Per le attività complesse che richiedono più istruzioni o passaggi, puoi migliorare le risposte del modello suddividendo i prompt in sottoattività. Prompt più piccoli possono aiutarti a migliorare la controllabilità, il debug e la precisione.
Esistono due modi per suddividere i prompt complessi e importarli in un modello:
- Collega i prompt:suddividi un'attività in attività secondarie ed eseguile in sequenza.
- Risposte aggregate:suddividi un'attività in attività secondarie ed eseguile in parallelo.
Prompt in sequenza
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 voglia utilizzare un modello per aiutarti a analizzare i feedback dei clienti al fine di identificare i problemi comuni, classificarli in categorie e generare soluzioni per le 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 non elaborati dei clienti. Un prompt che consente di svolgere 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
A questo punto, devi chiedere al modello di classificare i dati in categorie in modo da poter comprendere 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 problemi classificati.
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
Se hai attività complesse, ma non devi eseguirle in un ordine specifico, puoi eseguire prompt in parallelo e aggregare le risposte del modello.
Esempio
Ad esempio, supponiamo che tu possieda un negozio di dischi e voglia utilizzare un modello per aiutarti a decidere quali dischi vendere 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, in formato JSON.
| Attività 1b: analizza i dati in streaming |
|---|
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
|
Ci aspettiamo che l'output contenga il numero di stream per ogni album, in formato JSON.
Attività 2: aggrega i dati
Ora puoi aggregare i dati di entrambi i set di dati per aiutarti a pianificare le tue decisioni di acquisto. Per
aggregare i dati, includi 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, con un'attenzione maggiore ai dischi con una comprovata cronologia delle vendite rispetto a quelli con una maggiore popolarità in streaming.
Passaggi successivi
- Esplora gli esempi di prompt nella galleria dei prompt.