Ключевые компоненты сообщения при работе с моделями GPT — это role и content. role (system/user/assistant) определяет отправителя реплики и направляет модель на соответствующий стиль или поведение; content содержит текст сообщения. Разграничение ролей важно для корректной симуляции диалога и получения ожидаемой реакции.
Сообщения с ролью system задают инструкции, контекст и ограничения (стиль, тон, правила поведения). Сообщения с ролью user — это входные запросы пользователя (вопросы, указания), на которые модель должна ответить. Чёткое разделение ролей помогает эффективно управлять поведением модели.
Пример влияния system: «Отвечай в стиле игривого поэта» — модель будет придерживаться заданного стиля в своих ответах.
Последовательность сообщений формирует контекст и влияет на ответы: реплики пользователя интерпретируются с учётом предыдущих системных указаний и всей истории диалога.
В примере классификации отзывов клиента используются категории: «Положительный», «Отрицательный», «Нейтральный».
Классификация тональности рецензии на фильм полезна для агрегирования мнений зрителей. Возможные категории: «Положительная», «Отрицательная», «Нейтральная».
Классификация темы новости помогает управлять контентом и формировать рекомендации. Возможные категории: «Политика», «Технологии», «Спорт», «Развлечения».
user_message при классификации должен содержать классифицируемый текст; формулировка должна быть ясной и краткой, чтобы модели хватило контекста для точного вывода.
Классификация тона постов в соцсетях помогает в модерации (для поиска неподходящего контента) и маркетинге (для анализа вовлечённости аудитории). Примеры тонов: «Серьёзный», «Ироничный», «Вдохновляющий», «Раздражённый».