Ngano nga i-test ang prompt
Kung ang usa ka kusinero nakahimo og usa ka maayong sabaw, wala pa nato mahibaloi kung maayo ba ang resipe. Basin swerte ra siya ana nga adlawa. Maayo ang resipe kung molihok kini sa daghang adlaw, sa daghang kaldero. Ingon niana usab ang pag-test sa prompt: sa daghang input, dili usa lang.
- Ang prompt makita nga perpekto sa usa ka panig-ingnan nga imong gisulayan ug mapakyas sa sunod. Ang pag-test nagpasabot nga i-run ang prompt sa daghang realistic nga input ug i-score ang mga resulta.
- Ang dokumentasyon sa Anthropic bahin sa pagdefine sa success criteria ug paghimo og evaluations nag-ingon nga ang pagdefine sa success criteria ug dayon pagdisenyo og evaluations aron masukod ang performance batok niana mao ang sentro sa prompt engineering. Ang flowchart niini sa proseso: test cases, preliminary prompt, iterative testing and refinement, final validation, ship.
- Ang eval (mubo sa evaluation) usa ka test nga imong i-run sa usa ka prompt: hugpong sa mga input ug paagi sa pag-score sa mga tubag.
- Ang prompting guide sa Anthropic nag-ingon nga kung ang usa ka teknik nagngalan og piho nga model, nasukod kini sa maong model, ug angay nimong i-recheck batok sa imong kaugalingong evals sa dili pa gamiton sa lain nga model. Mao nga ang mga test panalipod usab nimo kung mausab ang model.
- Dili parehas ang mga tubag sa AI sa matag higayon. Ang pag-run sa parehas nga prompt duha ka beses mahimong maghatag og lahi nga resulta, mao nga huyang nga ebidensya ang usa ka maayong run.
- Dili lang para sa mga programmer ang pag-test. Ang magtutudlo, trabahante sa opisina o tag-iya sa tindahan makapadagan og test set sa kamot sa spreadsheet.
| Kung walay testing | Kung naay testing |
|---|---|
| "It worked when I tried it." | "It passed 17 of 20 cases." |
| Usbon nimo ang prompt ug maglaum ka lang. | Usbon nimo ang usa ka butang ug tan-awon kung mausab ang score. |
| Moabot ang bag-ong model; wala ka mahibalo kung unsay nabuak. | I-run nimo pag-usab ang imong mga kaso ug makita nimo gyud kung unsay nausab. |
- Pagpili og usa ka prompt nga imong gamiton labing menos kausa sa usa ka semana (pananglitan ang chain o JSON prompt gikan sa course 1.2.2).
- Isulat ang trabaho sa prompt sa usa ka sentence.
- I-run kini sa usa ka input ug isulat ang resulta.
- I-run pag-usab sa parehas nga input, sa bag-ong chat. Isulat kung lahi ba ang tubag.
- Karon i-run kini sa sobra nga lahi nga input (mubo, gubot, o naay nawala nga impormasyon). Isulat kung unsay nahitabo.
- Pagsulat og usa ka linya: "I do not yet know if this prompt works because ...".
- Susiha: nakakita ka og labing menos usa ka kalainan tali sa mga run o input, ug maipasabot nimo kung ngano nga dili igo ang usa ka sulay.
Videos by other creators on YouTube, for reference. They are not made by or affiliated with The Future Market.
Read the video script
[Host] "Ang usa ka maayong tubag walay gipamatud-an. Basin swerte ka lang."
[Screen: parehas nga prompt gi-run sa tulo ka lahi nga input, usa napakyas] "Parehas nga prompt, tulo ka lahi nga input. Duha molihok. Usa mabuak."
[Text on screen: Prompt, inputs, score] "Yano ra ang pag-test: usa ka prompt, daghang input, ug score."
[Host] "Buhata kana, ug mohunong ka sa paglaum ug magsugod ka sa pagkahibalo."
I-run ang usa sa imong mga prompt sa tulo ka lahi nga input, duha ka beses ang matag usa. Isulat ang matag kalainan nga imong nakita tali sa mga run.
ClaudeStuck? Copy a ready-made prompt for Claude
Copy this, open Claude, paste it, and Claude will walk you through the lesson step by step.
For a grown-up: Claude is for adults (18+). Copy this, paste it into Claude, and use the answer to explain the lesson to your child.
I'm learning "Pag-test sa Prompt: i-evaluate ug pauswaga ang imong mga prompt" on The Future Market. Lesson 1: "Ngano nga i-test ang prompt". What the lesson teaches: - Ang prompt makita nga perpekto sa usa ka panig-ingnan nga imong gisulayan ug mapakyas sa sunod. Ang pag-test nagpasabot nga i-run ang prompt sa daghang realistic nga input ug i-score ang mga resulta. - Ang dokumentasyon sa Anthropic bahin sa pagdefine sa success criteria ug paghimo og evaluations nag-ingon nga ang pagdefine sa success criteria ug dayon pagdisenyo og evaluations aron masukod ang performance batok niana mao ang sentro sa prompt engineering. Ang flowchart niini sa proseso: test cases, preliminary prompt, iterative testing and refinement, final validation, ship. - Ang eval (mubo sa evaluation) usa ka test nga imong i-run sa usa ka prompt: hugpong sa mga input ug paagi sa pag-score sa mga tubag. - Ang prompting guide sa Anthropic nag-ingon nga kung ang usa ka teknik nagngalan og piho nga model, nasukod kini sa maong model, ug angay nimong i-recheck batok sa imong kaugalingong evals sa dili pa gamiton sa lain nga model. Mao nga ang mga test panalipod usab nimo kung mausab ang model. - Dili parehas ang mga tubag sa AI sa matag higayon. Ang pag-run sa parehas nga prompt duha ka beses mahimong maghatag og lahi nga resulta, mao nga huyang nga ebidensya ang usa ka maayong run. - Dili lang para sa mga programmer ang pag-test. Ang magtutudlo, trabahante sa opisina o tag-iya sa tindahan makapadagan og test set sa kamot sa spreadsheet. - Kung walay testing - Kung naay testing The exercise I'm working on: I-run ang usa sa imong mga prompt sa tulo ka lahi nga input, duha ka beses ang matag usa. Isulat ang matag kalainan nga imong nakita tali sa mga run. I'm stuck. Please: 1. Explain the main idea in plain, simple words with one everyday example. 2. Walk me through the exercise one small step at a time. Ask me what I've done so far before giving the next step. 3. Don't just give me the final answer. Help me do it myself, and check my work when I share it.
I'm a parent helping my child (about 8 years old) with a lesson called "Ngano nga i-test ang prompt" from the course "Pag-test sa Prompt: i-evaluate ug pauswaga ang imong mga prompt". Here's what the lesson says: Kung ang usa ka kusinero nakahimo og usa ka maayong sabaw, wala pa nato mahibaloi kung maayo ba ang resipe. Basin swerte ra siya ana nga adlawa. Maayo ang resipe kung molihok kini sa daghang adlaw, sa daghang kaldero. Ingon niana usab ang pag-test sa prompt: sa daghang input, dili usa lang. The activity: I-run ang usa sa imong mga prompt sa tulo ka lahi nga input, duha ka beses ang matag usa. Isulat ang matag kalainan nga imong nakita tali sa mga run. Please explain this so an 8-year-old understands: short sentences, a fun everyday example, and no hard words. Then give me 3 simple questions I can ask my child to check they understood, and a way to do the activity together, one tiny step at a time.
Sources
- Anthropic, Define success criteria and build evaluations: platform.claude.com/docs/en/test-and-evaluate/develop-tests
- Anthropic, Prompting best practices (General principles): platform.claude.com/docs/en/build-with-claude/prompt-engineering/claud
Ipasabot kung unsay ipasabot sa "maayo"
This lesson is part of full access: every course and every level for one payment.
Paghimo og test set
This lesson is part of full access: every course and every level for one payment.
I-score ang mga tubag gamit ang rubric
This lesson is part of full access: every course and every level for one payment.
Itandi ang mga bersyon sa prompt sa patas nga paagi
This lesson is part of full access: every course and every level for one payment.
Pagpangita ug pagpakunhod sa mga sayop
This lesson is part of full access: every course and every level for one payment.
Subaybayi ang mga usab ug ipabilin ang nakatabang
This lesson is part of full access: every course and every level for one payment.
Final project
This lesson is part of full access: every course and every level for one payment.
Quiz
Ngano nga dili igo ang usa ka maayong tubag aron saligan ang prompt?
Ang mga tubag sa AI mahimong magkalahi sa matag run ug input, mao nga kinahanglan nimo ang daghang realistic nga kaso.
Unsa ang eval?
Test para sa prompt: hugpong sa mga input ug paagi sa pag-score sa mga tubag.
Ngalana ang upat ka kalidad sa maayong success criteria sumala sa Anthropic.
Piho, masukod, maabot ug may kalabutan (specific, measurable, achievable, relevant).
Ngano nga apilon ang edge cases sa test set?
Ang tinuod nga input naay katingad-an, nawala, taas o irrelevant, ug kinahanglan kining pugngan sa prompt.
Unsa ang held-out test set?
Mga kaso nga dili nimo gigamit sa pagsulat o pag-tune sa prompt, gitipigan para sa patas nga final check.
Unsa ang golden answer?
Ang husto nga tubag nga imong gidesisyonan daan alang sa test case.
Ngalana ang tulo ka paagi sa pag-grade sa dokumentasyon sa Anthropic.
Code-based, human ug LLM-based grading.
Unsay maayong lagda bahin sa kinsa ang mo-grade gamit ang AI?
Gamita ang lahi nga model gikan sa nagprodyus sa mga tubag, ug i-spot-check ang mga grado sa imong kaugalingon.
Ngano nga usa ra ka butang ang usbon tali sa mga bersyon?
Aron mahibaloan nimo kung unsang usab ang hinungdan sa resulta.
Unsa ang regression?
Usa ka kaso nga kaniadto pasar ug karon napakyas human sa usa ka usab.
Unsay buhaton sa pagtugot nga moingon og "I don't know"?
Makapakunhod kini og dako sa bakak nga impormasyon.
Makawagtang ba kining mga teknik sa hallucinations hingpit?
Dili. Makapakunhod lang sila, mao nga beripikaha gihapon ang importante nga mga output.
Final exam
This lesson is part of full access: every course and every level for one payment.
Certificate
This lesson is part of full access: every course and every level for one payment.