THE FUTURE MARKETACADEMY
Your classroomRoom 01 · AI Lab
School of AI

Pag-test sa Prompt: i-evaluate ug pauswaga ang imong mga prompt

What you'll be able to do
  • Ipasabot kung ngano nga ang usa ka maayong tubag dili pamatuod nga molihok ang prompt, ug unsaon sa pag-test pag-ayo niini.
  • Magsulat og success criteria nga piho ug masukod.
  • Maghimo og gamay nga test set nga naay normal nga kaso, edge case ug mga tubag nga nahibaloan na nimo.
  • Pag-score sa mga tubag gamit ang rubric, uban ang code-style nga check, human check ug AI grader kung asa angay.
  • Pagtandi sa duha ka bersyon sa prompt sa patas nga paagi ug ipabilin lang ang mga usab nga nakatabang.
  • Pakunhoda ang mga sayop, ug magtipig og log aron mahibalo ka kung unsay nausab ug ngano.

Sa dili pa kini nga kurso: Prompting for Complex Tasks: chains, roles and structured outputs (course 1.2.2). Nahibaloan na nimo kung unsaon pagbahin ang trabaho ngadto sa chain, pag-label sa mga bahin sa prompt, pagpangayo og table ug JSON, pagdugang og panig-ingnan ug self-check, ug pag-debug sa prompt sa tulo ka input. Ang course 1.2.2 natapos sa test log sa 3 ka input. Kini nga kurso naghimo niana nga seryoso nga pag-test: tukma nga test set, scoring rubric, patas nga pagtandi ug change log. Dili kinahanglan ang coding; kung asa ang mga panid sa Anthropic nagpakita og code, buhaton nato ang parehas sa kamot sa chat o spreadsheet.

Words in this course 50Open the Vocabulary Hall
01

Ngano nga i-test ang prompt

In simple words

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.

Key facts
  • 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 testingKung 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.
Step by step
  1. 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).
  2. Isulat ang trabaho sa prompt sa usa ka sentence.
  3. I-run kini sa usa ka input ug isulat ang resulta.
  4. I-run pag-usab sa parehas nga input, sa bag-ong chat. Isulat kung lahi ba ang tubag.
  5. Karon i-run kini sa sobra nga lahi nga input (mubo, gubot, o naay nawala nga impormasyon). Isulat kung unsay nahitabo.
  6. Pagsulat og usa ka linya: "I do not yet know if this prompt works because ...".
  7. 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.
Watch on YouTube
Evaluate prompts in the Anthropic ConsoleAnthropic · YouTube · youtube.com

Videos by other creators on YouTube, for reference. They are not made by or affiliated with The Future Market.

LESSON 01Ngano nga i-test ang prompt
LESSON 01 / ANIMATED LESSON / ENGLISH VOICE00:00 / 01:00
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."
Try it now

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.
Open Claude
Sources
My notes
02

Ipasabot kung unsay ipasabot sa "maayo"

This lesson is part of full access: every course and every level for one payment.

03

Paghimo og test set

This lesson is part of full access: every course and every level for one payment.

04

I-score ang mga tubag gamit ang rubric

This lesson is part of full access: every course and every level for one payment.

05

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.

06

Pagpangita ug pagpakunhod sa mga sayop

This lesson is part of full access: every course and every level for one payment.

07

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

  1. Ngano nga dili igo ang usa ka maayong tubag aron saligan ang prompt?

  2. Unsa ang eval?

  3. Ngalana ang upat ka kalidad sa maayong success criteria sumala sa Anthropic.

  4. Ngano nga apilon ang edge cases sa test set?

  5. Unsa ang held-out test set?

  6. Unsa ang golden answer?

  7. Ngalana ang tulo ka paagi sa pag-grade sa dokumentasyon sa Anthropic.

  8. Unsay maayong lagda bahin sa kinsa ang mo-grade gamit ang AI?

  9. Ngano nga usa ra ka butang ang usbon tali sa mga bersyon?

  10. Unsa ang regression?

  11. Unsay buhaton sa pagtugot nga moingon og "I don't know"?

  12. Makawagtang ba kining mga teknik sa hallucinations hingpit?

EX

Final exam

This lesson is part of full access: every course and every level for one payment.

CE

Certificate

This lesson is part of full access: every course and every level for one payment.