Action AI Prompt
L'action AI Prompt vous permet d'exploiter les grands modèles de langage (LLM) directement dans vos automatisations Tulip. Cette action fournit un moyen flexible de traiter le texte, d'analyser les données et de générer des réponses intelligentes basées sur des invites personnalisées que vous définissez.
Comment cela fonctionne-t-il ?
L'action AI Prompt est simple : elle prend votre message d'entrée et l'envoie directement à un grand modèle de langage, puis renvoie la réponse générée par l'IA. Vous pouvez utiliser cette action pour effectuer diverses tâches de traitement de texte, de la simple catégorisation à l'analyse complexe et au résumé.
Configuration de l'action
Message d'entrée
Le message d'entrée est l'invite qui sera envoyée directement au grand modèle linguistique. Il doit contenir les éléments suivants : - des instructions claires sur ce que vous voulez que l'IA fasse ; - toute donnée ou contexte que l'IA doit traiter ; - des exigences de formatage spécifiques pour le résultat.
Travailler avec des objets
Lorsque vous envoyez des objets ou des listes d'objets à l'action d'invite de l'IA, vous devez les envelopper dans TOTEXT() expression afin que l'IA puisse lire le contenu correctement.
Exemple :"Analysez ces données sur les défauts :" + TOTEXT(@variable.mon_objet)
Rédiger des invites efficaces
Soyez clair et précis
Rédigez des invites qui expliquent clairement ce que vous attendez de l'IA. Évitez les formulations ambiguës et donnez des instructions précises.
Bon : "Classez ce défaut comme 'critique', 'majeur' ou 'mineur' en fonction de la description de la gravité."Mauvais : "De quel type de défaut s'agit-il ?"
Contexte
Incluez des informations contextuelles pertinentes et expliquez l'objectif de la tâche.
Exemple:```"Vous analysez les défauts de fabrication pour le contrôle de la qualité. En vous basant sur la description du défaut suivant, classez-le dans les catégories suivantes : critique, majeur ou mineur:- critique : problèmes de sécurité ou défaillance complète du produit- majeur : Problèmes fonctionnels qui affectent les performances : Problèmes esthétiques ou fonctionnels mineurs
Répondez en indiquant uniquement le nom de la catégorie.
Description du défaut :" + TOTEXT(@variable.defect_data)```
Utiliser des exemples
Dans la mesure du possible, donnez des exemples des formats d'entrée et de sortie souhaités afin d'orienter les réponses de l'IA.
Exemple:```"Résumez les données de production suivantes en 2 ou 3 phrases, en vous concentrant sur les métriques et les tendances clés.
Exemple de format : "La production a réalisé X unités avec une efficacité de Y %. Le principal goulot d'étranglement était Z, ce qui a entraîné un temps d'arrêt de A minutes."
Données de production :" + TOTEXT(@variable.production_summary)```
Cas d'utilisation courants
Catégorisation des défauts
Catégoriser automatiquement les défauts sur la base de descriptions, d'images ou de données de capteurs.
Détails du défaut :" + TOTEXT(@variable.defect\_record) +
"Répondre au format : Catégorie : [catégorie], Priorité : [priorité]"````
### Synthèse des données
Générez des résumés concis de rapports de production, de mesures de qualité ou de données opérationnelles.
```"Créez un bref résumé des mesures de production d'aujourd'hui : "
* TOTEXT(@variable.daily\_production\_data)+
"Concentrez-vous sur : les volumes de production, les taux d'efficacité, les scores de qualité et tout problème notable. 100 mots maximum. "```
### Analyse et extraction de texte
Extrayez des informations spécifiques à partir de textes non structurés tels que des journaux de maintenance ou des notes d'opérateurs.
```"Extrayez la cause première et les actions recommandées de ce journal de maintenance :
Entrée du journal :" + TOTEXT(@variable.maintenance\_log) +
"Formatez la réponse comme suit : Cause fondamentale : [cause]Actions recommandées : [actions]"```
### Génération de contenu
Générer des rapports standardisés, des notifications ou de la documentation en fonction des données saisies.
```"Générer un rapport de transfert d'équipe basé sur ces données de production :"
+TOTEXT(@variable.shift\_data) +
"Inclure : les tâches achevées, les problèmes en cours, les priorités de la prochaine équipe. Utiliser un ton professionnel adapté à la revue de direction."````
## Test et validation
### Enregistrer les données d'entrée
Testez toujours votre action AI Prompt en enregistrant d'abord le message d'entrée dans un tableau. Cela vous permet de vérifier que :- L'invite est correctement formatée- Les variables sont résolues correctement- Les objets sont convertis en texte de manière appropriée- L'IA reçoit des informations complètes.
**Approche de test :**1. créez un tableau de test avec des colonnes pour le "Message d'entrée" et la "Réponse de l'IA "2. Enregistrez les données exactes envoyées à l'IA pour l'inviter à agir3. Examinez plusieurs exemples pour vous assurer de leur cohérence4. Ajustez votre invite en fonction des résultats enregistrés.
### Validez la qualité des résultats
Contrôlez les réponses de l'IA pour vous assurer qu'elles répondent à vos normes de qualité : - Vérifiez que les réponses respectent le format spécifié - Vérifiez la précision par rapport à des exemples connus - Testez les cas limites et les entrées inhabituelles - Contrôlez la cohérence des performances au fil du temps.
### Gérer la variabilité
Les réponses de l'IA peuvent varier d'un cycle à l'autre. Envisagez de : - utiliser des invites plus spécifiques pour réduire la variabilité ; - mettre en œuvre une logique de validation pour les résultats critiques ; - disposer de procédures de repli pour les réponses inattendues ; - examiner régulièrement les performances de l'IA en production.
## Meilleures pratiques
### Ingénierie des messages-guides
* Commencer simplement et itérer en fonction des résultats
* Tester avec des échantillons de données représentatifs
* Utiliser une terminologie et un formatage cohérents
* Décomposer les tâches complexes en invites plus petites et plus ciblées
### Préparation des données
* Nettoyer et formater les données d'entrée avant de les envoyer à l'IA
* Utilisez `TOTEXT()` pour toutes les entrées d'objets et de listes.
* Supprimer les informations inutiles susceptibles d'embrouiller l'IA
* S'assurer que les exigences en matière de confidentialité et de sécurité des données sont respectées
### Gestion des erreurs
* Prévoir les cas où l'IA ne réagit pas comme prévu
* Mettre en œuvre des contrôles de validation des résultats de l'IA
* Prévoir des procédures de sauvegarde pour les processus critiques
* Surveiller et consigner les performances des actions de l'IA
### Optimisation des performances
* Veillez à ce que les invites soient concises tout en restant claires
* Éviter d'envoyer de grandes quantités de données inutiles
* Envisager de regrouper les demandes similaires lorsque c'est possible
* Surveillez les temps de réponse et ajustez-les si nécessaire.
## Dépannage
### Problèmes courants
* **Réponses vides ou incomplètes :** Vérifiez que l'invite est claire et que toutes les données requises sont incluses.
* **Format inattendu :** Soyez plus précis quant au format de sortie souhaité dans votre invite.
* **Résultats incohérents :** Ajoutez des contraintes et des exemples à votre message-guide.
* **Les données de l'objet ne sont pas visibles :** Assurez-vous que vous utilisez `TOTEXT()` pour convertir les objets en texte lisible.
### Étapes de débogage
1. Enregistrez le message d'entrée exact envoyé à l'IA.
2. Testez l'invite manuellement à l'aide d'exemples de données
3. Simplifiez progressivement l'invite pour isoler les problèmes.
4. Vérifiez que toutes les variables sont correctement résolues
5. Vérifier que les données de l'objet sont converties correctement avec `TOTEXT()`
L'action AI Prompt ouvre de puissantes possibilités d'automatisation intelligente dans vos applications Tulip. Commencez par des cas d'utilisation simples et construisez progressivement des invites plus sophistiquées au fur et à mesure que vous vous familiarisez avec les capacités et les meilleures pratiques.