Practice: Prompts, Tokens, and API Calls

ခဏလေး ဒီလိုပဲ စဉ်းစားကြည့်

ဒီ lesson က အသစ်ဘာမှ သင်ပေးမှာမဟုတ်ဘဲ Basic နဲ့ Intermediate chapter တွေမှာ သင်ခဲ့တဲ့ prompt engineering, tokens/context window, နဲ့ AI API ခေါ်နည်း knowledge ကို ပြန်လှန်စမ်းသပ်ဖို့ practice set ဖြစ်ပါတယ်။ Task တစ်ခုချင်းစီက ရှေ့က lesson တွေမှာဖတ်ခဲ့တဲ့ concept ကို ကိုယ်တိုင်လက်တွေ့ကျင့်ကြည့်ဖို့ ရည်ရွယ်ထားပါတယ်။ Prompt ကောင်းတစ်ခု ဘယ်လိုရေးရမလဲ၊ token ဘယ်လောက်ကုန်နိုင်လဲ ခန့်မှန်းတတ်ဖို့၊ API request ကို basic level ကနေ ကိုယ်တိုင်ဖွဲ့ကြည့်တတ်ဖို့ဆိုတာတွေကို အာရုံစိုက်ပါတယ်။ ခက်ခဲမှု အနည်းငယ်ရှိပေမယ့် foundation level အတွက်ပဲ ဖြစ်ပါတယ်။

လေ့ကျင့်ခန်းများ

Task 1: ဆိုင်တစ်ခုအတွက် customer support chatbot persona ရေးတဲ့ prompt တစ်ခုကို vague ဖြစ်တဲ့ version ("help customers") ကနေ role, context, constraints, output format ပါတဲ့ clear prompt အဖြစ် ပြန်ရေးပါ။ Task 2: 'Myanmar ရဲ့ သမိုင်းနောက်ခံအကျဉ်းချုပ်ကို စာကြောင်း 10 ကြောင်းနဲ့ ရေးပါ' ဆိုတဲ့ prompt တစ်ခုကို ကြည့်ပြီး၊ input text ရဲ့ token count ကို roughly ခန့်မှန်းကြည့်ပါ (English စာလုံး 4 လုံးလောက်ကို 1 token လို့ မှတ်ယူပါ)၊ ပြီးရင် context window 4096 tokens ရှိတဲ့ model တစ်ခုနဲ့ conversation history 10 rounds ကို ဆက်ထည့်ရင် ဘယ်အချိန်လောက်မှာ context ပြည့်နိုင်လဲ estimate ချကြည့်ပါ။ Task 3: fetch API ကိုသုံးပြီး AI text-completion endpoint တစ်ခုကို call တဲ့ JavaScript function တစ်ခုကို API key ကို environment variable ကနေယူပြီး error handling (try/catch) ပါအောင် ရေးပါ။ Task 4 (optional bonus): အပေါ်က function ကို temperature parameter တစ်ခု ထပ်ထည့်ပြီး creative output vs. factual output အတွက် value ဘယ်လိုပြောင်းသုံးရမလဲ comment နဲ့ ရှင်းပါ။

• Vague prompt ကို role/context/format ပါတဲ့ clear prompt အဖြစ် ပြန်ရေးပြီးပြီ
• Token count estimate နဲ့ context window ပြည့်မယ့်အချိန်ကို ကိုယ်တိုင်တွက်ကြည့်ပြီးပြီ
• API key ကို env variable ကနေယူပြီး error handling ပါတဲ့ API call function ရေးပြီးပြီ

Code နမူနာ

// Task 3 starter skeleton — fill in the missing parts
async function askAI(userPrompt) {
  const apiKey = process.env.AI_API_KEY; // TODO: never hardcode this

  try {
    const response = await fetch("https://api.example.com/v1/chat", {
      method: "POST",
      headers: {
        "Content-Type": "application/json",
        Authorization: `Bearer ${apiKey}`,
      },
      body: JSON.stringify({
        model: "example-model-1",
        messages: [{ role: "user", content: userPrompt }],
        // TODO: add a temperature value here for Task 4
      }),
    });

    if (!response.ok) {
      throw new Error(`API error: ${response.status}`);
    }

    const data = await response.json();
    return data.choices[0].message.content;
  } catch (err) {
    console.error("askAI failed:", err.message);
    return null;
  }
}

// Task 1 & 2 — write your rewritten prompt and token estimate as comments here:
// const clearPrompt = "...";
// const estimatedTokens = ...;

Function ကို run လိုက်ရင် AI ဆီကနေ text response ပြန်ရ၊ error ဖြစ်ရင် console မှာ error message သာပြပြီး app crash မဖြစ်ပါဘူး။