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
- Запишите в журнал точное входное сообщение, отправляемое ИИ
- Протестируйте подсказку вручную с помощью образцов данных
- Постепенно упрощайте подсказку, чтобы выявить проблемы
- Проверьте правильность разрешения всех переменных
- 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.