본문으로 건너뛰기
Skynet문서
페이지

시작하기

빠른 시작

약 10분 만에 첫 최적화 실행을 시작합니다.

이 페이지는 약 10분 만에 첫 실행을 시작하는 방법을 보여 줍니다. 로그인하고, 작은 데이터셋을 업로드하고, 마법사의 네 단계를 채운 뒤 실행을 시작합니다. 예제는 지원 메시지를 라벨로 분류하는 프롬프트를 개선합니다.

시작하기 전에

다음이 필요합니다.

  • Skynet 계정.
  • CSV, JSON 또는 Excel 파일(.csv, .json, .xlsx 또는 .xls). 각 행이 하나의 케이스입니다.
  • 하나 이상의 입력 열(예: message).
  • 하나의 기대 출력 열(예: label).

1. 로그인

Skynet에 로그인합니다. 그런 다음 /submit에서 제출 페이지를 엽니다.

2. 작업

첫 번째 단계는 작업입니다. 이 단계는 "무엇을 최적화하시겠어요?"라고 묻습니다.

  1. 목표에 좋은 결과가 무엇인지 적습니다. 쉬운 말로 적으세요. 예: "각 지원 메시지를 billing, bug, other 중 하나로 분류합니다."
  2. 선택 사항: 배경에 옵티마이저에 도움이 되는 맥락을 추가합니다.
  3. 아티팩트 유형에서 프롬프트를 선택합니다.
  4. 시작 버전에 현재 프롬프트를 붙여 넣습니다.

3. 입력

두 번째 단계는 입력입니다.

  1. CSV, JSON 또는 Excel 파일 업로드를 선택하거나, 저장된 데이터셋을 쓰려면 라이브러리에서 선택을 선택합니다.
  2. 데이터를 읽는 방식에서 각 열에 역할을 지정합니다.
    • 입력: 실행 코드가 이 열을 받습니다.
    • 출력: 기댓값입니다. 메트릭이 이 열을 받습니다.
    • 건너뛰기: Skynet이 이 열을 사용하지 않습니다.
  3. 분할은 추천 사용을 유지합니다. 대부분의 데이터셋에서 분할은 학습 70%, 검증 15%, 테스트 15%입니다.

전체 규칙은 데이터셋과 분할을 읽어 보세요.

4. 옵티마이저

세 번째 단계는 옵티마이저("옵티마이저, 모델, 예산")입니다.

  • 옵티마이저는 Auto로 둡니다.
  • 리플렉션 모델을 선택합니다. 옵티마이저는 이 모델로 새 버전을 작성합니다. 이 모델은 필수입니다.
  • 선택 사항: 작업 모델을 선택합니다. 실행 코드가 이 모델을 사용합니다.
  • 예산에서 최대 스코어러 실행 횟수를 기본값 200으로 둡니다.

특정 엔진을 고르려면 엔진을 읽어 보세요.

5. 메트릭 및 실행

마지막 단계는 메트릭 및 실행("코드와 메트릭")입니다. 파일 두 개를 작성합니다.

from skynet import llm


def run(artifact, input):
    return llm(artifact, input=input["message"])

artifact는 프롬프트의 현재 버전입니다. input에는 케이스 하나의 입력 열이 들어 있습니다. expected에는 출력 열이 열 이름을 키로 해서 들어 있습니다.

그런 다음 계약 검사에서 검사를 선택합니다. 검사는 샌드박스에서 샘플 케이스 3개로 코드와 메트릭을 실행합니다. 검사 항목은 다음과 같습니다.

검사실패 조건
실행 코드 시그니처run.py가 run(artifact, input)을 정의하지 않음
메트릭 시그니처metric.py가 score(input, output, expected=None)을 정의하지 않음
메트릭 모델메트릭 모델을 사용할 수 없음
샘플에서 실행 코드실행 코드가 샘플 케이스에서 오류를 발생시킴
메트릭 반환값score가 유효한 점수와 피드백을 반환하지 않음

6. 시작하고 지켜보기

요약 화면에 "실행 준비 완료"가 표시됩니다. 탭은 일반, 데이터, 모델, 예산, 보상입니다. 설정을 확인한 다음 최적화를 시작합니다.

실행을 지켜보려면 최적화 목록에서 실행을 엽니다. 점수와 우승 버전을 이해하려면 결과 읽기를 읽어 보세요.

다음 단계