Azione AI Prompt
L'azione AI Prompt consente di sfruttare i modelli linguistici di grandi dimensioni (LLM) direttamente all'interno delle automazioni Tulip. Questa azione offre un modo flessibile per elaborare il testo, analizzare i dati e generare risposte intelligenti basate su richieste personalizzate definite dall'utente.
Come funziona
L'azione AI Prompt è semplice: prende il messaggio in ingresso e lo invia direttamente a un modello linguistico di grandi dimensioni, quindi restituisce la risposta generata dall'AI. È possibile utilizzare questa azione per eseguire diverse attività di elaborazione del testo, dalla semplice categorizzazione all'analisi complessa e alla sintesi.
Configurazione
Messaggio di ingresso
Il messaggio di input è la richiesta che verrà inviata direttamente al modello linguistico di grandi dimensioni. Deve contenere: - istruzioni chiare su ciò che si desidera che l'IA faccia - qualsiasi dato o contesto che l'IA deve elaborare - requisiti specifici di formattazione per l'output.
Lavorare con gli oggetti
Quando si inviano oggetti o elenchi di oggetti all'azione di prompt dell'IA, è necessario avvolgerli nel TOTEXT() expression in modo che l'IA possa leggerne correttamente il contenuto.
Esempio:"Analizza questi dati sui difetti:" + TOTEXT(@variabile.mio_oggetto)
Scrivere prompt efficaci
Essere chiari e specifici
Scrivete prompt che spieghino chiaramente cosa volete che faccia l'IA. Evitate il linguaggio ambiguo e fornite istruzioni specifiche.
Bene: "Categorizza questo difetto come 'Critico', 'Maggiore' o 'Minore' in base alla descrizione della gravità."Male: "Che tipo di difetto è?".
Fornire il contesto
Includere informazioni di contesto pertinenti e spiegare lo scopo del compito.
Esempio:```Stai analizzando i difetti di produzione per il controllo di qualità. In base alla descrizione del difetto seguente, classificatelo come critico, maggiore o minore: - Critico: problemi di sicurezza o guasto completo del prodotto - Maggiore: Problemi funzionali che influiscono sulle prestazioni: Problemi estetici o funzionali minori
Rispondere solo con il nome della categoria.
Descrizione del difetto:" + TOTEXT(@variable.defect_data)```
Utilizzare esempi
Se possibile, includere esempi del formato di input e output desiderato per guidare le risposte dell'IA.
Esempio:```"Riassumete i seguenti dati di produzione in 2-3 frasi, concentrandovi sulle metriche chiave e sulle tendenze.
Formato di esempio: "La produzione ha completato X unità con un'efficienza del Y%. Il principale collo di bottiglia è stato Z, con conseguenti tempi di inattività di A minuti".
Dati di produzione:" + TOTEXT(@variabile.production_summary)```
Casi d'uso comuni
Categorizzazione dei difetti
Categorizzazione automatica dei difetti in base a descrizioni, immagini o dati dei sensori.
Dettagli del difetto:" + TOTEXT(@variable.defect\_record) +
"Rispondere nel formato: Categoria: [categoria], Priorità: [priorità]"```.
### Riassunto dei dati
Generare riepiloghi concisi di rapporti di produzione, metriche di qualità o dati operativi.
```Creare un breve riassunto delle metriche di produzione odierne: "
* TOTEXT(@variabile.dati\_di\_produzione\_giornalieri)+
"Concentratevi su: volumi di produzione, tassi di efficienza, punteggi di qualità e qualsiasi problema degno di nota. Limitatevi a 100 parole. "```
### Analisi ed estrazione del testo
Estrazione di informazioni specifiche da testi non strutturati come i registri di manutenzione o le note degli operatori.
```Estrarre la causa principale e le azioni consigliate da questo registro di manutenzione:
Voce di registro:" + TOTEXT(@variabile.maintenance\_log) +
"Formattare la risposta come:Causa principale: [causa]Azioni consigliate: [azioni]"```
### Generazione di contenuti
Genera rapporti, notifiche o documentazione standardizzati in base ai dati immessi.
```Generare un rapporto sul passaggio di turno basato su questi dati di produzione:"
+TOTEXT(@variabile.shift\_data) +
"Includere: compiti completati, problemi in corso, priorità del prossimo turno. Usare un tono professionale adatto alla revisione da parte della direzione."```
## Test e convalida
### Registrazione dei dati di input
Per testare l'azione di prompt dell'intelligenza artificiale, registrare prima il messaggio di input in una tabella. In questo modo è possibile verificare che:- il prompt sia formattato correttamente- le variabili siano risolte correttamente- gli oggetti siano convertiti in testo in modo appropriato- l'IA riceva informazioni complete.
**Approccio al test:**1. Creare una tabella di test con colonne per "Messaggio di ingresso" e "Risposta dell'IA "2 . Registrare l'esatto input inviato all'azione di prompt dell'IA3. Esaminare diversi esempi per garantire la coerenza4. Regolare il prompt in base ai risultati registrati
### Convalidare la qualità dell'output
Monitorare le risposte dell'intelligenza artificiale per assicurarsi che soddisfino gli standard di qualità: - Verificare che le risposte seguano il formato specificato - Verificare l'accuratezza rispetto agli esempi noti - Testare i casi limite e gli input insoliti - Monitorare la costanza delle prestazioni nel tempo.
### Gestire la variabilità
Le risposte dell'intelligenza artificiale possono variare da un'esecuzione all'altra. Considerate: - L'uso di prompt più specifici per ridurre la variabilità - L'implementazione di una logica di convalida per gli output critici - La presenza di procedure di ripiego per le risposte inattese - La revisione regolare delle prestazioni dell'IA in produzione.
## Migliori pratiche
### Progettazione dei prompt
* Iniziare in modo semplice e iterare in base ai risultati
* Testate con campioni di dati rappresentativi
* Utilizzare una terminologia e una formattazione coerenti
* Suddividere compiti complessi in prompt più piccoli e mirati
### Preparazione dei dati
* Pulire e formattare i dati di input prima di inviarli all'intelligenza artificiale
* Usare `TOTEXT()` per tutti gli input di oggetti ed elenchi.
* Eliminare le informazioni non necessarie che potrebbero confondere l'intelligenza artificiale.
* Assicurarsi che i requisiti di privacy e sicurezza dei dati siano soddisfatti
### Gestione degli errori
* Pianificare i casi in cui l'IA non risponde come previsto
* Implementare controlli di convalida sugli output dell'IA
* Disporre di procedure di backup per i processi critici
* Monitorare e registrare le prestazioni delle azioni dell'IA
### Ottimizzazione delle prestazioni
* Mantenere le richieste concise e chiare
* Evitare di inviare grandi quantità di dati non necessari
* Considerare il raggruppamento di richieste simili quando possibile
* Monitorare i tempi di risposta e regolarli se necessario
## Risoluzione dei problemi
### Problemi comuni
* **Risposte vuote o incomplete:** Verificare che la richiesta sia chiara e che siano inclusi tutti i dati richiesti.
* **Formato inaspettato:** Specificare meglio il formato di output desiderato nel prompt.
* **Risultati incoerenti:** Aggiungere ulteriori vincoli ed esempi al prompt
* **Dati dell'oggetto non visibili:** Assicurarsi di usare `TOTEXT()` per convertire gli oggetti in testo leggibile.
### Passi per il debug
1. Registrare l'esatto messaggio di input inviato all'intelligenza artificiale.
2. Testare manualmente il prompt con dati di esempio
3. Semplificare gradualmente il prompt per isolare i problemi.
4. Verificare che tutte le variabili siano risolte correttamente
5. Verificare che i dati degli oggetti siano convertiti correttamente con `TOTEXT()`
L'azione di prompt dell'intelligenza artificiale apre potenti possibilità di automazione intelligente nelle vostre applicazioni Tulip. Iniziate con casi d'uso semplici e costruite gradualmente prompt più sofisticati man mano che acquisite familiarità con le funzionalità e le best practice.