Prosisz AI o przygotowanie projektu wiadomości e-mail dotyczącej wprowadzenia produktu na rynek lub analizę konkurencji, ale wynik brzmi płasko i ogólnikowo. Zmieniasz więc sformułowanie, dodajesz więcej kontekstu i próbujesz ponownie. Nadal nie jest dobrze. 😕
Dzieje się tak, ponieważ sztuczna inteligencja jest tak dobra, jak jej podpowiedzi.
Różnica między ogólną odpowiedzią a prawdziwym partnerem do rozmowy sprowadza się do tego, jak zadajesz pytania.
W tym przewodniku przedstawiono praktyczne techniki wywoływania AI oraz sposoby, w jakie zespoły zajmujące się zawartością, produktami i operacjami mogą je wykorzystać, aby uzyskać bardziej precyzyjne i zróżnicowane odpowiedzi.
📌 Czy wiesz, że... Według globalnego badania przeprowadzonego przez McKinsey 65% firm zgłosiło wykorzystanie generatywnej AI w co najmniej jednej funkcji biznesowej.
Czym jest inżynieria podpowiedzi?
Inżynieria podpowiedzi to praktyka polegająca na udzielaniu jasnych, konkretnych podpowiedzi w celu uzyskania pożądanych wyników z narzędzi AI (AI), zwłaszcza dużych modeli językowych (LLM), takich jak GPT.
Modele te opierają się na przetwarzaniu języka naturalnego w celu interpretacji instrukcji użytkownika, co oznacza, że jasność sformułowanych słów ma bezpośredni wpływ na jakość odpowiedzi generowanych przez A.I.
To trochę tak, jakbyś udzielał wskazówek komuś, kto nigdy nie był w Twoim mieście. Możesz powiedzieć: „Idź na północ, a znajdziesz to miejsce” i mieć nadzieję, że osoba ta dotrze na miejsce. Możesz też podać nazwę ulicy, punkty orientacyjne i dokładny numer domu, którego należy szukać.
W kontekście inżynierii podpowiedzi oznacza to:
- Podaj wystarczającą ilość szczegółów, nie przeciążając modelu.
- Rozbijanie złożonych zadań i żądań na mniejsze, bardziej konkretne zadania, aby skutecznie się komunikować.
- Przewiduj odpowiedzi modelu, w tym to, co może on błędnie zinterpretować lub przeoczyć.
📊 Stat Alert: Indeks Stanford AI wykazał, że:
- 59% organizacji dokonało raportowania o wzroście przychodów bezpośrednio połączonym z wdrożeniem AI.
- 42% organizacji korzystających z AI odnotowało obniżenie kosztów działalności.
W przypadku wszystkich przedstawionych tutaj technik pokazujemy, jak wyglądają one w praktyce, w ClickUp Brain, naszym wbudowanym asystencie AI. *
Podstawowe techniki podawania podpowiedzi AI (wraz z przykładami)
Skuteczne tworzenie podpowiedzi to po części sztuka, a po części nauka. Chociaż tylko praktyka pomoże Ci opanować tę sztukę, aby nauczyć się nauki (tj. technik), przewiń w dół i dowiedz się, jak zadawać pytania AIG 👇.
1. Podpowiedź typu zero-shot
Promptowanie typu zero-shot to najprostsza technika inżynierii podpowiedzi. Podajesz AI bezpośredni podpowiedź do wykonania zadania, ale nie podajesz przykładów, jak to zrobić.
Ponieważ nowoczesne duże modele językowe są szkolone w oparciu o różnorodne wzorce językowe, rozumowanie i wiedzę, mogą one samodzielnie wykonywać określone zadania, nawet bez wyraźnych przykładów (jest to znane jako uczenie się bez przykładów).
Weźmy na przykład podpowiedź, którą przekazaliśmy ClickUp Brain:
Zauważyłeś, jak AI natychmiast stworzyła tekst reklamy, nie mając żadnych przykładów tego, jak wygląda dowcipny tekst? To właśnie działanie podpowiedzi typu zero-shot.
💡 Porada dla profesjonalistów: Użyj techniki podpowiedzi zero-shot, gdy chcesz szybko coś zrobione, ale nie musi to być idealne.
Na przykład pisarze mogą wykorzystać je do kreatywnego pisania i szybkiego stworzenia pierwszego szkicu, który później będą mogli dopracować.
Możesz też użyć tej techniki, aby zadawać pytania dotyczące faktów lub generować podsumowania.
2. Podpowiedź typu „few-shot”
Sander Schulhoff, znany również jako „OG podpowiedź engineer”, podkreśla, że technika podpowiedzi few-shot może poprawić dokładność z 0% do 90% w kontrolowanych testach dotyczących dokładności klasyfikacji.
W przeciwieństwie do zero-shot, promptowanie few-shot wymaga podania przykładów AI przed poproszeniem jej o zakończenie podobnego zadania. Te „strzały” pokazują format lub logikę, którą model powinien zastosować, aby udzielić oczekiwanej odpowiedzi.
Na przykład, załóżmy, że chcesz, aby AI klasyfikowało komentarze w mediach społecznościowych w celu analizy nastrojów. Zamiast bezpośrednio prosić ją o „analizę nastrojów”, możesz najpierw poprowadzić AI, korzystając z przykładów z etykietą, jak poniżej:
Jak widać powyżej, przykłady posłużyły jako instrukcje pomagające systemowi AI zrozumieć, jak przyznawać etykiety do opinii niestandardowych.
💡 Wskazówka dla profesjonalistów: Wskazówki typu „few-shot” działają najlepiej, gdy przykłady są krótkie i jasne. Jeśli przeciążysz AI zbyt dużą liczbą przykładów lub podasz sprzeczne przykłady, wpłynie to negatywnie na wynik.
Właściwy sposób: trzymaj się 3–5 prostych, jasnych i spójnych przykładów w przypadku krótkich zadań tekstowych; zadania o dłuższym formularzu mogą wymagać mniejszej liczby przykładów, ale bogatszych. W ten sposób model będzie w stanie wygenerować pożądany wynik.
📌 Krótka notatka: Badacze z Google stworzyli przewodnik Nano Banana Prompting Guide, aby nauczyć modele LLM naśladowania określonych zachowań przy użyciu zaledwie kilku starannie dobranych przykładów.
Wynika z tego, że nawet niewielkie, wysokiej jakości próbki mogą znacznie zwiększyć dokładność modelu, co dowodzi, że jakość przykładów często ma większe znaczenie niż ich ilość.
3. Podpowiedź łańcucha myśli (COT)
W technice podpowiedzi łańcucha myśli zasadniczo mówisz AI: „Nie podawaj mi tylko odpowiedzi. Pokaż mi, jak do niej doszłaś”.
Załóżmy, że chcesz stworzyć temat wiadomości e-mail, aby ogłosić nową funkcję w swojej aplikacji zwiększającej wydajność: priorytetyzację zadań. Oto jak możesz wykorzystać podpowiedzi oparte na łańcuchu myśli, aby wygenerować odpowiedni temat wiadomości e-mail:
Prosząc AI o wyjaśnienie złożonego procesu rozumowania, możesz przyjrzeć się kolejnym krokom i dokładnie wskazać, gdzie AI mogła popełnić błąd podczas burzy mózgów nad tematem wiadomości e-mail.
Nie tylko pomoże Ci to bardziej zaufać ostatecznej odpowiedzi, ale także, jeśli zechcesz ponownie wywołać polecenie, będziesz mógł to zrobić, podając jaśniejsze instrukcje.
💡 Wskazówka dla profesjonalistów: Generowanie procesu myślowego krok po kroku jest czasochłonne. W przypadku zadań, w których szybkość ma kluczowe znaczenie, nakład pracy związany z generowaniem łańcucha myśli może stanowić poważną wadę.
Co więcej, ścieżka rozumowania generowana przez AI nie zawsze odzwierciedla jej rzeczywisty proces wewnętrzny. Jak widać w powyższym przykładzie, AI dostarczyła nam „podsumowanie” swojego rozumowania, a nie rzeczywisty szczegółowy opis poszczególnych kroków. Może to stworzyć fałszywe poczucie przejrzystości, zwłaszcza w przypadku bardziej złożonych zadań.
Warto więc polegać na podpowiedziach opartych na łańcuchu myśli tylko w przypadku problemów, które naprawdę wymagają ustrukturyzowanego rozumowania (np. zadania matematyczne o wielu krokach, łamigłówki logiczne lub analizy). W przypadku prostych lub pilnych zadań bardziej skuteczne są bezpośrednie podpowiedzi.
4. Spójność wewnętrzna
Kiedy zadajesz pytanie AI, zazwyczaj wybiera ona jedną ścieżkę rozumowania i podaje najbardziej prawdopodobną odpowiedź. Ale co, jeśli ta ścieżka nie jest najlepsza?
Właśnie tym zajmuje się spójne generowanie poleceń. W tym przypadku prosisz /AI o wygenerowanie wielu ścieżek rozumowania, aby wybrać najbardziej wiarygodną i odpowiednią.
Aby to zrozumieć, posłużmy się tym samym przykładem tematu wiadomości e-mail. Zamiast prosić AI o wygenerowanie tematu i wyjaśnienie, w jaki sposób do niego doszła (tak jak zrobiliśmy to w CoT), poprosiliśmy ją o wygenerowanie wielu tematów i wybranie najlepszej opcji za jednym razem:
Jeśli otrzyma takie polecenie, AI może porównać wiele wygenerowanych opcji i wybrać najsilniejszą z nich.
💡 Wskazówka dla profesjonalistów: Aby uzyskać najlepsze wyniki, dodaj jedną końcową instrukcję do podpowiedzi dotyczącej spójności wewnętrznej: „Wyjaśnij, dlaczego wybrana odpowiedź jest najlepsza”.
Zmusza to AI do weryfikacji swojego rozumowania i uzasadnienia wniosków, co pozwala uzyskać bardziej przejrzystą i wiarygodną odpowiedź.
📮 ClickUp Insight: 47% respondentów naszej ankiety nigdy nie próbowało używać AI do wykonywania zadań ręcznych, ale 23% osób, które ją wdrożyły, twierdzi, że znacznie zmniejszyła ona ich obciążenie pracą.
Ta różnica może być czymś więcej niż tylko luką technologiczną. Podczas gdy pierwsi użytkownicy osiągają wymierne korzyści, większość może nie doceniać, jak bardzo AI może zmienić sposób pracy, zmniejszając obciążenie poznawcze i pozwalając zaoszczędzić czas. 🔥
ClickUp Brain wypełnia tę lukę, płynnie integrując AI z Twoim cyklem pracy. Nasza AI potrafi wszystko – od podsumowywania wątków i tworzenia zawartości po rozkładanie złożonych projektów na części i generowanie podzadań. Nie musisz przełączać się między narzędziami ani zaczynać od zera.
💫 Rzeczywiste wyniki: Firma STANLEY Security skróciła czas potrzebny na tworzenie raportów o co najmniej 50% dzięki konfigurowalnym narzędziom do raportowania ClickUp, dzięki czemu jej zespoły mogą poświęcić mniej czasu na formatowanie, a więcej na prognozę.
5. Drzewo myśli
Zamiast generować kilka zakończonych odpowiedzi, a następnie wybierać jedną z nich, drzewo myśli zmusza AI do podzielenia problemu na kroki. Na każdym kroku AI generuje możliwości i ocenia je, aby znaleźć najlepszą, zanim wygeneruje odpowiedź.
Brzmi skomplikowanie? Brzmi skomplikowanie? Wróćmy do naszego przykładu tematu wiadomości e-mail, wprowadzając niewielką zmianę w podpowiedzi.
Przykładowe podpowiedzi:
Rola i zadanie: Jesteś starszym specjalistą ds. marketingu produktów. Wykorzystaj Tree of Thoughts do stworzenia tematów wiadomości e-mail ogłaszających naszą funkcję gotowych agentów AI.
Ograniczenia
- Odbiorcy: zapracowani liderzy operacyjni i produktowi oceniający AI w pracy
- Ton: pewny siebie, praktyczny, bez przesady
- Długość: ≤ 55 znaków
- Unikaj sformułowań przypominających spam i tekstu pisanym WYŁĄCZNIE WIELKIMI LITERAMI.
- Muszą sugerować natychmiastową wartość (oszczędność czasu, szybsze wykonanie).
Proces (ToT)
- Rozgałęzienia: Lista 5 punktów widzenia: korzyści, wyniki/szybkość, przypadki użycia/zadania do zrobienia, ograniczenie ryzyka, dowód społeczny.
- Rozszerzenie: 3 tematy na każdy punkt widzenia
- Ocena: Oceń każdy element pod kątem jasności/trafności/wyrazistości/długości (1–5).
- Przycinanie: Zachowaj najlepszy wynik dla każdego kąta.
- Udoskonalenie: skróć do ≤55 znaków; wyostrz czasowniki
- Wybór: Wynik Top 3 + preheaders i dlaczego wygrywają (≤1 linia każdy)
Format wyjściowy (bez ukrytego ciągu myśli):
- Ostateczna trójka z preheaderami
- Lista punktów widzenia wraz z krótkim uzasadnieniem
- Tabela: Kąt | Temat | Długość | Wynik | Uzasadnienie
W tym przypadku poprosiliśmy system AI o uwzględnienie ograniczeń, zdefiniowanie procesu, a nawet formatu wyjściowego.
💡 Wskazówka dla profesjonalistów: Drzewo myśli działa najlepiej, gdy każdy punkt decyzyjny jest jasny i niezależny. Jeśli więc w jednym punkcie decyzyjnym uwzględnisz wiele kroków (np. poprosisz AI o zidentyfikowanie odbiorców i korzyści w tym samym kroku), gałęzie staną się nieuporządkowane, a wynik straci na precyzji.
👀 Czy wiesz, że... Podczas korzystania z frameworka Tree of Thoughts powodzenie GPT-4 w zadaniu „Game of 24” wzrosło z zaledwie 4% przy standardowej podpowiedzi łańcucha myśli do 74% przy użyciu Tree of Thoughts.
Ten 70-punktowy skok nastąpił bez zmiany samego modelu, a jedynie metody podpowiedzi. Pokazuje to, jak ważna może być podpowiedź, podobnie jak model, którego używasz.
6. Łańcuchowanie podpowiedzi
W tej technice inżynierii podpowiedzi zadanie dzieli się na mniejsze podzadania (z logicznymi sekwencjami), tworząc proces iteracyjny. Każdy krok opiera się na poprzednim, a wynik jednego etapu staje się dane wejściowe dla następnego.
Wróćmy (po raz ostatni) do naszego przykładu tematu wiadomości e-mail i użyjmy łańcucha podpowiedzi, aby zobaczyć, jak wpływa on na wynik. Najpierw poprosimy AI o zidentyfikowanie docelowych odbiorców:
Przykładowe podpowiedzi:
Cel: Napisz temat wiadomości e-mail, aby ogłosić gotowe agenty AI.
Krok 1: Wyodrębnij kluczowe korzyści
Podaj listę 5 głównych zalet naszych nowych gotowych agentów AI dla liderów ds. produktów i operacji. (Efekt: szybsze ustawienia, natychmiastowa automatyzacja, mniej zależności, standaryzacja, szybsze uruchomienia)
Krok 2: Generowanie punktów widzenia
Zaproponuj 5 kierunków komunikacji dla tematu wiadomości e-mail w oparciu o te korzyści. (Wynik: szybkość, łatwość, wydajność, niezawodność, innowacyjność)
Krok 3: Napisz tematy wiadomości
Napisz 3 tematy wiadomości dla każdego punktu widzenia. Nie przekraczaj 55 znaków. (Wynik: „Gotowe agenty AI — czekają na Ciebie” itp.)
Krok 4: Wybierz najlepsze
Oceń je pod kątem jasności i trafności. Zwróć 3 najlepsze wyniki wraz z nagłówkami.
Łącząc podpowiedzi, zasadniczo prowadzisz AIA przez ten sam proces, który wykonałbyś ręcznie:
Wyodrębnij kluczowe korzyści ➡️ Generuj kąty komunikatów ➡️ Napisz temat wiadomości ➡️ Wybierz najlepszą opcję *
💡 Wskazówka dla profesjonalistów: Używaj łańcuchów poleceń, aby zmniejszyć „przeciążenie poznawcze” /AI. Dzieląc duże zadanie na mniejsze kroki, prowadzisz /AI przez proces, dzięki czemu końcowy wynik jest bardziej dopracowany i spójny niż w przypadku pojedynczego polecenia typu zero-shot.
7. Automatyczny inżynier podpowiedzi (APE)
APE to zaawansowana technika, w której duży model językowy pomaga generować i udoskonalać nowe podpowiedzi zoptymalizowane dla tego samego modelu AI. Potraktuj to jako sposób, w jaki AI mówi: „Powiedz mi, czego chcesz, a ja znajdę najlepszy sposób, aby zadać pytanie, które da ci idealną odpowiedź”.
W technice podpowiedzi APE prosisz /AI o:
- Zaprojektuj podpowiedzi dla zadania, które chcesz zrobić.
- Przewiduj, jak te podpowiedzi będą działać.
- Przetestuj je.
- Wybierz najlepszą podpowiedź i uruchom ją.
Załóżmy na przykład, że przygotowujesz się do wprowadzenia nowej funkcji o nazwie „Custom Dashboards” (niestandardowe pulpity nawigacyjne) do swojego produktu SaaS. Chcesz stworzyć atrakcyjny przewodnik komunikacyjny dla swojego zespołu. Masz jednak trudności z sformułowaniem komunikatu w sposób, który przemówiłby do czytelników.
W takim przypadku możesz poprosić AI o wygenerowanie szczegółowej podpowiedzi dla siebie:
Przykładowe polecenie: Jesteś inżynierem ds. automatycznych podpowiedzi.
Zadanie: Stwórz polecenie, które pomoże wygenerować przewodnik po komunikatach dla naszej nowej funkcji, niestandardowych pulpitów nawigacyjnych.
Kroki, które należy wykonać:
- Wygeneruj 5 potencjalnych podpowiedzi.
- Przewiduj, które z nich zapewnią najbardziej przekonujący i jasny tekst dla nabywcy B2B.
- Przetestuj każde podpowiedzi na próbkowym wejściu.
- Wybierz najlepiej działające podpowiedzi i uruchom je w pełni.
- Zwrot: zwycięska podpowiedź + wygenerowany przewodnik po komunikatach
Sztuczna inteligencja wygeneruje listę podpowiedzi, które możesz udoskonalić i uruchomić, aby stworzyć wysokiej jakości przewodnik po komunikacji:
💡 Wskazówka dla profesjonalistów: Stwórz tabelę punktacji, aby oceniać różne podpowiedzi generowane przez AI. Możesz udostępnić tę tabelę modelowi i poprosić go o odpowiednią punktację każdej podpowiedzi. Ułatwi to ocenę opcji podpowiedzi na podstawie własnych kryteriów.
Zgodnie z artykułem badawczym o tytule „Large Language Models are Human-Level Prompt Engineers” ( „Duże modele językowe są inżynierami podpowiedzi na poziomie ludzkim”) „pokazujemy, że podpowiedzi opracowane przez APE można zastosować w celu ukierunkowania modeli na prawdziwość i/lub informacyjność, a także w celu poprawy wydajności uczenia się na podstawie niewielkiej liczby przykładów poprzez proste dodanie ich przed standardowymi podpowiedziami uczenia się w kontekście”.
8. ReACT
Chociaż „ReAct” brzmi jak coś, co robi się, gdy rozleje się kawę na laptopa, w inżynierii podpowiedzi jest to skrót od Reason + Act (rozumowanie + działanie). Jest to kolejna zaawansowana technika podpowiadania, w której model AI na przemian myśli (rozumuje) i działa (podejmuje działania).
Zamiast udzielać natychmiastowej odpowiedzi, AI jest podawana do zrozumienia, że ma podać:
- Powód: Przemyśl problem krok po kroku.
- Działanie: Współpracuj z zewnętrznymi narzędziami lub bazami wiedzy, aby zebrać więcej informacji.
- Powód: Wykorzystaj nowe informacje, aby udoskonalić jego myślenie.
Proces ten jest powtarzany w pętli, aż /AI/ będzie w stanie z całą pewnością udzielić odpowiedzi z dostatecznym wsparciem.
Załóżmy, że planujesz wprowadzić nową funkcję „pulpitów nawigacyjnych” i chcesz dowiedzieć się, co konkurencja mówi o podobnej funkcji na swojej stronie internetowej. W tym przykładzie załóżmy, że jesteśmy Twoją konkurencją, a Ty chcesz uzyskać szczegółowe informacje na temat pulpitów nawigacyjnych ClickUp.
Dzięki ReACT możesz skonstruować swoją odpowiedź w następujący sposób:
Przykładowe podpowiedzi: Jesteś konkurencyjnym marketingowcem produktów stosującym podejście ReACT (Reason + Act).
Twoje zadanie: Zbadaj i podsumuj, w jaki sposób ClickUp umieszcza swoją funkcję Dashboards w pozycji na swojej stronie internetowej.
Postępuj zgodnie z poniższą procedurą, aż do zrobione:
- Pomyśl: Zapisz, czego potrzebujesz znaleźć w następnej kolejności (np. propozycje wartości, przypadki użycia, korzyści, elementy wizualne, wezwania do działania).
- Działanie: Przeszukaj stronę ClickUp (https://clickup.com/funkcje/pulpit) i wyodrębnij tylko istotne informacje.
- Obserwuj: Zanotuj swoją notatkę.
- Powtórz: Kontynuuj, aż uzyskasz wszystkie potrzebne informacje.
Na koniec przygotuj uporządkowane podsumowanie zawierające:
- Podstawowe stanowisko dotyczące pozycji
- 3–5 głównych korzyści
- 3 kluczowe przypadki użycia
- Jak wizualnie prezentują pulpity nawigacyjne
- Styl i ton wezwań do działania
To polecenie prowadzi AI przez logiczny, krok po kroku proces, nie zbaczając z tematu. Zobaczmy teraz, jak AI zareagowała na to polecenie:
💡 Wskazówka dla profesjonalistów: Podpowiedź ReACT działa najlepiej, gdy AI ma dostęp do wiarygodnych informacji online i może dokonywać trafnych obserwacji. Jeśli krok „Act” pobiera nieaktualne lub niekompletne dane, wynikające z tego wnioskowanie będzie nieuchronnie błędne.
9. Generowanie podpowiedzi wiedzy
Kiedy AI zatrzymuje się, aby najpierw zebrać lub skonstruować zbiór wiedzy, zazwyczaj jest bardziej dokładna i spójna.
Jest to zasada generowania podpowiedzi wiedzy, polegająca na podawaniu /AI wielu podpowiedzi, aby najpierw mogła ona wydobyć istotne fakty, a następnie wykorzystać je do wygenerowania odpowiedniej odpowiedzi.
Brzmi to zagmatwane?
Rozważmy następujący przykład: wprowadzasz na rynek nowe narzędzie do zarządzania projektami dla freelancerów. Musisz stworzyć strategię marketingową, ale nie masz pewności, na jakich problemach skupić się, aby Twoje przesłanie trafiło do odbiorców.
Korzystając z funkcji Generate Knowledge Prompting, możesz najpierw poprosić AI o podanie listy istotnych informacji na temat frustracji Twojej grupy docelowej:
Wykorzystując te informacje jako dane wejściowe do następnej podpowiedzi, poprowadzisz AI do zaproponowania idealnej strategii marketingowej:
W ten sposób końcowy wynik opiera się na przejrzystej i konkretnej logice.
💡 Wskazówka dla profesjonalistów: Użyj funkcji Generate Knowledge Prompting, gdy potrzebujesz dobrze zbadanej i wiarygodnej odpowiedzi AI. Jest to idealne rozwiązanie do pisania artykułów, tworzenia szczegółowych raportów, a nawet przygotowywania prezentacji, w których dokładność danych ma kluczowe znaczenie.
10. Aktywne podpowiedzi
Aktywne podpowiedzi to technika, która sprawia, że AI staje się aktywnym uczniem.
Zamiast zgadywać, z jakich przykładów (lub ujęć) AI powinna się uczyć, dostarcz jej różnorodny zestaw przykładów, a AI sama zidentyfikuje te najbardziej trudne lub niejednoznaczne. Następnie poprosi Cię o podanie prawidłowej odpowiedzi tylko dla tych konkretnych przypadków, aby się nauczyć.
Aby łatwo to zrozumieć, wyobraź sobie, że chcesz stworzyć strukturę, która pomoże Twojemu zespołowi sprzedaży radzić sobie z typowymi celami klientów dotyczącymi nowej funkcji produktu.
Masz już listę surowych opinii klientów i celów i chcesz wyszkolić AI, aby tworzyła skuteczne, zgodne z wizerunkiem marki odpowiedzi, które zespół sprzedaży będzie mógł ponownie wykorzystać.
Przykładowe podpowiedzi: Jesteś starszym strategiem ds. marketingu produktów i badasz problemy użytkowników.
Zadanie: Wymień 4 wyraźne frustracje lub problemy, z jakimi borykają się niezależni menedżerowie produktu pracujący bez narzędzia do zarządzania projektami.
Kontekst: Obsługują wielu klientów, pracują zdalnie i często realizują projekty samodzielnie, bez dedykowanego zespołu wsparcia.
Ograniczenia:
- Każdy problem powinien być opisany w 1–2 zdaniach.
- Podkreśl wpływ emocjonalny (stres, przytłoczenie, wypalenie, dezorientacja itp.).
- Pokaż konsekwencje biznesowe (nie dotrzymane terminy, porzucone zadania, niezadowoleni klienci).
- Unikaj niejasnych terminów, takich jak „brak organizacji” — bądź konkretny.
Format wyjściowy:
- lista numerowana
- Każdy element: Problem → Konsekwencja (w nawiasach)
💡 Wskazówka dla profesjonalistów: Zapisuj podpowiedzi o powodzeniu wraz z notatkami na temat tego, co zadziałało i dlaczego. W ten sposób zbudujesz wewnętrzną bibliotekę „wzorców podpowiedzi”, które możesz ponownie wykorzystać i dostosować do różnych zadań, podobnie jak moduły kodu wielokrotnego użytku.
Podpowiedzi dla różnych przypadków użycia
Gotowy, aby wykorzystać swoje umiejętności w zakresie inżynierii podpowiedzi?
Przyjrzyjmy się typowym przykładom inżynierii podpowiedzi, które można od razu zastosować w pracy.
Dla zespołów ds. zawartości
Jeśli zajmujesz się tworzeniem zawartości, w zasadzie prowadzisz kreatywną linię produkcyjną. Jest to męczące, ale nie wtedy, gdy wiesz, jak tworzyć skuteczne podpowiedzi.
Tworzenie konspektów blogów przy użyciu łańcuchów podpowiedzi
Zamiast zlecać AI „stworzenie konspektu bloga na temat [temat]”, możesz podzielić ten proces na kroki i realizować je sekwencyjnie:
Przykładowa odpowiedź: Podaj mi 5 pomysłów na temat bloga dotyczącego pokonywania poniedziałkowej chandry. Jest on przeznaczony dla menedżerów średniego szczebla. Udostępnij również schematy, które wykorzystałeś dla każdego tytułu.
Następnie podziel temat na tagi H2, H3 i H4 i powiedz mi, co powinienem omówić w każdym z nich.
2. Generowanie metadanych za pomocą inżynierii podpowiedzi typu few-shot
Weź 3-4 meta-tytuły i meta-opisy z poprzednich artykułów i wykorzystaj je jako przykłady lub „próbki” do szkolenia AI w zakresie pisania meta-opisów.
3. Optymalizacja SEO bloga przy użyciu techniki generowania wiedzy
Jeśli masz bloga, który nie osiąga oczekiwanych wyników i chcesz go zoptymalizować pod kątem wyszukiwarek, po prostu wprowadź go do AI i poproś model o „wydobycie” słów kluczowych, które mogły zostać pominięte. Gdy AI wygeneruje tę listę (tj. wygeneruje wiedzę), możesz polecić jej naturalne włączenie wygenerowanej wiedzy do tekstu.
Chociaż odpowiednie podpowiedzi mogą pomóc w tworzeniu świetnych wpisów na blogu lub w mediach społecznościowych, przełączanie się między narzędziami do generowania zawartości i edytowania/formatowania jej dla wydawcy nadal jest uciążliwe. ClickUp oferuje inteligentne rozwiązanie.
Do pisania zawartości możesz używać ClickUp Dokumnt, które zawiera wbudowane rozszerzenie dla ClickUp Brain.
Oznacza to, że możesz podawać podpowiedzi AI, udoskonalać zawartość i formatować ją za pomocą elementów wizualnych (obrazów, tabelek, infografik, plików GIF) – wszystko to w ramach jednego dokumentu.
Nie przerywaj przepływu pomysłów. ClickUp Brain MAX pomaga uchwycić i dopracować myśli bezpośrednio w dokumencie — przekształcając szybkie przebłyski w uporządkowane konspekty lub kolejne kroki. A gdy pisanie spowalnia Cię, funkcja Talk-to-Text pozwala po prostu wypowiedzieć swoje pomysły; pojawiają się one natychmiast na stronie, dzięki czemu burza mózgów przebiega szybko i bez przeszkód.
Dzięki temu można bez wysiłku rejestrować pomysły, dyktować konspekty lub tworzyć szkice podpowiedzi zawartości w czasie rzeczywistym, nie tracąc tempa. Po sporządzeniu wstępnego szkicu można go udoskonalić, stosując łańcuchowanie podpowiedzi, podpowiedzi typu few-shot lub inne poznane techniki.
📚 Czytaj więcej: Podpowiedzi AI do tworzenia oszałamiających obrazów
📌 Czy wiesz, że... 86% marketerów oszczędza ponad godzinę dziennie, wykorzystując AI do generowania nowych pomysłów na zawartość.
To ponad 5 godzin tygodniowo, które możesz przeznaczyć na strategię, tworzenie historii i zadania o większej wartości.
Wynik? Szybsze kampanie, mniejsze zmęczenie i więcej przestrzeni na kreatywność, która naprawdę tworzy połączenie z odbiorcami.
Dla zespołów produktowych i programistycznych
Ciągłe powracanie do AI w celu wprowadzenia nowych funkcji lub usunięcia błędów nie jest tym, czego naprawdę potrzebujesz w życiu. Inżynieria podpowiedzi może sprawić, że proces ten będzie znacznie mniej wyczerpujący:
Wyjaśnianie specyfikacji funkcji za pomocą łańcuchów podpowiedzi
Możesz użyć łańcucha podpowiedzi, aby krok po kroku przygotować dokument specyfikacji funkcji, dzięki czemu programiści będą mogli na jego podstawie tworzyć oprogramowanie bez żadnych niejasności. Oto jak to zrobić:
2. Przekładanie informacji zwrotnych na zadania programistyczne dzięki inżynierii podpowiedzi typu zero-shot
Wystarczy skopiować i wkleić opinię klienta, a następnie poprosić AI o przekształcenie jej w zadanie dla programisty z jasnym tytułem i opisem:
3. Napisz przypadki testowe, używając podpowiedzi typu few-shot.
Podaj 4–5 przykładów dobrze napisanych przypadków testowych, aby model /AI natychmiast nauczył się Twojego stylu i generował pożądane przypadki testowe:
Jeśli nadal korzystasz z wielu narzędzi do zadań wspomaganych przez AI, ClickUp Brain jest wszystkim, czego potrzebujesz, zwłaszcza jeśli pracujesz w dziale rozwoju produktów lub oprogramowania.
Pomoże Ci to generować zwięzłe podsumowania zgłoszeń błędów bezpośrednio w ramach zadania. Wystarczy otworzyć przypisane Ci zadanie dotyczące błędu, kliknąć przycisk „Podsumuj AI” i poczekać kilka sekund, aż sztuczna inteligencja wygeneruje krótkie podsumowanie, podkreślając główny problem i wymagane kroki.
Podobnie, możesz użyć ClickUp Brain do opracowania jasnych kryteriów akceptacji dla historii użytkowników, funkcji i poprawek błędów. Oprogramowanie wspomagające pisanie automatycznie pobierze i przeanalizuje zawartość zadania (opis, komentarze, załączniki) i zaproponuje kryteria akceptacji w formacie listy kontrolnej/punktowanej.
Chcesz zobaczyć to w praktyce? Obejrzyj ten krótki wideo pokazujący, jak napisać skuteczny raport o błędzie z pomocą AI.
📌 Czy wiesz, że? Badanie przeprowadzone przez Canva wykazało, że:
- 92% liderów technologicznych zintegrowało narzędzia do kodowania wspomagane sztuczną inteligencją ze swoimi cyklami pracy.
- 78% programistów korzysta z tych narzędzi codziennie.
Korzyści obejmują szybsze tworzenie prototypów, generowanie pomysłów, innowacje i niższe koszty.
Dla działów sprzedaży i marketingu
Personalizacja ma największe znaczenie dla zespołów sprzedaży i marketingu. Jednak oferowanie jej na dużą skalę jest żmudnym zadaniem. Zobaczmy, jak techniki inżynierii podpowiedzi mogą przyspieszyć ten proces:
Pisanie odpowiedzi na e-mail dzięki inżynierii podpowiedzi typu few-shot
Pokaż AI kilka przykładów odpowiedzi na e-mail od klienta lub potencjalnego klienta, a AI sporządzi odpowiedź na najnowszy e-mail dokładnie tak, jak Ty byś to zrobił:
2. Generowanie propozycji wartości za pomocą automatycznego inżyniera podpowiedzi
Potrzebujesz pomocy w opracowaniu atrakcyjnej propozycji wartości? Zamiast tracić czas na dopracowywanie podpowiedzi, po prostu poproś AI o:
Potrzebujesz w ciągu kilku sekund wygenerować kopie wiadomości i podsumowania rozmów z klientami? Dzięki ClickUp Brain możesz korzystać z asystenta AI we wszystkich funkcjach ClickUp, takich jak ClickUp Docs, zadania ClickUp, a nawet ClickUp Comments.
Aby stworzyć szkic wiadomości, po prostu otwórz ClickUp Dokumenty i użyj AI do napisania wiadomości e-mail/wiadomości dla potencjalnych klientów. Możesz ją edytować, wybrać ton, poprawić lub rozszerzyć szkic jednym kliknięciem lub użyć go w obecnej postaci.
A jeśli ktoś zamieści notatkę z rozmowy w komentarzach, możesz zadzwonić do Brain (wpisując @brain w polu komentarza/odpowiedzi) i poprosić go o podsumowanie notatki z rozmowy w komentarzu.
📚 Więcej informacji: Przykłady poleceń pisania
📌 Czy wiesz, że... Prawie 20% marketerów przeznacza ponad 40% swojego budżetu marketingowego na kampanie oparte na AI, a 34% zgłasza znaczną poprawę wyników marketingowych dzięki AI.
Dla operacji
Jeśli zajmujesz się operacjami, prawdopodobnie jesteś obciążony czasochłonnymi zadaniami, takimi jak pisanie standardowych procedur operacyjnych (SOP) lub tworzenie dokumentów wewnętrznych. Nie martw się jednak, wypróbuj poniższe podpowiedzi, aby sprytnie zmniejszyć swoje obciążenie pracą:
Tworzenie podsumowań spotkań — generowanie wiedzy + spójność wewnętrzna
Nie masz narzędzia do automatyzacji generowania podsumowań spotkań? Nie martw się! Wklej transkrypcję spotkania do czatu AI i poproś o wyodrębnienie kluczowych punktów (podsumowań lub elementów do wykonania).
Aby zwiększyć dokładność wyników, możesz poprosić AI o wypróbowanie kilku wersji podsumowania i wybranie najlepszej z nich.
A jeśli szukasz bardziej płynnej i zautomatyzowanej metody obsługi notatek ze spotkań, ClickUp AI Notetaker został stworzony właśnie do tego celu. To potężne narzędzie może automatycznie dołączać do spotkań, niezależnie od tego, czy są one zaplanowane, czy doraźne, i transkrybować całą rozmowę w czasie rzeczywistym.
Może podsumowywać kluczowe punkty, podkreślać podjęte decyzje, a nawet wyodrębniać zadania do wykonania lub działania następcze.
Jeśli chcesz dowiedzieć się więcej o tym, jak wykorzystać AI do sporządzania notatek ze spotkań, obejrzyj poniższy wideo:
2. Tworzenie dokumentów wewnętrznych przy użyciu aktywnych podpowiedzi
Tworzenie dokumentu wewnętrznego (np. dotyczącego „polityki pracy zdalnej”) za pierwszym razem może być przytłaczające. W takich przypadkach najlepiej jest uruchomić aktywne podpowiedzi i stopniowo je udoskonalać, aby uzyskać idealny wynik:
Przykładowe polecenie: Przygotuj wewnętrzny dokument wyjaśniający naszą politykę dotyczącą pracy zdalnej. Niech ma mniej niż 800 słów. Wymień na liście kryteria kwalifikacyjne, oczekiwania, zasady dotyczące sprzętu i sekcję poświęconą cyberbezpieczeństwu.
Obejrzyj to wideo, aby dowiedzieć się, jak AI może usprawnić proces dokumentacji i zaoszczędzić wiele godzin ręcznej pracy:
3. Data powstania standardowych procedur operacyjnych (SOP) za pomocą techniki generowania wiedzy
„Napisz SOP na temat X” może nie dać najlepszych wyników. Zamiast tego możesz najpierw dokładnie określić, co powinno się znaleźć w dokumencie. Gdy AI dostarczy Ci listę, dostosuj ją, a następnie przekaż z powrotem do modelu, aby stworzyć pełny SOP.
Przykładowe podpowiedzi
Krok 1: Jesteś ekspertem w zakresie dokumentacji procesów. Zidentyfikuj wszystkie kluczowe kroki, zadania, narzędzia i zatwierdzenia związane z tworzeniem SOP dla [procesu X]. Uwzględnij, kto jest odpowiedzialny za każdy krok, jakich narzędzi używa i jakie są kluczowe kryteria powodzenia, aby oznaczyć ten krok jako zakończony.
Krok 2: Korzystając z tej listy kroków, ról, narzędzi i kryteriów, napisz szczegółową standardową procedurę operacyjną dla [procesu X]. Uwzględnij sekcje dotyczące tytułu, celu, zakresu, procedury krok po kroku, ról i obowiązków, narzędzi/zasobów oraz wytycznych dotyczących zatwierdzania i przeglądu. Używaj jasnego, praktycznego języka, aby każdy mógł postępować zgodnie z procedurą bez wcześniejszego szkolenia.
Nawet jeśli wydaje się to łatwe, rozumiemy, że tworzenie od podstaw podpowiedzi dla AI za każdym razem, gdy trzeba wygenerować SOP (ponieważ to samo polecenie może nie pasować do każdego SOP), może być frustrujące.
A co, gdyby w Twoim obszarze roboczym znajdował się magiczny przycisk, który po kliknięciu generowałby dowolną procedurę operacyjną? Dokładnie to możesz osiągnąć, korzystając z pól AI ClickUp.
Jest to pole niestandardowe, obsługiwane przez ClickUp Brain, które można dodać do zadania lub listy. Możesz ustawić podpowiedź na przykład jako „Sporządź SOP na podstawie opisu zadania i komentarzy”. Za każdym razem, gdy ją klikniesz, automatycznie wygeneruje ona zawartość SOP, w zależności od zawartości zadania.
💬 Co mówią użytkownicy CickUp:
ClickUp jest niezwykle wszechstronny i pozwala mi tworzyć rozwiązania dla praktycznie każdego przypadku biznesowego lub procesu. Automatyzacje i agenci AI są również niezwykle wydajni! Mogę ustawić automatyczne działania za pomocą logiki lub podpowiedzi AI, aby wykonać praktycznie każdą czynność, jaką można sobie wyobrazić w ClickUp. Wreszcie, tempo aktualizacji produktu jest niesamowite — co miesiąc pojawiają się naprawdę znaczące aktualizacje funkcji, a firma wyraźnie inwestuje w rozwój.
ClickUp jest niezwykle wszechstronny i pozwala mi tworzyć rozwiązania dla praktycznie każdego przypadku biznesowego lub procesu. Automatyzacje i agenci AI są również niezwykle wydajni! Mogę skonfigurować automatyczne działania za pomocą logiki lub podpowiedzi AI, aby wykonać niemal każdą możliwą czynność w ClickUp. Wreszcie, tempo aktualizacji produktu jest niesamowite — co miesiąc pojawiają się naprawdę znaczące aktualizacje funkcji, a firma wyraźnie inwestuje w rozwój.
Typowe błędy związane z podpowiedziami (i sposoby ich naprawiania)
Kilka drobnych nawyków związanych z pisaniem podpowiedzi może zadecydować o tym, czy uzyskasz efekt „wow, to jest idealne”, czy też będziesz wpatrywać się w blok tekstu, zastanawiając się, co poszło nie tak.
Powiedziawszy to, przyjrzyjmy się kilku typowym błędom w projektowaniu podpowiedzi i sposobom ich optymalizacji:
Poproś /AI, aby „po prostu to zrobiła”, nie podając jej żadnych wskazówek.
Pisanie poleceń takich jak „napisz post na blogu” lub „podsumuj to” pozostawia wiele miejsca na interpretację przez AI. Wynik? Blog, który jest zbyt ogólny lub podsumowanie, które nie spełnia Twoich oczekiwań.
Rozwiązanie: Twórz skuteczne podpowiedzi z jasnymi wskazówkami i kontekstem. Na przykład, pisząc post na blogu, zastanów się nad tonem, jaki chcesz nadać, celem, grupą docelową, długością postu i jego celem.
Oto przykład:
❌ Zła podpowiedź: „Napisz e-mail o nowej funkcji „Niestandardowe pulpity nawigacyjne”.
✅ Dobre polecenie: „Napisz wewnętrzną wiadomość e-mail do naszego zespołu sprzedaży, ogłaszającą nową funkcję „niestandardowy pulpit” dla naszego narzędzia zwiększającego wydajność [nazwa narzędzia]. Wiadomość powinna być zwięzła, podkreślać trzy kluczowe korzyści dla sprzedawcy (np. wykazanie zwrotu z inwestycji, szybsze finalizowanie transakcji) i zawierać wezwanie do działania w postaci linku do filmu szkoleniowego. Użyj pewnego siebie i zachęcającego tonu”.
2. Przeciążanie AI zbyt dużą liczbą zadań jednocześnie
Wpisywanie zbyt wielu szczegółów lub zadań w jednym ogromnym poleceniu może również prowadzić do niejasnych wyników. AI albo się pogubi, albo spróbuje zrobić wszystko naraz (i zrobi to źle).
Rozwiązanie: Podziel początkową odpowiedź na mniejsze kroki i wykonuj je po kolei. Na przykład, najpierw poproś o zarys. Jeśli jest dobry, poproś AIA o napisanie zawartości dla każdej sekcji. Następnie poproś ją o dopracowanie tonu i tak dalej.
❌ Zła podpowiedź: „Wygeneruj 10 słów kluczowych SEO dla wpisu na blogu o tytule „Jak wdrożyć system zarządzania jakością”. Zaproponuj przyjazny dla SEO zarys wykorzystujący te słowa kluczowe, a następnie napisz 100-słowowe wprowadzenie do bloga”.
✅ Dobre podpowiedź: Wygeneruj 10 słów kluczowych SEO dla wpisu na blogu o tytule „Jak wdrożyć system zarządzania jakością”. Docelowymi odbiorcami tego wpisu na blogu są właściciele firm, dyrektorzy generalni i kadra kierownicza najwyższego szczebla.
Teraz, korzystając z wygenerowanych słów kluczowych, stwórz szczegółowy, przyjazny dla SEO zarys tego wpisu na blogu. Upewnij się, że tagi
Napisz 100-słowowe wprowadzenie do tego bloga, pamiętając o wygenerowanym zarysie i słowach kluczowych SEO.
3. Zakładając, że model pamięta
Większość dużych modeli językowych jest bezstanowa i nie przechowuje informacji, chyba że wyraźnie uwzględnisz je w bieżącej podpowiedzi. Często prowadzi to do odpowiedzi, które ignorują wcześniejszy kontekst lub są sprzeczne z poprzednimi instrukcjami.
Rozwiązanie: Powtórz kluczowy kontekst, ograniczenia i cele w każdym nowym poleceniu, aby model miał wszystkie informacje potrzebne do udzielenia trafnej odpowiedzi.
❌ Zła podpowiedź: „Teraz napisz wprowadzenie na podstawie omówionego wcześniej zarysu”.
✅ Dobre podpowiedź: Korzystając z utworzonego wcześniej szkicu bloga (wprowadzenie, zalety, przykłady zastosowań i podsumowanie), napisz 100-słowowe wprowadzenie. Nadaj mu formę rozmowy i przyciągnij uwagę czytelnika, podkreślając typowy problem, który rozwiązuje nasze narzędzie zwiększające wydajność.
Tworzenie biblioteki podpowiedzi dla zespołów
Dobre podpowiedzi mogą zaoszczędzić kilka minut, a biblioteka udostępniania podpowiedzi może zaoszczędzić kilka godzin (ponieważ wszyscy z niej korzystają). Oto jak ją stworzyć:
Utwórz udostępniany dokument, w którym będziesz przechowywać wszystkie swoje podpowiedzi.
Skorzystaj z ClickUp Docs, aby uporządkować najskuteczniejsze podpowiedzi, z których członkowie zespołu będą mogli skorzystać w przyszłości. Podpowiedzi można uporządkować według działów, a następnie według rodzajów zadań (np. tworzenie zawartości, badania rynku, analiza danych itp.).
Każda podpowiedź powinna zawierać następujące elementy:
- Samo podpowiedź
- Krótki opis wyjaśniający cel podpowiedzi, kiedy jej używać, czego unikać itp.
- Przykładowe wyniki AI pozwalające ustalić jasne oczekiwania
2. Zaprojektuj standardowe szablony podpowiedzi
W przypadku typowych zadań, takich jak podsumowywanie notatek ze spotkań lub optymalizacja bloga, możesz stworzyć standardowe strategie podpowiedzi, z których wszyscy muszą korzystać. Możesz dołączyć dokładne szablony podpowiedzi AI oraz instrukcje dotyczące tego, kiedy i jak ich używać, aby generować odpowiedzi w pożądanym stylu.
Dzięki temu wszyscy członkowie zespołu będą stosować te same najlepsze praktyki podczas generowania podpowiedzi, co zagwarantuje spójną jakość wyników.
3. Promuj kulturę współpracy i informacji zwrotnej
Zachęcaj swój zespół nie tylko do korzystania z tej biblioteki podpowiedzi, ale także do pomocy w jej ulepszaniu. Aby to zrobić, musisz:
- Wprowadź prosty system ocen, który pozwoli Twojemu zespołowi oceniać podpowiedzi. Im wyższa ocena podpowiedzi, tym jest ona skuteczniejsza.
- Otwórz dokument dla członków zespołu, aby mogli zostawić swoje komentarze z sugestiami ulepszeń i zaznaczyć podpowiedzi, które są nieskuteczne.
4. Dodaj wskazówki dotyczące rozwiązywania problemów do biblioteki podpowiedzi.
Będą sytuacje, w których AI będzie generować wyniki poniżej oczekiwań lub nieoczekiwane. Aby pomóc zespołowi w diagnozowaniu i rozwiązywaniu problemów, warto dodać sekcję poświęconą rozwiązywaniu problemów, w której omówione zostaną typowe błędy związane z podpowiedziami AI i sposoby ich rozwiązywania.
Może to wyglądać mniej więcej tak:
Problem: Wynik jest zbyt ogólny.
Dlaczego tak się dzieje: /AI/ ma tendencję do opierania się na najczęściej wykorzystywanych danych szkoleniowych, co może prowadzić do bezpiecznych, ale ogólnych lub mało inspirujących odpowiedzi.
Rozwiązanie: Dodaj ograniczenia lub konkretne instrukcje, aby skierować AI we właściwym kierunku.
Przykład: „Nie więcej niż 100 słów”.
📚 Czytaj więcej: Jak zostać inżynierem podpowiedzi
Od podpowiedzi do wydajności: jak ClickUp zamyka lukę
Dzięki opanowaniu podstawowych i zaawansowanych technik inżynierii podpowiedzi możesz przestać tracić czas na próby i błędy i zacząć osiągać wyniki, które faktycznie przyspieszą Twoją pracę.
Dzięki ClickUp AI sztuczna inteligencja staje się częścią Twojego środowiska pracy. Łączy zarządzanie zadaniami z automatyzacją i współpracą, dzięki czemu możesz wykonywać swoją pracę bez konieczności przełączania się między narzędziami.
Porzućmy więc stare podejście do AI jako pomocnika, którego trzeba wzywać. Czas zaopatrzyć się w asystenta AI, który jest już częścią Twojego zespołu.
Zarejestruj się w ClickUp już dziś i przekonaj się, co się stanie, gdy AI będzie dosłownie o jedno kliknięcie!
Często zadawane pytania
Wybór najlepszego narzędzia zależy od zadania, które ma wykonać AI. Największą wartość osiąga się jednak, gdy AI jest zintegrowana z platformą, której już używasz do planowania i realizacji zadań. Na przykład ClickUp Brain jest szeroko i głęboko zintegrowany z obszarem roboczym ClickUp, dzięki czemu można uzyskać dostęp do asystenta AI z dowolnego ekranu. W rzeczywistości można nawet przełączać się między Brain, ChatGPT, Gemini, Claude itp., aby wybrać najlepszy model AI do swojej pracy.
Tak! Możesz przechowywać najlepiej działające podpowiedzi w udostępnianym dokumencie ClickUp, a nawet przekształcić je w pola niestandardowe AI, aby móc je natychmiast ponownie wykorzystać. W ten sposób każdy może po prostu kliknąć to pole, a asystent AI uruchomi wcześniej ustawioną podpowiedź. Jest to szczególnie zalecane w przypadku powtarzalnych zadań, które wymagają spójności i są wrażliwe na upływ czasu.
Duże modele językowe nie są wyszukiwarkami. Nie działają one tak jak Google, gdzie wpisujesz zapytanie, a wyszukiwarka za każdym razem podaje ten sam wynik. Zamiast tego, LLM odpowiadają na zapytania w oparciu o dane i wzorce, których nauczyły się podczas szkolenia, dlatego to samo polecenie może za każdym razem dawać inne wyniki.
W technice inżynierii podpowiedzi zero-shot po prostu informujesz AIA o zadaniu, które ma wykonać, bez podawania wsparcia w postaci przykładów oczekiwanych wyników. Natomiast technika podpowiedzi few-shot wymaga podania kilku przykładów, aby skierować AIA w określonym kierunku. Na przykład podajesz próbkę odpowiedzi na wiadomość e-mail, aby AIA mogła wygenerować coś podobnego.