あなたは、LLMプロンプトをプログラムのように書くことができることをご存知でしたか？あなたはほぼどんな言語でも使用できますし、意味が通じる限りは独自に作ることもできます（擬似コード）。言語モデルのパターンマッチング機能が、あなたが何を指示しようとしているのかを決定し、あなたが求めていることの（バリエーション）を実行します。毎回完全に同じではありません（そしてそれが機能かもしれません）。ここでSkyDeck.aiで試してみることができ（サインアップ）、異なるLLMを使用して結果がどのように異なるかを実験してみてください。この技術をあなた自身のAIの利用に適用することで、生産性をさらに高めることができます。
例えば、LLMに次のように尋ねることができます:
愛についての短い詩を書いてください：英語での俳句。
または、プログラム的にそれに三つのテーマについて三つの言語で三種類の詩を書くよう指示することもできます。ほとんどの組み合わせを提供してくれます。やり方は以下の通りです。
まず、生成する詩の種類を定義します。私はこれに「poem_type」という変数名を想像し、種類をJson形式で提示します:
{ "poem_type": [{ "name": "俳句" }, { "name": "リメリック" }, { "name": "ソネット" }] }
詩の題材や言語についても同様のことをしています：
{ "subject_type": [{ "name": "愛" }, { "name": "怒り" }, { "name": "音楽" }] }
{ "language": [{ "name": "日本語" }, { "name": "英語" }, { "name": "イタリア語" }] }
次に、このデータで何をするかの論理を説明し、それを論理的に参照します。私は、三重のネストされたループを作成するために、マスタッシュの論理なしテンプレートのスタイルをコピーしました。これがプログラムであった場合、9つの異なる詩が生成されることを期待します。しかし、LLMは好きなだけ生成でき、コンテキストウィンドウの制限により出力が切り捨てられることがあります。
短い詩を書いてください：
{{#poem_type}}
{{#language}}
{{#subject_type}}
{{poem_type.name}}について{{subject_type.name}}を{{language.name}}で：
{{/subject_type}}
{{/language}}
{{/poem_type}}
SkyDeckのGenStudioワークスペースにこれをすべてコピー＆ペーストし、OpenAI GPT-4やAnthropic Claude2などのLLMを選択すると、次のような結果が得られます：