Част 5 (Термини 41–50) Изцяло фокусирани върху техники, методологии и концепции от Prompt Engineering.
Част-1 | Част-2 | Част-3 | Част-4
Можете да чуете тази статия в съкратен вариант като ПОДКАСТ
Обобщение:
Тази част е фокусирана върху авангардни техники и методологии в Prompt Engineering. Всеки термин представя специфична стратегия за взаимодействие с LLM, насочена към повишаване на прецизността, адаптивността и автономността на отговорите чрез структуриран дизайн на промпта.
Списък на темите:
41. PSP – Persona-Specific Prompting
→ Промптове, адаптирани към конкретна роля или професионален профил.
42. PoT – Program of Thought
→ Разсъждение чрез псевдокод или скрипт; структуриране на логика чрез програмиране.
43. SPP – Self-Prompting Paradigm
→ Моделът сам генерира подпромптове за анализ и изпълнение на сложни задачи.
44. TAPA – Task-Aligned Prompt Architecture
→ Архитектура на промпта според типа задача (класификация, генерация, сравнение и др.).
45. MiP – Minimal Instruction Prompting
→ Минималистични промптове за тестване на вградените способности на модела.
46. QPoT – Question-based Program of Thought
→ Мисловен процес чрез поредица от логически въпроси (въпрос → отговор → следващ въпрос).
47. SCRIP – Structured Contextual Retrieval for In-Context Prompting
→ Строго структуриран промпт с retrieved контекст (напр. background → правила → задача).
48. GRIFFIN – Guided Reasoning with Iterative Feedback and Fine-Instructions
→ Итеративно ръководене на модела чрез обратна връзка и фини инструкции.
49. PORE – Prompt Output Reflection and Evaluation
→ Моделът анализира, оценява и подобрява собствения си отговор.
50. FoG – Focus-on-Goal Prompting
→ Целево ориентиран промпт, изчистен от ненужен контекст или обяснения.
41. PSP – Persona-Specific Prompting
Обяснение:
Техника за създаване на промпт, персонализиран към определен профил или роля – например: учител, маркетолог, CEO. Използва се за адаптация на стил, език и очаквания.
Примери:
-
„Представи си, че си главен финансов директор. Как би отговорил на това писмо?“
-
Промпт, ориентиран към начинаещ програмист vs. senior developer.
-
Емпатичен тон към пациент в медицински контекст.
Разширени примери:
-
За UX дизайнер: „Кои проблеми виждаш в този UI екран като UX дизайнер?“
-
За студент: „Как би обяснил този термин на състудент от първи курс?“
-
За юрист: „Какви са правните рискове според теб?“
Контекст и употреба:
- User-centric LLM дизайни
- Chatbot персонализация
- Ролеви симулации
42. PoT – Program of Thought
Обяснение:
Подобно на Chain of Thought, но изразено като програмен код. Моделът разсъждава чрез псевдокод, скрипт или реална функция.
Примери:
-
Решение на математическа задача чрез Python скрипт.
-
Обяснение на логика чрез алгоритмична псевдоструктура.
-
“Формализирай мисловната последователност като функции.”
Разширени примери:
-
“function tax_bracket(income): …”
-
Обяснение на философски аргумент като логическа програма: IF/THEN структури
-
Решение на SQL query стъпка по стъпка
Контекст и употреба:
- AI reasoning
- Автоматизация на логика
- Техническо обяснение на казуси
43. SPP – Self-Prompting Paradigm
Обяснение:
Метод, при който LLM генерира свои собствени подпромптове, за да изясни, преформулира или подобри задачата, преди да отговори.
Примери:
-
Модел: “Ще си задам три подвъпроса, за да мисля по-добре…”
-
Самогенерирани sub-prompts за анализ на текст.
-
Разбиване на сложна задача чрез собствена инициатива.
Разширени примери:
-
AI: „Каква е крайната цел? Какво знам вече? Какво липсва?“
-
Разбиване на дълъг текст на теми → мини-подпромптове
-
Симулация: AI генерира тестови случаи преди решението
Контекст и употреба:
- Self-improving LLM-и
- Аналитични агенти
- Nested prompting стратегии
44. TAPA – Task-Aligned Prompt Architecture
Обяснение:
Концепция за проектиране на промпт структура, в пълно съответствие с вида на задачата – използват се строго дефинирани шаблони по тип: класификация, генерация, сравнение и т.н.
Примери:
-
Prompt за класификация: “Категоризирай в {A,B,C} според правилата…”
-
Генеративна архитектура: {контекст} → {ограничения} → {тон}.
-
Шаблон за сравнение между два сценария.
Разширени примери:
-
Класификация: “Избери между {A, B, C} с обосновка.”
-
Генерация: “{Историята на героя} + {ограничение: до 100 думи}”
-
Сравнение: “Сравни подход А и Б по 3 критерия.”
Контекст и употреба:
- Prompt стандартни библиотеки
- Instruction Prompting Pipelines
- Low-code prompt редактори
45. MiP – Minimal Instruction Prompting
Обяснение:
Умишлено лаконичен промпт, който се фокусира само върху критично необходимата инструкция, за да се тества какво “знае” моделът без допълнителна рамка.
Примери:
-
Просто: “Обясни фотосинтезата.”
-
Изследване на implicit capabilities без few-shot.
-
Минимален въпрос за UX-оценка.
Разширени примери:
-
„Какво е метафора?“
-
„Напиши едно изречение за Втората световна война.“
-
UX тест: “Какво става ако напиша само: ‘създай отчет’?”
Контекст и употреба:
- Тест на базова способност
- Микропромптове за UI/UX
- Zero-shot бенчмарки
46. QPoT – Question-based Program of Thought
Обяснение:
Метод за изграждане на reasoning чрез поредица от логически въпроси, на които моделът отговаря, преди финалния отговор. Подходът засилва последователността.
Примери:
-
“Какво знаем? Какво трябва да открием? Как да го свържем?”
-
Разплитане на задача чрез задаване на въпроси сам на себе си.
-
Въпроси като checkpoints за мисловна логика.
Разширени примери:
-
“Какъв е проблемът? Какви са опциите? Кое е най-ефективно?”
-
При писане на есе: “Какво иска читателят? Какви доводи да използвам?”
-
Симулация на научен подход: хипотеза → въпроси → проверка
Контекст и употреба:
- Critical thinking LLM-и
- Обучителни асистенти
- Chain-of-Question prompting
47. SCRIP – Structured Contextual Retrieval for In-Context Prompting
Обяснение:
Комбинира retrieval от външен източник + вграждане в ICL промпт, но в строго структурирана форма (напр. със секции: background, constraints, examples…).
Примери:
-
“Предишен разговор → правила → твоята задача.”
-
Retrieved контекст се вгражда под строги секции.
-
Prompt scaffolding с контекст от база знания.
Разширени примери:
-
Вграждане на retrieved контекст в секции: “Background, Rules, Task”
-
“Използвай само следната информация…”
-
Customer support: “История на клиента + policy + отговори”
Контекст и употреба:
- RAG + ICL системи
- Модели със строга input структура
- Формализирани enterprise задачи
48. GRIFFIN – Guided Reasoning with Iterative Feedback and Fine-Instructions
Обяснение:
Метод за стъпково водене на LLM чрез итерации, фини насоки и обратна връзка, докато не се достигне точен или оптимален отговор.
Примери:
-
Prompt: “Сега опитай по-кратко. Сега с повече примери.”
-
Разделяне на отговори на версии: 1, 2, 3 – с рефлексия.
-
Учителски feedback loop при обучение с AI асистент.
Разширени примери:
-
Версии на отговор: V1 → V2 → финална ревизия
-
Имитиране на учител: “Оценка: 7/10. Как би го подобрил?”
-
Storytelling: „Сега направи героите по-реалистични.“
Контекст и употреба:
- AI като наставник / преподавател
- Self-correction LLM
- Многостъпкови reasoning tasks
49. PORE – Prompt Output Reflection and Evaluation
Обяснение:
Техника, при която LLM сам анализира своя отговор, идентифицира слабости, пропуски, отклонения – и предлага подобрение.
Примери:
-
“Прецени своя отговор спрямо следните критерии…”
-
Автооценка по шаблон (например CoT + анализ).
-
Prompt + Reflect + Rewrite итерации.
Разширени примери:
-
„Дай 3 неща, които би подобрил в горния отговор.“
-
CoT reasoning + Reflection → нов отговор
-
QA системи: “Има ли противоречия?”
Контекст и употреба:
- Автономни агенти
- AI обучение
- QA системи с рефлексия
50. FoG – Focus-on-Goal Prompting
Обяснение:
Техника, при която всяка част от промпта е насочена директно към крайната цел, като се елиминира страничен контекст или обременяващи уточнения.
Примери:
-
“Не обяснявай, просто създай валиден JSON с тези данни.”
-
“Целта е: кратко мото за рекламна кампания. Само това.”
-
Task-first prompting за интеграции с други системи.
Разширени примери:
-
„Дай само output, без коментари.“
-
„Цел: 3 ключови bullet точки за продажба. Без интро.“
-
API интеграция: “Форматирай само output.”
Контекст и употреба:
- Output-only задачи
- Prompt интеграции с API
- UX без обяснения

Вашият коментар