Słownik pojęć

Prompting rekurencyjny

Czym jest Prompting rekurencyjny?

Prompting rekurencyjny oznacza techniki, w których wynik modelu językowego jest ponownie podawany jako nowe dane wejściowe – na przykład aby sprawdzić i poprawić szkic albo aby krok po kroku rozbić duże zadanie na zadania cząstkowe. Przykładowo najpierw powstaje szkic oferty, następnie model ocenia go według listy kontrolnej, a na końcu jest on ulepszany. Często podnosi to jakość, ale kosztuje dodatkowy czas przetwarzania i wymaga jasnego kryterium zakończenia.

Jak pomaga KI.ordo

W przepływach KI.ordo można to odwzorować w ten sposób, że jeden krok AI tworzy szkic, a kolejny krok go sprawdza i poprawia.

Dowiedz się więcej

Tematy

prompting
korekta
przepływ pracy

Wypróbuj KI.ordo

Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.

Uruchom demo

← Wszystkie pojęcia

Powiązane pojęcia

Prompt

Prompt to dane wejściowe, które mówią modelowi AI, co ma zrobić – pytanie, zadanie lub polecenie, często uzupełnione kontekstem, przykładami i pożądanym formatem. Jakość odpowiedzi w dużej mierze zależy od tego, jak jasny i kompletny jest prompt. Na przykład zamiast „Napisz coś o naszym produkcie” lepiej: „Napisz trzy krótkie korzyści z produktu X dla firm rzemieślniczych, rzeczowym tonem”.

prompting
dane wejściowe
+1

Szablon

Łańcuchowanie modeli

Łańcuchowanie modeli oznacza łączenie kilku modeli AI lub kroków AI w sekwencję, tak aby wynik jednego kroku stawał się danymi wejściowymi następnego. Złożone zadania można w ten sposób podzielić na mniejsze zadania cząstkowe, które da się osobno sprawdzać i ulepszać. Przykład: jeden krok streszcza zapytanie klienta, drugi przypisuje je do działu, a trzeci przygotowuje odpowiedź.

orkiestracja
przepływy
+1

Metaprompt

Metaprompt to polecenie, które prosi model językowy o samodzielne przygotowanie lub ulepszenie promptów albo instrukcji systemowych. Opisuje się cel, grupę odbiorców i pożądany ton oraz podaje przykłady; model tworzy wówczas uporządkowane instrukcje z rolą, regułami i ograniczeniami. Pozwala to szybciej uzyskać dobre pierwsze wersje, które następnie są testowane i dopracowywane przez ludzi. Przykład: hasło „obsługa klienta dla sklepu rowerowego” zamienia się w kompletny szkic instrukcji.

prompting
agenci
+1

Szablon

Rozumowanie wieloetapowe

Rozumowanie wieloetapowe to zdolność systemu AI do udzielenia odpowiedzi na pytanie poprzez kilka następujących po sobie wnioskowań, często łącząc informacje z różnych źródeł. Przykład: pytanie „Którym działem kieruje osoba odpowiedzialna za projekt X?” wymaga najpierw ustalenia osoby odpowiedzialnej, a potem jej działu. Takie pytania są wymagające dla systemów wyszukiwania i RAG, ponieważ każdy krok pośredni musi zostać poprawnie znaleziony i powiązany.

rozumowanie
odpowiadanie na pytania
+1