Per attività complesse che richiedono più istruzioni o passaggi, puoi migliorare le risposte del modello 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:
- Integra i prompt: suddividi un'attività in attività secondarie ed esegui le subnet in sequenza.
- Risposte aggregate: suddividi un'attività in attività secondarie ed esegui le attività secondarie in parallelo.
Prompt della catena
Per attività complesse che prevedono più passaggi sequenziali, rendi ogni passaggio un prompt e concatena i prompt in 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 della sequenza è l'output finale.
Esempio
Ad esempio, supponi di gestire un'attività di telecomunicazioni e di voler utilizzare un modello che consenta di analizzare il 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 dal feedback non elaborato dei clienti. Un prompt che completa questa attività potrebbe essere simile al seguente, dove CUSTOMER_FEEDBACK è un file che contiene il feedback del cliente:
| Estrai 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 del cliente.
Attività 2: classifica i problemi in categorie
A questo punto, vuoi chiedere al modello di classificare i dati in categorie, in modo da poter comprendere i tipi di problemi che i clienti devono affrontare, utilizzando la risposta all'attività precedente. Un prompt
che raggiunge questa attività potrebbe essere simile al seguente, dove
TASK_1_RESPONSE è la risposta all'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 richiedere al modello di generare suggerimenti attuabili in base ai problemi categorizzati per migliorare la soddisfazione del cliente, utilizzando la risposta dell'attività precedente. Un prompt in grado di raggiungere questo obiettivo potrebbe essere simile al seguente, dove TASK_2_RESPONSE è la risposta all'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 suggerimenti per ogni categoria, volti a migliorare l'esperienza cliente e la qualità del servizio, il che soddisfa il nostro obiettivo generale.
Risposte aggregate
Nei casi in cui tu abbia attività complesse ma non hai bisogno di svolgerle in un ordine specifico, puoi eseguire prompt paralleli e aggregare le risposte del modello.
Esempio
Ad esempio, supponiamo che tu possieda un negozio di dischi e voglia utilizzare un modello che ti aiuti a decidere quali record archiviare in base alle tendenze dello streaming musicale e ai dati delle vendite del tuo negozio.
Attività 1: analizza i dati
La prima cosa da fare è analizzare i due set di dati, i flussi di dati e i dati sulle vendite. Puoi eseguire le richieste per completare queste attività in parallelo. I prompt che svolgono queste attività potrebbero essere simili al seguente, dove STORE_SALES_DATA è un file che contiene i dati sulle vendite e STREAMING_DATA è un file che contiene i flussi di 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, in formato 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
|
Ci aspettiamo che l'output contenga il numero di stream per ogni album, in formato JSON.
Attività 2: dati aggregati
Ora puoi aggregare i dati di entrambi i set di dati per aiutarti a pianificare le decisioni di acquisto. Per aggregare i dati, includi l'output di entrambe le attività come input. Un prompt in grado di raggiungere questo obiettivo potrebbe essere simile al seguente, dove TASK_1A_RESPONSE e TASK_1B_RESPONSE sono le risposte alle attività precedenti:
| Dati aggregati relativi a 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 suggerito di circa 20 record, in base alle vendite record e ai flussi, con più favore ai dischi con una storia di vendita comprovata che a quelli con una maggiore popolarità nello streaming.
Passaggi successivi
- Esplora esempi di prompt nella Galleria prompt.