Minstrel: 非AI専門家向けのマルチエージェント調整による構造的プロンプト生成

Minstrel: Structural Prompt Generation with Multi-Agents Coordination for Non-AI Experts

September 20, 2024

著者: Ming Wang, Yuanzhong Liu, Xiaoyu Liang, Yijie Huang, Daling Wang, Xiaocui Yang, Sijia Shen, Shi Feng, Xiaoming Zhang, Chaofeng Guan, Yifei Zhang

cs.AI

要旨

LLMはさまざまな領域で優れたパフォーマンスを示しています。 ただし、彼らの作業を支援するための高品質なプロンプトを作成することは、 AI非専門家にとって課題となっています。プロンプトエンジニアリングの 既存の研究は、ある程度散在した最適化原則と経験に依存したプロンプト 最適化器を示唆しています。残念ながら、これらの取り組みには構造的な 設計が欠けており、高い学習コストがかかり、特にAI非専門家にとっては プロンプトの反復的な更新が容易ではありません。構造化再利用可能な プログラミング言語に着想を得て、構造的プロンプト設計フレームワーク であるLangGPTを提案します。さらに、構造的プロンプトの自動生成を 行う反映を持つ多生成エージェントシステムであるMinstrelを紹介します。 実験と事例研究により、Minstrelによって生成された構造的プロンプトや 手動で書かれたプロンプトがLLMのパフォーマンスを著しく向上させることを 示します。さらに、オンラインコミュニティでのユーザーアンケートを通じて、 構造的プロンプトの利用の容易さを分析します。

English

LLMs have demonstrated commendable performance across diverse domains. Nevertheless, formulating high-quality prompts to assist them in their work poses a challenge for non-AI experts. Existing research in prompt engineering suggests somewhat scattered optimization principles and designs empirically dependent prompt optimizers. Unfortunately, these endeavors lack a structural design, incurring high learning costs and it is not conducive to the iterative updating of prompts, especially for non-AI experts. Inspired by structured reusable programming languages, we propose LangGPT, a structural prompt design framework. Furthermore, we introduce Minstrel, a multi-generative agent system with reflection to automate the generation of structural prompts. Experiments and the case study illustrate that structural prompts generated by Minstrel or written manually significantly enhance the performance of LLMs. Furthermore, we analyze the ease of use of structural prompts through a user survey in our online community.