Xu Haoとの社内チャットの内容です。彼は、ChatGPTを駆使して、有用な自己テスト済みコードを生成する方法を示しています。彼の初期プロンプトは、実装戦略（思考連鎖プロンプト）でLLMを準備します。また、彼のプロンプトは、コードではなく実装計画を求めます（一般知識プロンプト）。計画ができたら、それを使って実装を洗練し、有用なコードセクションを生成します。

私たちは、「Boba」と呼ばれる製品戦略と生成的アイデアのためのAIコパイロットを試作しています。その過程で、この種のアプリケーションを構築する方法について、パターンという形でまとめた有益な教訓を学びました。これらのパターンにより、アプリケーションはユーザーがLLM（大規模言語モデル）とより効果的に対話し、プロンプトを調整してより良い結果を得たり、複雑な会話フローのパスをナビゲートしたり、LLMが利用できない知識を統合したりするのに役立ちます。

生成AI、特にLLM（大規模言語モデル）は、一般の人々の意識の中に爆発的に広まりました。多くのソフトウェア開発者と同様に、Birgittaは可能性に興味を持っていますが、長期的に私たちの職業にとってどのような意味を持つのかは不明です。彼女はThoughtworksで、この技術がソフトウェアデリバリープラクティスにどのように影響するかについての私たちの取り組みを調整する役割を担っています。このページでは、彼女と私たちの同僚が学んで考えていることを説明するための一連のメモを掲載しています。

LLMエンジニアリングは、プロンプト設計やプロンプトエンジニアリングだけではありません。この記事では、最近のプロジェクトでプロトタイプLLMアプリケーションを迅速かつ確実に提供するのに役立った一連のエンジニアリングプラクティスを紹介します。LLMアプリケーションの自動テストと敵対的テスト、リファクタリング、LLMアプリケーションと責任あるAIのアーキテクチャに関する考慮事項について説明します。

経験豊富なテクニカルライターが、ChatGPTを使用して多くのライティングプロジェクトを支援する方法を探っています。彼は、ChatGPTが下書きや追加コンテンツのプロンプトを通じて時間を節約できることを発見しましたが、精度と深さが不足しており、楽観的な見通しにも悩まされています。全体的に、うまく作成されたプロンプトで小さなチャンクを要求する反復的な作業を行う場合に役立ちます。

Stable Diffusionに「テクニカルライターの肖像」を尋ねる