Suddividi attività complesse in prompt più semplici

Per le attività complesse che richiedono più istruzioni o passaggi, puoi migliorare il suddividendo i prompt in attività secondarie. Prompt più piccoli possono aiutarti a migliorare controllabilità, debug e accuratezza.

Esistono due modi per suddividere i prompt complessi e importarli in un modello:

  • Catena di prompt: suddividi un'attività in attività secondarie ed esegui i subaccount in sequenza.
  • Risposte aggregate: suddividi un'attività in attività secondarie ed eseguile in parallelo.

Catena di prompt

Per le attività complesse che richiedono più passaggi sequenziali, rendi ogni passaggio un prompt e concatena i prompt in una sequenza. In questa catena sequenziale di prompt, l'output di un prompt nella sequenza diventa l'input del prompt successivo. L'output dell'ultimo prompt nella sequenza è l'output finale.

Esempio

Ad esempio, supponiamo che tu gestisca un'attività di telecomunicazioni e che voglia utilizzare un modello analizzare i feedback dei clienti per identificare i problemi comuni dei clienti, classificarli in categorie e generare soluzioni per categorie di problemi.

Attività 1: identifica i problemi dei clienti

La prima attività che vuoi che il modello completi è estrarre dati significativi dai feedback dei clienti non elaborati. Un prompt che completa questa attività potrebbe essere simile al seguente, dove CUSTOMER_FEEDBACK è un file contenente il feedback del cliente:

Estrarre i dati 
      Extract the main issues and sentiments from the customer feedback on our telecom services.
      Focus on comments related to service disruptions, billing issues, and customer support interactions.
      Please format the output into a list with each issue/sentiment in a sentence, separated by semicolon.

      Input: CUSTOMER_FEEDBACK

Ci aspettiamo che la risposta del modello contenga un elenco di problemi e sentiment estratti dal feedback dei clienti.

Attività 2: classifica i problemi in categorie

Quindi, vuoi chiedere al modello di classificare i dati in categorie, a capire i tipi di problemi riscontrati dai clienti utilizzando la risposta dell'attività precedente. Un prompt che consente di completare questa attività potrebbe essere simile al seguente, dove TASK_1_RESPONSE è la risposta dell'attività precedente:

Classificare i dati 
        Classify the extracted issues into categories such as service reliability, pricing concerns, customer support quality, and others.
        Please organize the output into JSON format with each issue as the key, and category as the value.

        Input: TASK_1_RESPONSE

Ci aspettiamo che la risposta del modello contenga i problemi categorizzati.

Attività 3: genera soluzioni

Ora vuoi chiedere al modello di generare consigli utili in base ai problemi classificati per migliorare la soddisfazione dei clienti, utilizzando la risposta dell'attività precedente. Un prompt che consente di ottenere questo risultato potrebbe essere simile al seguente, dove TASK_2_RESPONSE è la risposta dell'attività precedente:

Generare suggerimenti 
        Generate detailed recommendations for each category of issues identified from the feedback.
        Suggest specific actions to address service reliability, improving customer support, and adjusting pricing models, if necessary.
        Please organize the output into a JSON format with each category as the key, and recommendation as the value.

        Input: TASK_2_RESPONSE

Ci aspettiamo che la risposta del modello contenga consigli per ogni categoria, volti a migliorare l'esperienza dei clienti e la qualità del servizio, in modo da soddisfare il nostro obiettivo generale.

Risposte aggregate

Nei casi in cui hai attività complesse, ma non hai bisogno di eseguirle in un puoi eseguire prompt paralleli e aggregare le risposte del modello.

Esempio

Ad esempio, supponiamo che tu possieda un negozio di dischi e che voglia utilizzare un modello per decidere quale record per le scorte in base alle tendenze di streaming musicale e ai dati di vendita del tuo negozio.

Attività 1: analizza i dati

La prima cosa da fare è analizzare i due set di dati, i dati in streaming e i dati sulle vendite. Puoi eseguire i prompt per completare queste attività in parallelo. I prompt per svolgere queste attività potrebbero essere simili ai seguenti, dove STORE_SALES_DATA è un file contenente i dati sulle vendite e STREAMING_DATA è un file contenente i dati di streaming:

Attività 1a: analizza i dati sulle vendite 
      Analyze the sales data to identify the number of sales of each record.
      Please organize the output into a JSON format with each record as the key, and sales as the value.

      Input: STORE_SALES_DATA

Ci aspettiamo che l'output contenga il numero di vendite per ogni record, formattato in JSON.

Attività 1b: analizza i flussi di dati 
        Analyze the streaming data to provide a the number of streams for each album.
        Please organize the output into a JSON format with each album as the key, and streams as the value.

        Input: STREAMING_DATA

Prevediamo che l'output contenga il numero di stream per ogni album, formattato in JSON.

Attività 2: aggrega i dati

Ora puoi aggregare i dati di entrambi i set di dati per pianificare le tue decisioni di acquisto. A aggregare i dati e includere l'output di entrambe le attività come input. Un prompt che ottiene questo risultato potrebbe essere simile al seguente, dove TASK_1A_RESPONSE e TASK_1B_RESPONSE sono le risposte delle attività precedenti:

Dati aggregati su vendite e streaming 
        Recommend a stocklist of about 20 records based on the most sold and most streamed records.
        Roughly three quarters of the stock list should be based on record sales, and the rest on streaming.


      Input: TASK_1A_RESPONSE and TASK_1B_RESPONSE

Ci aspettiamo che l'output contenga un elenco di titoli suggeriti di circa 20 dischi, in base alle vendite e agli stream dei dischi, con un'attenzione maggiore ai dischi con una comprovata cronologia delle vendite rispetto a quelli con una maggiore popolarità in streaming.

Passaggi successivi