--- title: "Ação imediata de IA" slug: "ai-prompt-action" updated: 2025-08-07T13:27:00Z published: 2025-08-07T13:27:00Z canonical: "support.tulip.co/ai-prompt-action" --- > ## Documentation Index > Fetch the complete documentation index at: https://support.tulip.co/llms.txt > Use this file to discover all available pages before exploring further. # Ação imediata de IA ## Ação do prompt de IA A ação AI Prompt permite que você utilize modelos de linguagem ampla (LLMs) diretamente em suas automações Tulip. Essa ação oferece uma maneira flexível de processar texto, analisar dados e gerar respostas inteligentes com base em prompts personalizados definidos por você. ## Como funciona A ação AI Prompt é simples: ela pega sua mensagem de entrada e a envia diretamente para um modelo de linguagem grande e, em seguida, retorna a resposta gerada pela IA. Você pode usar essa ação para executar várias tarefas de processamento de texto, desde a categorização simples até a análise e o resumo complexos. ## Configuração ### Mensagem de entrada A mensagem de entrada é o prompt que será enviado diretamente para o modelo de linguagem grande. Ela deve conter:- Instruções claras sobre o que você deseja que a IA faça- Quaisquer dados ou contexto que a IA precise processar- Requisitos específicos de formatação para a saída ### Trabalho com objetos Ao enviar objetos ou listas de objetos para a AI Prompt Action, você deve envolvê-los no `TOTEXT()` expression para que a IA possa ler o conteúdo corretamente. **Exemplo:**`"Analise estes dados de defeitos:" + TOTEXT(@variable.my_object)` ## Como escrever prompts eficazes ### Seja claro e específico Escreva prompts que expliquem claramente o que você deseja que a IA faça. Evite linguagem ambígua e forneça instruções específicas. **Bom:** "Categorize esse defeito como 'Crítico', 'Maior' ou 'Menor' com base na descrição da gravidade.**"Ruim:** "Que tipo de defeito é esse?" ### Fornecer contexto Inclua informações relevantes sobre o histórico e explique o objetivo da tarefa. **Exemplo:**````"Você está analisando defeitos de fabricação para controle de qualidade. Com base na descrição do defeito a seguir, classifique-o como Crítico, Principal ou Menor:- Crítico: problemas de segurança ou falha total do produto- Principal: Problemas funcionais que afetam o desempenho: Problemas cosméticos ou funcionais menores Responda apenas com o nome da categoria. Descrição do defeito:" + TOTEXT(@variable.defect_data)``` ### Use exemplos Quando possível, inclua exemplos do formato de entrada e saída desejado para orientar as respostas da IA. **Exemplo:**````"Resuma os seguintes dados de produção em 2 a 3 frases, concentrando-se nas principais métricas e tendências. Exemplo de formato: "A produção completou X unidades com Y% de eficiência. O principal gargalo foi Z, resultando em A minutos de tempo de inatividade." Dados de produção:" + TOTEXT(@variable.production_summary)``` ## Casos de uso comuns ### Categorização de defeitos Categorize automaticamente os defeitos com base em descrições, imagens ou dados de sensores. ``` Detalhes do defeito:" + TOTEXT(@variable.defect\_record) + "Responda no formato: Category: [category], Priority: [priority]"``` ### Sumarização de dados Gere resumos concisos de relatórios de produção, métricas de qualidade ou dados operacionais. ````"Crie um breve resumo executivo das métricas de produção de hoje: " * TOTEXT(@variable.daily\_production\_data)+ "Concentre-se em: volumes de produção, taxas de eficiência, pontuações de qualidade e quaisquer problemas notáveis. "``` ### Análise e extração de texto Extraia informações específicas de textos não estruturados, como registros de manutenção ou anotações do operador. ````"Extraia a causa raiz e as ações recomendadas deste registro de manutenção: Entrada de registro:" + TOTEXT(@variable.maintenance\_log) + "Formate a resposta como:Root Cause: [cause]Ações recomendadas: [actions]"``` ### Geração de conteúdo Gerar relatórios, notificações ou documentação padronizados com base em entradas de dados. ```"Gere um relatório de transferência de turno com base nos seguintes dados de produção:" +TOTEXT(@variable.shift\_data) + "Inclua: tarefas concluídas, problemas em andamento, prioridades do próximo turno. Use um tom profissional adequado para a revisão da gerência."``` ## Teste e validação ### Registrar dados de entrada Sempre teste sua AI Prompt Action registrando primeiro a mensagem de entrada em uma tabela. Isso o ajuda a verificar se:- O prompt está formatado corretamente;- As variáveis estão sendo resolvidas corretamente;- Os objetos estão sendo convertidos em texto adequadamente;- A IA está recebendo informações completas. **Abordagem de teste:**1. crie uma tabela de teste com colunas para "Mensagem de entrada" e "Resposta da IA "2. Registre a entrada exata que está sendo enviada para o AI Prompt Action3. Revise vários exemplos para garantir a consistência4. Ajuste o prompt com base nos resultados registrados ### Validar a qualidade da saída Monitore as respostas da IA para garantir que elas atendam aos seus padrões de qualidade:- Verifique se as respostas seguem o formato especificado- Verifique a precisão em relação a exemplos conhecidos- Teste casos extremos e entradas incomuns- Monitore o desempenho consistente ao longo do tempo ### Lidar com a variabilidade As respostas da IA podem variar entre as execuções. Considere:- Usar prompts mais específicos para reduzir a variabilidade- Implementar lógica de validação para saídas críticas- Ter procedimentos de fallback para respostas inesperadas- Revisão regular do desempenho da IA na produção ## Práticas recomendadas ### Engenharia de prompts * Comece de forma simples e faça iterações com base nos resultados * Teste com amostras de dados representativas * Use terminologia e formatação consistentes * Divida tarefas complexas em prompts menores e focados ### Preparação de dados * Limpe e formate os dados de entrada antes de enviá-los à IA * Use `TOTEXT()` para todas as entradas de objetos e listas * Remova informações desnecessárias que possam confundir a IA * Garantir que os requisitos de privacidade e segurança dos dados sejam atendidos ### Tratamento de erros * Planeje os casos em que a IA não responde como esperado * Implemente verificações de validação nos resultados da IA * Tenha procedimentos de backup para processos críticos * Monitore e registre o desempenho da ação da IA ### Otimização do desempenho * Mantenha os prompts concisos, sem perder a clareza * Evite enviar grandes quantidades de dados desnecessários * Considere a possibilidade de agrupar solicitações semelhantes quando possível * Monitore os tempos de resposta e ajuste conforme necessário ## Solução de problemas ### Problemas comuns * **Respostas vazias ou incompletas:** Verifique se a solicitação está clara e se todos os dados necessários foram incluídos * **Formato inesperado:** Seja mais específico sobre o formato de saída desejado em seu prompt * **Resultados inconsistentes:** Adicione mais restrições e exemplos ao seu prompt * **Dados do objeto não visíveis:** Certifique-se de que esteja usando `TOTEXT()` para converter objetos em texto legível ### Etapas de depuração 1. Registre a mensagem de entrada exata que está sendo enviada à IA 2. Teste o prompt manualmente com dados de amostra 3. Simplifique gradualmente o prompt para isolar os problemas 4. Verifique se todas as variáveis estão sendo resolvidas corretamente 5. Verifique se os dados do objeto estão sendo convertidos corretamente com `TOTEXT()` A ação AI Prompt abre possibilidades poderosas para automação inteligente em seus aplicativos Tulip. Comece com casos de uso simples e, gradualmente, crie prompts mais sofisticados à medida que você se familiarizar com os recursos e as práticas recomendadas. ```