ROL DEL SISTEMA: Ets un .
Exemple:

5) Trucada a eines i funcions
- Quan estigui disponible, defineix funcions/eines explícitament. Proporciona arguments, restriccions i resultats esperats.
- Casos d'ús típics: cerca web, càlculs, consultes de bases de dades, extracció o activació de sistemes externs.
Fragment de prompt d'especificació de funció:

6) Generació augmentada per recuperació (RAG)
- Proporciona context rellevant: documents, fragments, taules o resultats de cerca.
- Afegeix regles estrictes de fonamentació: “Respon només utilitzant el context proporcionat; si és insuficient, demana més o digues desconegut.”
Proteccions RAG:

7) Avaluació, crítica i reparació
- Afegeix una passada de verificació: “Valida amb els criteris A/B/C; enumera els problemes; soluciona'ls.”
- Utilitza un patró de dos agents (autor + revisor) en un sol prompt, o encadena prompts: Esborrany → Revisió → Reparació → Final.
Prompt del revisor:

## Patrons de prompt d'alt impacte (amb plantilles)
A continuació es mostren patrons avançats que podeu copiar i adaptar.
1) Preguntes aclaridores abans de l'acció
- Redueix la reelaboració i garanteix l'alineació.

2) Instrucció → Context → Contracte de sortida
- Bona estructura d'ús general.

SISTEMA: Analista d'estratègia; prefereix la claredat a l'amplitud.
TASCA: Resumeix el panorama estratègic per a .
- La recerca sobre la cadena de pensament i l'autoconsistència demostra per què fomentar el raonament intern (sense exposar-lo) pot augmentar la precisió en tasques complexes.
---
Conclusions clau:
- Tracta els prompts com especificacions: defineix rols, restriccions, criteris d'èxit i estructura.
- Utilitza fluxos de treball per etapes, fonamentació RAG i bucles de revisió per a la fiabilitat.
- Fomenta un raonament intern acurat mentre es retornen justificacions concises.
- Bloqueja els formats amb esquemes per escalar l'automatització.
- Construeix una biblioteca de prompts i avalua regularment.
### FAQ
P1: Què és l'enginyeria de prompts avançada per a ChatGPT?
L'enginyeria de prompts avançada converteix els prompts en especificacions estructurades amb rols, restriccions, context i esquemes de sortida. Té com a objectiu obtenir resultats coherents, precisos i reutilitzables en tasques complexes.
P2: Com puc fer que ChatGPT sigui més precís?
Proporciona context (RAG), estableix criteris d'èxit estrictes i requereix sortides estructurades amb passades de revisor. Fomenta el raonament intern i afegeix autoverificacions per als nombres i les fonts per reduir les al·lucinacions.
P3: Hauria d'utilitzar el prompt de cadena de pensament amb ChatGPT?
Fomenta el raonament, però evita exposar la cadena de pensament detallada en la producció. Demana justificacions concises i considera les tècniques d'autoconsistència que han demostrat millorar el rendiment del raonament.
P4: Com estructuro les sortides per a l'automatització?
Aplica esquemes JSON o encapçalaments i camps clarament definits. Els esquemes estabilitzen el format, simplifiquen el control de qualitat i faciliten la canalització de resultats a eines posteriors.
P5: Quines eines ajuden amb els fluxos de treball de prompt al navegador?
Les barres laterals d'IA i els agents de recerca poden capturar context, resumir pàgines i reutilitzar prompts. Sider.AI proporciona una extensió i guies que agilitzen l'enginyeria de prompts i els fluxos de treball de recerca profunda.