Membagi tugas yang kompleks menjadi perintah yang lebih sederhana

Untuk tugas kompleks yang memerlukan beberapa petunjuk atau langkah, Anda dapat meningkatkan kualitas respons model dengan membagi perintah menjadi sub-tugas. Perintah yang lebih kecil dapat membantu Anda meningkatkan kemampuan kontrol, penelusuran bug, dan akurasi.

Ada dua cara untuk menguraikan perintah yang kompleks dan memasukkannya ke dalam model:

  • Perintah berantai: membagi tugas menjadi subtugas dan menjalankan subtugas secara berurutan.
  • Menggabungkan respons: membagi tugas menjadi subtugas dan menjalankan subtugas secara paralel.

Perintah berantai

Untuk tugas kompleks yang melibatkan beberapa langkah berurutan, jadikan setiap langkah sebagai perintah dan gabungkan perintah tersebut dalam urutan. Dalam rantai perintah berurutan ini, output satu perintah dalam urutan menjadi input perintah berikutnya. Output perintah terakhir dalam urutan adalah output akhir.

Contoh

Misalnya, Anda menjalankan bisnis telekomunikasi dan ingin menggunakan model untuk membantu Anda menganalisis masukan pelanggan guna mengidentifikasi masalah umum pelanggan, mengklasifikasikan masalah ke dalam kategori, dan membuat solusi untuk kategori masalah.

Tugas 1: mengidentifikasi masalah pelanggan

Tugas pertama yang Anda inginkan agar model diselesaikan adalah mengekstrak data yang bermakna dari masukan pelanggan mentah. Perintah yang menyelesaikan tugas ini mungkin mirip dengan berikut, dengan CUSTOMER_FEEDBACK adalah file yang berisi masukan pelanggan:

Mengekstrak data 
      Extract the main issues and sentiments from the customer feedback on our telecom services.
      Focus on comments related to service disruptions, billing issues, and customer support interactions.
      Please format the output into a list with each issue/sentiment in a sentence, separated by semicolon.

      Input: CUSTOMER_FEEDBACK

Kami berharap respons model berisi daftar masalah dan sentimen yang diekstrak dari masukan pelanggan.

Tugas 2: mengklasifikasikan masalah ke dalam kategori

Selanjutnya, Anda ingin meminta model untuk mengklasifikasikan data ke dalam kategori sehingga Anda dapat memahami jenis masalah yang dihadapi pelanggan, menggunakan respons dari tugas sebelumnya. Perintah yang menyelesaikan tugas ini mungkin terlihat mirip dengan berikut, dengan TASK_1_RESPONSE adalah respons dari tugas sebelumnya:

Mengklasifikasikan data 
        Classify the extracted issues into categories such as service reliability, pricing concerns, customer support quality, and others.
        Please organize the output into JSON format with each issue as the key, and category as the value.

        Input: TASK_1_RESPONSE

Kita akan mengharapkan respons model berisi masalah yang dikategorikan.

Tugas 3: Buat solusi

Sekarang, Anda ingin meminta model untuk membuat rekomendasi yang dapat ditindaklanjuti berdasarkan masalah yang dikategorikan untuk meningkatkan kepuasan pelanggan, menggunakan respons dari tugas sebelumnya. Perintah yang mencapai hal ini mungkin terlihat mirip dengan berikut, dengan TASK_2_RESPONSE adalah respons dari tugas sebelumnya:

Buat saran 
        Generate detailed recommendations for each category of issues identified from the feedback.
        Suggest specific actions to address service reliability, improving customer support, and adjusting pricing models, if necessary.
        Please organize the output into a JSON format with each category as the key, and recommendation as the value.

        Input: TASK_2_RESPONSE

Kami mengharapkan respons model berisi rekomendasi untuk setiap kategori, yang bertujuan untuk meningkatkan pengalaman pelanggan dan kualitas layanan, yang memenuhi tujuan keseluruhan kami.

Respons gabungan

Jika Anda memiliki tugas yang kompleks, tetapi tidak perlu menjalankan tugas dalam urutan tertentu, Anda dapat menjalankan perintah paralel dan menggabungkan respons model.

Contoh

Misalnya, Anda memiliki toko kaset dan ingin menggunakan model untuk membantu Anda memutuskan kaset mana yang akan dijual berdasarkan tren streaming musik dan data penjualan toko Anda.

Tugas 1: menganalisis data

Hal pertama yang perlu Anda lakukan adalah menganalisis kedua set data, data streaming dan data penjualan. Anda dapat menjalankan perintah untuk menyelesaikan tugas ini secara paralel. Perintah yang menyelesaikan tugas ini mungkin mirip dengan perintah berikut, dengan STORE_SALES_DATA adalah file yang berisi data penjualan dan STREAMING_DATA adalah file yang berisi data streaming:

Tugas 1a: menganalisis data penjualan 
      Analyze the sales data to identify the number of sales of each record.
      Please organize the output into a JSON format with each record as the key, and sales as the value.

      Input: STORE_SALES_DATA

Kita akan mengharapkan output berisi jumlah penjualan untuk setiap data, yang diformat dalam JSON.

Tugas 1b: menganalisis data streaming 
        Analyze the streaming data to provide a the number of streams for each album.
        Please organize the output into a JSON format with each album as the key, and streams as the value.

        Input: STREAMING_DATA

Kami berharap output berisi jumlah streaming untuk setiap album, yang diformat dalam JSON.

Tugas 2: menggabungkan data

Sekarang Anda dapat menggabungkan data dari kedua set data untuk membantu Anda merencanakan keputusan pembelian. Untuk menggabungkan data, sertakan output dari kedua tugas sebagai input. Perintah yang mencapai hal ini mungkin terlihat mirip dengan berikut, dengan TASK_1A_RESPONSE dan TASK_1B_RESPONSE adalah respons dari tugas sebelumnya:

Menggabungkan data penjualan dan streaming 
        Recommend a stocklist of about 20 records based on the most sold and most streamed records.
        Roughly three quarters of the stock list should be based on record sales, and the rest on streaming.


      Input: TASK_1A_RESPONSE and TASK_1B_RESPONSE

Kami berharap outputnya berisi daftar stok yang disarankan sekitar 20 rekaman, berdasarkan penjualan dan streaming rekaman, dengan lebih mengutamakan rekaman yang memiliki histori penjualan yang terbukti daripada rekaman yang lebih populer di streaming.

Langkah berikutnya