AI Prompt Action

Новые функции
  • Опубликовано Aug 7, 2025
  • 4 минут чтения
  • Pete Hartnett
 Prev Next

AI Prompt Action

Действие AI Prompt Action позволяет использовать большие языковые модели (LLM) непосредственно в автоматических системах Tulip. Это действие обеспечивает гибкий способ обработки текста, анализа данных и генерации интеллектуальных ответов на основе заданных вами пользовательских подсказок.

Как это работает

Действие AI Prompt очень простое: оно принимает ваше входное сообщение и отправляет его непосредственно в большую языковую модель, а затем возвращает сгенерированный ИИ ответ. Вы можете использовать это действие для выполнения различных задач обработки текста, от простой категоризации до сложного анализа и обобщения.

Конфигурация

Входное сообщение

Входное сообщение - это подсказка, которая будет отправлена непосредственно большой языковой модели. Оно должно содержать:- четкие инструкции о том, что должен сделать ИИ- любые данные или контекст, которые ИИ должен обработать- конкретные требования к форматированию выходных данных

Работа с объектами

Отправляя объекты или списки объектов в действие AI Prompt Action, вы должны обернуть их в TOTEXT() expression, чтобы ИИ мог правильно прочитать содержимое.

Пример:"Проанализируйте эти данные о дефектах:" + TOTEXT(@variable.my_object)

Написание эффективных подсказок

Будьте четкими и конкретными

Пишите подсказки, которые четко объясняют, что вы хотите, чтобы ИИ сделал. Избегайте двусмысленных формулировок и давайте конкретные инструкции.

Хорошо: "Отнесите этот дефект к категории "Критический", "Крупный" или "Незначительный" на основе описания серьезности**". Плохо:** "Что это за дефект?".

Обеспечьте контекст

Включите соответствующую справочную информацию и объясните цель задания.

Пример:``Вы анализируете производственные дефекты для контроля качества. Основываясь на следующем описании дефекта, отнесите его к категории критических, крупных или незначительных:- Критические: проблемы с безопасностью или полный отказ изделия- Крупные: Функциональные проблемы, влияющие на производительность- Незначительные: Косметические или незначительные функциональные проблемы.

Укажите только название категории.

Описание дефекта:" + TOTEXT(@variable.defect_data)```

Используйте примеры

По возможности приводите примеры требуемого формата ввода и вывода, чтобы ИИ мог ориентироваться в своих ответах.

Пример:``Объясните следующие производственные данные в 2-3 предложениях, обращая внимание на ключевые показатели и тенденции.

Пример формата: "Производство выполнило X единиц продукции с эффективностью Y %. Основным узким местом было Z, что привело к A минутам простоя."

Производственные данные:" + TOTEXT(@variable.production_summary)```

Общие примеры использования

Категоризация дефектов

Автоматическое распределение дефектов по категориям на основе описаний, изображений или данных датчиков.

``Категоризировать этот дефект на основе описания и присвоить уровень приоритета (высокий/средний/низкий):

Детали дефекта:" + TOTEXT(@variable.defect_record) +

"Ответ в формате: Категория: [категория], Приоритет: [приоритет]"```

Суммирование данных

Создавайте краткие резюме производственных отчетов, показателей качества или оперативных данных.

``Создать краткое резюме сегодняшних производственных показателей: "

  • TOTEXT(@variable.daily_production_data)+

"Сосредоточьтесь на: объемах производства, показателях эффективности, показателях качества и любых заметных проблемах. Ограничьтесь 100 словами. "```

Анализ и извлечение текста

Извлекайте конкретную информацию из неструктурированного текста, например из журналов технического обслуживания или заметок оператора.

``Извлеките основную причину и рекомендуемые действия из этого журнала технического обслуживания:

Запись в журнале:" + TOTEXT(@variable.maintenance_log) +

"Форматируйте ответ как:Коренная причина: [причина]Рекомендуемые действия: [действия]"```

Генерация содержимого

Создание стандартизированных отчетов, уведомлений или документации на основе введенных данных.

``Генерировать отчет о сдаче смены на основе этих производственных данных:''

+TOTEXT(@variable.shift_data) +

"Включите: выполненные задачи, текущие проблемы, приоритеты следующей смены. Используйте профессиональный тон, подходящий для рассмотрения руководством."```

Тестирование и проверка

Регистрация входных данных

Всегда проверяйте действие AI Prompt Action, сначала записывая входное сообщение в таблицу. Это поможет вам убедиться в том, что:- подсказка правильно отформатирована- переменные правильно разрешаются- объекты преобразуются в текст- ИИ получает полную информацию.

**Подход к тестированию:**1. Создайте тестовую таблицу со столбцами "Входное сообщение" и "Ответ ИИ "2. Запишите в журнал точные данные, отправляемые в AI Prompt Action3. Просмотрите несколько примеров, чтобы убедиться в их согласованности4. Скорректируйте подсказку, основываясь на результатах регистрации.

Проверка качества вывода

Контролируйте ответы ИИ, чтобы убедиться, что они соответствуют вашим стандартам качества:- Проверьте, что ответы соответствуют заданному формату- Проверьте точность на известных примерах- Проверьте крайние случаи и необычные вводы- Отслеживайте стабильность работы в течение долгого времени

Работа с изменчивостью

Ответы ИИ могут варьироваться в процессе работы. Рассмотрим следующие варианты:- Использование более конкретных подсказок для уменьшения вариативности- Внедрение логики проверки для критически важных результатов- Наличие резервных процедур для неожиданных ответов- Регулярный анализ производительности ИИ в производстве

Лучшие практики

Разработка подсказок

  • Начните с простого и итерируйте по результатам
  • Тестируйте на репрезентативных образцах данных
  • Используйте единую терминологию и форматирование
  • Разбивайте сложные задачи на более мелкие, сфокусированные подсказки

Подготовка данных

  • Очистите и отформатируйте входные данные перед отправкой в ИИ
  • Используйте функцию TOTEXT() для всех вводимых объектов и списков
  • Удалите лишнюю информацию, которая может запутать ИИ
  • Убедитесь, что требования к конфиденциальности и безопасности данных соблюдены.

Работа над ошибками

  • Планируйте случаи, когда ИИ отвечает не так, как ожидалось
  • Внедрите проверку достоверности выходных данных ИИ
  • Предусмотрите процедуры резервного копирования для критически важных процессов.
  • Отслеживайте и регистрируйте выполнение действий ИИ.

Оптимизация производительности

  • Содержите подсказки в кратком виде, сохраняя ясность
  • Избегайте отправки большого количества ненужных данных
  • По возможности рассматривайте возможность пакетной обработки схожих запросов
  • Следите за временем отклика и корректируйте его по мере необходимости

Устранение неполадок

Общие проблемы

  • Пустые или неполные ответы: Убедитесь, что ваш запрос ясен и что все необходимые данные включены.
  • Неожиданный формат: Уточните желаемый формат вывода в подсказке.
  • Непоследовательные результаты: Добавьте в подсказку дополнительные ограничения и примеры.
  • Данные объекта не видны: Убедитесь, что вы используете функцию TOTEXT() для преобразования объектов в читаемый текст.

Шаги по отладке

  1. Запишите в журнал точное входное сообщение, отправляемое ИИ
  2. Протестируйте подсказку вручную с помощью образцов данных
  3. Постепенно упрощайте подсказку, чтобы выявить проблемы
  4. Проверьте правильность разрешения всех переменных
  5. Убедитесь, что данные объекта правильно преобразуются с помощью функции TOTEXT().

Действие AI Prompt Action открывает широкие возможности для интеллектуальной автоматизации в ваших приложениях Tulip. Начните с простых примеров использования и постепенно создавайте более сложные подсказки по мере ознакомления с возможностями и лучшими практиками.