Darbplūsmas ar vairākiem soļiem: modelis kā diriģents
Šajā lapā
Sarežģītu uzdevumu orķestrēšana ar augstu spriešanas līmeni
Atbildēt uz vienreizēju jautājumu ir viena lieta; vadīt visu procesu ir pavisam kas cits. Modelis, kas iestatīts uz augstu spriešanas līmeni, spēj savirknēt vairākus soļus, vienlaikus saglabājot kontekstu, un kļūt par patiesu diriģentu taviem atkārtojamajiem procesiem. Šajā nodarbībā tu uzzināsi, kā aprakstīt darbplūsmu tā, lai tā izpildītos no sākuma līdz beigām, nezaudējot loģisko saistību gaitā.
Kas ir darbplūsma ar vairākiem soļiem?
Darbplūsma ar vairākiem soļiem ir uzdevumu virkne, kurā katrs solis ir atkarīgs no iepriekšējā solī iegūtā rezultāta: savāc neapstrādātus datus, attīri un strukturē tos, analizē tendences, sagatavo ziņojumu ar ieteikumiem un visbeidzot ģenerē kopsavilkuma e-pastu komandai. Tradicionāli katrs no šiem pieciem soļiem tiek veikts manuāli, un tu pats pārnes kontekstu no viena uz nākamo. Izmantojot augstu spriešanas līmeni, tu vienreiz apraksti visu procesu, un modelis izpilda katru soli, balstoties uz to, ko tas ir radījis iepriekšējā posmā.
Meta-prompta tehnika
Meta-prompts ir prompts, kas apraksta visu procesu, nevis izolētu uzdevumu. Tas modelim nodrošina globālu skatījumu uz to, ko vēlies sasniegt, un tas maina visu: zinot, kurp tas dodas, modelis kalibrē katru soli, ņemot vērā nākamo. Lūk, standarta struktūra, ko vari pielāgot savam procesam.
“Tu veiksi šādus soļus secībā:
1. solis — Analizē pievienotos pārdošanas datus un identificē 3 vislabāk un 3 visvairāk atpaliekošos produktus.
2. solis — Katram neatbilstošajam produktam identificē iespējamos cēloņus, salīdzinot tos ar klientu apmierinātības datiem.
3. solis — Piedāvā 3 punktu rīcības plānu katram neatbilstošajam produktam, iekļaujot izmērāmus KPI.
4. solis — Noformē visu strukturētā ziņojumā, ievadā iekļaujot 5 rindu kopsavilkumu vadībai.
Pirms pāriesi pie nākamā soļa, prezentē katra soļa rezultātu un atzīmē jebkādus negaidītus rezultātus.”
Šis pēdējais teikums ir pelnījis tavu uzmanību. Nav jāliek modelim „domāt soli pa solim” — tas to dara jau tā. Taču prasība sniegt katra soļa izvadi ļauj tev pamanīt kļūdu, pirms tā inficē visu turpmāko. Piecu soļu darbplūsmā kļūda 2. solī, kas pamanīta par vēlu, iznīcina visu ieguldīto darbu.
Kāpēc augsts spriešanas līmens izceļas orķestrēšanā
Garā darbplūsmā zems spriešanas līmens riskē zaudēt pavedienu no viena soļa uz nākamo. Augstāks līmenis (High režīmā Chat vidē, high API, ko OpenAI dokumentācija iesaka dziļai plānošanai) dod modelim laiku saglabāt redzamībā starprezultātus, pārbaudīt saskaņotību starp soļiem un pielāgot turpmāko gaitu, atkarībā no iegūtajiem rezultātiem. Tieši prasī modelim atzīmēt brīžus, kad solis rada negaidītu rezultātu, nevis turpināt darbu it kā nekas nebūtu noticis. Tieši šī uzvedība atšķir orķestrēšanu no vienkāršas virknes.
Šī elastība ļauj veidot nosacījumdarbplūsmas, kurās apstrāde ir atkarīga no tā, ko modelis novēro: „Ja produkta atgriešanas rādītājs pārsniedz 10 %, klasificē to kā augstu prioritāti un piedāvā tūlītēju rīcības plānu. Pretējā gadījumā klasificē to uzraudzībai un piedāvā ikmēneša sekošanu.” Modelis piemēro nosacījumu katram produktam atsevišķi un pielāgo apstrādi attiecīgi, bez tavas iepriekšējas šķirošanas.
Divi paplašinājumi: ChatGPT Work un API
Prompts nav vienīgais ceļš. Vidē ChatGPT pieredze Work ir īpaši paredzēta gariem, daudzsoloņu uzdevumiem, kuru rezultāts ir konkrēts izstrādājums: dokuments, izklājlapa, prezentācija vai ziņojums. Vissmagākajiem uzdevumiem tās iestatījums Ultra sadala darbu starp apakšagentiem, kas darbojas paralēli, kad uzdevums sadalās neatkarīgās daļās; tas patērē ievērojami vairāk resursu, un lielākajai daļai uzdevumu tas nav nepieciešams. Izstrādātāja pusē Responses API funkcija Programmatic Tool Calling liek modelim uzrakstīt JavaScript programmu, kas tiek izpildīta izolētā vidē, izsauc darbplūsmas rīkus (paralēli, ja nepieciešams) un filtrē starprezultātus, pirms tos atgriež modelim.
Trīs darbplūsmas, ko vari izmantot tieši tādas, kādas tās ir
Konkurences izlūkošana ir īpaši piemērota šim uzdevumam: modelis izlasa trīs piedāvātos rakstus par konkurentiem, izdala galvenos paziņojumus — produktus, cenas, partnerības —, salīdzina tos ar tavu pašreizējo pozicionējumu, identificē draudus un iespējas, pēc tam sagatavo informatīvu ziņojumu vadībai.
Sanāksmju sagatavošana seko tai pašai loģikai, piemērojot to taviem iekšējiem dokumentiem: analizē iepriekšējās sanāksmes protokolu, identificē ongoing darbības un to statusu, sagatavo nākamās sanāksmes darba kārtību, izstrādā diskusiju punktus katrai tēmai un ģenerē atbilstošu uzaicinājuma e-pastu.
Visbeidzot, ikmēneša ziņošana apvieno aprēķinus un analīzi: analizē mēneša datus no Excel faila, salīdzina tos ar iepriekšējo mēnesi un budžetu, identificē būtiskas novirzes, kas pārsniedz 5 %, analizē katras novirzes cēloņus un pēc tam sagatavo ziņojumu ar diagrammām un ieteikumiem.
Tava kārta
Izveido savu. Izvēlies atkārtojamu procesu savā darbā un pārveido to. Vispirms uzskaiti katru soli, ko pašlaik veic manuāli, pēc tam atrodi nosacījumlēmumus tipa „ja X, tad Y”, ko pieņem automātiski, nedomājot — tieši tie atšķir stingru darbplūsmu no noderīgas. Tālāk uzraksti meta-promptu, kas apraksta visu procesu, un testē to ar augstu spriešanas līmeni; ja kvalitāte stagnē, paaugstini līmeni vēl par pakāpienu.
Sāc vienkārši, ar trim vai četriem soļiem, un pakāpeniski palielini sarežģītību. Kad process kļūst garš un kvalitāte krītas, sadali to apakšdarbplūsmās, nevis mēģini spiest cauri. Tāpat pārliecinies, ka katrs solis ir skaidrs un pašpietiekams — ja modelim ir jāmin, ko tu sagaidi no kāda soļa, rezultāts būs nejaušs, un līdz ar to arī visa darbplūsma. Visbeidzot, patiešām izlasi starprezultātus. Daudzi lietotāji skatās tikai uz gala izvadi un palaiž garām galveno: labi izveidotā darbplūsmā 2. un 3. soļa atziņas bieži vien ir informatīvākas nekā tās apkopojošais ziņojums.
Oficiālie avoti: Spriešanas modeļi (OpenAI API: piepūles līmeņi un lietojuma gadījumi) · Spriešanas paraugprakse (vienkārši norādījumi, precīzs mērķis) · Programmatiska rīku izsaukšana · ChatGPT Work un Codex (Work gariem uzdevumiem) · Modeļi (Ultra)
Galvenās atziņas
- Augsts spriešanas līmens palīdz modelim orķestrēt procesu ar vairākiem soļiem, nezaudējot pavedienu
- Izmanto meta-promptu, lai aprakstītu visu procesu, iekļaujot nosacījumus (ja/tad) pielāgojamām darbplūsmām
- ChatGPT Work apstrādā garus uzdevumus; API vidē Programmatic Tool Calling orķestrē rīkus, izmantojot kodu
- Ultra, gan Work, gan Codex vidē, sadala darbu starp apakšagentiem: rezervē to smagiem, sadalāmiem uzdevumiem
- Pieprasi katra soļa izvadi, nevis „domāšanu soli pa solim”; sāc vienkārši un pakāpeniski palielini sarežģītību