system_goal: สร้าง
## การประสานที่ซับซ้อน: เอเจนต์ขนานและระดับชั้น
- การสำรวจขนาน
- เรียกใช้ GeneratorAgents หลายตัวด้วยชุดตัวอย่างหรือโมเดลพื้นฐานที่แตกต่างกัน.
- รวมผลผ่าน meta-Critic ที่ทำให้คะแนนเป็นมาตรฐานในแต่ละโมเดล.
- การวางแผนแบบระดับชั้น
- เพิ่ม `DirectorAgent` ขึ้นไปเหนือ Planner/Optimizer เพื่อควบคุมกลุ่มรูปแบบทั่วทั้งแคมเปญ.
- มีประโยชน์สำหรับความสอดคล้องในระดับแบรนด์ (เช่น คอลเลกชันตามฤดูกาล).
- สาขาแรกที่มีข้อจำกัด
- สร้าง `ComplianceAgent` ที่บังคับใช้ข้อจำกัดทางกฎหมาย/แบรนด์ก่อนการสร้าง.
- บล็อกรูปแบบที่ไม่อนุญาตแต่เนิ่นๆ ช่วยประหยัดรอบการทำงาน.
รูปแบบเหล่านี้สะท้อนถึงแนวทางปฏิบัติที่ดีที่สุดของกระบวนการทำงานแบบเอเจนต์หลายตัว รวมถึงการดำเนินการย่อยของเอเจนต์ขนานเพื่อเร่งการตัดสินใจ.
## การวัดคุณภาพ: บัตรคะแนนที่มีความสำคัญ
กระบวนการทำงานแบบเอเจนต์หลายตัวที่ดีจะมีประสิทธิภาพก็ต่อเมื่อมีผู้ประเมินที่ดี สร้างบัตรคะแนนของคุณตามสิ่งที่คุณสามารถวัดได้:
- ปริมาณ
- พื้นที่ต่างๆ ตามเป้าหมายระดับฮีกซ์
- ความสมดุลของการจัดวางผ่านแผนที่สัญญาณ
- ความสามารถในการอ่านจากความมั่นใจของ OCR
- ความคล้ายคลึงของสไตล์ผ่านการฝัง CLIP/ImageBind
- คุณภาพ (แต่มีโครงสร้าง)
- “การจัดเรียงอารมณ์” ในระดับ 1–5 พร้อมตัวอย่าง
- “ความชัดเจนของเรื่องราว” (หัวข้อนั้นชัดเจนไหม?)
- “รายการตรวจสอบความรุนแรงของสิ่งผิดปกติ” (การบิดเบือน, ห่วงรอบ, ความเสียหาย)
ผูกการผ่าน/ไม่ผ่านเข้ากับเกณฑ์การจัดส่ง หากไม่สามารถผ่านการตรวจสอบได้ อย่าให้วงจรหยุด.
## การแก้ปัญหาพิมพ์ข้อความ: โหมดล้มเหลวทั่วไปและการแก้ไข
- พิมพ์ข้อความที่ถูกจำกัดเกินไป
- อาการ: การจัดองค์ประกอบที่แข็งและความผิดปกติ
- การแก้ไข: ผ่อนคลาย 1–2 ข้อจำกัด; เพิ่มอัตราความหลากหลาย; ลบคำคุณศัพท์ที่ซ้ำซ้อน.
- การล่มสลายในรอบ
- อาการ: ตัวแปรทั้งหมดดูเหมือนจะเหมือนกัน
- การแก้ไข: สลับโมเดลพื้นฐาน; สุ่มเมล็ดพันธุ์; เพิ่ม DivergenceAgent เพื่อผลักดันทางเลือก.
- ตัวอักษรที่ไม่เสถียร
- อาการ: ข้อความบิดเบือนหรืออ่านไม่ออก
- การแก้ไข: เลเยอร์ข้อความภายนอก; พิมพ์ข้อความเชิงลบที่แข็งแกร่งขึ้น; ใช้การจัดองค์ประกอบที่มีการอ้างอิง.
- การเบี่ยงเบนของสี
- อาการ: เบี่ยงเบนจากพาเลตต์ในรอบ 2–3
- การแก้ไข: ยึดโยงใหม่ด้วยโทเค็นเฉพาะสี; เพิ่ม PaletteAgent เพื่อลงโทษการเบี่ยงเบนอย่างเข้มงวด.
## การขยายไปยังทีม: การจัดการเวอร์ชัน, การกำกับดูแล และการส่งต่อ
- การบันทึกเวอร์ชัน
- รักษาสายพันธุ์พิมพ์ข้อความมาตรฐานต่อทรัพย์สินและแคมเปญ.
- แท็กรอบด้วยเมตาดาต้าโมเดล/เวอร์ชันและเมล็ดพันธุ์.
- การกำกับดูแล
- กำหนดข้อกำหนดทางแบรนด์ให้เป็นข้อจำกัดที่สามารถอ่านได้โดยเครื่องจักร.
- ตรวจสอบอคติของผู้วิจารณ์และการผ่านที่ผิดพลาดเป็นระยะๆ.
- การส่งต่อ
- ส่งออกพิมพ์ข้อความ, บัตรคะแนน, และ 2 ตัวแปรอันดับต้นๆ สำหรับการตรวจสอบโดยมนุษย์.
- เก็บบันทึก “การตัดสินใจ” เดียวต่อทรัพย์สินสำหรับการอนุมัติ.
## เมื่อต้องการใช้การตรวจสอบจากมนุษย์
- ความเสี่ยงทางแบรนด์หรือกฎหมายมีนัยสำคัญ
- สไตล์ใหม่ที่ไม่มีการตรวจสอบที่ดี
- การเปิดตัวที่มีเดิมพันสูงซึ่งความละเอียดถี่ถ้วนมีความสำคัญ
ใส่การตรวจสอบของมนุษย์หลังรอบที่ 1 และ N-1 คุณจะจับปัญหาเชิงทิศทางได้ตั้งแต่ต้นและปรับแต่งในภายหลังโดยไม่ต้องจัดการวงจรอย่างละเอียด.
## เคล็ดลับที่มีพลังสำหรับผู้ใช้ PromptSculptor
- เริ่มต้นด้วยพิมพ์ข้อความ v1 ที่ "แน่นแต่ไม่เปราะบาง": การจัดองค์ประกอบและโทนสีที่ชัดเจน คำคุณศัพท์น้อยลง.
- ใช้พิมพ์ข้อความเชิงลบอย่างเข้มข้นเพื่อลดข้อบกพร่องที่เกิดซ้ำ.
- บันทึกทุกอย่าง: เมล็ดพันธุ์, ชุดตัวอย่าง, การกำหนดค่า, และการเปลี่ยนแปลงพิมพ์ข้อความ.
- ชอบข้อจำกัดที่แข็งแกร่งเพียงไม่กี่ข้อมากกว่าหลาย ๆ ข้อที่อ่อนแอ.
- เพิ่ม "ทำไม" ให้กับแต่ละหมายเหตุของผู้วิจารณ์; ผู้ปรับแต่งจะปรับปรุงได้เร็วขึ้นด้วยการให้เบาะแสเหตุผล.
## น่าจดจำ: การใช้ [Sider.AI](https://sider.ai) เป็นผู้ช่วย
หากคุณทำซ้ำกระบวนการที่มีพื้นฐานจากการวิจัย เป็นประโยชน์ที่จะมีผู้ช่วย AI ที่สามารถสรุปบันทึกการวนรอบ, สกัดการเปลี่ยนแปลงพิมพ์ข้อความ, และสร้างเทมเพลตที่นำกลับมาใช้ได้ โดยที่ [Sider.AI](https://sider.ai) สามารถช่วยคุณ:
- วิเคราะห์บันทึกของหลายเอเจนต์และแสดงการเปลี่ยนแปลงที่ทำให้คะแนนของคุณเคลื่อนไหวจริงๆ.
- สร้างพื้นฐานพิมพ์ข้อความที่ปรับปรุงจาก "ชัยชนะ" 10 ครั้งล่าสุดของคุณอัตโนมัติ.
- ร่างข้อกำหนดทางแบรนด์เป็นข้อกำกัดที่อ่านได้โดยเครื่องจักร.
มันเป็นวิธีที่มีประโยชน์สำหรับการเปลี่ยนการทดลองของคุณให้เป็นระบบที่ทำซ้ำได้.
## นอกเหนือจากภาพ: การปรับกระบวนการทำงานให้เข้ากับข้อความและโค้ด
- เนื้อหายาว
- ผูวางแผน: โครงร่างและแนวทางเสียง
- ผู้สร้าง: ร่างส่วนต่างๆ
- ผู้วิจารณ์: ความจริง, ความสอดคล้องของโทนเสียง, การเก็บรักษาโครงร่าง
- ผู้ปรับแต่ง: การรวม, แก้ไข, เพิ่มแหล่งที่มา
- การสร้างโค้ด
- ผูวางแผน: การแยกสเปค, การทดสอบการยอมรับ
- ผู้สร้าง: ฟังก์ชันต่างๆ และการนำไปใช้
- ผู้วิจารณ์: การทดสอบหน่วย, เช็คซัม, การตรวจสอบความซับซ้อน
- ผู้ปรับแต่ง: ปรับโครงสร้างเพื่อให้อ่านง่าย/ประสิทธิภาพดีขึ้น
การแยกงานแบบเอเจนต์หลายตัวเป็นสากล; เคล็ดลับคือการออกแบบผู้ประเมินที่มีความสำคัญ.
## ตารางการแก้ปัญหา (โดยย่อ)
- หากผลลัพธ์ดูดีแต่ไม่ตรงตามกำหนด → เสริมสร้างเกณฑ์, ลดคำคุณศัพท์.
- หากผลลัพธ์ตรงกับเกณฑ์แต่รู้สึกไม่มีชีวิตชีวา → เพิ่มความหลากหลายและอนุญาตให้มีความหลากหลายทางสไตล์.
- หากความก้าวหน้าหยุดนิ่ง → สลับโมเดลพื้นฐานหรือเพิ่ม DirectorAgent สำหรับคำแนะนำในระดับมหภาค.
- หากข้อบกพร่องยังคงเกิดขึ้น → ส่งเสริมพิมพ์ข้อความเชิงลบ; เพิ่ม ArtifactAgent เพื่อกำหนดเป้าหมายเฉพาะเจาะจง.
## อะไรต่อไป: การผลักดันแนวหน้า
<a134>คาดหวังว่าโปรโตคอลระหว่างเอเจนต์จะแน่นขึ้น, ตัวประเมินที่ติดตั้งได้ดีขึ้น, และการตรวจสอบที่ลึกซึ้งยิ่งขึ้น งานวิจัยแสดงให้เห็นว่าการทำงานร่วมกันของเอเจนต์หลายตัวสามารถทำให้การทำงานสร้างสรรค์มีระบบมากขึ้น ช่วยลดเวลาต่อคุณภาพของมนุษย์ลงครึ่งหนึ่งหรือดีกว่าสำหรับงานหลายๆ อย่าง ขณะที่สแต็คเหล่านี้เติบโต ทีมที่ชนะจะเป็นพวกที่เปลี่ยน "รสนิยมที่ดี" ให้เป็นเกณฑ์ที่วัดได้—และเชื่อมโยงเกณฑ์เหล่านั้นเข้ากับเอเจนต์ของพวกเขา.