Własne prompty

💡TL;DR

Notemd umożliwia przejęcie domyślnego promptu LLM dla każdego typu zadania. Własne prompty dają kontrolę nad tym, co model ma priorytetować: można ograniczyć wydobywanie pojęć do konkretnej dziedziny, zmienić styl łączenia lub dostosować ton tłumaczenia. Zmienne promptu takie jak {{content}} i {{concept}} są podstawiane w czasie wykonywania. Funkcja skupionego obszaru nauki dodaje na początku nazwę twojej dziedziny, aby automatycznie ograniczyć wyniki wydobywania.

To jest część Obsidian Przewodnika po zarządzaniu wiedzą AI.

Przegląd

Domyślne prompty Notemd zostały napisane do pracy z wiedzą ogólnego przeznaczenia. Działają dobrze we wszystkich dziedzinach, ale pozostawiają również miejsce na ulepszenia specyficzne dla danej dziedziny. Własne prompty pozwalają dokładnie określić, jak LLM ma się zachowywać w twoim przypadku – czy to oznacza wydobywanie tylko terminologii medycznej, łączenie tylko nazwanych entytetów, czy tłumaczenie w formalnym stylu.

Własne prompty nie zastępują całego promptu systemowego. One przejmują lub uzupełniają część instrukcji specyficznych dla zadania, zachowując jednocześnie strukturalny format wyjścia (np. linie CONCEPT:, składnię linków wiki), od której Notemd zależy przy parsowaniu.

Jak to działa

Architektura promptu

Każde zadanie Notemd follows the same prompt structure:

[System role: You are a helpful assistant...]
[Domain constraint: Relevant Fields: [{domain}]]   <-- focused learning (optional)
[Custom task prompt]                                <-- your override (optional)
[Output format instructions]                        <-- always preserved
[Content: {{content}}]                              <-- runtime substitution

Podstawowy prompt systemowy – Ustala osobowość asystenta. Nie można go przejąć.
Skupiony obszar nauki – Dodaje na początku Relevant Fields: [medicine / law / computer science / ...] w celu ograniczenia zakresu. To przełącznik ustawień, a nie surowy prompt.
Własny prompt zadania – Zastępuje domyślne instrukcje zadania (np. jakie rodzaje pojęć wydobywać, jak intensywnie łączyć).
Format wyjścia – Zasady strukturalne (linie CONCEPT:, format linków wiki). Zawsze dodawany przez Notemd w celu zapewnienia możliwości parsowania.
Treść – Rzeczywisty tekst notatki, podstawiany w czasie wykonywania za pomocą {{content}}.

Zmienne promptu

Zmienne są podstawiane w momencie wykonania. Dostępne zmienne różnią się w zależności od zadania:

Zmienna	Zadania	Zastąpione przez
`{{content}}`	Wszystko	Tekst notatki lub wybranej części tekstu
`{{concept}}`	Szablon notatki koncepcyjnej	Wyodrębniona nazwa koncepcji
`{{description}}`	Szablon notatki koncepcyjnej	Opis koncepcji wygenerowany przez LLM
`{{backlinks}}`	Szablon notatki koncepcyjnej	Lista notatek źródłowych z linkami
`{{date}}`	Szablon notatki koncepcyjnej	Bieżąca data (YYYY-MM-DD)
`{{language}}`	Tłumaczenie	Język docelowy
`{{source}}`	Szablon notatki koncepcyjnej	Nazwa pliku notatki źródłowej

Domena uczenia się skoncentrowanego

Funkcja uczenia się skoncentrowanego stanowi skrót do określania domeny. Zamiast pisać własny prompt, który wymienia twoją dziedzinę, ustawiasz focusedLearningDomain w ustawieniach:

Settings → Advanced → Focused Learning Domain
Example: "medicine" or "computer science" or "Chinese philosophy"

To dodaje Relevant Fields: [medicine] na początek promptu do wydobywania informacji, dzięki czemu LLM priorytetyzuje koncepcje związane z daną domeną i odrzuca te ogólne. Jest to rozwiązanie lżejsze od pełnego customowego promptu i działa we wszystkich zadaniach wydobywania informacji.

Konfiguracja

Ustawienie	Domyślny	Efekt
`customAddLinksPrompt`	`''`	Przejąć domyślny prompt zadania dodawania linków
`customExtractConceptsPrompt`	`''`	Przejąć domyślny prompt wydobywania koncepcji
`customResearchPrompt`	`''`	Przejąć domyślny prompt badania i podsumowywania
`customTranslatePrompt`	`''`	Przejąć domyślny prompt tłumaczenia
`customDiagramPrompt`	`''`	Przejąć domyślny prompt generowania diagramów
`focusedLearningDomain`	`''`	Dodać kontekst dyscypliny na początek promptów do wydobywania informacji i łączenia ich
`extractConceptsMinimalTemplate`	`true`	Użyć szablonu notatki koncepcyjnej zawierającej tylko tytuł (wpływa na zakres szablonu `{{concept}}`)
`customConceptNoteTemplate`	`''`	Przejąć szablon pliku notatki koncepcyjnej z pełnym wsparciem zmiennych

Gdy pole customowego promptu jest puste, używany jest wbudowany domyślny prompt.

Przykład

Jesteś badaczem medycznym, który wydobywa koncepcje z notatek badań klinicznych. Domyślny prompt wydobywa ogólne rzeczowniki razem z terminami medycznymi, co powoduje zamieszanie w folderze z koncepcjami.

Rozwiązanie: Ustaw domenę uczenia się skoncentrowanego oraz customowy prompt do wydobywania informacji.

Ustawić focusedLearningDomain na medicine
Ustawić customExtractConceptsPrompt na:

Extract only clinically relevant concepts: diseases, drug names,
anatomical terms, measurement endpoints, and statistical methods.
Ignore generic English nouns, brand names, and institutional names.
Prioritize MeSH terminology where applicable.

Teraz, gdy uruchamiasz "Extract concepts" na notatce klinicznej, LLM generuje:

CONCEPT: Randomized Controlled Trial
CONCEPT: Double-Blind Method
CONCEPT: Myocardial Infarction
CONCEPT: Creatine Kinase-MB
CONCEPT: Kaplan-Meier Estimate

Zamiast domyślnego zachowania, które może również wydobywać niepożądane terminy ogólne takie jak "hospital" lub "month".

Wskazówki

Zacznij od skoncentrowanego obszaru nauki przed napisaniem pełnego, dostosowanego promptu. Jedna ustawienie obejmuje 80% przypadków użycia.
Zachowaj format wyjścia – Nigdy nie usuwaj instrukcji formatowania takich jak "one per line" lub "CONCEPT: prefix" z promptów dostosowanych. Parser Notemd polega na nich.
Przetestuj najpierw na jednej notatce – Prompty dostosowane mogą mieć nieoczekiwane skutki dla zakresu wydobywania informacji. Sprawdź je na jednej notatce przed przetwarzaniem zbiorczym.
Utrzymuj prompty zwięzłe – Zbyt długie prompty dostosowane zużywają tokeny i mogą osłabić skupienie modelu.

Kolejne kroki

Wiki-Links – Co jest łączone, gdy dostosowujesz prompt add-links
Concept Notes – Szablony notatek koncepcyjnych oraz zmienna {{concept}}
Batch Processing – Zastosowanie promptów dostosowanych do całych folderów
Troubleshooting – Naprawa problemów, gdy prompty dostosowane generują nieoczekiwane wyniki

Przegląd​

Jak to działa​

Architektura promptu​

Zmienne promptu​

Domena uczenia się skoncentrowanego​

Konfiguracja​

Przykład​

Wskazówki​

Kolejne kroki​