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.
Ci sono due modi per scomporre 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 esegui le attività secondarie in parallelo.
Catena di prompt
Per le attività complesse che prevedono più passaggi sequenziali, rendi ogni passaggio un prompt concatenare i prompt in sequenza. In questa catena sequenziale di prompt, l'output di nella sequenza diventa l'input del prompt successivo. L'output dell'ultimo prompt in 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 l'estrazione di dati significativi dai clienti non elaborati
feedback. 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 richiedere 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 esegue questa operazione potrebbe essere simile alla seguente,
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 richiedere al modello di generare suggerimenti strategici basati
categorizzato i problemi per migliorare la soddisfazione del cliente, utilizzando la risposta dell'attività precedente. R
questo prompt 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, finalizzati migliorare la customer experience e la qualità del servizio, che rispecchia 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, ovvero i flussi di dati e i dati sulle vendite. Tu
eseguire i prompt per completare queste attività in parallelo. I prompt che eseguono queste attività
simile al seguente, dove STORE_SALES_DATA è un file che contiene
i dati delle vendite e STREAMING_DATA è un file che contiene la
dati:
| Attività 1a: analizza i dati delle 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 raggiunge questo obiettivo
potrebbe essere simile al seguente, dove TASK_1A_RESPONSE e
TASK_1B_RESPONSE sono le risposte dalle attività precedenti:
| Dati aggregati sulle vendite e sui flussi di dati |
|---|
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 aspetteremmo che l'output contenga un elenco di titoli suggerito di circa 20 record, sulla base dei dati di vendite e flussi, dando più favore ai dischi con una storia di vendita comprovata rispetto a quelli con di aumento della popolarità dello streaming.
Passaggi successivi
- Esplora esempi di prompt nella Galleria prompt.