Маркдаун разметка - секретный соус для LLM или почему нейросети любят структуру

Привет! Обратили внимание, как ChatGPT и подобные ему LLMки генерируют ответы? Они очень часто обрамляют предложения определенного рода символами, которые потом, как дурак), сидишь и удаляешь. Так вот все эти хэштеги, звездочки и прочие символы - ничто иное как Markdown разметка. И вот про её важность для качественного промптинга как раз сегодня и поговорим.

Что такое маркдаун и почему он важен?
Маркдаун (Markdown) - это язык разметки, который позволяет форматировать текст, используя определенные символы. Он был создан для того, чтобы текст оставался читаемым даже в своем исходном виде, но при этом мог быть преобразован в HTML или другие форматы.

Для нейросетей маркдаун играет особую роль. Когда вы используете структурированный текст, модель лучше понимает иерархию информации и важность различных элементов.

Основные элементы маркдаун-разметки

Заголовки создаются с помощью символа #. Количество символов определяет уровень заголовка:

# Заголовок первого уровня
## Заголовок второго уровня
### Заголовок третьего уровня

Для выделения текста используются следующие обозначения:

Жирный текст - (телега не дает сделать правильно, выделяйте с обоих сторон двумя звездочками **)
Курсив - *текст*
Зачеркнутый текст - выделяйте с обоих сторон значком ~~

Маркированные списки
- Первый пункт
- Второй пункт
- Вложенный пункт
- Третий пункт

Нумерованные списки
1. Первый пункт
2. Второй пункт
3. Третий пункт

Таблицы создаются с помощью вертикальных линий и дефисов:

| Название | Описание | Цена |
|------------------|-------------------|----------|
| Товар 1 | Описание товара 1 | 100 |
| Товар 2 | Описание товара 2 | 200 |

Как маркдаун улучшает работу с нейросетями
1. Повышает понимание структуры
Когда вы используете заголовки разных уровней, нейросеть лучше понимает иерархию информации. Это особенно важно при работе с большими текстами, которые приближаются к лимиту контекстного окна модели.
2. Выделяет ключевую информацию.
Выделение текста жирным или курсивом помогает модели определить, какие части текста являются наиболее важными. Это как если бы вы разговаривали с человеком и интонацией подчеркивали ключевые моменты.
3. Улучшает генерацию кода
Блоки кода в маркдауне (обрамленные тройными обратными кавычками) позволяют нейросети точнее генерировать и форматировать код:

#python
def hello_world():
print("Привет, мир!")

Практические советы

Вот несколько рекомендаций, которые помогут вам эффективнее использовать маркдаун:

1. Начинайте запросы с четкого заголовка, который описывает вашу задачу
2. Разбивайте сложные запросы на разделы с помощью заголовков второго и третьего уровня
3. Выделяйте ключевые термины жирным шрифтом
4. Используйте списки для перечисления шагов или вариантов
5. Применяйте блоки кода с указанием языка для технических запросов
6. Используйте маркдаун якоря для памяти. Когда нейросети нужно запоминать что-то важное, помечайте эту информацию особым образом:

# ВАЖНО: запомни эту информацию
base_url = "https://example.com"
api_key = "openai_key_123"

Как вам такая инструкция господа SEOшники, ничего не напоминает? 😉
Я спросил у Клода, чтобы он мне написал, как он видит разницу в ответах и вот, что он мне ответил.

| Тип запроса | Точность ответа | Полнота информации | Структурированность |
|-------------|-----------------|--------------------|---------------------|
| Обычный текст | 65% | 70% | 40% |
| С базовым маркдауном | 78% | 85% | 75% |
| С продвинутым маркдауном | 92% | 95% | 95% |

Маркдаун - это не просто способ сделать текст красивым и доставить вам эстетическое наслаждение. Это ваш инструмент коммуникации с GPT chat и прочим зоопарком LLM моделей, в которых я уже начинаю путаться и не успеваю за трендами.