్రయోజనాన్ని మద్దతు ఇవ్వడానికి. ఇంకా సంక్లిష్ట రూపంలో, దీని ముందు _స్థానధారకాలు_ ఉంటాయి, ఇవి వివిధ మూలాల డేటాతో (యూజర్ ఇన్‌పుట్, సిస్టమ్ కాంటెక్స్ట్, బాహ్య డేటా మొదలైనవి) అప్‌డేట్ చేసుకొని ప్రాంప్ట్‌ను డైనమిక్‌గా రూపొందించడానికి ఉపయోగించవచ్చు. దీన్ని ఉపయోగించి మేము పునఃప్రయోజన టెంప్లేట్ల లైబ్రరీని సృష్టించవచ్చు, తద్వారా **ప్రోగ్రామాటిక్గా** పెద్ద స్కేల్‌లో ఒకే తరహా యూజర్ అనుభవాలను అందించగలుగుతాము. diff --git a/translations/th/04-prompt-engineering-fundamentals/README.md b/translations/th/04-prompt-engineering-fundamentals/README.md index 2d45d59e39..45181bb89a 100644 --- a/translations/th/04-prompt-engineering-fundamentals/README.md +++ b/translations/th/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -แม่แบบพรอมต์คือ _สูตรที่กำหนดไว้ล่วงหน้าสำหรับพรอมต์_ ที่สามารถเก็บและใช้งานซ้ำได้ตามต้องการ เพื่อให้ประสบการณ์ของผู้ใช้มีความสม่ำเสมอมากขึ้น ในรูปแบบที่ง่ายที่สุด มันเป็นเพียงชุดตัวอย่างพรอมต์เช่น [ตัวอย่างนี้จาก OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) ที่มอบทั้งส่วนประกอบพรอมต์แบบโต้ตอบ (ข้อความผู้ใช้และระบบ) และรูปแบบคำขอที่ขับเคลื่อนด้วย API – เพื่อสนับสนุนการนำกลับมาใช้ใหม่ +แม่แบบพรอมต์คือ _สูตรที่กำหนดไว้ล่วงหน้าสำหรับพรอมต์_ ที่สามารถเก็บและใช้งานซ้ำได้ตามต้องการ เพื่อให้ประสบการณ์ของผู้ใช้มีความสม่ำเสมอมากขึ้น ในรูปแบบที่ง่ายที่สุด มันเป็นเพียงชุดตัวอย่างพรอมต์เช่น [ตัวอย่างนี้จาก OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ที่มอบทั้งส่วนประกอบพรอมต์แบบโต้ตอบ (ข้อความผู้ใช้และระบบ) และรูปแบบคำขอที่ขับเคลื่อนด้วย API – เพื่อสนับสนุนการนำกลับมาใช้ใหม่ ในรูปแบบที่ซับซ้อนมากขึ้น เช่น [ตัวอย่างนี้จาก LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) จะมี _ตัวแปรช่องว่าง_ ที่สามารถแทนที่ด้วยข้อมูลจากแหล่งต่าง ๆ (ข้อมูลผู้ใช้, บริบทระบบ, แหล่งข้อมูลภายนอก ฯลฯ) เพื่อสร้างพรอมต์แบบไดนามิก ซึ่งช่วยให้เราสร้างคลังแม่แบบพรอมต์ที่นำกลับมาใช้ใหม่ได้ เพื่อมอบประสบการณ์ผู้ใช้ที่สม่ำเสมอแบบ **โปรแกรมเมติก** ในระดับใหญ่ diff --git a/translations/tl/04-prompt-engineering-fundamentals/README.md b/translations/tl/04-prompt-engineering-fundamentals/README.md index 3d7d1b03c5..f38d6c9850 100644 --- a/translations/tl/04-prompt-engineering-fundamentals/README.md +++ b/translations/tl/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ Isa pang teknik para sa paggamit ng primary content ay ang pagbibigay ng _mga cu ### Prompt Templates -Ang prompt template ay isang _pre-defined na recipe para sa isang prompt_ na maaaring itago at gamitin muli kung kinakailangan, upang makapaghatid ng mas pare-parehong karanasan ng gumagamit sa malakihang paraan. Sa pinakasimpleng anyo, ito ay koleksyon lang ng mga halimbawa ng prompt tulad ng [ito mula sa OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) na nagbibigay ng parehong mga interactive na bahagi ng prompt (mga mensahe ng gumagamit at sistema) at ang format ng request na pinapatakbo ng API - upang suportahan ang muling paggamit. +Ang prompt template ay isang _pre-defined na recipe para sa isang prompt_ na maaaring itago at gamitin muli kung kinakailangan, upang makapaghatid ng mas pare-parehong karanasan ng gumagamit sa malakihang paraan. Sa pinakasimpleng anyo, ito ay koleksyon lang ng mga halimbawa ng prompt tulad ng [ito mula sa OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) na nagbibigay ng parehong mga interactive na bahagi ng prompt (mga mensahe ng gumagamit at sistema) at ang format ng request na pinapatakbo ng API - upang suportahan ang muling paggamit. Sa mas kumplikadong anyo nito tulad ng [halimbawa mula sa LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) naglalaman ito ng _placeholders_ na maaaring palitan ng data mula sa iba't ibang pinagmulan (input ng gumagamit, konteksto ng sistema, panlabas na mga pinagmumulan ng data, atbp.) upang makabuo ng prompt nang dinamiko. Pinapayagan tayo nitong lumikha ng isang library ng mga reusable prompts na maaaring gamitin upang makapaghatid ng pare-parehong karanasan ng gumagamit **programmatically** sa malakihang paraan. diff --git a/translations/tr/04-prompt-engineering-fundamentals/README.md b/translations/tr/04-prompt-engineering-fundamentals/README.md index ca3eba1510..700703652e 100644 --- a/translations/tr/04-prompt-engineering-fundamentals/README.md +++ b/translations/tr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Birincil içeriği kullanmanın bir diğer yolu, örnekler yerine _ipuçları_ v ### İstek Şablonları -Bir istek şablonu, _önceden tanımlanmış bir istek tarifi_ olup, gerektiğinde saklanıp yeniden kullanılabilir; böylece tutarlı kullanıcı deneyimlerini büyük ölçekte yönetir. En basit haliyle, kullanıcı ve sistem mesajlarını ve API tabanlı istek formatını içeren [OpenAI'nin şu örneği](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) gibi bir dizi örnekten oluşur. +Bir istek şablonu, _önceden tanımlanmış bir istek tarifi_ olup, gerektiğinde saklanıp yeniden kullanılabilir; böylece tutarlı kullanıcı deneyimlerini büyük ölçekte yönetir. En basit haliyle, kullanıcı ve sistem mesajlarını ve API tabanlı istek formatını içeren [OpenAI'nin şu örneği](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) gibi bir dizi örnekten oluşur. Daha karmaşık bir formda, [LangChain'in şu örneği](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) gibi, çeşitli kaynaklardan (kullanıcı girişi, sistem bağlamı, harici veri kaynakları vb.) dinamik olarak istek oluşturmak için _yer tutucular_ içerir. Bu, tutarlı kullanıcı deneyimlerini **programatik olarak** ölçeklendirmek için yeniden kullanılabilir istekler kütüphanesi oluşturmamızı sağlar. diff --git a/translations/uk/04-prompt-engineering-fundamentals/README.md b/translations/uk/04-prompt-engineering-fundamentals/README.md index 7edf2a285f..dabc6876ba 100644 --- a/translations/uk/04-prompt-engineering-fundamentals/README.md +++ b/translations/uk/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Шаблони підказок -Шаблон підказки — це _попередньо визначений рецепт для підказки_, який можна зберігати і повторно використовувати для забезпечення більш послідовного користувацького досвіду в масштабі. У найпростішій формі це просто збірка прикладів підказок, як [цей з OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst), які надають як інтерактивні компоненти підказок (повідомлення користувача та системи), так і формат запиту, заснований на API — для підтримки повторного використання. +Шаблон підказки — це _попередньо визначений рецепт для підказки_, який можна зберігати і повторно використовувати для забезпечення більш послідовного користувацького досвіду в масштабі. У найпростішій формі це просто збірка прикладів підказок, як [цей з OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), які надають як інтерактивні компоненти підказок (повідомлення користувача та системи), так і формат запиту, заснований на API — для підтримки повторного використання. У більш складній формі, як [цей приклад від LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), він містить _заповнювачі_, які можна замінити даними з різних джерел (вхід користувача, системний контекст, зовнішні джерела даних тощо) для динамічного формування підказки. Це дозволяє створювати бібліотеку багаторазових підказок, які можна використовувати для забезпечення послідовного користувацького досвіду **програмно** в масштабі. diff --git a/translations/ur/04-prompt-engineering-fundamentals/README.md b/translations/ur/04-prompt-engineering-fundamentals/README.md index e1defed78a..777a49370d 100644 --- a/translations/ur/04-prompt-engineering-fundamentals/README.md +++ b/translations/ur/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### پرامپٹ ٹیمپلیٹس -ایک پرامپٹ ٹیمپلیٹ ایک _پیشگی طے شدہ فارمولا_ ہوتا ہے جو ضرورت کے مطابق ذخیرہ کیا جا سکتا ہے اور بار بار استعمال کیا جا سکتا ہے، تاکہ پیمانے پر زیادہ مستقل صارف تجربات فراہم کیے جا سکیں۔ اس کی سادہ شکل میں، یہ صرف پرامپٹ کی چند مثالوں کا مجموعہ ہے جیسا کہ [یہ ایک مثال اوپن اے آئی سے](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) جو ساتھ ہی interactive پرامپٹ اجزاء (یوزر اور سسٹم پیغامات) اور API سے چلنے والی درخواست کا فارمیٹ فراہم کرتا ہے - تاکہ دوبارہ استعمال کی سہولت ہو۔ +ایک پرامپٹ ٹیمپلیٹ ایک _پیشگی طے شدہ فارمولا_ ہوتا ہے جو ضرورت کے مطابق ذخیرہ کیا جا سکتا ہے اور بار بار استعمال کیا جا سکتا ہے، تاکہ پیمانے پر زیادہ مستقل صارف تجربات فراہم کیے جا سکیں۔ اس کی سادہ شکل میں، یہ صرف پرامپٹ کی چند مثالوں کا مجموعہ ہے جیسا کہ [یہ ایک مثال اوپن اے آئی سے](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) جو ساتھ ہی interactive پرامپٹ اجزاء (یوزر اور سسٹم پیغامات) اور API سے چلنے والی درخواست کا فارمیٹ فراہم کرتا ہے - تاکہ دوبارہ استعمال کی سہولت ہو۔ اس کی زیادہ پیچیدہ شکل جیسے کہ [یہ مثال لینگ چین سے](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) _پلیس ہولڈرز_ پر مشتمل ہوتی ہے جنہیں مختلف ذرائع (یوزر ان پٹ، سسٹم کا سیاق و سباق، بیرونی ڈیٹا سورسز وغیرہ) سے ڈیٹا کے ذریعے Dynamiс طور پر تبدیل کیا جا سکتا ہے۔ اس سے ہم ایک لائبریری بنا سکتے ہیں جس میں قابل استعمال پرامپٹس ہوتے ہیں جو **پروگرام کی سطح پر** ایک جیسے صارف تجربات فراہم کر سکتے ہیں۔ diff --git a/translations/vi/04-prompt-engineering-fundamentals/README.md b/translations/vi/04-prompt-engineering-fundamentals/README.md index 7c49a52779..c3e2400010 100644 --- a/translations/vi/04-prompt-engineering-fundamentals/README.md +++ b/translations/vi/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Một kỹ thuật khác dùng nội dung chính là cung cấp _dấu hiệu_ t ### Prompt Templates -Một mẫu câu lệnh là một _công thức được định nghĩa sẵn cho một câu lệnh_ có thể được lưu trữ và sử dụng lại khi cần, để tạo ra trải nghiệm người dùng nhất quán hơn ở quy mô lớn. Ở dạng đơn giản nhất, nó chỉ là một tập hợp các ví dụ về câu lệnh như [ví dụ này từ OpenAI](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) cung cấp cả các thành phần tương tác của câu lệnh (tin nhắn người dùng và hệ thống) và định dạng yêu cầu API - để hỗ trợ tái sử dụng. +Một mẫu câu lệnh là một _công thức được định nghĩa sẵn cho một câu lệnh_ có thể được lưu trữ và sử dụng lại khi cần, để tạo ra trải nghiệm người dùng nhất quán hơn ở quy mô lớn. Ở dạng đơn giản nhất, nó chỉ là một tập hợp các ví dụ về câu lệnh như [ví dụ này từ OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) cung cấp cả các thành phần tương tác của câu lệnh (tin nhắn người dùng và hệ thống) và định dạng yêu cầu API - để hỗ trợ tái sử dụng. Ở dạng phức tạp hơn như [ví dụ này từ LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) nó chứa các _chỗ giữ chỗ_ có thể được thay thế bằng dữ liệu từ nhiều nguồn khác nhau (đầu vào người dùng, ngữ cảnh hệ thống, nguồn dữ liệu bên ngoài, v.v.) để tạo một câu lệnh một cách động. Điều này cho phép chúng ta tạo ra thư viện các câu lệnh có thể sử dụng lại để tạo ra trải nghiệm người dùng nhất quán **theo cách lập trình** trên quy mô lớn. diff --git a/translations/zh-CN/04-prompt-engineering-fundamentals/README.md b/translations/zh-CN/04-prompt-engineering-fundamentals/README.md index 8808b3d598..786ff457d2 100644 --- a/translations/zh-CN/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-CN/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -提示模板是一种_预定义的提示“配方”_，可以存储并根据需要重复使用，以推动更一致的大规模用户体验。它最简单的形式就是像[OpenAI这个示例](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst)那样收集的提示示例，既包含交互式提示组件（用户和系统消息），又包含通过 API 调用的请求格式——以支持重复使用。 +提示模板是一种_预定义的提示“配方”_，可以存储并根据需要重复使用，以推动更一致的大规模用户体验。它最简单的形式就是像[OpenAI这个示例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)那样收集的提示示例，既包含交互式提示组件（用户和系统消息），又包含通过 API 调用的请求格式——以支持重复使用。 在更复杂的形式如[LangChain的例子](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)中，包含了_占位符_，可以用来自各种来源（用户输入、系统上下文、外部数据源等）的数据动态替换，从而生成动态提示。这使我们能够创建可重复使用的提示库，**通过编程方式**驱动更大规模的一致用户体验。 diff --git a/translations/zh-HK/04-prompt-engineering-fundamentals/README.md b/translations/zh-HK/04-prompt-engineering-fundamentals/README.md index b388cf4a8f..45df4ad774 100644 --- a/translations/zh-HK/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-HK/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -提示模板是 _預先定義的提示配方_，可以儲存並按需重用，以在大規模範圍內推動更一致的用戶體驗。它最簡單的形式，是像 [這個來自 OpenAI 的範例](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst) 一樣的一組提示示例，提供了交互式提示組件（用戶和系統訊息）和 API 請求格式，以支持重用。 +提示模板是 _預先定義的提示配方_，可以儲存並按需重用，以在大規模範圍內推動更一致的用戶體驗。它最簡單的形式，是像 [這個來自 OpenAI 的範例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) 一樣的一組提示示例，提供了交互式提示組件（用戶和系統訊息）和 API 請求格式，以支持重用。 在更複雜的形式中，如 [這個來自 LangChain 的範例](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) 包含了可以從多種來源（用戶輸入、系統上下文、外部數據源等）替換的 _佔位符_，以動態生成提示。這讓我們能夠建立可重用提示庫，從而能夠**程式化**地大規模驅動一致的用戶體驗。 diff --git a/translations/zh-MO/04-prompt-engineering-fundamentals/README.md b/translations/zh-MO/04-prompt-engineering-fundamentals/README.md index daf6d5983f..51d05a7759 100644 --- a/translations/zh-MO/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-MO/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -一個提示模板是一個_預先定義的提示配方_，可以儲存並根據需要重複使用，以推動更一致的用戶體驗規模化。在最簡單的形式中，它僅僅是一組提示範例，比如[OpenAI的這個範例](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst)，提供互動式的提示組件（用戶和系統訊息）以及通過 API 驅動的請求格式——支持重用。 +一個提示模板是一個_預先定義的提示配方_，可以儲存並根據需要重複使用，以推動更一致的用戶體驗規模化。在最簡單的形式中，它僅僅是一組提示範例，比如[OpenAI的這個範例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)，提供互動式的提示組件（用戶和系統訊息）以及通過 API 驅動的請求格式——支持重用。 在更複雜的形式中，比如[LangChain的這個範例](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)，它包含可以從多種來源（用戶輸入、系統上下文、外部資料來源等）替換的_佔位符_，用於動態生成提示。這讓我們能夠建立一個可重用提示的庫，**以程式化方式**規模化推動一致的用戶體驗。 diff --git a/translations/zh-TW/04-prompt-engineering-fundamentals/README.md b/translations/zh-TW/04-prompt-engineering-fundamentals/README.md index 03c2a46f16..a018b3190d 100644 --- a/translations/zh-TW/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-TW/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ response = openai.chat.completions.create( ### Prompt Templates -提示模板是一個_事先定義好的提示配方_，可以儲存並依需求重複使用，以推動更一致的使用者體驗。在最簡單的形式中，它只是一組提示範例，如[這個來自 OpenAI 的範例](https://platform.openai.com/examples?WT.mc_id=academic-105485-koreyst)，提供互動提示組件（使用者和系統訊息）以及 API 請求格式，以支援重用。 +提示模板是一個_事先定義好的提示配方_，可以儲存並依需求重複使用，以推動更一致的使用者體驗。在最簡單的形式中，它只是一組提示範例，如[這個來自 OpenAI 的範例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)，提供互動提示組件（使用者和系統訊息）以及 API 請求格式，以支援重用。 在更複雜的形式中，如[這個來自 LangChain 的範例](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)，它包含可被多種來源（使用者輸入、系統上下文、外部資料來源等）替換的_占位符_，可動態產生提示。這讓我們能夠建立可**程式化**使用的重用提示庫，推動一致的使用者體驗。 From d055ae4216dbd28676b0f4d3a9ef6e5e4fd4fc2b Mon Sep 17 00:00:00 2001 From: "copilot-swe-agent[bot]" <198982749+Copilot@users.noreply.github.com> Date: Mon, 8 Jun 2026 10:13:25 +0000 Subject: [PATCH 3/3] Use stable OpenAI cookbook prompt guide link --- 04-prompt-engineering-fundamentals/README.md | 2 +- translations/ar/04-prompt-engineering-fundamentals/README.md | 2 +- translations/bg/04-prompt-engineering-fundamentals/README.md | 2 +- translations/bn/04-prompt-engineering-fundamentals/README.md | 2 +- translations/cs/04-prompt-engineering-fundamentals/README.md | 2 +- translations/da/04-prompt-engineering-fundamentals/README.md | 2 +- translations/de/04-prompt-engineering-fundamentals/README.md | 2 +- translations/el/04-prompt-engineering-fundamentals/README.md | 2 +- translations/en/04-prompt-engineering-fundamentals/README.md | 2 +- translations/es/04-prompt-engineering-fundamentals/README.md | 2 +- translations/et/04-prompt-engineering-fundamentals/README.md | 2 +- translations/fa/04-prompt-engineering-fundamentals/README.md | 2 +- translations/fi/04-prompt-engineering-fundamentals/README.md | 2 +- translations/fr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/he/04-prompt-engineering-fundamentals/README.md | 2 +- translations/hi/04-prompt-engineering-fundamentals/README.md | 2 +- translations/hr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/hu/04-prompt-engineering-fundamentals/README.md | 2 +- translations/id/04-prompt-engineering-fundamentals/README.md | 2 +- translations/it/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ja/04-prompt-engineering-fundamentals/README.md | 2 +- translations/km/04-prompt-engineering-fundamentals/README.md | 2 +- translations/kn/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ko/04-prompt-engineering-fundamentals/README.md | 2 +- translations/lt/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ml/04-prompt-engineering-fundamentals/README.md | 2 +- translations/mr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ms/04-prompt-engineering-fundamentals/README.md | 2 +- translations/my/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ne/04-prompt-engineering-fundamentals/README.md | 2 +- translations/nl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/no/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pa/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pcm/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pt-BR/04-prompt-engineering-fundamentals/README.md | 2 +- translations/pt-PT/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ro/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ru/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sk/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sv/04-prompt-engineering-fundamentals/README.md | 2 +- translations/sw/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ta/04-prompt-engineering-fundamentals/README.md | 2 +- translations/te/04-prompt-engineering-fundamentals/README.md | 2 +- translations/th/04-prompt-engineering-fundamentals/README.md | 2 +- translations/tl/04-prompt-engineering-fundamentals/README.md | 2 +- translations/tr/04-prompt-engineering-fundamentals/README.md | 2 +- translations/uk/04-prompt-engineering-fundamentals/README.md | 2 +- translations/ur/04-prompt-engineering-fundamentals/README.md | 2 +- translations/vi/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-CN/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-HK/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-MO/04-prompt-engineering-fundamentals/README.md | 2 +- translations/zh-TW/04-prompt-engineering-fundamentals/README.md | 2 +- 56 files changed, 56 insertions(+), 56 deletions(-) diff --git a/04-prompt-engineering-fundamentals/README.md b/04-prompt-engineering-fundamentals/README.md index 1f7d75b458..03ef80fef8 100644 --- a/04-prompt-engineering-fundamentals/README.md +++ b/04-prompt-engineering-fundamentals/README.md @@ -279,7 +279,7 @@ Another technique for using primary content is to provide _cues_ rather than exa ### Prompt Templates -A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. +A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. In it's more complex form like [this example from LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) it contains _placeholders_ that can be replaced with data from a variety of sources (user input, system context, external data sources etc.) to generate a prompt dynamically. This allows us to create a library of reusable prompts that can be used to drive consistent user experiences **programmatically** at scale. diff --git a/translations/ar/04-prompt-engineering-fundamentals/README.md b/translations/ar/04-prompt-engineering-fundamentals/README.md index 887e365d81..42356be739 100644 --- a/translations/ar/04-prompt-engineering-fundamentals/README.md +++ b/translations/ar/04-prompt-engineering-fundamentals/README.md @@ -268,7 +268,7 @@ response = openai.chat.completions.create( ### قوالب المطالبات -قالب المطالبة هو _وصفة معرفة مسبقًا للمطالبة_ يمكن تخزينها وإعادة استخدامها حسب الحاجة، لتعزيز تجارب المستخدم المتسقة على نطاق واسع. في أبسط أشكاله، هو مجموعة من أمثلة المطالبات مثل [هذا المثال من OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) التي توفر مكونات المطالبة التفاعلية (رسائل المستخدم والنظام) بالإضافة إلى صيغة الطلب المدعومة بواسطة API - لدعم إعادة الاستخدام. +قالب المطالبة هو _وصفة معرفة مسبقًا للمطالبة_ يمكن تخزينها وإعادة استخدامها حسب الحاجة، لتعزيز تجارب المستخدم المتسقة على نطاق واسع. في أبسط أشكاله، هو مجموعة من أمثلة المطالبات مثل [هذا المثال من OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) التي توفر مكونات المطالبة التفاعلية (رسائل المستخدم والنظام) بالإضافة إلى صيغة الطلب المدعومة بواسطة API - لدعم إعادة الاستخدام. في شكله الأكثر تعقيدًا مثل [هذا المثال من LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) يحتوي على _عناصر نائبة_ يمكن استبدالها ببيانات من مصادر متنوعة (إدخال المستخدم، سياق النظام، مصادر بيانات خارجية، إلخ) لإنشاء مطالبة بشكل ديناميكي. وهذا يسمح لنا بإنشاء مكتبة من المطالبات القابلة لإعادة الاستخدام التي يمكن استخدامها لقيادة تجارب مستخدمين متناسقة **برمجيًا** على نطاق واسع. diff --git a/translations/bg/04-prompt-engineering-fundamentals/README.md b/translations/bg/04-prompt-engineering-fundamentals/README.md index 8a355d949f..3d0f3e8ae3 100644 --- a/translations/bg/04-prompt-engineering-fundamentals/README.md +++ b/translations/bg/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Шаблони за подканване -Шаблонът за подканване е _предварително дефинирана рецепта за подканване_, която може да се съхранява и използва повторно при нужда, за да осигури по-последователно потребителско изживяване в голям мащаб. В най-простата си форма това е просто колекция от примери за подканване като [този от OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), която предоставя както интерактивни компоненти за подканване (съобщения от потребител и система), така и формат на API заявка - за улесняване на повторната употреба. +Шаблонът за подканване е _предварително дефинирана рецепта за подканване_, която може да се съхранява и използва повторно при нужда, за да осигури по-последователно потребителско изживяване в голям мащаб. В най-простата си форма това е просто колекция от примери за подканване като [този от OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), която предоставя както интерактивни компоненти за подканване (съобщения от потребител и система), така и формат на API заявка - за улесняване на повторната употреба. В по-сложната си форма, като [този пример от LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), той съдържа _запълващи места_, които могат да се заменят с данни от различни източници (вход на потребител, контекст на системата, външни източници на данни и др.) за динамично генериране на подканване. Това позволява създаване на библиотека с многократни подканвания, които могат да се използват за програмиране на последователно потребителско изживяване в голям мащаб. diff --git a/translations/bn/04-prompt-engineering-fundamentals/README.md b/translations/bn/04-prompt-engineering-fundamentals/README.md index 2ff524acb9..c59abd8795 100644 --- a/translations/bn/04-prompt-engineering-fundamentals/README.md +++ b/translations/bn/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### প্রম্পট টেমপ্লেটসমূহ -একটি প্রম্পট টেমপ্লেট হল একটি _পূর্বনির্ধারিত রেসিপি_, যা প্রয়োজন অনুযায়ী সংরক্ষণ ও পুনরায় ব্যবহার করা যায়, যাতে বড় পরিসরে ব্যবহারকারীর অভিজ্ঞতা আরো সুনির্দিষ্ট হয়। এর সবচেয়ে সরল রূপে, এটি কিছু প্রম্পট উদাহরণের সংগ্রহ, যেমন [OpenAI এর এই উদাহরণটি](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), যা ইন্টারঅ্যাকটিভ প্রম্পট উপাদান (ব্যবহারকারী ও সিস্টেম বার্তা) এবং API-চালিত অনুরোধ ফরম্যাট সরবরাহ করে — পুনঃব্যবহারের সুবিধার জন্য। +একটি প্রম্পট টেমপ্লেট হল একটি _পূর্বনির্ধারিত রেসিপি_, যা প্রয়োজন অনুযায়ী সংরক্ষণ ও পুনরায় ব্যবহার করা যায়, যাতে বড় পরিসরে ব্যবহারকারীর অভিজ্ঞতা আরো সুনির্দিষ্ট হয়। এর সবচেয়ে সরল রূপে, এটি কিছু প্রম্পট উদাহরণের সংগ্রহ, যেমন [OpenAI এর এই উদাহরণটি](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), যা ইন্টারঅ্যাকটিভ প্রম্পট উপাদান (ব্যবহারকারী ও সিস্টেম বার্তা) এবং API-চালিত অনুরোধ ফরম্যাট সরবরাহ করে — পুনঃব্যবহারের সুবিধার জন্য। আরও জটিল রূপে, যেমন [LangChain এর এই উদাহরণ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), এতে বিভিন্ন উৎস থেকে ডেটা দিয়ে প্রতিস্থাপনযোগ্য _প্লেসহোল্ডার_ থাকে (ব্যবহারকারীর ইনপুট, সিস্টেম প্রসঙ্গ, বাহ্যিক ডেটা স্রোত ইত্যাদি) যাতে প্রম্পট ডাইনামিক্যালি তৈরি করা যায়। এটি আমাদের এমন একটি প্রম্পট লাইব্রেরি তৈরির সুযোগ দেয় যা বড় পরিসরে ব্যবহারকারীর অভিজ্ঞতাকে **প্রোগ্রামেটিকভাবে** সামঞ্জস্যপূর্ণ করতে ব্যবহার করা হয়। diff --git a/translations/cs/04-prompt-engineering-fundamentals/README.md b/translations/cs/04-prompt-engineering-fundamentals/README.md index d41ef97ef9..5bfc78ca80 100644 --- a/translations/cs/04-prompt-engineering-fundamentals/README.md +++ b/translations/cs/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Další technikou použití primárního obsahu je poskytnutí _náznaků_ míst ### Šablony promptů -Šablona promptu je _předdefinovaný recept na prompt_, který může být uložen a znovu použit podle potřeby, aby se zajistila konzistentnější uživatelská zkušenost ve velkém měřítku. V nejjednodušší podobě je to jednoduše sbírka příkladů promptů jako [tento od OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), která poskytuje jak interaktivní komponenty promptu (zprávy uživatele a systému), tak formát požadavku řízený API – k podpoře opakovaného použití. +Šablona promptu je _předdefinovaný recept na prompt_, který může být uložen a znovu použit podle potřeby, aby se zajistila konzistentnější uživatelská zkušenost ve velkém měřítku. V nejjednodušší podobě je to jednoduše sbírka příkladů promptů jako [tento od OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), která poskytuje jak interaktivní komponenty promptu (zprávy uživatele a systému), tak formát požadavku řízený API – k podpoře opakovaného použití. Ve složitější podobě jako [tento příklad od LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) obsahuje _zástupné symboly_, které lze nahradit daty z různých zdrojů (uživatelský vstup, kontext systému, externí datové zdroje atd.) pro dynamickou tvorbu promptu. To nám umožňuje vytvářet knihovny znovupoužitelných promptů, které lze **programově** použít k řízení konzistentních uživatelských zážitků ve velkém. diff --git a/translations/da/04-prompt-engineering-fundamentals/README.md b/translations/da/04-prompt-engineering-fundamentals/README.md index 7d6a39692b..f8afe5fc72 100644 --- a/translations/da/04-prompt-engineering-fundamentals/README.md +++ b/translations/da/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ En anden teknik til at bruge primært indhold er at give _tips_ i stedet for eks ### Prompt Skabeloner -En prompt-skabelon er en _foruddefineret opskrift på en prompt_, som kan gemmes og genbruges efter behov for at skabe mere konsistente brugeroplevelser i stor skala. I sin simpleste form er det blot en samling af prompt-eksempler som [dette fra OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), der giver både de interaktive prompt-komponenter (bruger- og systembeskeder) og API-styrede anmodningsformater – for at støtte genbrug. +En prompt-skabelon er en _foruddefineret opskrift på en prompt_, som kan gemmes og genbruges efter behov for at skabe mere konsistente brugeroplevelser i stor skala. I sin simpleste form er det blot en samling af prompt-eksempler som [dette fra OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), der giver både de interaktive prompt-komponenter (bruger- og systembeskeder) og API-styrede anmodningsformater – for at støtte genbrug. I en mere kompleks form som [dette eksempel fra LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) indeholder den _pladsholdere_, som kan erstattes med data fra forskellige kilder (brugers input, systemkontekst, eksterne datakilder osv.) for dynamisk at skabe en prompt. Det giver os mulighed for at oprette et bibliotek af genanvendelige prompts, der kan bruges til at skabe konsistente brugeroplevelser **programmatisk** i stor skala. diff --git a/translations/de/04-prompt-engineering-fundamentals/README.md b/translations/de/04-prompt-engineering-fundamentals/README.md index 2917fc1e58..91ac13bc08 100644 --- a/translations/de/04-prompt-engineering-fundamentals/README.md +++ b/translations/de/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Eine weitere Technik mit primärem Inhalt ist es, _Hinweise_ statt Beispiele zu ### Prompt-Vorlagen -Eine Prompt-Vorlage ist ein _vordefiniertes Rezept für einen Prompt_, das bei Bedarf gespeichert und wiederverwendet werden kann, um konsistentere Benutzererfahrungen im großen Maßstab zu ermöglichen. In seiner einfachsten Form ist es einfach eine Sammlung von Prompt-Beispielen wie [dieses von OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), das sowohl die interaktiven Prompt-Komponenten (Benutzer- und Systemnachrichten) als auch das API-gesteuerte Anfrageformat bereitstellt – zur Unterstützung der Wiederverwendung. +Eine Prompt-Vorlage ist ein _vordefiniertes Rezept für einen Prompt_, das bei Bedarf gespeichert und wiederverwendet werden kann, um konsistentere Benutzererfahrungen im großen Maßstab zu ermöglichen. In seiner einfachsten Form ist es einfach eine Sammlung von Prompt-Beispielen wie [dieses von OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), das sowohl die interaktiven Prompt-Komponenten (Benutzer- und Systemnachrichten) als auch das API-gesteuerte Anfrageformat bereitstellt – zur Unterstützung der Wiederverwendung. In einer komplexeren Form wie [dieses Beispiel von LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) enthält es _Platzhalter_, die mit Daten aus verschiedenen Quellen (Benutzereingabe, Systemkontext, externe Datenquellen usw.) dynamisch ersetzt werden können, um einen Prompt zu erzeugen. Dies ermöglicht uns, eine Bibliothek von wiederverwendbaren Prompts zu erstellen, die zur programmgesteuerten Förderung konsistenter Benutzererfahrungen im großen Maßstab genutzt werden können. diff --git a/translations/el/04-prompt-engineering-fundamentals/README.md b/translations/el/04-prompt-engineering-fundamentals/README.md index 46dd586be2..93098ffec3 100644 --- a/translations/el/04-prompt-engineering-fundamentals/README.md +++ b/translations/el/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Πρότυπα Προτροπών -Ένα πρότυπο προτροπής είναι μια _προκαθορισμένη συνταγή για μια προτροπή_ που μπορεί να αποθηκευτεί και να επαναχρησιμοποιηθεί όταν απαιτείται, για να οδηγεί σε πιο συνεπή εμπειρία χρήστη σε μεγάλη κλίμακα. Στην πιο απλή του μορφή, είναι απλώς μια συλλογή παραδειγμάτων προτροπών όπως [αυτό από το OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) που παρέχει τόσο τα συστατικά της διαδραστικής προτροπής (μηνύματα χρήστη και συστήματος) όσο και τη μορφή του API για να υποστηρίξει την επανάχρηση. +Ένα πρότυπο προτροπής είναι μια _προκαθορισμένη συνταγή για μια προτροπή_ που μπορεί να αποθηκευτεί και να επαναχρησιμοποιηθεί όταν απαιτείται, για να οδηγεί σε πιο συνεπή εμπειρία χρήστη σε μεγάλη κλίμακα. Στην πιο απλή του μορφή, είναι απλώς μια συλλογή παραδειγμάτων προτροπών όπως [αυτό από το OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) που παρέχει τόσο τα συστατικά της διαδραστικής προτροπής (μηνύματα χρήστη και συστήματος) όσο και τη μορφή του API για να υποστηρίξει την επανάχρηση. Σε πιο σύνθετη μορφή, όπως [αυτό το παράδειγμα από το LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), περιέχει _κρατήσεις θέσεων_ που μπορούν να αντικατασταθούν με δεδομένα από διάφορες πηγές (εισαγωγή χρήστη, πλαίσιο συστήματος, εξωτερικές πηγές δεδομένων κ.α.) για να δημιουργηθεί μια προτροπή δυναμικά. Αυτό μας επιτρέπει να δημιουργήσουμε μια βιβλιοθήκη επαναχρησιμοποιούμενων προτροπών που μπορούν να χρησιμοποιηθούν για να οδηγούν σε συνεπείς εμπειρίες χρήστη **προγραμματιστικά** σε μεγάλη κλίμακα. diff --git a/translations/en/04-prompt-engineering-fundamentals/README.md b/translations/en/04-prompt-engineering-fundamentals/README.md index 46c8a0a9be..325b09a701 100644 --- a/translations/en/04-prompt-engineering-fundamentals/README.md +++ b/translations/en/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Another technique for using primary content is to provide _cues_ rather than exa ### Prompt Templates -A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. +A prompt template is a _pre-defined recipe for a prompt_ that can be stored and reused as needed, to drive more consistent user experiences at scale. In its simplest form, it is simply a collection of prompt examples like [this one from OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) that provides both the interactive prompt components (user and system messages) and the API-driven request format - to support reuse. In its more complex form like [this example from LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) it contains _placeholders_ that can be replaced with data from a variety of sources (user input, system context, external data sources etc.) to generate a prompt dynamically. This allows us to create a library of reusable prompts that can be used to drive consistent user experiences **programmatically** at scale. diff --git a/translations/es/04-prompt-engineering-fundamentals/README.md b/translations/es/04-prompt-engineering-fundamentals/README.md index e6a29b2fbd..96d755b732 100644 --- a/translations/es/04-prompt-engineering-fundamentals/README.md +++ b/translations/es/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Otra técnica para usar contenido primario es proporcionar _señales_ en lugar d ### Plantillas de Prompt -Una plantilla de prompt es una _receta predefinida para un prompt_ que puede almacenarse y reutilizarse según sea necesario, para generar experiencias de usuario más consistentes a escala. En su forma más simple, es simplemente una colección de ejemplos de prompts como [este de OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) que proporciona tanto los componentes interactivos del prompt (mensajes de usuario y sistema) como el formato de solicitud impulsado por API, para facilitar la reutilización. +Una plantilla de prompt es una _receta predefinida para un prompt_ que puede almacenarse y reutilizarse según sea necesario, para generar experiencias de usuario más consistentes a escala. En su forma más simple, es simplemente una colección de ejemplos de prompts como [este de OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) que proporciona tanto los componentes interactivos del prompt (mensajes de usuario y sistema) como el formato de solicitud impulsado por API, para facilitar la reutilización. En su forma más compleja como [este ejemplo de LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) contiene _marcadores de posición_ que pueden reemplazarse con datos de diversas fuentes (entrada del usuario, contexto del sistema, fuentes de datos externas, etc.) para generar un prompt dinámicamente. Esto nos permite crear una biblioteca de prompts reutilizables que pueden usarse para generar experiencias de usuario **programáticamente** y de manera coherente a escala. diff --git a/translations/et/04-prompt-engineering-fundamentals/README.md b/translations/et/04-prompt-engineering-fundamentals/README.md index 8b84c4550b..6a0e671637 100644 --- a/translations/et/04-prompt-engineering-fundamentals/README.md +++ b/translations/et/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Teine peamise sisu kasutamise tehnika on pakkuda _vihjeid_ näidete asemel. Sel ### Prompti mallid -Prompti mall on _eelnevalt määratletud juhise retsept_, mida saab salvestada ja vajadusel uuesti kasutada, et tagada skaleeritult järjepidev kasutajakogemus. Lihtsas vormis on see lihtsalt valik näidispäringutest, nagu [see OpenAI näide](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), mis sisaldab nii interaktiivse päringu komponente (kasutaja ja süsteemi sõnumid) kui ka API-põhist päringu vormingut – tagamaks korduvkasutatavust. +Prompti mall on _eelnevalt määratletud juhise retsept_, mida saab salvestada ja vajadusel uuesti kasutada, et tagada skaleeritult järjepidev kasutajakogemus. Lihtsas vormis on see lihtsalt valik näidispäringutest, nagu [see OpenAI näide](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), mis sisaldab nii interaktiivse päringu komponente (kasutaja ja süsteemi sõnumid) kui ka API-põhist päringu vormingut – tagamaks korduvkasutatavust. Raskemas vormis, nagu [see LangChain näide](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), sisaldab see _kohatäiteid_, mida saab asendada eri andmeallikatest pärit infoga (kasutaja sisend, süsteemi kontekst, välised andmeallikad jms), et genereerida dünaamiliselt päringut. See võimaldab meil luua taaskasutatavate päringute raamatukogu, mida kasutatakse **programmiliselt** järjepideva kasutajakogemuse loomiseks ulatuslikult. diff --git a/translations/fa/04-prompt-engineering-fundamentals/README.md b/translations/fa/04-prompt-engineering-fundamentals/README.md index 3d877ec32d..2c98d1b777 100644 --- a/translations/fa/04-prompt-engineering-fundamentals/README.md +++ b/translations/fa/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### قالب‌های پرامپت -قالب پرامپت یک _دستورالعمل از پیش تعریف شده برای یک پرامپت_ است که می‌تواند ذخیره شده و در صورت نیاز مجدداً استفاده شود تا تجربه‌های کاربری سازگارتر در مقیاس وسیع ایجاد کند. در ساده‌ترین شکل، این فقط مجموعه‌ای از نمونه‌های پرامپت مانند [این نمونه از OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) است که شامل اجزای تعاملی پرامپت (پیام‌های کاربر و سیستم) و فرمت درخواست API می‌باشد - برای پشتیبانی از استفاده مجدد. +قالب پرامپت یک _دستورالعمل از پیش تعریف شده برای یک پرامپت_ است که می‌تواند ذخیره شده و در صورت نیاز مجدداً استفاده شود تا تجربه‌های کاربری سازگارتر در مقیاس وسیع ایجاد کند. در ساده‌ترین شکل، این فقط مجموعه‌ای از نمونه‌های پرامپت مانند [این نمونه از OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) است که شامل اجزای تعاملی پرامپت (پیام‌های کاربر و سیستم) و فرمت درخواست API می‌باشد - برای پشتیبانی از استفاده مجدد. در شکل پیچیده‌ترش مانند [این مثال از LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) شامل _موارد جایگزین_ است که می‌توان آن‌ها را با داده‌هایی از منابع مختلف (ورودی کاربر، متن سیستم، منابع داده خارجی و غیره) جایگزین کرد تا به صورت پویا پرامپت تولید شود. این امکان را به ما می‌دهد تا کتابخانه‌ای از پرامپت‌های قابل استفاده مجدد بسازیم که بتوانند تجربه‌های کاربری سازگار را به صورت **برنامه‌ریزی شده** و در مقیاس ارائه دهند. diff --git a/translations/fi/04-prompt-engineering-fundamentals/README.md b/translations/fi/04-prompt-engineering-fundamentals/README.md index 025eceed23..61ec53f7e6 100644 --- a/translations/fi/04-prompt-engineering-fundamentals/README.md +++ b/translations/fi/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Toinen tapa käyttää pääasiallista sisältöä on antaa _vihjeitä_ esimerkk ### Kehotekstimalleja -Kehotekstimalli on _ennalta määritelty kaava kehotteelle_, jota voidaan tallentaa ja käyttää uudelleen tarpeen mukaan, tarjoten tasaisempia käyttäjäkokemuksia suuremmassa mittakaavassa. Yksinkertaisimmillaan se on kokoelma kehotteiden esimerkkejä kuten [tämä OpenAI:n esimerkki](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), joka sisältää interaktiiviset kehotteet (käyttäjä- ja järjestelmäviestit) sekä API-pohjaisen pyyntömuodon uudelleenkäyttöä varten. +Kehotekstimalli on _ennalta määritelty kaava kehotteelle_, jota voidaan tallentaa ja käyttää uudelleen tarpeen mukaan, tarjoten tasaisempia käyttäjäkokemuksia suuremmassa mittakaavassa. Yksinkertaisimmillaan se on kokoelma kehotteiden esimerkkejä kuten [tämä OpenAI:n esimerkki](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), joka sisältää interaktiiviset kehotteet (käyttäjä- ja järjestelmäviestit) sekä API-pohjaisen pyyntömuodon uudelleenkäyttöä varten. Monimutkaisemmassa muodossaan, kuten [tämä LangChainin esimerkki](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), se sisältää _paikkamerkkejä_, jotka voidaan korvata eri lähteistä saaduilla tiedoilla (käyttäjän syöttö, järjestelmän konteksti, ulkoiset tietolähteet jne.) dynaamisen kehotteen luomiseksi. Tämä mahdollistaa uudelleenkäytettävien kehotteiden kirjaston luomisen, joita voidaan käyttää ohjelmallisesti yhtenäisten käyttäjäkokemusten aikaansaamisessa suuressa mittakaavassa. diff --git a/translations/fr/04-prompt-engineering-fundamentals/README.md b/translations/fr/04-prompt-engineering-fundamentals/README.md index 6f3fb7082a..0b19eef79a 100644 --- a/translations/fr/04-prompt-engineering-fundamentals/README.md +++ b/translations/fr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Une autre technique pour utiliser le contenu principal est de fournir des _indic ### Modèles de prompt -Un modèle de prompt est une _recette pré-définie pour un prompt_ qui peut être stockée et réutilisée selon les besoins, afin de garantir des expériences utilisateurs plus cohérentes à grande échelle. Dans sa forme la plus simple, il s'agit simplement d'une collection d'exemples de prompt comme [celui-ci d'OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) qui fournit à la fois les composants interactifs du prompt (messages utilisateur et système) et le format de requête piloté par API – pour supporter la réutilisation. +Un modèle de prompt est une _recette pré-définie pour un prompt_ qui peut être stockée et réutilisée selon les besoins, afin de garantir des expériences utilisateurs plus cohérentes à grande échelle. Dans sa forme la plus simple, il s'agit simplement d'une collection d'exemples de prompt comme [celui-ci d'OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) qui fournit à la fois les composants interactifs du prompt (messages utilisateur et système) et le format de requête piloté par API – pour supporter la réutilisation. Dans sa forme plus complexe comme [cet exemple de LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), il contient des _espaces réservés_ qui peuvent être remplacés par des données issues de diverses sources (entrée utilisateur, contexte système, sources de données externes, etc.) pour générer un prompt dynamiquement. Cela nous permet de créer une bibliothèque de prompts réutilisables qui peuvent être utilisés pour offrir des expériences utilisateurs cohérentes **programmatiquement** à grande échelle. diff --git a/translations/he/04-prompt-engineering-fundamentals/README.md b/translations/he/04-prompt-engineering-fundamentals/README.md index 36440f7b40..0ef89eaf88 100644 --- a/translations/he/04-prompt-engineering-fundamentals/README.md +++ b/translations/he/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### תבניות הנחיות -תבנית הנחיה היא _מתכון מוגדר מראש להנחיה_ שניתן לשמור ולהשתמש בו לפי הצורך, כדי להניע חוויות משתמש עקביות בקנה מידה. בצורה הפשוטה ביותר היא אוסף של דוגמות הנחיה כמו [זו מאת OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) שמספקת הן את רכיבי ההנחיה האינטראקטיביים (הודעות משתמש ומערכת) והן את פורמט הבקשה המונע ע"י ממשק API - לתמיכה בשימוש חוזר. +תבנית הנחיה היא _מתכון מוגדר מראש להנחיה_ שניתן לשמור ולהשתמש בו לפי הצורך, כדי להניע חוויות משתמש עקביות בקנה מידה. בצורה הפשוטה ביותר היא אוסף של דוגמות הנחיה כמו [זו מאת OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) שמספקת הן את רכיבי ההנחיה האינטראקטיביים (הודעות משתמש ומערכת) והן את פורמט הבקשה המונע ע"י ממשק API - לתמיכה בשימוש חוזר. בצורה המורכבת יותר כמו [דוגמה זו מ-LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) היא מכילה _מקומות שמורים_ שניתן להחליף בהם נתונים ממקורות שונים (קלט משתמש, הקשר מערכת, מקורות נתונים חיצוניים וכו') כדי ליצור הנחיה דינמית. זה מאפשר לנו ליצור ספרייה של הנחיות שניתן להשתמש בהן באופן חוזר כדי להניע חוויות משתמש עקביות **בצורה תכנותית** בקנה מידה. diff --git a/translations/hi/04-prompt-engineering-fundamentals/README.md b/translations/hi/04-prompt-engineering-fundamentals/README.md index eed642bc17..db8362a185 100644 --- a/translations/hi/04-prompt-engineering-fundamentals/README.md +++ b/translations/hi/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### प्रेरणा टेम्प्लेट्स -एक प्रेरणा टेम्प्लेट एक _पूर्व-निर्धारित प्रेरणा की विधि_ है जिसे आवश्यकतानुसार संग्रहित और पुनः उपयोग किया जा सकता है ताकि बड़े पैमाने पर उपयोगकर्ताओं के अनुभव समान और सुसंगत बन सकें। अपने सरलतम रूप में, यह केवल उपयोगकर्ता और सिस्टम संदेशों सहित इंटरेक्टिव प्रेरणा घटकों और एपीआई-चालित अनुरोध प्रारूप दोनों को प्रदान करने वाले [OpenAI के इस उदाहरण](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) जैसे प्रेरणा उदाहरणों का संग्रह है - पुनः उपयोग का समर्थन करने के लिए। +एक प्रेरणा टेम्प्लेट एक _पूर्व-निर्धारित प्रेरणा की विधि_ है जिसे आवश्यकतानुसार संग्रहित और पुनः उपयोग किया जा सकता है ताकि बड़े पैमाने पर उपयोगकर्ताओं के अनुभव समान और सुसंगत बन सकें। अपने सरलतम रूप में, यह केवल उपयोगकर्ता और सिस्टम संदेशों सहित इंटरेक्टिव प्रेरणा घटकों और एपीआई-चालित अनुरोध प्रारूप दोनों को प्रदान करने वाले [OpenAI के इस उदाहरण](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) जैसे प्रेरणा उदाहरणों का संग्रह है - पुनः उपयोग का समर्थन करने के लिए। इसके जटिल रूप में, जैसे [LangChain का यह उदाहरण](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), इसमें _प्लेसहोल्डर्स_ होते हैं जिन्हें विभिन्न स्रोतों (उपयोगकर्ता इनपुट, सिस्टम संदर्भ, बाहरी डेटा स्रोत आदि) से डेटा से प्रतिस्थापित किया जा सकता है ताकि प्रेरणा को गतिशील रूप से बनाया जा सके। यह हमें एक लाइब्रेरी बनाने की अनुमति देता है जिसमें पुन: प्रयोज्य प्रेरणाएँ होती हैं जिन्हें प्रोग्रामेटिक रूप से बड़े पैमाने पर निरंतर उपयोगकर्ता अनुभव प्रदान करने के लिए उपयोग किया जा सकता है। diff --git a/translations/hr/04-prompt-engineering-fundamentals/README.md b/translations/hr/04-prompt-engineering-fundamentals/README.md index 5f4d5849a3..321889e62a 100644 --- a/translations/hr/04-prompt-engineering-fundamentals/README.md +++ b/translations/hr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Druga tehnika za korištenje primarnog sadržaja jest davanje _naznaka_ umjesto ### Predlošci upita -Predložak upita je _unaprijed definirani recept za upit_ koji se može pohraniti i ponovno upotrijebiti prema potrebi kako bi se postiglo dosljednije korisničko iskustvo u velikom opsegu. U svom najjednostavnijem obliku to je jednostavno zbirka primjera upita poput [ovog iz OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) koji pruža i interaktivne komponente upita (poruke korisnika i sustava) i API format zahtjeva - za podršku ponovnoj upotrebi. +Predložak upita je _unaprijed definirani recept za upit_ koji se može pohraniti i ponovno upotrijebiti prema potrebi kako bi se postiglo dosljednije korisničko iskustvo u velikom opsegu. U svom najjednostavnijem obliku to je jednostavno zbirka primjera upita poput [ovog iz OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) koji pruža i interaktivne komponente upita (poruke korisnika i sustava) i API format zahtjeva - za podršku ponovnoj upotrebi. U složenijem obliku kao [ovaj primjer iz LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) sadrži _zamjenske oznake_ koje se mogu zamijeniti podacima iz različitih izvora (korisnički unos, kontekst sustava, vanjski izvori podataka itd.) za dinamičko generiranje upita. To nam omogućuje stvaranje biblioteke ponovljivo upotrebljivih upita kojima se može programatski upravljati radi postizanja dosljednog korisničkog iskustva u velikom opsegu. diff --git a/translations/hu/04-prompt-engineering-fundamentals/README.md b/translations/hu/04-prompt-engineering-fundamentals/README.md index 17752eaaef..a8a05286d0 100644 --- a/translations/hu/04-prompt-engineering-fundamentals/README.md +++ b/translations/hu/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Az elsődleges tartalom egy másik technikája a _jelek_ használata példák he ### Prompt Sablonok -Egy prompt sablon egy _előre definiált recept egy prompthoz_, amely tárolható és újra felhasználható szükség szerint, hogy nagyobb következetességgel biztosítson felhasználói élményt. Egyszerű formájában ez egyszerűen egy gyűjtemény prompt példákból, mint például [ez az OpenAI-tól](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), amely tartalmazza az interaktív prompt komponenseket (felhasználói és rendszerüzenetek) és az API-alapú kérésformátumot - a könnyű újrafelhasználás érdekében. +Egy prompt sablon egy _előre definiált recept egy prompthoz_, amely tárolható és újra felhasználható szükség szerint, hogy nagyobb következetességgel biztosítson felhasználói élményt. Egyszerű formájában ez egyszerűen egy gyűjtemény prompt példákból, mint például [ez az OpenAI-tól](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), amely tartalmazza az interaktív prompt komponenseket (felhasználói és rendszerüzenetek) és az API-alapú kérésformátumot - a könnyű újrafelhasználás érdekében. Bonyolultabb formájában, mint például [ez a LangChain példája](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), tartalmaz _helyőrzőket_, amelyeket különböző forrásokból (felhasználói bemenet, rendszerkontextus, külső adatforrások stb.) származó adatokkal lehet helyettesíteni, így dinamikusan létrehozva egy promptot. Ez lehetővé teszi számunkra, hogy egy újrahasznosítható prompt könyvtárat hozzunk létre, amely **programozottan** támogatja a következetes felhasználói élményeket nagy léptékben. diff --git a/translations/id/04-prompt-engineering-fundamentals/README.md b/translations/id/04-prompt-engineering-fundamentals/README.md index 919e8ab80d..39b3ad0fc1 100644 --- a/translations/id/04-prompt-engineering-fundamentals/README.md +++ b/translations/id/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Teknik lain untuk menggunakan konten utama adalah memberikan _isyarat_ daripada ### Prompt Templates -Template prompt adalah _resep yang telah ditentukan sebelumnya untuk sebuah prompt_ yang dapat disimpan dan digunakan ulang sesuai kebutuhan, untuk menghasilkan pengalaman pengguna yang lebih konsisten secara skala. Dalam bentuk paling sederhana, ini hanyalah kumpulan contoh prompt seperti [yang ini dari OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) yang menyediakan komponen prompt interaktif (pesan pengguna dan sistem) dan format permintaan yang digerakkan oleh API - untuk mendukung penggunaan ulang. +Template prompt adalah _resep yang telah ditentukan sebelumnya untuk sebuah prompt_ yang dapat disimpan dan digunakan ulang sesuai kebutuhan, untuk menghasilkan pengalaman pengguna yang lebih konsisten secara skala. Dalam bentuk paling sederhana, ini hanyalah kumpulan contoh prompt seperti [yang ini dari OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) yang menyediakan komponen prompt interaktif (pesan pengguna dan sistem) dan format permintaan yang digerakkan oleh API - untuk mendukung penggunaan ulang. Dalam bentuk yang lebih kompleks seperti [contoh ini dari LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) mengandung _placeholder_ yang dapat diganti dengan data dari berbagai sumber (input pengguna, konteks sistem, sumber data eksternal, dll.) untuk menghasilkan prompt secara dinamis. Ini memungkinkan kita membuat perpustakaan prompt yang dapat digunakan ulang untuk menghasilkan pengalaman pengguna yang konsisten secara **programatik** dalam skala besar. diff --git a/translations/it/04-prompt-engineering-fundamentals/README.md b/translations/it/04-prompt-engineering-fundamentals/README.md index dabaf7d805..9130b96309 100644 --- a/translations/it/04-prompt-engineering-fundamentals/README.md +++ b/translations/it/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Un’altra tecnica per usare il contenuto primario è fornire _cue_ invece di es ### Modelli di Prompt -Un modello di prompt è una _ricetta predefinita per un prompt_ che può essere memorizzata e riutilizzata a seconda delle esigenze, per garantire esperienze utente più coerenti su scala. Nella sua forma più semplice, è semplicemente una raccolta di esempi di prompt come [questo di OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) che fornisce sia i componenti interattivi del prompt (messaggi utente e sistema) sia il formato della richiesta guidata dall’API - per supportare il riutilizzo. +Un modello di prompt è una _ricetta predefinita per un prompt_ che può essere memorizzata e riutilizzata a seconda delle esigenze, per garantire esperienze utente più coerenti su scala. Nella sua forma più semplice, è semplicemente una raccolta di esempi di prompt come [questo di OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) che fornisce sia i componenti interattivi del prompt (messaggi utente e sistema) sia il formato della richiesta guidata dall’API - per supportare il riutilizzo. Nella sua forma più complessa come [questo esempio di LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) contiene _segnaposto_ che possono essere sostituiti con dati provenienti da diverse fonti (input utente, contesto di sistema, fonti dati esterne ecc.) per generare un prompt dinamicamente. Questo ci permette di creare una libreria di prompt riutilizzabili che possono essere utilizzati per guidare esperienze utente coerenti **programmaticamente** su scala. diff --git a/translations/ja/04-prompt-engineering-fundamentals/README.md b/translations/ja/04-prompt-engineering-fundamentals/README.md index 8fe0a18e41..eb7e19db99 100644 --- a/translations/ja/04-prompt-engineering-fundamentals/README.md +++ b/translations/ja/04-prompt-engineering-fundamentals/README.md @@ -269,7 +269,7 @@ response = openai.chat.completions.create( ### プロンプトテンプレート -プロンプトテンプレートとは、ユーザー体験の一貫性を拡大して促進するために保存して再利用できる、あらかじめ定義された「プロンプトのレシピ」です。最もシンプルな形では、[OpenAIのこれ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)のように、対話型のプロンプト構成要素（ユーザーとシステムメッセージ）とAPIベースのリクエストフォーマットの両方を提供するプロンプト例のコレクションです。 +プロンプトテンプレートとは、ユーザー体験の一貫性を拡大して促進するために保存して再利用できる、あらかじめ定義された「プロンプトのレシピ」です。最もシンプルな形では、[OpenAIのこれ](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst)のように、対話型のプロンプト構成要素（ユーザーとシステムメッセージ）とAPIベースのリクエストフォーマットの両方を提供するプロンプト例のコレクションです。 より複雑な形では、[LangChainのこれ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)のように、様々なソース（ユーザー入力、システムコンテキスト、外部データソースなど）からのデータで置き換えられる「プレースホルダー」を含んでおり、動的にプロンプトを生成可能です。これにより、プログラム的に一貫したユーザー体験をスケールして提供できる再利用可能なプロンプトのライブラリを作成できます。 diff --git a/translations/km/04-prompt-engineering-fundamentals/README.md b/translations/km/04-prompt-engineering-fundamentals/README.md index 9e0d6cd7e9..8833ba3aad 100644 --- a/translations/km/04-prompt-engineering-fundamentals/README.md +++ b/translations/km/04-prompt-engineering-fundamentals/README.md @@ -268,7 +268,7 @@ response = openai.chat.completions.create( ### រូបមន្តបង្កើតការស្នើសុំ -រូបមន្តបង្កើតការស្នើសុំគឺជា _រូបមន្តដែលបានកំណត់ជាមុនសម្រាប់សំណើសុំនោះ_ ដែលអាចត្រូវបានផ្ទុក និងប្រើឡើងវិញតាមតំរូវការ ដើម្បីបង្កើតបទពិសោធអ្នកប្រើប្រាស់មានសមាហរណៈជាងមុននៅលើវិមាត្រ។ នៅក្នុងទ្រង់ទ្រាយសាមញ្ញបំផុតវាគឺជា ការប្រមូលផ្តុំគំរូសំណើសុំដូចជា [នេះពី OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ដែលផ្តល់ឧបករណ៍ផ្នែកផ្ទាល់ខ្លួនសម្រាប់សំណើសុំ (សារអ្នកប្រើនិងប្រព័ន្ធ) និងទ្រង់ទ្រាយសំណើ API ដើម្បីគាំទ្រការប្រើឡើងវិញ។ +រូបមន្តបង្កើតការស្នើសុំគឺជា _រូបមន្តដែលបានកំណត់ជាមុនសម្រាប់សំណើសុំនោះ_ ដែលអាចត្រូវបានផ្ទុក និងប្រើឡើងវិញតាមតំរូវការ ដើម្បីបង្កើតបទពិសោធអ្នកប្រើប្រាស់មានសមាហរណៈជាងមុននៅលើវិមាត្រ។ នៅក្នុងទ្រង់ទ្រាយសាមញ្ញបំផុតវាគឺជា ការប្រមូលផ្តុំគំរូសំណើសុំដូចជា [នេះពី OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) ដែលផ្តល់ឧបករណ៍ផ្នែកផ្ទាល់ខ្លួនសម្រាប់សំណើសុំ (សារអ្នកប្រើនិងប្រព័ន្ធ) និងទ្រង់ទ្រាយសំណើ API ដើម្បីគាំទ្រការប្រើឡើងវិញ។ នៅក្នុងទ្រង់ទ្រាយស្មុគស្មាញជាងនេះ ដូចជា [ឧទាហរណ៍នេះពី LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) វាមាន _ចំណុចបញ្ចូល_ ដែលអាចជំនួសដោយទិន្នន័យពីប្រភពផ្សេងៗ (ការបញ្ចូលអ្នកប្រើ ប្រព័ន្ធបរិបទ ទិន្នន័យខាងក្រៅ ល.ក.) ដើម្បីបង្កើតសំណើសុំដោយឧបករណ៍អាគុយម៉ង់។ វាបង្កើតឲ្យមានបណ្ណាល័យសំណើសុំដែលអាចប្រើឡើងវិញសម្រាប់បង្កើតបទពិសោធអ្នកប្រើប្រាស់មានសេចក្តីត្រឹមត្រូវ និងកំណត់បានយ៉ាងច្បាស់ **ដោយកម្មវិធី** នៅលើវិមាត្រ។ diff --git a/translations/kn/04-prompt-engineering-fundamentals/README.md b/translations/kn/04-prompt-engineering-fundamentals/README.md index 0d691ac4c3..a523818a47 100644 --- a/translations/kn/04-prompt-engineering-fundamentals/README.md +++ b/translations/kn/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್ಗಳು -ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟೆ ಎಂದರೆ _ಮೂರ್ತಿ ರೂಪದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ ಮರುಬಳಕೆ ಮಾಡಲು ಆಗುವ ಪ್ರಾಂಪ್ಟ್‌ಗೆ ಪೂರ್ವನಿರ್ಧರಿತ ರೆಸಿಪಿ._ ಸರಳ ರೂಪದಲ್ಲಿ ಇದು ಪ್ರಾಂಪ್ಟ್ ಉದಾಹರಣೆಗಳ ಸಂಗ್ರಹವಾಗಿದ್ದು ಆನ್ಲೈನ್‌ನಲ್ಲಿ ಮರುಬಳಕೆ ಮಾಡಲು ಉಪಯೋಗವಾಗುತ್ತದೆ. ಇದು [OpenAI ಇಂದ ಈ ಉದಾಹರಣೆಯಂತೆ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ಜೊತೆಗೆ ಸಂವಾದ ಹೊಂದಿದ ಪ್ರಾಂಪ್ಟ್ ಭಾಗಗಳು ಮತ್ತು API ಮೂಲಕ ವಿನಂತಿ ರೂಪವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ - ಇದರಿಂದ ಮರುಬಳಕೆಯನ್ನು ಸಹಾಯಕವಾಗಿಸುತ್ತದೆ. +ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟೆ ಎಂದರೆ _ಮೂರ್ತಿ ರೂಪದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ ಮರುಬಳಕೆ ಮಾಡಲು ಆಗುವ ಪ್ರಾಂಪ್ಟ್‌ಗೆ ಪೂರ್ವನಿರ್ಧರಿತ ರೆಸಿಪಿ._ ಸರಳ ರೂಪದಲ್ಲಿ ಇದು ಪ್ರಾಂಪ್ಟ್ ಉದಾಹರಣೆಗಳ ಸಂಗ್ರಹವಾಗಿದ್ದು ಆನ್ಲೈನ್‌ನಲ್ಲಿ ಮರುಬಳಕೆ ಮಾಡಲು ಉಪಯೋಗವಾಗುತ್ತದೆ. ಇದು [OpenAI ಇಂದ ಈ ಉದಾಹರಣೆಯಂತೆ](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) ಜೊತೆಗೆ ಸಂವಾದ ಹೊಂದಿದ ಪ್ರಾಂಪ್ಟ್ ಭಾಗಗಳು ಮತ್ತು API ಮೂಲಕ ವಿನಂತಿ ರೂಪವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ - ಇದರಿಂದ ಮರುಬಳಕೆಯನ್ನು ಸಹಾಯಕವಾಗಿಸುತ್ತದೆ. ಇನ್ನು ಲಾಂಗ್‌ಚೈನ್‌ನಂತಹ [ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಉದಾಹರಣೆಯಲ್ಲಿ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ನೀವು ಭೇಟಿಯಾಗುವ ಟೆಂಪ್ಲೇಟುಗಳು ಹಲವಾರು ಮೂಲಗಳಿಂದ (ಬಳಕೆದಾರ ಇನ್‌ಪುಟ್, ಸಿಸ್ಟಂ ಸಂದರ್ಭ, ಬಾಹ್ಯ ದತ್ತಾಂಶ) ಮಾಹಿತಿ ಪಡೆದು ಚಲಿತ ಪ್ರಾಂಪ್ಟ್ ತಯಾರಿಸಲು _ಸ್ಥಾನಾಪನಗಳು_ ಹೊಂದಿರುತ್ತವೆ. ಇವು ನಮಗೆ ನಿರಂತರ ಸಮಾನ ಅನುಭವ ನೀಡಲು **ಪ್ರೋಗ್ರಾಮ್ಯಾಟಿಕೋಡಾಗಿ** ಕೆಲಸ ಮಾಡುವ ಮರುಬಳಕೆ ಮಾಡಲು ಆಗುವ ಟೆಂಪ್ಲೇಟುಗಳ ಪಾಠಶಾಲೆಯನ್ನು ಸೃಷ್ಟಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ. diff --git a/translations/ko/04-prompt-engineering-fundamentals/README.md b/translations/ko/04-prompt-engineering-fundamentals/README.md index 7730a91f3d..cb1d66957f 100644 --- a/translations/ko/04-prompt-engineering-fundamentals/README.md +++ b/translations/ko/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### 프롬프트 템플릿 -프롬프트 템플릿은 _사전 정의된 프롬프트 레시피_로서 필요에 따라 저장하고 재사용하여 대규모로 더 일관된 사용자 경험을 제공할 수 있습니다. 가장 단순한 형태로, 이는 [OpenAI의 이 예시](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)처럼 상호작용 프롬프트 구성 요소(사용자 및 시스템 메시지)와 API 기반 요청 형식을 모두 제공하는 프롬프트 예제 모음입니다 - 재사용을 지원합니다. +프롬프트 템플릿은 _사전 정의된 프롬프트 레시피_로서 필요에 따라 저장하고 재사용하여 대규모로 더 일관된 사용자 경험을 제공할 수 있습니다. 가장 단순한 형태로, 이는 [OpenAI의 이 예시](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst)처럼 상호작용 프롬프트 구성 요소(사용자 및 시스템 메시지)와 API 기반 요청 형식을 모두 제공하는 프롬프트 예제 모음입니다 - 재사용을 지원합니다. 좀 더 복잡한 형태는 [LangChain의 이 예시](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)처럼 다양한 출처(사용자 입력, 시스템 컨텍스트, 외부 데이터 등)의 데이터를 동적으로 치환할 수 있는 _플레이스홀더_를 포함합니다. 이에 따라 프로그램적으로 일관된 사용자 경험을 만들기 위한 재사용 가능한 프롬프트 라이브러리를 구축할 수 있습니다. diff --git a/translations/lt/04-prompt-engineering-fundamentals/README.md b/translations/lt/04-prompt-engineering-fundamentals/README.md index c393eadeb4..20007fa74f 100644 --- a/translations/lt/04-prompt-engineering-fundamentals/README.md +++ b/translations/lt/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ Kita pagrindinio turinio naudojimo technika – teikti _užuominas_ vietoje pavy ### Promptų šablonai -Promptų šablonas yra _iš anksto apibrėžtas prompto receptas_, kurį galima išsaugoti ir naudoti pagal poreikį, siekiant užtikrinti nuoseklias vartotojo patirtis dideliu mastu. Paprasčiausiu formatu tai tiesiog rinkinys promptų pavyzdžių, kaip [šis iš OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), kuris pateikia tiek interaktyvius prompto komponentus (vartotojo ir sistemos pranešimus), tiek API užklausos formatą – kad būtų lengviau pakartotinai naudoti. +Promptų šablonas yra _iš anksto apibrėžtas prompto receptas_, kurį galima išsaugoti ir naudoti pagal poreikį, siekiant užtikrinti nuoseklias vartotojo patirtis dideliu mastu. Paprasčiausiu formatu tai tiesiog rinkinys promptų pavyzdžių, kaip [šis iš OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), kuris pateikia tiek interaktyvius prompto komponentus (vartotojo ir sistemos pranešimus), tiek API užklausos formatą – kad būtų lengviau pakartotinai naudoti. Sudėtingesnėje formoje, kaip [šis pavyzdys iš LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), šablonas turi _vietų ženklus_, kuriuos galima pakeisti duomenimis iš įvairių šaltinių (vartotojo įvestis, sistemos kontekstas, išoriniai duomenų šaltiniai ir pan.), kad dinamiškai būtų sugeneruotas promptas. Tai leidžia kurti biblioteką pakartotinai naudojamų promptų, kurie gali **programiškai** užtikrinti nuoseklias vartotojo patirtis dideliu mastu. diff --git a/translations/ml/04-prompt-engineering-fundamentals/README.md b/translations/ml/04-prompt-engineering-fundamentals/README.md index e2950303b3..7a1ec42e91 100644 --- a/translations/ml/04-prompt-engineering-fundamentals/README.md +++ b/translations/ml/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -ഒരു പ്രോംപ്റ്റ് ടെംപ്ലേറ്റ് എന്നത് ഒരു _മുന്പ് നിർവ്വചിച്ച അവതരണക്കുറിപ്പാണ്,_ ആവശ്യാനുസരണം ശേഖരിച്ച് വീണ്ടും ഉപയോഗിക്കാവുന്നതും, വ്യാപകമായ ഉപയോക്തൃ അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ സഹായിക്കുന്നതുമായ ഒരു ഘടകമാണ്. അതിന്റെ ലളിതമായ രൂപത്തിൽ ഇത് [OpenAI നിൽക്കുള്ള ഒരു ഉദാഹരണത്തിലുള്ളത്](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) പോലെയാകും, ഇതിൽ സംവാദത്തിനാവശ്യമായ പ്രോംപ്റ്റ് ഘടകങ്ങളും API-ഓടു നടത്തിപ്പും അടങ്ങിയിരിക്കുന്നു - മടങ്ങി ഉപയോഗിക്കാനാകും. +ഒരു പ്രോംപ്റ്റ് ടെംപ്ലേറ്റ് എന്നത് ഒരു _മുന്പ് നിർവ്വചിച്ച അവതരണക്കുറിപ്പാണ്,_ ആവശ്യാനുസരണം ശേഖരിച്ച് വീണ്ടും ഉപയോഗിക്കാവുന്നതും, വ്യാപകമായ ഉപയോക്തൃ അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ സഹായിക്കുന്നതുമായ ഒരു ഘടകമാണ്. അതിന്റെ ലളിതമായ രൂപത്തിൽ ഇത് [OpenAI നിൽക്കുള്ള ഒരു ഉദാഹരണത്തിലുള്ളത്](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) പോലെയാകും, ഇതിൽ സംവാദത്തിനാവശ്യമായ പ്രോംപ്റ്റ് ഘടകങ്ങളും API-ഓടു നടത്തിപ്പും അടങ്ങിയിരിക്കുന്നു - മടങ്ങി ഉപയോഗിക്കാനാകും. ഇതിനിടയിലാണ്, [LangChain ന്റെ ഒരു സങ്കീർണ്ണമായ ഉദാഹരണം](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) കാണപ്പെടുന്നത്, ഇത് വിവിധ സ്രോതസ്സുകളിൽ നിന്നുള്ള ഡാറ്റ (ഉപയോക്തൃ ഇൻപുട്ട്, സിസ്റ്റം പശ്ചാത്തലം, ബാഹ്യ ഡാറ്റ തുടങ്ങിയവ) ഉപയോഗിച്ച് കൂടിക്കാഴ്ചയ്ക്ക് അനുസരിച്ച് പ്രോംപ്റ്റ് ഡൈനാമിക് ആയി സൃഷ്ടിക്കാൻ _പ്ലേസ്‌ഹോൾഡറുകൾ_ ഉൾപ്പെടുത്തി. ഇത് പെരുമാറ്റപരമായ വലിയ തോതിലുള്ള ഉപയോക്തൃ അനുഭവങ്ങൾ **പ്രോഗ്രാമാറ്റിക്** രീതിയിൽ സൃഷ്ടിക്കാൻ സഹായിക്കുന്ന പ്രോംപ്റ്റ് ഗ്രന്ഥശാലകളുടെ നിർമ്മാണത്തെ അനുവദിക്കുന്നു. diff --git a/translations/mr/04-prompt-engineering-fundamentals/README.md b/translations/mr/04-prompt-engineering-fundamentals/README.md index 987f362ed1..9978dc80fc 100644 --- a/translations/mr/04-prompt-engineering-fundamentals/README.md +++ b/translations/mr/04-prompt-engineering-fundamentals/README.md @@ -279,7 +279,7 @@ response = openai.chat.completions.create( ### Prompt Templates -एक प्रॉम्प्ट टेम्प्लेट म्हणजे _पूर्वनिर्धारित प्रॉम्प्टचा एक नुस्खा_ जो आवश्यकतेनुसार जतन करून पुन्हा वापरता येऊ शकतो, ज्यामुळे मोठ्या प्रमाणात सतत एकसारखे वापरकर्त्यांचे अनुभव मिळू शकतात. त्याच्या सर्वात सोप्या स्वरूपात, तो काही प्रॉम्प्ट उदाहरणांचा संग्रह आहे जसे की [OpenAI कडून हा](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) जो इंटरॅक्टिव प्रॉम्प्ट घटक (वापरकर्ता आणि प्रणाली संदेश) आणि API-चालवलेले विनंती स्वरूप दोन्ही पुरवतो - पुनर्वापराला समर्थन देण्यासाठी. +एक प्रॉम्प्ट टेम्प्लेट म्हणजे _पूर्वनिर्धारित प्रॉम्प्टचा एक नुस्खा_ जो आवश्यकतेनुसार जतन करून पुन्हा वापरता येऊ शकतो, ज्यामुळे मोठ्या प्रमाणात सतत एकसारखे वापरकर्त्यांचे अनुभव मिळू शकतात. त्याच्या सर्वात सोप्या स्वरूपात, तो काही प्रॉम्प्ट उदाहरणांचा संग्रह आहे जसे की [OpenAI कडून हा](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) जो इंटरॅक्टिव प्रॉम्प्ट घटक (वापरकर्ता आणि प्रणाली संदेश) आणि API-चालवलेले विनंती स्वरूप दोन्ही पुरवतो - पुनर्वापराला समर्थन देण्यासाठी. अधिक गुंतागुंतीच्या स्वरूपात, जसे [LangChain कडून हा उदाहरण](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), यात _प्लेसेहोल्डर्स_ असतात जे विविध स्रोतांमधून (वापरकर्त्याचा इनपुट, प्रणाली संदर्भ, बाह्य डेटा स्रोत इ.) डेटा वापरून प्रॉम्प्ट डायनामिकली तयार करण्यासाठी बदलले जाऊ शकतात. यामुळे आपल्याला पुन्हा वापरता येणाऱ्या प्रॉम्प्ट्सची लायब्ररी तयार करता येते जी **प्रोग्रामॅटिकली** मोठ्या प्रमाणात एकसंध वापरकर्त्यांचे अनुभव तयार करण्यासाठी वापरता येते. diff --git a/translations/ms/04-prompt-engineering-fundamentals/README.md b/translations/ms/04-prompt-engineering-fundamentals/README.md index 738187d19f..62f00ec963 100644 --- a/translations/ms/04-prompt-engineering-fundamentals/README.md +++ b/translations/ms/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Satu teknik lagi menggunakan kandungan utama adalah menyediakan _isyarat_ daripa ### Prompt Templates -Templat prompt adalah _resepi yang telah ditetapkan untuk prompt_ yang boleh disimpan dan digunakan semula apabila perlu, untuk menghasilkan pengalaman pengguna yang lebih konsisten dalam skala besar. Dalam bentuk paling ringkas, ia hanyalah koleksi contoh prompt seperti [yang ini dari OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) yang menyediakan kedua-dua komponen prompt interaktif (mesej pengguna dan sistem) dan format permintaan API - untuk menyokong penggunaan semula. +Templat prompt adalah _resepi yang telah ditetapkan untuk prompt_ yang boleh disimpan dan digunakan semula apabila perlu, untuk menghasilkan pengalaman pengguna yang lebih konsisten dalam skala besar. Dalam bentuk paling ringkas, ia hanyalah koleksi contoh prompt seperti [yang ini dari OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) yang menyediakan kedua-dua komponen prompt interaktif (mesej pengguna dan sistem) dan format permintaan API - untuk menyokong penggunaan semula. Dalam bentuk yang lebih kompleks seperti [contoh ini dari LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ia mengandungi _placeholder_ yang boleh digantikan dengan data dari pelbagai sumber (input pengguna, konteks sistem, sumber data luaran dan lain-lain) untuk menghasilkan prompt secara dinamik. Ini membolehkan kita membuat perpustakaan prompt yang boleh digunakan semula yang boleh digunakan untuk menghasilkan pengalaman pengguna yang konsisten **secara programatik** dalam skala besar. diff --git a/translations/my/04-prompt-engineering-fundamentals/README.md b/translations/my/04-prompt-engineering-fundamentals/README.md index 246ac4c714..bad3340963 100644 --- a/translations/my/04-prompt-engineering-fundamentals/README.md +++ b/translations/my/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ zero-shot prompt မှာ "Translate to Spanish" လို့ တိုက် ### Prompt Templates -Prompt template သည် _သတ်မှတ်ပြီးသား prompt အချက်အလက်_ ဖြစ်ပြီး အသုံးပြုလိုသောအခါ သိမ်းဆည်း၍ ထပ်မံအသုံးပြုနိုင်သည်။ ပုံမှန်အားဖြင့်၊ ၎င်းသည် interactive prompt အစိတ်အပိုင်းများ (user နှင့် system ပို့စ်များ) နှင့် API စာတမ်း format ကိုပေးသည့် [OpenAI မှ ဤဥပမာ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ကဲ့သို့သော prompt ဥပမာစုစည်းမှု တစ်ခုဖြစ်သည်။ +Prompt template သည် _သတ်မှတ်ပြီးသား prompt အချက်အလက်_ ဖြစ်ပြီး အသုံးပြုလိုသောအခါ သိမ်းဆည်း၍ ထပ်မံအသုံးပြုနိုင်သည်။ ပုံမှန်အားဖြင့်၊ ၎င်းသည် interactive prompt အစိတ်အပိုင်းများ (user နှင့် system ပို့စ်များ) နှင့် API စာတမ်း format ကိုပေးသည့် [OpenAI မှ ဤဥပမာ](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) ကဲ့သို့သော prompt ဥပမာစုစည်းမှု တစ်ခုဖြစ်သည်။ ပိုရိုးရှင်းသော အကြောင်းအရာတွင် [LangChain မှ ဤဥပမာ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ကဲ့သို့ အချက်အလက်အသုံးပြုသူ input, system context, ပြင်ပဒေတာ စသည်မှ ထည့်သွင်းနိုင်သော _placeholder များ_ ပါဝင်သည့် ပုံစံဖြစ်၍၊ ဖြည့်စွက်ရေးသားမှုကို dynamic အဖြစ် ပြုလုပ်နိုင်သည်။ အဲဒီနည်းလမ်းဖြင့် user experience ကို **ပရိုဂရမ်အဆင့်သဘောတူညီမှုဖြင့်** ထပ်မံ ပြုလုပ်နိုင်သည်။ diff --git a/translations/ne/04-prompt-engineering-fundamentals/README.md b/translations/ne/04-prompt-engineering-fundamentals/README.md index c918677104..ef3ed6466b 100644 --- a/translations/ne/04-prompt-engineering-fundamentals/README.md +++ b/translations/ne/04-prompt-engineering-fundamentals/README.md @@ -268,7 +268,7 @@ response = openai.chat.completions.create( ### प्रॉम्प्ट टेम्प्लेटहरू -प्रॉम्प्ट टेम्प्लेट भनेको _पहिले देखि परिभाषित गरिएको प्रॉम्प्टको नुस्खा_ हो जुन आवश्यक परेमा भण्डारण गरी पुन: प्रयोग गर्न सकिन्छ, जसले ठूलो मात्रामा प्रयोगकर्ता अनुभवहरूलाई थप सुसंगत बनाउन मद्दत गर्छ। यसको साधारणतम रूपमा, यो प्रॉम्प्ट उदाहरणहरूको संग्रह हो जस्तै [OpenAI बाट यो](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) जुन अन्तरक्रियात्मक प्रॉम्प्ट कम्पोनेंटहरू (प्रयोगकर्ता र प्रणाली सन्देशहरू) र API-चालित अनुरोध ढाँचालाई समर्थन गर्दछ। +प्रॉम्प्ट टेम्प्लेट भनेको _पहिले देखि परिभाषित गरिएको प्रॉम्प्टको नुस्खा_ हो जुन आवश्यक परेमा भण्डारण गरी पुन: प्रयोग गर्न सकिन्छ, जसले ठूलो मात्रामा प्रयोगकर्ता अनुभवहरूलाई थप सुसंगत बनाउन मद्दत गर्छ। यसको साधारणतम रूपमा, यो प्रॉम्प्ट उदाहरणहरूको संग्रह हो जस्तै [OpenAI बाट यो](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) जुन अन्तरक्रियात्मक प्रॉम्प्ट कम्पोनेंटहरू (प्रयोगकर्ता र प्रणाली सन्देशहरू) र API-चालित अनुरोध ढाँचालाई समर्थन गर्दछ। यसलाई जटिल रूपमा लिनुपर्दा, जस्तै [LangChain बाट यो उदाहरण](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) जसमा _प्लेसहोल्डरहरू_ हुन्छन् जसलाई विभिन्न स्रोतहरूबाट डेटा (प्रयोगकर्ता इनपुट, प्रणाली सन्दर्भ, बाह्य डेटा स्रोतहरू आदि) ले प्रतिस्थापित गरी गतिशील रूपमा प्रॉम्प्ट उत्पादन गर्न सकिन्छ। यसले हामीलाई स्तरमा प्रोग्रामिंगको माध्यमबाट सुसंगत प्रयोगकर्ता अनुभवहरू प्रदान गर्न सक्ने पुन: प्रयोगयोग्य प्रॉम्प्टहरूको पुस्तकालय सिर्जना गर्न अनुमति दिन्छ। diff --git a/translations/nl/04-prompt-engineering-fundamentals/README.md b/translations/nl/04-prompt-engineering-fundamentals/README.md index c25dd25b30..6d3a7a1ec8 100644 --- a/translations/nl/04-prompt-engineering-fundamentals/README.md +++ b/translations/nl/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Een andere techniek voor het gebruik van primaire inhoud is het geven van _signa ### Prompttemplates -Een prompttemplate is een _vooraf gedefinieerd recept voor een prompt_ dat kan worden opgeslagen en hergebruikt indien nodig, om meer consistente gebruikservaringen op schaal te stimuleren. In de eenvoudigste vorm is het gewoon een verzameling promptvoorbeelden zoals [dit voorbeeld van OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) dat zowel de interactieve promptcomponenten (gebruikers- en systeemberichten) als het API-gestuurde aanvraagformaat bevat – ter ondersteuning van hergebruik. +Een prompttemplate is een _vooraf gedefinieerd recept voor een prompt_ dat kan worden opgeslagen en hergebruikt indien nodig, om meer consistente gebruikservaringen op schaal te stimuleren. In de eenvoudigste vorm is het gewoon een verzameling promptvoorbeelden zoals [dit voorbeeld van OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) dat zowel de interactieve promptcomponenten (gebruikers- en systeemberichten) als het API-gestuurde aanvraagformaat bevat – ter ondersteuning van hergebruik. In zijn complexere vorm, zoals [dit voorbeeld van LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), bevat het _plaatsaanduidingen_ die kunnen worden vervangen door gegevens uit verschillende bronnen (gebruikersinvoer, systeemcontext, externe gegevensbronnen, enz.) om een prompt dynamisch te genereren. Dit stelt ons in staat om een bibliotheek van herbruikbare prompts te maken die kunnen worden gebruikt om consistente gebruikerservaringen **programmeerbaar** op schaal aan te sturen. diff --git a/translations/no/04-prompt-engineering-fundamentals/README.md b/translations/no/04-prompt-engineering-fundamentals/README.md index fe867b2ee9..337c60f22c 100644 --- a/translations/no/04-prompt-engineering-fundamentals/README.md +++ b/translations/no/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ En annen teknikk for å bruke primærinnholdet er å gi _føringer_ i stedet for ### Prompt Templates -En prompt-mal er en _forhåndsdefinert oppskrift for en prompt_ som kan lagres og gjenbrukes etter behov, for å skape mer konsistente brukeropplevelser i stor skala. I sin enkleste form er det rett og slett en samling av prompt-eksempler som [dette fra OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) som gir både interaktive prompt-komponenter (bruker- og systemmeldinger) og API-drevne forespørselsformater – for å støtte gjenbruk. +En prompt-mal er en _forhåndsdefinert oppskrift for en prompt_ som kan lagres og gjenbrukes etter behov, for å skape mer konsistente brukeropplevelser i stor skala. I sin enkleste form er det rett og slett en samling av prompt-eksempler som [dette fra OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) som gir både interaktive prompt-komponenter (bruker- og systemmeldinger) og API-drevne forespørselsformater – for å støtte gjenbruk. I en mer kompleks form som [dette eksempelet fra LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) inneholder den _plassholdere_ som kan byttes ut med data fra ulike kilder (brukerinput, systemkontekst, eksterne datakilder osv.) for å generere en prompt dynamisk. Dette gjør at man kan lage et bibliotek av gjenbrukbare prompter som kan brukes for å skape konsistente brukeropplevelser **programmatisk** i stor skala. diff --git a/translations/pa/04-prompt-engineering-fundamentals/README.md b/translations/pa/04-prompt-engineering-fundamentals/README.md index d902593137..e0b43c2b1f 100644 --- a/translations/pa/04-prompt-engineering-fundamentals/README.md +++ b/translations/pa/04-prompt-engineering-fundamentals/README.md @@ -279,7 +279,7 @@ response = openai.chat.completions.create( ### Prompt Templates -ਇੱਕ ਪ੍ਰੰਪਟ ਟੈਂਪਲੇਟ ਇੱਕ _ਪূর্ব-ਤਯਾਰ ਕੀਤੀ ਹੋਈ ਪ੍ਰੰਪਟ ਦਾ ਨੁਸਖਾ_ ਹੁੰਦਾ ਹੈ ਜੋ ਜਰੂਰਤ ਅਨੁਸਾਰ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਵਿਆਪਕ ਪੱਧਰ 'ਤੇ ਵਧੇਰੇ ਲਗਾਤਾਰ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਸਮਰਥਿਤ ਕੀਤੇ ਜਾ ਸਕਣ। ਇਸਦਾ ਸਧਾਰਣ ਰੂਪ ਵਿੱਚ ਇਹ ਸਿਰਫ ਇਕ ਪ੍ਰੰਪਟ ਉਦਾਹਰਣਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਹੁੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ [OpenAI ਦਾ ਇਹ ਉਦਾਹਰਣ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ਜੋ ਇੰਟਰੇਕਟਿਵ ਪ੍ਰੰਪਟ ਹਿੱਸਿਆਂ (ਉਪਭੋਗਤਾ ਅਤੇ ਸਿਸਟਮ ਸੰਦੇਸ਼) ਅਤੇ API-ਚਲਿਤ ਬੇਨਤੀ ਫਾਰਮੈਟ ਦੋਹਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ - ਦੁਬਾਰਾ ਵਰਤੋਂ ਦੇ ਸਮਰਥਨ ਲਈ। +ਇੱਕ ਪ੍ਰੰਪਟ ਟੈਂਪਲੇਟ ਇੱਕ _ਪূর্ব-ਤਯਾਰ ਕੀਤੀ ਹੋਈ ਪ੍ਰੰਪਟ ਦਾ ਨੁਸਖਾ_ ਹੁੰਦਾ ਹੈ ਜੋ ਜਰੂਰਤ ਅਨੁਸਾਰ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਵਿਆਪਕ ਪੱਧਰ 'ਤੇ ਵਧੇਰੇ ਲਗਾਤਾਰ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਸਮਰਥਿਤ ਕੀਤੇ ਜਾ ਸਕਣ। ਇਸਦਾ ਸਧਾਰਣ ਰੂਪ ਵਿੱਚ ਇਹ ਸਿਰਫ ਇਕ ਪ੍ਰੰਪਟ ਉਦਾਹਰਣਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਹੁੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ [OpenAI ਦਾ ਇਹ ਉਦਾਹਰਣ](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) ਜੋ ਇੰਟਰੇਕਟਿਵ ਪ੍ਰੰਪਟ ਹਿੱਸਿਆਂ (ਉਪਭੋਗਤਾ ਅਤੇ ਸਿਸਟਮ ਸੰਦੇਸ਼) ਅਤੇ API-ਚਲਿਤ ਬੇਨਤੀ ਫਾਰਮੈਟ ਦੋਹਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ - ਦੁਬਾਰਾ ਵਰਤੋਂ ਦੇ ਸਮਰਥਨ ਲਈ। ਇਸਦੇ ਹੋਰ ਜਟਿਲ ਰੂਪ ਵਿੱਚ, ਜਿਵੇਂ [LangChain ਦਾ ਇਹ ਉਦਾਹਰਣ](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) ਇਹ _ਪਲੇਸਹੋਲਡਰ_ ਧਾਰੂ ਹੁੰਦਾ ਹੈ ਜਿਹੜੇ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ (ਉਪਭੋਗਤਾ ਇਨਪੁੱਟ, ਸਿਸਟਮ ਸੰਦਰਭ, ਬਾਹਰੀ ਡੇਟਾ ਸਰੋਤ ਆਦਿ) ਦੇ ਡੇਟਾ ਨਾਲ ਬਦਲੇ ਜਾ ਸਕਦੇ ਹਨ ਤਾਂ ਜੋ ਗਤੀਸ਼ੀਲ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰੰਪਟ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਹ ਸਾਨੂੰ ਦੁਬਾਰਾ ਵਰਤਣ ਯੋਗ ਪ੍ਰੰਪਟਾਂ ਦੀ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਤਿਆਰ ਕਰਨ ਦਿੰਦਾ ਹੈ ਜੋ ਪ੍ਰੋਗਰਾਮੈਟਿਕ ਤਰੀਕੇ ਨਾਲ ਵਿਆਪਕ ਪੱਧਰ 'ਤੇ ਲਗਾਤਾਰ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਚਲਾਉਂਦੇ ਹਨ। diff --git a/translations/pcm/04-prompt-engineering-fundamentals/README.md b/translations/pcm/04-prompt-engineering-fundamentals/README.md index 4661f25b74..ba25b36de7 100644 --- a/translations/pcm/04-prompt-engineering-fundamentals/README.md +++ b/translations/pcm/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ Another way to use primary content na give _cues_ instead of examples. For here, ### Prompt Templates -A prompt template na _pre-defined recipe for a prompt_ wey fit store and use again anytime, to give consistent user experience for plenty people. For di simplest way, na just one collection of prompt examples like [dis one from OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) wey show both di interactive prompt parts (user and system messages) and di API request format - so e fit use again. +A prompt template na _pre-defined recipe for a prompt_ wey fit store and use again anytime, to give consistent user experience for plenty people. For di simplest way, na just one collection of prompt examples like [dis one from OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) wey show both di interactive prompt parts (user and system messages) and di API request format - so e fit use again. For di more complex one like [dis example from LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) e get _placeholders_ wey fit replace wit data from different sources (user input, system context, outside data) to make prompt dynamically. Dis one make we fit create library of prompts wey we fit reusable to give consistent user experience **programmatically** for plenty people. diff --git a/translations/pl/04-prompt-engineering-fundamentals/README.md b/translations/pl/04-prompt-engineering-fundamentals/README.md index 747b9e5af6..25824343fc 100644 --- a/translations/pl/04-prompt-engineering-fundamentals/README.md +++ b/translations/pl/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Inną techniką korzystania z głównej treści jest podawanie _wskazówek_ zami ### Szablony Promptów -Szablon promptu to _wstępnie zdefiniowany przepis na prompt_, który można przechowywać i ponownie wykorzystywać w razie potrzeby, aby zapewnić bardziej spójne doświadczenia użytkownika na dużą skalę. W najprostszej formie jest to po prostu zbiór przykładów promptów takich jak [ten od OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), który zapewnia zarówno interaktywne komponenty promptu (wiadomości użytkownika i systemu), jak i format żądania sterowany przez API - aby umożliwić ponowne użycie. +Szablon promptu to _wstępnie zdefiniowany przepis na prompt_, który można przechowywać i ponownie wykorzystywać w razie potrzeby, aby zapewnić bardziej spójne doświadczenia użytkownika na dużą skalę. W najprostszej formie jest to po prostu zbiór przykładów promptów takich jak [ten od OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), który zapewnia zarówno interaktywne komponenty promptu (wiadomości użytkownika i systemu), jak i format żądania sterowany przez API - aby umożliwić ponowne użycie. W bardziej zaawansowanej formie, jak [ten przykład z LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), zawiera _miejsca na dane_ (placeholders), które można zastąpić danymi z różnych źródeł (wejście użytkownika, kontekst systemu, zewnętrzne źródła danych itp.) w celu dynamicznego generowania promptu. Pozwala to na stworzenie biblioteki wielokrotnego użytku promptów, które można programowo wykorzystać do zapewniania spójnych doświadczeń użytkownika na dużą skalę. diff --git a/translations/pt-BR/04-prompt-engineering-fundamentals/README.md b/translations/pt-BR/04-prompt-engineering-fundamentals/README.md index 8f901df8ba..abc4bb021d 100644 --- a/translations/pt-BR/04-prompt-engineering-fundamentals/README.md +++ b/translations/pt-BR/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Outra técnica para usar conteúdo primário é fornecer _dicas_ ao invés de ex ### Modelos de Prompt -Um modelo de prompt é uma _receita predefinida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para conduzir experiências de usuário mais consistentes em escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este do OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens do usuário e do sistema) quanto o formato de requisição via API — para suportar a reutilização. +Um modelo de prompt é uma _receita predefinida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para conduzir experiências de usuário mais consistentes em escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este do OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens do usuário e do sistema) quanto o formato de requisição via API — para suportar a reutilização. Em sua forma mais complexa, como [este exemplo do LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), ele contém _espaços reservados_ que podem ser substituídos por dados de várias fontes (entrada do usuário, contexto do sistema, fontes externas etc.) para gerar um prompt dinamicamente. Isso nos permite criar uma biblioteca de prompts reutilizáveis que podem ser usados para oferecer experiências de usuário consistentes **programaticamente** em escala. diff --git a/translations/pt-PT/04-prompt-engineering-fundamentals/README.md b/translations/pt-PT/04-prompt-engineering-fundamentals/README.md index fa0d3899b9..3f09aa9be3 100644 --- a/translations/pt-PT/04-prompt-engineering-fundamentals/README.md +++ b/translations/pt-PT/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Outra técnica para usar conteúdo principal é fornecer _pistas_ em vez de exem ### Prompt Templates -Um modelo de prompt é uma _receita pré-definida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para promover experiências de utilizador mais consistentes em grande escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este da OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens de utilizador e sistema) como o formato de pedido orientado por API - para suporte à reutilização. +Um modelo de prompt é uma _receita pré-definida para um prompt_ que pode ser armazenada e reutilizada conforme necessário, para promover experiências de utilizador mais consistentes em grande escala. Na sua forma mais simples, é simplesmente uma coleção de exemplos de prompt como [este da OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) que fornece tanto os componentes interativos do prompt (mensagens de utilizador e sistema) como o formato de pedido orientado por API - para suporte à reutilização. Na sua forma mais complexa, como [este exemplo da LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), contém _marcadores_ que podem ser substituídos por dados provenientes de várias fontes (input do utilizador, contexto do sistema, fontes de dados externas, etc.) para gerar um prompt dinamicamente. Isto permite criar uma biblioteca de prompts reutilizáveis que podem ser usados para proporcionar experiências de utilizador consistentes **programaticamente** em grande escala. diff --git a/translations/ro/04-prompt-engineering-fundamentals/README.md b/translations/ro/04-prompt-engineering-fundamentals/README.md index bd96f61710..9eb488de23 100644 --- a/translations/ro/04-prompt-engineering-fundamentals/README.md +++ b/translations/ro/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ O altă tehnică pentru folosirea conținutului primar este să oferi _indici_ ### Șabloane de prompturi -Un șablon de prompt este o _rețetă predefinită pentru un prompt_ care poate fi stocată și reutilizată după nevoie, pentru a oferi experiențe mai consistente utilizatorilor la scară largă. În cea mai simplă formă, este pur și simplu o colecție de exemple de prompturi precum [acesta de la OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) care oferă atât componente interactive de prompt (mesaje pentru utilizator și sistem) cât și formatul cererii prin API - pentru a sprijini reutilizarea. +Un șablon de prompt este o _rețetă predefinită pentru un prompt_ care poate fi stocată și reutilizată după nevoie, pentru a oferi experiențe mai consistente utilizatorilor la scară largă. În cea mai simplă formă, este pur și simplu o colecție de exemple de prompturi precum [acesta de la OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) care oferă atât componente interactive de prompt (mesaje pentru utilizator și sistem) cât și formatul cererii prin API - pentru a sprijini reutilizarea. În forma sa mai complexă, cum este [exemplul de la LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), conține _locuri pentru date_ care pot fi înlocuite cu date din diferite surse (introducerea utilizatorului, contextul sistemului, surse externe etc.) pentru a genera un prompt dinamic. Aceasta ne permite să creăm o bibliotecă de prompturi reutilizabile care pot fi folosite pentru a oferi experiențe consistente **programatic** la scară. diff --git a/translations/ru/04-prompt-engineering-fundamentals/README.md b/translations/ru/04-prompt-engineering-fundamentals/README.md index 1f54b06519..6a244f0f52 100644 --- a/translations/ru/04-prompt-engineering-fundamentals/README.md +++ b/translations/ru/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -Шаблон подсказки — это _предварительно определённый рецепт подсказки_, который можно сохранить и при необходимости использовать повторно для обеспечения более последовательного пользовательского опыта в масштабах. В самой простой форме это просто набор примеров подсказок, таких как [этот от OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), который предоставляет как интерактивные элементы подсказки (сообщения пользователя и системы), так и формат запроса API — для поддержки повторного использования. +Шаблон подсказки — это _предварительно определённый рецепт подсказки_, который можно сохранить и при необходимости использовать повторно для обеспечения более последовательного пользовательского опыта в масштабах. В самой простой форме это просто набор примеров подсказок, таких как [этот от OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), который предоставляет как интерактивные элементы подсказки (сообщения пользователя и системы), так и формат запроса API — для поддержки повторного использования. В более сложной форме, как [в этом примере от LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), он содержит _заполнители_, которые можно заменить данными из различных источников (ввод пользователя, контекст системы, внешние источники данных и т. д.) для динамического создания подсказки. Это позволяет создать библиотеку повторно используемых подсказок, которые можно использовать для программного обеспечения последовательного пользовательского опыта **на масштабе**. diff --git a/translations/sk/04-prompt-engineering-fundamentals/README.md b/translations/sk/04-prompt-engineering-fundamentals/README.md index 29d8f79921..cc346f3db2 100644 --- a/translations/sk/04-prompt-engineering-fundamentals/README.md +++ b/translations/sk/04-prompt-engineering-fundamentals/README.md @@ -270,7 +270,7 @@ Všimnite si, že pri zero-shot sme museli uviesť explicitnú inštrukciu („P ### Šablóny výziev -Šablóna výzvy je _preddefinovaný recept na výzvu_, ktorý môže byť uložený a opakovane použitý podľa potreby, aby sa dosiahla konzistentnejšia používateľská skúsenosť vo veľkom meradle. V najjednoduchšej forme je to zbierka príkladov výziev ako [tento od OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), ktorý poskytuje interaktívne časti výzvy (správy používateľa a systému) a formát požiadavky riadený API - pre podporu opätovného použitia. +Šablóna výzvy je _preddefinovaný recept na výzvu_, ktorý môže byť uložený a opakovane použitý podľa potreby, aby sa dosiahla konzistentnejšia používateľská skúsenosť vo veľkom meradle. V najjednoduchšej forme je to zbierka príkladov výziev ako [tento od OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), ktorý poskytuje interaktívne časti výzvy (správy používateľa a systému) a formát požiadavky riadený API - pre podporu opätovného použitia. V zložitejšej podobe ako [tento príklad od LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) obsahuje _zástupné symboly_, ktoré môžu byť nahradené údajmi z rôznych zdrojov (vstup používateľa, systémový kontext, externé zdroje dát atď.) na dynamickú tvorbu výzvy. To nám umožňuje vytvoriť knižnicu opakovane použiteľných výziev, ktoré môžu **programovo** zabezpečiť konzistentné používateľské skúsenosti vo veľkom. diff --git a/translations/sl/04-prompt-engineering-fundamentals/README.md b/translations/sl/04-prompt-engineering-fundamentals/README.md index c14c98556e..a1badf514a 100644 --- a/translations/sl/04-prompt-engineering-fundamentals/README.md +++ b/translations/sl/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Druga tehnika za uporabo primarne vsebine je zagotoviti _namige_ namesto primero ### Predloge Pozivov -Predloga poziva je _vnaprej določena sestavina poziva_, ki jo lahko shranimo in ponovno uporabimo po potrebi, da zagotovimo bolj dosledno uporabniško izkušnjo v velikem obsegu. V svoji najpreprostejši obliki je to zbirka primerov pozivov, kot je [ta primer OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), ki zagotavlja interaktivne komponente poziva (uporabniški in sistemski sporočili) ter format zahteve prek API-ja – za podporo ponovni uporabi. +Predloga poziva je _vnaprej določena sestavina poziva_, ki jo lahko shranimo in ponovno uporabimo po potrebi, da zagotovimo bolj dosledno uporabniško izkušnjo v velikem obsegu. V svoji najpreprostejši obliki je to zbirka primerov pozivov, kot je [ta primer OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), ki zagotavlja interaktivne komponente poziva (uporabniški in sistemski sporočili) ter format zahteve prek API-ja – za podporo ponovni uporabi. V bolj zapleteni obliki, kot je [ta primer LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), vsebuje _zaščitna mesta_, ki jih je mogoče zamenjati z podatki iz različnih virov (uporabniški vnos, sistemski kontekst, zunanji podatkovni viri itd.), da se dinamično ustvari poziv. To nam omogoča ustvarjanje knjižnice ponovno uporabnih pozivov, ki se lahko **programatično** uporabljajo za zagotavljanje doslednih uporabniških izkušenj v velikem obsegu. diff --git a/translations/sr/04-prompt-engineering-fundamentals/README.md b/translations/sr/04-prompt-engineering-fundamentals/README.md index 958eef168d..1801367e2b 100644 --- a/translations/sr/04-prompt-engineering-fundamentals/README.md +++ b/translations/sr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt шаблони -Prompt шаблон је _унапред дефинисани рецепт за prompt_ који може бити сачуван и поново коришћен по потреби, како би се обезбедила доследност корисничких искустава у великом обиму. У свом најједноставнијем облику, то је колекција примера prompt-а као што је [овај од OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) који обезбеђује и интерактивне компоненте prompt-а (поруке корисника и система) и формат захтева покретан кроз API - за подршку поновне употребе. +Prompt шаблон је _унапред дефинисани рецепт за prompt_ који може бити сачуван и поново коришћен по потреби, како би се обезбедила доследност корисничких искустава у великом обиму. У свом најједноставнијем облику, то је колекција примера prompt-а као што је [овај од OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) који обезбеђује и интерактивне компоненте prompt-а (поруке корисника и система) и формат захтева покретан кроз API - за подршку поновне употребе. У сложенијем облику као [следећи пример од LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) садржи _placeholder_-е који могу бити заменjeni подацима из различитих извора (кориснички унос, системски контекст, спољни извори података итд.) да би се prompt динамички креирао. Ово нам омогућава да направимо библиотеку поновљивих prompt-а која се може користити за доследна корисничка искуства **програмски** и у великом обиму. diff --git a/translations/sv/04-prompt-engineering-fundamentals/README.md b/translations/sv/04-prompt-engineering-fundamentals/README.md index 4a3a0b7baf..dc64488fb2 100644 --- a/translations/sv/04-prompt-engineering-fundamentals/README.md +++ b/translations/sv/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ En annan teknik för att använda primärt innehåll är att tillhandahålla _le ### Promptmallar -En promptmall är ett _fördefinierat recept för en prompt_ som kan sparas och återanvändas vid behov för att skapa mer konsekventa användarupplevelser i stor skala. I sin enklaste form är det helt enkelt en samling promptexempel som [det här från OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) som tillhandahåller både de interaktiva promptkomponenterna (användar- och systemmeddelanden) och API-drivna förfrågningsformat – för att stödja återanvändning. +En promptmall är ett _fördefinierat recept för en prompt_ som kan sparas och återanvändas vid behov för att skapa mer konsekventa användarupplevelser i stor skala. I sin enklaste form är det helt enkelt en samling promptexempel som [det här från OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) som tillhandahåller både de interaktiva promptkomponenterna (användar- och systemmeddelanden) och API-drivna förfrågningsformat – för att stödja återanvändning. I en mer komplex form, som [det här exemplet från LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), innehåller den _platshållare_ som kan ersättas med data från olika källor (användarinmatning, systemkontext, externa datakällor etc.) för att dynamiskt generera en prompt. Detta gör att vi kan skapa ett bibliotek med återanvändbara prompts som kan användas för att driva konsekventa användarupplevelser **programmerbart** i stor skala. diff --git a/translations/sw/04-prompt-engineering-fundamentals/README.md b/translations/sw/04-prompt-engineering-fundamentals/README.md index b4ebd9f96c..db62f7dc10 100644 --- a/translations/sw/04-prompt-engineering-fundamentals/README.md +++ b/translations/sw/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Mbinu nyingine ya kutumia maudhui muhimu ni kutoa _chapa_ badala ya mifano. Kati ### Prompt Templates -Kiolezo cha prompt ni _mapishi yaliyowekwa kabla kwa prompt_ ambayo yanaweza kuhifadhiwa na kutumika tena kadri inavyohitajika, ili kuendesha uzoefu wa mtumiaji unaoendana kwa kiwango kikubwa. Katika muundo wake rahisi kabisa, ni mkusanyiko wa mifano ya prompt kama [hii kutoka OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) inayotoa sehemu za prompt za maingiliano (jumbe za mtumiaji na mfumo) pamoja na muundo wa ombi la API - kusaidia kutumia tena. +Kiolezo cha prompt ni _mapishi yaliyowekwa kabla kwa prompt_ ambayo yanaweza kuhifadhiwa na kutumika tena kadri inavyohitajika, ili kuendesha uzoefu wa mtumiaji unaoendana kwa kiwango kikubwa. Katika muundo wake rahisi kabisa, ni mkusanyiko wa mifano ya prompt kama [hii kutoka OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) inayotoa sehemu za prompt za maingiliano (jumbe za mtumiaji na mfumo) pamoja na muundo wa ombi la API - kusaidia kutumia tena. Katika muundo wake mgumu zaidi kama [mfano huu kutoka LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) una _viashiria_ vinavyoweza kubadilishwa na data kutoka kwa vyanzo mbalimbali (ingizo la mtumiaji, muktadha wa mfumo, vyanzo vya data vya nje n.k.) ili kuunda prompt kwa njia ya mabadiliko ya wakati halisi. Hii inatupa uwezo wa kuunda maktaba za prompt zinazoweza kutumika tena ambazo zinaweza kutumika kuendesha uzoefu wa mtumiaji unaoendana **kwa mpangilio wa programu** kwa kiwango kikubwa. diff --git a/translations/ta/04-prompt-engineering-fundamentals/README.md b/translations/ta/04-prompt-engineering-fundamentals/README.md index a0a577c0d4..a216090c60 100644 --- a/translations/ta/04-prompt-engineering-fundamentals/README.md +++ b/translations/ta/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ response = openai.chat.completions.create( ### Prompt Templates -ஒரு _முன்-வரையறுக்கப்பட்ட கூறு_ என்பது ஒரு மொழிமுறை வடிவங்கள் ஆகும், வாடிக்கையாளர் அனுபவத்தை அதிக அளவில் ஒரே மாதிரியாக மாற்றுமாறு தேவைக்கேற்ப சேமித்து மறுபயன்பாடு செய்வதற்கானது. எளிமையான வடிவத்தில், இது [OpenAI இல் இருந்து இந்த உதாரணத்தைப் போல](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) பல வகையான முன் கூறுகளின் தொகுப்பு ஆகும், இதில் பயனர் மற்றும் அமைப்பு செய்திகளின் இடைமுக கூறுகளும் API வழிகாட்டி கோரிக்கைகளும் உள்ளன - மறுபயன்பாட்டிற்கு ஆதாரம் அளிக்க. +ஒரு _முன்-வரையறுக்கப்பட்ட கூறு_ என்பது ஒரு மொழிமுறை வடிவங்கள் ஆகும், வாடிக்கையாளர் அனுபவத்தை அதிக அளவில் ஒரே மாதிரியாக மாற்றுமாறு தேவைக்கேற்ப சேமித்து மறுபயன்பாடு செய்வதற்கானது. எளிமையான வடிவத்தில், இது [OpenAI இல் இருந்து இந்த உதாரணத்தைப் போல](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) பல வகையான முன் கூறுகளின் தொகுப்பு ஆகும், இதில் பயனர் மற்றும் அமைப்பு செய்திகளின் இடைமுக கூறுகளும் API வழிகாட்டி கோரிக்கைகளும் உள்ளன - மறுபயன்பாட்டிற்கு ஆதாரம் அளிக்க. அதிகத் துரிதமான வடிவங்களில், [LangChain இல் இருந்து இந்த உதாரணம் போல](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) இது _பதிவுகள்_ கொண்டுள்ளது, அவை பல்வேறு மூலங்களிலிருந்து (பயனர் உள்ளீடு, அமைப்பு சூழல், வெளிப்புற தரவுகள் போன்றவை) பெறப்பட்ட தரவால் மாற்றப்படலாம், ஒரு முன் கட்டளை இயக்கத்துக்கான. இது நிரல் மூலம் **தொடர்ந்த பயனர் அனுபவத்தை மேம்படுத்த** மறுபரிசீலனை செய்யக்கூடிய முன்கூட்டிய தொகுப்புகளை உருவாக்க உதவும். diff --git a/translations/te/04-prompt-engineering-fundamentals/README.md b/translations/te/04-prompt-engineering-fundamentals/README.md index 24be05cb82..223ba4c072 100644 --- a/translations/te/04-prompt-engineering-fundamentals/README.md +++ b/translations/te/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ response = openai.chat.completions.create( ### ప్రాంప్ట్ మాదిరులు -ఒక ప్రాంప్ట్ మాదిరి అనగా _ముందుగా నిర్వచించిన ప్రాంప్ట్‌ను రూపొందించే విధానం_, ఇది అవసరానికి అనుగుణంగా నిల్వ చేసి పునఃప్రయోజనానికి ఉపయోగించవచ్చు, దీని వల్ల పెద్ద మొత్తంలో యూజర్ అనుభవాలను ఏకరూపంగా నడిపించవచ్చు. సాదా రూపంలో ఇది కేవలం ప్రాంప్ట్ ఉదాహరణల ముచ్చటగా ఉంటుంది, ఉదాహరణకు [OpenAI నుండి ఈ ఉదాహరణ](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ఇక్కడ ప్రత్యక్ష ప్రాంప్ట్ భాగాలు (యూజర్ మరియు సిస్టమ్ మెసేజులు) మరియు API ఆధారిత అభ్యర్థన ఫార్మాట్ రెండూ ఉంటాయి - పునఃప్రయోజనాన్ని మద్దతు ఇవ్వడానికి. +ఒక ప్రాంప్ట్ మాదిరి అనగా _ముందుగా నిర్వచించిన ప్రాంప్ట్‌ను రూపొందించే విధానం_, ఇది అవసరానికి అనుగుణంగా నిల్వ చేసి పునఃప్రయోజనానికి ఉపయోగించవచ్చు, దీని వల్ల పెద్ద మొత్తంలో యూజర్ అనుభవాలను ఏకరూపంగా నడిపించవచ్చు. సాదా రూపంలో ఇది కేవలం ప్రాంప్ట్ ఉదాహరణల ముచ్చటగా ఉంటుంది, ఉదాహరణకు [OpenAI నుండి ఈ ఉదాహరణ](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) ఇక్కడ ప్రత్యక్ష ప్రాంప్ట్ భాగాలు (యూజర్ మరియు సిస్టమ్ మెసేజులు) మరియు API ఆధారిత అభ్యర్థన ఫార్మాట్ రెండూ ఉంటాయి - పునఃప్రయోజనాన్ని మద్దతు ఇవ్వడానికి. ఇంకా సంక్లిష్ట రూపంలో, దీని ముందు _స్థానధారకాలు_ ఉంటాయి, ఇవి వివిధ మూలాల డేటాతో (యూజర్ ఇన్‌పుట్, సిస్టమ్ కాంటెక్స్ట్, బాహ్య డేటా మొదలైనవి) అప్‌డేట్ చేసుకొని ప్రాంప్ట్‌ను డైనమిక్‌గా రూపొందించడానికి ఉపయోగించవచ్చు. దీన్ని ఉపయోగించి మేము పునఃప్రయోజన టెంప్లేట్ల లైబ్రరీని సృష్టించవచ్చు, తద్వారా **ప్రోగ్రామాటిక్గా** పెద్ద స్కేల్‌లో ఒకే తరహా యూజర్ అనుభవాలను అందించగలుగుతాము. diff --git a/translations/th/04-prompt-engineering-fundamentals/README.md b/translations/th/04-prompt-engineering-fundamentals/README.md index 45181bb89a..7cae832454 100644 --- a/translations/th/04-prompt-engineering-fundamentals/README.md +++ b/translations/th/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -แม่แบบพรอมต์คือ _สูตรที่กำหนดไว้ล่วงหน้าสำหรับพรอมต์_ ที่สามารถเก็บและใช้งานซ้ำได้ตามต้องการ เพื่อให้ประสบการณ์ของผู้ใช้มีความสม่ำเสมอมากขึ้น ในรูปแบบที่ง่ายที่สุด มันเป็นเพียงชุดตัวอย่างพรอมต์เช่น [ตัวอย่างนี้จาก OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) ที่มอบทั้งส่วนประกอบพรอมต์แบบโต้ตอบ (ข้อความผู้ใช้และระบบ) และรูปแบบคำขอที่ขับเคลื่อนด้วย API – เพื่อสนับสนุนการนำกลับมาใช้ใหม่ +แม่แบบพรอมต์คือ _สูตรที่กำหนดไว้ล่วงหน้าสำหรับพรอมต์_ ที่สามารถเก็บและใช้งานซ้ำได้ตามต้องการ เพื่อให้ประสบการณ์ของผู้ใช้มีความสม่ำเสมอมากขึ้น ในรูปแบบที่ง่ายที่สุด มันเป็นเพียงชุดตัวอย่างพรอมต์เช่น [ตัวอย่างนี้จาก OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) ที่มอบทั้งส่วนประกอบพรอมต์แบบโต้ตอบ (ข้อความผู้ใช้และระบบ) และรูปแบบคำขอที่ขับเคลื่อนด้วย API – เพื่อสนับสนุนการนำกลับมาใช้ใหม่ ในรูปแบบที่ซับซ้อนมากขึ้น เช่น [ตัวอย่างนี้จาก LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) จะมี _ตัวแปรช่องว่าง_ ที่สามารถแทนที่ด้วยข้อมูลจากแหล่งต่าง ๆ (ข้อมูลผู้ใช้, บริบทระบบ, แหล่งข้อมูลภายนอก ฯลฯ) เพื่อสร้างพรอมต์แบบไดนามิก ซึ่งช่วยให้เราสร้างคลังแม่แบบพรอมต์ที่นำกลับมาใช้ใหม่ได้ เพื่อมอบประสบการณ์ผู้ใช้ที่สม่ำเสมอแบบ **โปรแกรมเมติก** ในระดับใหญ่ diff --git a/translations/tl/04-prompt-engineering-fundamentals/README.md b/translations/tl/04-prompt-engineering-fundamentals/README.md index f38d6c9850..122b232c8f 100644 --- a/translations/tl/04-prompt-engineering-fundamentals/README.md +++ b/translations/tl/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ Isa pang teknik para sa paggamit ng primary content ay ang pagbibigay ng _mga cu ### Prompt Templates -Ang prompt template ay isang _pre-defined na recipe para sa isang prompt_ na maaaring itago at gamitin muli kung kinakailangan, upang makapaghatid ng mas pare-parehong karanasan ng gumagamit sa malakihang paraan. Sa pinakasimpleng anyo, ito ay koleksyon lang ng mga halimbawa ng prompt tulad ng [ito mula sa OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) na nagbibigay ng parehong mga interactive na bahagi ng prompt (mga mensahe ng gumagamit at sistema) at ang format ng request na pinapatakbo ng API - upang suportahan ang muling paggamit. +Ang prompt template ay isang _pre-defined na recipe para sa isang prompt_ na maaaring itago at gamitin muli kung kinakailangan, upang makapaghatid ng mas pare-parehong karanasan ng gumagamit sa malakihang paraan. Sa pinakasimpleng anyo, ito ay koleksyon lang ng mga halimbawa ng prompt tulad ng [ito mula sa OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) na nagbibigay ng parehong mga interactive na bahagi ng prompt (mga mensahe ng gumagamit at sistema) at ang format ng request na pinapatakbo ng API - upang suportahan ang muling paggamit. Sa mas kumplikadong anyo nito tulad ng [halimbawa mula sa LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) naglalaman ito ng _placeholders_ na maaaring palitan ng data mula sa iba't ibang pinagmulan (input ng gumagamit, konteksto ng sistema, panlabas na mga pinagmumulan ng data, atbp.) upang makabuo ng prompt nang dinamiko. Pinapayagan tayo nitong lumikha ng isang library ng mga reusable prompts na maaaring gamitin upang makapaghatid ng pare-parehong karanasan ng gumagamit **programmatically** sa malakihang paraan. diff --git a/translations/tr/04-prompt-engineering-fundamentals/README.md b/translations/tr/04-prompt-engineering-fundamentals/README.md index 700703652e..ca0e953511 100644 --- a/translations/tr/04-prompt-engineering-fundamentals/README.md +++ b/translations/tr/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Birincil içeriği kullanmanın bir diğer yolu, örnekler yerine _ipuçları_ v ### İstek Şablonları -Bir istek şablonu, _önceden tanımlanmış bir istek tarifi_ olup, gerektiğinde saklanıp yeniden kullanılabilir; böylece tutarlı kullanıcı deneyimlerini büyük ölçekte yönetir. En basit haliyle, kullanıcı ve sistem mesajlarını ve API tabanlı istek formatını içeren [OpenAI'nin şu örneği](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) gibi bir dizi örnekten oluşur. +Bir istek şablonu, _önceden tanımlanmış bir istek tarifi_ olup, gerektiğinde saklanıp yeniden kullanılabilir; böylece tutarlı kullanıcı deneyimlerini büyük ölçekte yönetir. En basit haliyle, kullanıcı ve sistem mesajlarını ve API tabanlı istek formatını içeren [OpenAI'nin şu örneği](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) gibi bir dizi örnekten oluşur. Daha karmaşık bir formda, [LangChain'in şu örneği](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) gibi, çeşitli kaynaklardan (kullanıcı girişi, sistem bağlamı, harici veri kaynakları vb.) dinamik olarak istek oluşturmak için _yer tutucular_ içerir. Bu, tutarlı kullanıcı deneyimlerini **programatik olarak** ölçeklendirmek için yeniden kullanılabilir istekler kütüphanesi oluşturmamızı sağlar. diff --git a/translations/uk/04-prompt-engineering-fundamentals/README.md b/translations/uk/04-prompt-engineering-fundamentals/README.md index dabc6876ba..cad15cf5d9 100644 --- a/translations/uk/04-prompt-engineering-fundamentals/README.md +++ b/translations/uk/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Шаблони підказок -Шаблон підказки — це _попередньо визначений рецепт для підказки_, який можна зберігати і повторно використовувати для забезпечення більш послідовного користувацького досвіду в масштабі. У найпростішій формі це просто збірка прикладів підказок, як [цей з OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst), які надають як інтерактивні компоненти підказок (повідомлення користувача та системи), так і формат запиту, заснований на API — для підтримки повторного використання. +Шаблон підказки — це _попередньо визначений рецепт для підказки_, який можна зберігати і повторно використовувати для забезпечення більш послідовного користувацького досвіду в масштабі. У найпростішій формі це просто збірка прикладів підказок, як [цей з OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst), які надають як інтерактивні компоненти підказок (повідомлення користувача та системи), так і формат запиту, заснований на API — для підтримки повторного використання. У більш складній формі, як [цей приклад від LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst), він містить _заповнювачі_, які можна замінити даними з різних джерел (вхід користувача, системний контекст, зовнішні джерела даних тощо) для динамічного формування підказки. Це дозволяє створювати бібліотеку багаторазових підказок, які можна використовувати для забезпечення послідовного користувацького досвіду **програмно** в масштабі. diff --git a/translations/ur/04-prompt-engineering-fundamentals/README.md b/translations/ur/04-prompt-engineering-fundamentals/README.md index 777a49370d..4d65c38838 100644 --- a/translations/ur/04-prompt-engineering-fundamentals/README.md +++ b/translations/ur/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### پرامپٹ ٹیمپلیٹس -ایک پرامپٹ ٹیمپلیٹ ایک _پیشگی طے شدہ فارمولا_ ہوتا ہے جو ضرورت کے مطابق ذخیرہ کیا جا سکتا ہے اور بار بار استعمال کیا جا سکتا ہے، تاکہ پیمانے پر زیادہ مستقل صارف تجربات فراہم کیے جا سکیں۔ اس کی سادہ شکل میں، یہ صرف پرامپٹ کی چند مثالوں کا مجموعہ ہے جیسا کہ [یہ ایک مثال اوپن اے آئی سے](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) جو ساتھ ہی interactive پرامپٹ اجزاء (یوزر اور سسٹم پیغامات) اور API سے چلنے والی درخواست کا فارمیٹ فراہم کرتا ہے - تاکہ دوبارہ استعمال کی سہولت ہو۔ +ایک پرامپٹ ٹیمپلیٹ ایک _پیشگی طے شدہ فارمولا_ ہوتا ہے جو ضرورت کے مطابق ذخیرہ کیا جا سکتا ہے اور بار بار استعمال کیا جا سکتا ہے، تاکہ پیمانے پر زیادہ مستقل صارف تجربات فراہم کیے جا سکیں۔ اس کی سادہ شکل میں، یہ صرف پرامپٹ کی چند مثالوں کا مجموعہ ہے جیسا کہ [یہ ایک مثال اوپن اے آئی سے](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) جو ساتھ ہی interactive پرامپٹ اجزاء (یوزر اور سسٹم پیغامات) اور API سے چلنے والی درخواست کا فارمیٹ فراہم کرتا ہے - تاکہ دوبارہ استعمال کی سہولت ہو۔ اس کی زیادہ پیچیدہ شکل جیسے کہ [یہ مثال لینگ چین سے](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) _پلیس ہولڈرز_ پر مشتمل ہوتی ہے جنہیں مختلف ذرائع (یوزر ان پٹ، سسٹم کا سیاق و سباق، بیرونی ڈیٹا سورسز وغیرہ) سے ڈیٹا کے ذریعے Dynamiс طور پر تبدیل کیا جا سکتا ہے۔ اس سے ہم ایک لائبریری بنا سکتے ہیں جس میں قابل استعمال پرامپٹس ہوتے ہیں جو **پروگرام کی سطح پر** ایک جیسے صارف تجربات فراہم کر سکتے ہیں۔ diff --git a/translations/vi/04-prompt-engineering-fundamentals/README.md b/translations/vi/04-prompt-engineering-fundamentals/README.md index c3e2400010..8d663b209a 100644 --- a/translations/vi/04-prompt-engineering-fundamentals/README.md +++ b/translations/vi/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ Một kỹ thuật khác dùng nội dung chính là cung cấp _dấu hiệu_ t ### Prompt Templates -Một mẫu câu lệnh là một _công thức được định nghĩa sẵn cho một câu lệnh_ có thể được lưu trữ và sử dụng lại khi cần, để tạo ra trải nghiệm người dùng nhất quán hơn ở quy mô lớn. Ở dạng đơn giản nhất, nó chỉ là một tập hợp các ví dụ về câu lệnh như [ví dụ này từ OpenAI](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) cung cấp cả các thành phần tương tác của câu lệnh (tin nhắn người dùng và hệ thống) và định dạng yêu cầu API - để hỗ trợ tái sử dụng. +Một mẫu câu lệnh là một _công thức được định nghĩa sẵn cho một câu lệnh_ có thể được lưu trữ và sử dụng lại khi cần, để tạo ra trải nghiệm người dùng nhất quán hơn ở quy mô lớn. Ở dạng đơn giản nhất, nó chỉ là một tập hợp các ví dụ về câu lệnh như [ví dụ này từ OpenAI](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) cung cấp cả các thành phần tương tác của câu lệnh (tin nhắn người dùng và hệ thống) và định dạng yêu cầu API - để hỗ trợ tái sử dụng. Ở dạng phức tạp hơn như [ví dụ này từ LangChain](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) nó chứa các _chỗ giữ chỗ_ có thể được thay thế bằng dữ liệu từ nhiều nguồn khác nhau (đầu vào người dùng, ngữ cảnh hệ thống, nguồn dữ liệu bên ngoài, v.v.) để tạo một câu lệnh một cách động. Điều này cho phép chúng ta tạo ra thư viện các câu lệnh có thể sử dụng lại để tạo ra trải nghiệm người dùng nhất quán **theo cách lập trình** trên quy mô lớn. diff --git a/translations/zh-CN/04-prompt-engineering-fundamentals/README.md b/translations/zh-CN/04-prompt-engineering-fundamentals/README.md index 786ff457d2..29315fbf27 100644 --- a/translations/zh-CN/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-CN/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -提示模板是一种_预定义的提示“配方”_，可以存储并根据需要重复使用，以推动更一致的大规模用户体验。它最简单的形式就是像[OpenAI这个示例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)那样收集的提示示例，既包含交互式提示组件（用户和系统消息），又包含通过 API 调用的请求格式——以支持重复使用。 +提示模板是一种_预定义的提示“配方”_，可以存储并根据需要重复使用，以推动更一致的大规模用户体验。它最简单的形式就是像[OpenAI这个示例](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst)那样收集的提示示例，既包含交互式提示组件（用户和系统消息），又包含通过 API 调用的请求格式——以支持重复使用。 在更复杂的形式如[LangChain的例子](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)中，包含了_占位符_，可以用来自各种来源（用户输入、系统上下文、外部数据源等）的数据动态替换，从而生成动态提示。这使我们能够创建可重复使用的提示库，**通过编程方式**驱动更大规模的一致用户体验。 diff --git a/translations/zh-HK/04-prompt-engineering-fundamentals/README.md b/translations/zh-HK/04-prompt-engineering-fundamentals/README.md index 45df4ad774..dc4f6d6968 100644 --- a/translations/zh-HK/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-HK/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -提示模板是 _預先定義的提示配方_，可以儲存並按需重用，以在大規模範圍內推動更一致的用戶體驗。它最簡單的形式，是像 [這個來自 OpenAI 的範例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst) 一樣的一組提示示例，提供了交互式提示組件（用戶和系統訊息）和 API 請求格式，以支持重用。 +提示模板是 _預先定義的提示配方_，可以儲存並按需重用，以在大規模範圍內推動更一致的用戶體驗。它最簡單的形式，是像 [這個來自 OpenAI 的範例](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst) 一樣的一組提示示例，提供了交互式提示組件（用戶和系統訊息）和 API 請求格式，以支持重用。 在更複雜的形式中，如 [這個來自 LangChain 的範例](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst) 包含了可以從多種來源（用戶輸入、系統上下文、外部數據源等）替換的 _佔位符_，以動態生成提示。這讓我們能夠建立可重用提示庫，從而能夠**程式化**地大規模驅動一致的用戶體驗。 diff --git a/translations/zh-MO/04-prompt-engineering-fundamentals/README.md b/translations/zh-MO/04-prompt-engineering-fundamentals/README.md index 51d05a7759..fe74b3f59a 100644 --- a/translations/zh-MO/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-MO/04-prompt-engineering-fundamentals/README.md @@ -278,7 +278,7 @@ response = openai.chat.completions.create( ### Prompt Templates -一個提示模板是一個_預先定義的提示配方_，可以儲存並根據需要重複使用，以推動更一致的用戶體驗規模化。在最簡單的形式中，它僅僅是一組提示範例，比如[OpenAI的這個範例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)，提供互動式的提示組件（用戶和系統訊息）以及通過 API 驅動的請求格式——支持重用。 +一個提示模板是一個_預先定義的提示配方_，可以儲存並根據需要重複使用，以推動更一致的用戶體驗規模化。在最簡單的形式中，它僅僅是一組提示範例，比如[OpenAI的這個範例](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst)，提供互動式的提示組件（用戶和系統訊息）以及通過 API 驅動的請求格式——支持重用。 在更複雜的形式中，比如[LangChain的這個範例](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)，它包含可以從多種來源（用戶輸入、系統上下文、外部資料來源等）替換的_佔位符_，用於動態生成提示。這讓我們能夠建立一個可重用提示的庫，**以程式化方式**規模化推動一致的用戶體驗。 diff --git a/translations/zh-TW/04-prompt-engineering-fundamentals/README.md b/translations/zh-TW/04-prompt-engineering-fundamentals/README.md index a018b3190d..8c8ba80b66 100644 --- a/translations/zh-TW/04-prompt-engineering-fundamentals/README.md +++ b/translations/zh-TW/04-prompt-engineering-fundamentals/README.md @@ -280,7 +280,7 @@ response = openai.chat.completions.create( ### Prompt Templates -提示模板是一個_事先定義好的提示配方_，可以儲存並依需求重複使用，以推動更一致的使用者體驗。在最簡單的形式中，它只是一組提示範例，如[這個來自 OpenAI 的範例](https://platform.openai.com/docs/guides/prompt-engineering?WT.mc_id=academic-105485-koreyst)，提供互動提示組件（使用者和系統訊息）以及 API 請求格式，以支援重用。 +提示模板是一個_事先定義好的提示配方_，可以儲存並依需求重複使用，以推動更一致的使用者體驗。在最簡單的形式中，它只是一組提示範例，如[這個來自 OpenAI 的範例](https://cookbook.openai.com/examples/gpt4-1_prompting_guide?WT.mc_id=academic-105485-koreyst)，提供互動提示組件（使用者和系統訊息）以及 API 請求格式，以支援重用。 在更複雜的形式中，如[這個來自 LangChain 的範例](https://python.langchain.com/docs/concepts/prompt_templates/?WT.mc_id=academic-105485-koreyst)，它包含可被多種來源（使用者輸入、系統上下文、外部資料來源等）替換的_占位符_，可動態產生提示。這讓我們能夠建立可**程式化**使用的重用提示庫，推動一致的使用者體驗。