開始使用
快速入門
大約十分鐘開始你第一次最佳化運行。
呢頁教你點樣喺大約十分鐘內開始你第一次運行。你會登入、上載一個細嘅數據集、填好精靈嘅四個步驟，然後開始運行。例子會改良一個將客服訊息分類做唔同標籤嘅提示詞。
開始之前
你需要：
- 一個 Skynet 帳戶。
- 一個 CSV、JSON 或者 Excel 檔案（
.csv、.json、.xlsx或.xls）。每一列係一個案例。 - 一個或者多個輸入欄，例如
message。 - 一個預期輸出欄，例如
label。
1. 登入
登入 Skynet。然後打開提交頁面 /submit。
2. 任務
第一步係 任務。佢會問「你想優化啲咩？」
- 喺 目標，寫低咩先算好結果。用淺白嘅字，例如「將每條客服訊息分類做 billing、bug 或者 other。」
- 可選：喺 背景，加啲可以幫到優化器嘅背景資料。
- 喺 成品類型，揀 提示詞。
- 喺 起始版本，貼上你而家嘅提示詞。
3. 輸入
第二步係 輸入。
- 揀 上載 CSV、JSON 或 Excel 檔案，或者揀 由資料庫揀 去用一個已儲存嘅數據集。
- 喺 點樣讀取資料 下面，幫每一欄設定角色：
- 輸入：運行程式碼會收到呢一欄。
- 輸出：預期值。指標會收到佢。
- 略過：Skynet 唔會用呢一欄。
- 分割保留 使用建議設定。大部分數據集嘅分割係 70% 訓練、15% 驗證同 15% 測試。
完整規則請睇 數據集同分割。
4. 優化器
第三步係 優化器（「優化器、模型同預算」）。
- 優化器保留 Auto。
- 揀一個 反思模型。優化器用佢嚟寫新版本。呢個模型係必填。
- 可選：揀一個 任務模型。你嘅運行程式碼會用佢。
- 喺 預算 下面，評分器最多運行次數 保留預設嘅 200。
想揀指定引擎，請睇 引擎。
5. 指標同執行
最後一步係 指標同執行（「程式碼同指標」）。你要寫兩個檔案。
from skynet import llm
def run(artifact, input):
return llm(artifact, input=input["message"])def score(input, output, expected=None):
want = expected["label"].strip().lower()
got = str(output).strip().lower()
if got == want:
return 1.0, {"feedback": "Correct label."}
return 0.0, {"feedback": f"Expected '{want}', got '{got}'."}artifact 係你個提示詞而家嘅版本。input 裝住一個案例嘅輸入欄。expected 裝住輸出欄，用欄名做 key。
然後喺 合約檢查 下面揀 檢查。檢查會喺沙盒入面，用 3 個示例案例運行你嘅程式碼同指標。佢會檢查：
| 檢查 | 咩情況會失敗 |
|---|---|
| 執行程式碼簽名 | run.py 冇定義 run(artifact, input) |
| 指標簽名 | metric.py 冇定義 score(input, output, expected=None) |
| 指標模型 | 指標模型用唔到 |
| 喺示例上執行程式碼 | 你嘅運行程式碼喺某個示例案例上出錯 |
| 指標回傳值 | score 冇回傳有效嘅分數同回饋 |
6. 開始同觀察
摘要畫面會顯示「準備好執行」。佢嘅分頁有一般、數據、模型、預算同獎勵。檢查好設定，然後開始最佳化。
喺你嘅最佳化列表打開個運行，就可以觀察佢。想了解分數同勝出版本，請睇 睇結果。