生成 AI の指示を記述することは、検索キーワードを使用することとは大きく異なります。キーワードは、結果に表示されると予想される単語です。たとえば、「ハイイロボブテイルキャット」を検索すると、ハイイロキャット、ボブテイルキャット、または猫全般に関するトピックやメディアが検索結果から返されると合理的に期待できます。しかし、生成 AI では、LLM にタスクの実行を依頼することになります。"gray bobtail cats"というフレーズには、LLM に何をすべきかを指示する動詞は含まれていません。これらの灰色の猫はどうですか? 彼らについて知っておくべきことすべてを見つけるべきでしょうか? 養子縁組する灰色のボブテイル猫を見つけるべきでしょうか? 灰色のボブテイル猫の写真を作成する必要がありますか? リアルな絵にすべきか、それとも線画にすべきか? 生成AIにはキーワード以上のものが必要です。

LLM の一般的な指示

指示を継続的にテストして改善します。適切な LLM 指示の作成は反復的なプロセスであり、LLM モデルが学習するにつれて、時間の経過とともに指示を変更する必要が生じる場合があります。

目標を述べる

また、タスクのタイプに合わせて指示を調整する必要があります。次の表では、さまざまな種類のタスクと、状況ごとに記述できる指示の種類について説明します。

指示にコンテキストを提供する

LLM にコンテキストを提供することは、当たり前のことを述べているように感じるかもしれません。たとえば、ユーザーがタスクを実行する理由を説明したり、タスクの内容について詳しく説明したりする必要がある場合があります。別の意味を持つ可能性のある言語を使用している場合は、用語を定義することをお勧めします。たとえば、指示が Microsoft Teamsに関するものである場合は、「Teams は Microsoft Teamsを指し、会社の従業員が個人またはグループで互いに通信するために使用できるアプリケーションです」のように言う必要がある場合があります。

コンテキストを提供するときは、タスクのターゲットオーディエンスについて考慮します。これは、より良い指示を書くのに役立ちます。タスクの対象者に言及することも、LLM がタスクを実行するのに役立ちます。

さらに、必要な種類の回答にたどり着く方法を LLM に「指示」する必要がある場合があります。詳細な思考の連鎖の指示は、あなたが探している結果を生み出す可能性が高くなります。指示の中で仮定を立てると、結果は大きく異なる可能性があります。

予想

結果をどのように表示するかを指定できます。たとえば、使用するトーンの種類を LLM に指示できます。

一部の Now Assist アプリケーションでは、書式設定を指定するオプションがある場合があります。このような場合は、たとえば箇条書きで回答を提供するように LLM に指示できます。箇条書きは多くの場合、読みやすいです。

ソース

Microsoft Teams会話、Microsoft SharePoint Onlineサイト、インシデントとケース、内部ナレッジ記事など、LLM が回答を見つけるために使用するさまざまなソースを提案できます。エージェントまたはスキルがこれらすべてのソースにアクセスするには、アドミンがインスタンスに対するアクセスを構成する必要があります。

開発者の場合、スキルまたは AI エージェントがアクセスできるソースは、望ましい結果によって異なる場合があります。たとえば、インシデントの要約スキルでは、インシデントテーブルをソースとして使用します。AI エージェントは、実行するタスクに合わせてカスタマイズされたさまざまなツールとナレッジソースを使用します。

Now Assistスキルとツールに関する追加のガイドライン