Kaip sukurti efektyvius AI agentų raginimus: pamokos iš Datablist's Prompt Rules
Raginimų kūrimas AI agentams nėra vien tik modelio nurodymas, ką daryti, tai – mikroproceso, kurį agentas gali patikimai vykdyti, mastelio keitimas neapibrėžtumo sąlygomis. Praktinės Datablist gairės dėl raginimų taisyklių siūlo vieną aiškiausių ir praktiškiausių vadovų, kaip tai padaryti, ypač kai jūsų agentas liečia struktūruotus duomenis, renka informaciją arba automatizuoja daugiapakopius darbo srautus. Šiame išsamiame tyrime šias pamokas paversime lauko sąlygomis išbandyta sistema, kurią galite pritaikyti iškart.
Stilius: Kritiškas ir tiriamasis. Klausime, kur raginimai sugenda, kodėl ir kaip juos sukurti, kad jie atlaikytų realaus pasaulio netvarką.
Pagrindinė idėja: raginimai yra pakartojamo, stebimo elgesio specifikacijos
Dauguma patarimų dėl raginimų yra skirti pokalbių asistentams. AI agentai yra kitokie. Jie veikia eilutėse, URL arba įrašuose; jie analizuoja ir normalizuoja; jie turi laikytis specifikacijų be priežiūros. Tai reiškia:
- Jūsų raginimas yra specifikacija, o ne pasiūlymas.
- Kiekvienas dviprasmiškumas virsta nuokrypiu, sąnaudų viršijimu ir valymu.
- Jūsų geriausias draugas yra struktūra: įvesties schemos, išvesties formatai ir apsaugos priemonės.
Datablist medžiaga tai pabrėžia parodydama, kaip analizuoti ir klasifikuoti duomenis su aiškiomis instrukcijomis ir lentelių išvestimis, ir kaip vykdyti raginimus Excel/CSV eilutėse – kur gedimų režimai iškyla greitai ir dažnai.
11 taisyklių mąstysena: ką Datablist moko apie patikimus raginimus
Žemiau pateikiama Datablist raginimų taisyklių sintezė, pritaikyta AI agentams, su konkrečiais pavyzdžiais ir patikrinamais kontroliniais punktais, kuriuos galite naudoti gamyboje.
1) Apibrėžkite vieną, išmatuojamą tikslą
- Ką tiksliai turėtų pateikti agentas? Normalizuotą įmonės pavadinimą? JSON objektą su laukais? Klasifikavimo etiketę?
- Padarykite jį stebimą: „Grąžinkite JSON su raktais:
name, domain, category." Jokios laisvos formos prozos.
Pavyzdinė direktyva:
Užduotis: kiekvienai įvesties eilutei išveskite JSON objektą su raktais: name (eilutė), domain (URL), category (vienas iš: SaaS, Agency, Marketplace, Other).
Kokybės patikrinimas: jei du apžvalgininkai negali susitarti, ar išvestis atitinka tikslą, jūsų tikslas nėra pakankamai konkretus.
2) Įdėkite instrukcijas prieš kontekstą – ir atskirkite jas
- Agentai teikia pirmenybę ankstesniam tekstui. Pradėkite nuo „kas“ ir „kaip“, tada pridėkite pavyzdžių.
- Vizualiai atskirkite instrukcijas nuo įvesties naudodami aiškius skyriklius.
Šablono raginimas:
Instrukcijos:
1) Tiksliai laikykitės žemiau pateiktos JSON schemos.
2) Naudokite tik pateiktą įvestį. Nenumanokite trūkstamų laukų.
3) Jei nežinoma, nustatykite reikšmę kaip null.
Schema:
{ "name": "string", "domain": "string|null", "category": "SaaS|Agency|Marketplace|Other" }
---
Įvesties eilutė:
{{row}}
Tai atspindi plačiai rekomenduojamą geriausią praktiką raginimų struktūrai ir atsakomybės atskyrimui.
3) Negailestingai apribokite išvesties formatą
- Naudokite JSON schemą, CSV stulpelius arba raktų ir reikšmių poras. Uždrauskite papildomą tekstą.
- Tiksliai pasakykite agentui, ką išvesti – ir ko neišvesti.
Pridėkite griežtą apribojimą:
Išveskite tik vieną JSON objektą. Jokių paaiškinimų, jokio markdown, jokių komentarų.
4) Naudokite kelis pavyzdžius, kurie atspindi kraštutinius atvejus
- Pavyzdžiai įtvirtina elgesį. Įtraukite tipinius, kraštutinius ir gedimų atvejus.
- Parodykite, kaip atrodo „nežinoma“.
Pavyzdinis blokas:
Pavyzdžiai:
Įvestis: "Acme Studio — Individualus prekės ženklo kūrimas startuoliams"
Išvestis: {"name":"Acme Studio", "domain": null, "category":"Agency"}
Įvestis: "Nimbus (nimbusapp.com) — Darbo eigos automatizavimas"
Išvestis: {"name":"Nimbus", "domain":" "category":"SaaS"}
5) Apibrėžkite atmetimo ir atsarginio elgesio veiksmus
- Agentai turi žinoti, kada susilaikyti.
- Nurodykite aiškius atsarginius žetonus ir reikšmes (pvz.,
null, `.`.
7) Apribokite žinias ir šaltinius
- „Naudokite tik pateiktą tekstą.“
- Jei yra prieinamas naršymas internete arba įrankiai, išvardykite juos ir paaiškinkite, kada juos naudoti.
Šaltinio taisyklė:
Naudokite tik turinį, pateiktą įvesties eilutėje. Nesiremkite išorinėmis žiniomis.
Išorinės gairės taip pat rekomenduoja paaiškinti turimus įrankius ir konteksto apimtį, kad agentas būtų patikimas.
8) Išlaikykite neutralią (arba nurodytą) kalbą ir toną
- Agentams tonas paprastai yra nereikšmingas, bet gali įsivelti į išvestis, jei nenurodytas.
- Neleiskite plepalų sakydami „Jokių komentarų“.
9) Pridėkite apsaugos priemones nuo haliucinacijų
- Aiškiai uždrauskite išgalvotus URL, adresus ir ID.
- Reikalaukite
null vietoj spėliojimų.
Taisyklė prieš haliucinacijas:
Jei domenas nėra aiškiai nurodytas, nustatykite domeną kaip null. Nekurkite URL.
10) Optimizuokite sąnaudas ir greitį naudodami trumpus raginimus
- Pašalinkite nereikalingus dalykus. Trumpesni raginimai sumažina žetonus ir nuokrypį.
- Naudokite kompaktiškas etiketes ir išvardijimus.
Datablist pabrėžia, kad aiškūs, glausti raginimai taupo tiek laiką, tiek kreditus – tai labai svarbu mastelio keitimo metu.
11) Išbandykite mažus, tada keiskite mastelį
- Atlikite bandomąjį paleidimą 20–50 eilučių; patikrinkite gedimus; atnaujinkite taisykles; paleiskite iš naujo.
- Pridėkite „žinomų blogų“ bandomųjų eilučių, kad išvengtumėte regresijų.
Bandomasis kontrolinis sąrašas:
- 10 kraštutinių atvejų, 10 tipinių atvejų, 10 nesąmonių/triukšmo atvejų.
- Išmatuokite neteisingo JSON dažnį, nežinomą dažnį ir sutikimą su auksiniu rinkiniu.
Kovos sąlygomis išbandytas raginimo šablonas AI agentams
Naudokite šį šabloną duomenų išgavimo/klasifikavimo agentams, dirbantiems su CSV eilutėmis:
Sistemos vaidmuo:
Jūs esate duomenų normalizavimo agentas. Jūs griežtai laikotės schemų, niekada neišgalvojate faktų ir grąžinate tik vieną JSON objektą.
Instrukcijos:
- Tikslas: sukurti JSON objektą kiekvienai įvesties eilutei su laukais {name, domain, category}.
- Išvestis: tiksliai vienas JSON objektas ir nieko daugiau.
- Kategorijos: SaaS, Agency, Marketplace, Other.
- Normalizavimas:
- Jei domenas egzistuoja be schemos, pridėkite https://
- Jei nėra jokio domeno, nustatykite domeną kaip null
<a11>- Didžiosios raidės pavadinimuose</a12><a12>- Kategorija turi tiksliai atitikti vieną iš leistinų reikšmių</a13><a13>- Atsarginis variantas: naudokite null nežinomiems laukams. Nespėliokite.</a14>- Apimtis: naudokite tik žemiau esantį įvesties turinį. Nenaudokite išorinių žinių.
Schema:
{"name":"string","domain":"string|null","category":"SaaS|Agency|Marketplace|Other"}
Pavyzdžiai:
Įvestis: "Nimbus (nimbusapp.com) — Darbo eigos automatizavimas"
Išvestis: {"name":"Nimbus","domain":"
Įvesties eilutė:
{{row_text}}
Pritaikykite schemą savo naudojimo atvejui (pvz., location, industry, price, status).
Kada raginimai sugenda: dažni gedimų režimai ir pataisymai
- Gedimas: „Graži“ proza išvestyse
- Priežastis: nėra išvesties apribojimo; modelis pagal numatytuosius nustatymus veikia kalbėjimo režimu.
- Pataisymas: „Išveskite tik JSON. Jokių komentarų.“ Pridėkite pavyzdžių.
- Gedimas: išgalvoti URL arba kategorijos
- Priežastis: atlygio siekiantis užbaigimas; neaiški susilaikymo politika.
- Pataisymas: „Jei nežinoma, nustatykite kaip null. Niekada nekurkite.“ Pridėkite neigiamų pavyzdžių.
- Gedimas: nenuoseklus raidžių dydis arba formatai
- Priežastis: nėra normalizavimo taisyklių.
- Pataisymas: pridėkite aiškias normalizavimo direktyvas ir pavyzdžius.
- Gedimas: sugenda mastelio keitimo metu CSV failuose
- Priežastis: trūksta kraštutinių atvejų; schema per daug laisva.
- Pataisymas: sukurkite įvertinimo rinkinį; sugriežtinkite schemą; kartokite.
- Gedimas: netinkamas įrankio naudojimas arba apimties išplėtimas
- Priežastis: dviprasmiška apimtis ir įrankių sąrašas.
- Pataisymas: išvardykite įrankius ir kada juos naudoti; kitu atveju „Naudokite tik pateiktą įvestį“.
Taisyklių taikymas už CSV ribų: interneto užduotys, santraukos ir konvejeriai
- Interneto duomenų rinkimo agentai: nurodykite leistinus selektorius, greičio apribojimus ir leistinus domenus. Reikalaukite struktūruotos išvesties ir null reikšmių, kai selektoriai sugenda.
- Tyrimo/apibendrinimo agentai: apibrėžkite tikslines auditorijas, skaitymo lygius ir citavimo formatus. Naudokite ženklelių išvesties apribojimus.
- Daugiapakopiai konvejeriai: suskaidykite užduotis į atomines subužduotis su perdavimo schemomis. Kiekvienas žingsnis sunaudoja ir pateikia patvirtintą JSON.
Greitos pradžios darbo eiga, kurią galite atkartoti šiandien
- Apibrėžkite tikslą ir schemą. Laikykite jį mažą ir griežtą.
- Parengkite raginimą su apribojimais, pavyzdžiais ir atsarginiais variantais.
- Sukurkite 30 eilučių bandomąjį rinkinį (tipinis, kraštutinis, triukšmas). Išsaugokite numatomas išvestis.
- Paleiskite bandomąjį projektą; išmatuokite neteisingos išvesties dažnį ir null dažnį.
- Pataisykite gedimų atvejus; įtraukite juos į bandomąjį rinkinį.
- Keiskite mastelį į visą duomenų rinkinį; stebėkite nuokrypį.
Datablist demonstruoja raginimų vykdymą skaičiuoklių eilutėse, o tai yra ideali vieta šiai kartojimo kilpai.
Verta paminėti: Sider.AI naudojimas raginimų kartojimui paspartinti
Kodėl tai padeda: greitas kartojimas yra viskas. Nustatydami pakartotinai naudojamus raginimų fragmentus, laikydami pavyzdžius šalia savo užduoties ir tikrindami JSON skrydžio metu, sutrumpinate laiką nuo idėjos iki patikimo agento. Beje, jei valdote raginimus keliose agentų užduotyse, darbo sritis, kuri palaiko versijų kūrimą, paketinį vykdymą ir lyginamuosius palyginimus, gali drastiškai sumažinti išlaidas ir anksti aptikti regresijas. Štai kur Sider.AI gali įsijungti: laikykite raginimus, pavyzdžius ir įvertinimo rinkinius vienoje vietoje; greitai kartokite; ir užtikrinkite išvesties apribojimus su patvirtinimu prieš duomenims pasiekiant jūsų konvejerį. Pagrindinės išvados
- Nurodykite, nesiūlykite: elkitės su raginimais kaip su vykdomomis specifikacijomis.
- Atskirkite instrukcijas nuo įvesties: aiški struktūra pagerina atitiktį.
- Apribokite išvestį: tik JSON arba CSV – jokių komentarų, jokio markdown.
- Parodykite, tada pasakykite: įtraukite kelis pavyzdžius, ypač kraštutinius atvejus.
- Reikalaukite susilaikymo: pirmenybę teikite
null vietoj spėliojimų; uždrauskite haliucinacijas.
- Normalizuokite viską: nurodykite raidžių dydį, URL schemas, išvardijimus.
- Kartokite moksliškai: maži bandomieji projektai, gedimų analizė, užrakinti testai.
Kas toliau
- Pradėkite nuo vienos užduoties (pvz., įmonių tipų klasifikavimas) ir išsiųskite v1 raginimą.
- Sukurkite savo „žinomų blogų“ bandomąsias eilutes, kad gedimai niekada neatsinaujintų.
- Pridėkite raginimus gretimoms užduotims (subjektų atitikimas, pašalinimas, praturtinimas), naudodami tą pačią schemos discipliną.
- Pridėkite lengvus įvertinimus ir automatinį patvirtinimą, kai keičiate mastelį.
DUK
Q1: Kokios yra svarbiausios taisyklės, norint sukurti veiksmingus AI agentų raginimus?
Apibrėžkite vieną išmatuojamą tikslą, apribokite išvestis griežtomis schemomis (pvz., JSON), atskirkite instrukcijas nuo įvesties, įtraukite kraštutinių atvejų pavyzdžius ir reikalaukite null reikšmių vietoj spėliojimų. Tai atitinka Datablist raginimų taisykles agentams ir apsaugo nuo klaidų mastelio keitimo metu.
Q2: Kaip man sustabdyti AI agentus nuo duomenų, pvz., URL, haliucinacijų?
Aiškiai uždrauskite kurti ir pateikite atsarginį variantą: naudokite null, kai duomenų trūksta. Sustiprinkite pavyzdžiais, kurie rodo nežinomus dalykus, ir pridėkite patvirtinimo žingsnį, kad atmestumėte išvestis, kurios neatitinka jūsų schemos.
Q3: Kaip galiu patikimai vykdyti raginimus CSV arba Excel eilutėse?
Naudokite trumpą raginimą su schema, tada atlikite paketinį paleidimą mažame bandomajame rinkinyje prieš keičiant mastelį. Įrankiai, įkvėpti Datablist požiūrio, leidžia lengvai vykdyti raginimus eilutėse ir greitai iškelti kraštutinius atvejus.
Q4: Kokius pavyzdžius turėčiau įtraukti į savo raginimus?
Naudokite kelis pavyzdžius, kurie atspindi tipines įvestis, kraštutinius atvejus ir gedimų atvejus. Parodykite teisingą null reikšmių naudojimą, tikslius kategorijų išvardijimus ir normalizavimą (pvz., pridėkite https:// prie domenų).
Q5: Kaip įvertinti, ar mano AI agento raginimas yra paruoštas gamybai?
Pilotuokite 20–50 eilučių, išmatuokite neteisingos išvesties ir null reikšmių dažnius ir palyginkite su auksiniu rinkiniu. Kartokite, kol gedimai stabilizuosis, tada užrakinkite bandomąjį rinkinį, kad sugautumėte regresijas būsimų raginimų pakeitimų metu.
