人工智能提示行动

新
  • 发布于 Aug 7, 2025
  • 1 分钟阅读
  • Pete Hartnett
 Prev Next

人工智能提示操作

人工智能提示操作允许您在 Tulip 自动化中直接利用大型语言模型 (LLM)。该操作提供了一种灵活的方式来处理文本、分析数据，并根据您定义的自定义提示生成智能响应。

工作原理

人工智能提示操作非常简单：它接收您的输入信息并将其直接发送到大型语言模型，然后返回人工智能生成的响应。您可以使用此操作执行各种文本处理任务，从简单的分类到复杂的分析和总结。

配置

输入信息

输入信息是直接发送给大型语言模型的提示。其中应包含： - 您希望人工智能做什么的明确指示 - 人工智能需要处理的任何数据或上下文 - 输出的具体格式要求

处理对象

向人工智能提示操作发送对象或对象列表时，必须用TOTEXT() expression 封装，以便人工智能能正确读取内容。

例如："分析此缺陷数据：" + TOTEXT(@variable.my_object)

编写有效的提示

清晰具体

在编写提示时，要清楚地解释您希望人工智能做什么。避免模棱两可的语言，提供具体的指令。

好："根据严重性描述，将此缺陷归类为'严重'、'主要'或'次要'。"差："这是什么类型的缺陷？"

提供背景信息

包含相关背景信息并解释任务的目的。

示例：````"您正在为质量控制分析制造缺陷。根据以下缺陷描述，将其分为关键、主要或次要类别： - 关键：安全问题或产品完全失效 - 主要：主要：影响性能的功能问题--次要：外观或轻微功能问题

仅回复类别名称。

缺陷描述："+ TOTEXT(@variable.defect_data)```

使用示例

在可能的情况下，包含所需的输入和输出格式的示例，以指导人工智能的响应。

示例：```"用 2-3 句话总结以下生产数据，重点关注关键指标和趋势。

格式示例："生产完成了 X 个单位，效率为 Y%。主要瓶颈是 Z，导致停机 A 分钟"。

生产数据：" + TOTEXT(@variable.production_summary)```

常见用例

缺陷分类

根据描述、图像或传感器数据自动对缺陷进行分类。


缺陷详情："+ TOTEXT(@variable.defect\_record) +

"回复格式：类别：[类别]，优先级：[优先级] "````

### 数据汇总

生成生产报告、质量指标或运营数据的简明摘要。

```"为今天的生产指标创建简短的执行摘要："

* TOTEXT(@variable.daily\_production\_data)+

"重点关注：产量、效率、质量得分和任何值得注意的问题。字数限制在 100 字以内。"```

### 文本分析和提取

从维护日志或操作员笔记等非结构化文本中提取特定信息。

````"从该维护日志中提取根本原因和建议采取的措施：

日志条目："+ TOTEXT(@variable.maintenance\_log) +

"响应格式为：根本原因：[建议采取的行动：[行动]"````

### 生成内容

根据数据输入生成标准化报告、通知或文档。

```"根据此生产数据生成交接班报告："

+TOTEXT(@variable.shift\_data) +

"包括：已完成的任务、正在处理的问题、下一班的优先事项。使用适合管理层审阅的专业语气。

## 测试和验证

### 记录输入数据

测试人工智能提示操作时，一定要先将输入信息记录到表格中。这有助于验证： - 提示格式正确 - 变量解析正确 - 对象转换为文本正确 - 人工智能接收到完整信息

**测试方法：**1. 创建一个测试表，其中列有 "输入信息 "和 "人工智能响应 "2.记录发送到 AI 提示操作的准确输入信息3.查看多个示例以确保一致性4。根据记录的结果调整提示信息

### 验证输出质量

监控人工智能回复，确保其符合质量标准：- 检查回复是否遵循指定格式- 根据已知示例验证准确性- 测试边缘情况和异常输入- 监控一段时间内的一致性能

### 处理变异性

人工智能应答在不同的运行过程中可能会出现差异。可以考虑：- 使用更具体的提示来减少变异性- 对关键输出实施验证逻辑- 为意外响应制定后备程序- 定期检查生产中的人工智能性能

## 最佳实践

### 提示工程

* 从简单开始，根据结果不断改进
* 使用有代表性的数据样本进行测试
* 使用一致的术语和格式
* 将复杂的任务分解为更小、更集中的提示

### 数据准备

* 在将输入数据发送给人工智能之前对其进行清理和格式化
* 对所有对象和列表输入使用`TOTEXT()`
* 删除可能混淆人工智能的不必要信息
* 确保满足数据隐私和安全要求

### 错误处理

* 针对人工智能未按预期响应的情况制定计划
* 对人工智能输出执行验证检查
* 为关键流程制定备份程序
* 监控并记录人工智能操作性能

### 性能优化

* 保持提示简洁明了
* 避免发送大量不必要的数据
* 尽可能考虑批量处理类似请求
* 监控响应时间并根据需要进行调整

## 故障排除

### 常见问题

* **空回复或回复不完整：**检查您的提示是否清晰，是否包含了所有必需的数据
* **格式出乎意料：**在提示中更具体地说明所需的输出格式
* **结果不一致：**在提示中添加更多限制条件和示例
* **对象数据不可见：**确保使用`TOTEXT()`将对象转换为可读文本

### 调试步骤

1. 记录发送到人工智能的准确输入信息
2. 使用样本数据手动测试提示
3. 逐步简化提示符以隔离问题
4. 检查所有变量的解析是否正确
5. 使用`TOTEXT()`验证对象数据转换是否正确

人工智能提示操作为您的 Tulip 应用程序实现智能自动化提供了强大的可能性。从简单的用例开始，随着对功能和最佳实践的熟悉，逐步建立更复杂的提示。