DI neskaito jūsų minčių. Jis skaito jūsų žodžius. Jūsų užklausos kokybė nulemia rezultato kokybę.
Prieš dvejus metus įvedžiau savo pirmąją užklausą į ChatGPT ir maniau, kad suprantu dirbtinį intelektą. Klydau. Supratau, kaip užduoti klausimus – ne kaip bendrauti su mašina, kuri mąsto dėsningumo, tikimybių ir simbolių terminais. Skirtumas tarp šių dviejų dalykų? Tai skirtumas tarp banalių atsakymų gavimo ir galimybių, apie kurias net nežinojote, atrakinimo. Tai istorija apie tai, kaip išmokau sklandžiai kalbėti DI kalba, ir viską, ką atradau pakeliui.
Prabudimas: kai paprastos užklausos nustojo veikti
Tai nutiko per projekto terminą. Man reikėjo DI pagalbos perfaktorizuojant sudėtingą kodo dalį – tai, ką buvau padaręs šimtus kartų anksčiau. Tačiau šį kartą, nesvarbu, kaip formuluodavau savo prašymą, DI vis davė sprendimus, kurie buvo techniškai teisingi, bet visiškai prasilenkė su esme. Jis pridėdavo nereikalingo sudėtingumo. Sulaužė esamus šablonus. „Patobulino" dalykus, kurie nebuvo sugadinti.
Buvau nusivylęs. Tada tapau smalsus. Ką dariau ne taip?
Tas nusivylimas nubloškė mane į triušio olą, kuri viską pakeitė: oficiali dokumentacija, moksliniai tyrimai, užklausų inžinerijos vadovai ir tūkstančiai eksperimentavimo valandų. Tai, ką atradau, nebuvo vien tik patarimai ir triukai – tai buvo visiškas paradigmos pokytis to, kaip bendrauju su DI sistemomis.
Galingiausias DI pasaulyje yra nenaudingas, jei negalite perteikti, ko jums iš tikrųjų reikia.
Štai tiesa, kurios niekas nepasako pradedantiesiems: užklausų kūrimas nėra magiškų žodžių paieška. Tai supratimas, kaip DI modeliai apdoroja kalbą, kokios informacijos jiems reikia ir kaip struktūrizuoti tą informaciją, kad modelis iš tikrųjų galėtų jums padėti. Tai įgūdis – ir kaip bet kuris įgūdis, jį galima išmokti, praktikuoti ir įvaldyti.
Šis vadovas apima viską, ką norėčiau, kad man būtų pasakę pradžioje. Ne supaprastintus patarimus „tiesiog būkite konkretūs", kurie užtvindo internetą, bet gilų, niuansuotą supratimą, kuris skiria žmones, naudojančius DI, nuo žmonių, kurie išnaudoja jo galimybes.
Užklausų pagrindai: pamatai, kurių niekas nemoko
Prieš pasinerdami į pažangias technikas, nustatykime pagrindus. Kiekviena efektyvi užklausa turi tam tikrą šių elementų derinį:
Ką DI turi žinoti apie situaciją? Foninė informacija, apribojimai ir svarbios detalės.
Ką tiksliai norite, kad DI padarytų? Būkite konkretūs apie prašomą veiksmą.
Kaip turėtų būti struktūrizuota išvestis? Sąrašai, pastraipos, kodo blokai, lentelės – nurodykite tai.
Ko DI turėtų vengti? Kokios ribos egzistuoja? Kas nepatenka į taikymo sritį?
Ar galite parodyti, ko norite? Pavyzdžiai verti tūkstančio aprašymų.
Dauguma žmonių nurodo tik užduotį. Jie prašo „Parašyk man el. laišką", kai turėtų sakyti „Parašyk profesionalų el. laišką klientui, paaiškinantį projekto vėlavimą. Laikyk jį iki 150 žodžių, pripažink nepatogumus ir pasiūlyk naują terminą po dviejų savaičių. Tonas turėtų būti atsiprašantis, bet pasitikintis."
Išvesties kokybės skirtumas yra dramatiškas. Ir tai tik pradžia.
Struktūros vaidmuo
Vienas labiausiai neįvertintų užklausų rašymo aspektų yra struktūrinis formatavimas. Modernūs DI modeliai puikiai reaguoja į aiškiai atskirtus skyrius. Aš plačiai naudoju XML stiliaus žymas:
<context>
Jūs padedate man paruošti prezentaciją techniniams suinteresuotiems asmenims.
Auditorija yra susipažinusi su programinės įrangos kūrimu, bet ne su DI konkrečiai.
</context>
<task>
Paaiškinkite, kaip veikia dideli kalbos modeliai, pateikdami 5 pagrindinius punktus.
</task>
<format>
- Naudokite ženklelius
- Kiekvienas punktas turėtų būti 1-2 sakiniai
- Venkite žargono arba apibrėžkite jį, kai naudojamas
</format>
<constraints>
- Neminėkite konkrečių modelių pavadinimų
- Sutelkite dėmesį į koncepcijas, ne techninius įgyvendinimus
</constraints>
Ši struktūra daro kai ką galingo: ji priverčia jus aiškiai galvoti apie tai, ko jums reikia, prieš klausiant. O aiškus mąstymas sukuria aiškų bendravimą, kuris sukuria aiškius rezultatus.
Agentiniai darbo srautai: DI kaip jūsų kolegos
Štai paradigmos pokytis, kuris pakeitė mano DI sąveikas: nustokite traktuoti DI kaip paieškos variklį ir pradėkite traktuoti jį kaip gabų, bet nepatyrusį kolegą. Šis mentalinis modelis keičia viską.
Modernūs DI modeliai kaip GPT-5 ir Claude ne tik atsako į klausimus – jie sukurti būti agentais. Jie gali iškviesti įrankius, rinkti kontekstą, priimti sprendimus ir vykdyti daugiapakopes užduotis. Tačiau kaip bet kuris naujas komandos narys, jiems reikia tinkamo įvedimo į darbą, aiškių lūkesčių ir tinkamų apsaugos priemonių.
DI nėra įrankis, kurį naudojate. Tai kolega, kurį valdote. Įgūdžiai, dėl kurių esate geras vadovas, daro jus geru užklausų kūrėju.
Pagalvokite: kai deleguojate žmogui, nesakote tiesiog „sutaisyk kodą." Paaiškinate, kas sugedę, koks yra pageidaujamas elgesys, kokie apribojimai egzistuoja ir kaip atrodo sėkmė. Suteikiate kontekstą. Atsakote į klausimus. Tikrinate progresą.
DI reikia tokio pat požiūrio. Skirtumas yra tas, kad jums reikia numatyti klausimus ir atsakyti į juos iš anksto, nes bendravimas pirmyn ir atgal yra brangesnis (laiko ir simbolių atžvilgiu) nei teisingas atsakymas iš pirmo karto.
Agentinis mąstymas
Kuriant agentines programas ar naudojant DI sudėtingoms užduotims, išmokau galvoti šiais terminais:
Pagrindiniai klausimai agentinėms užduotims
- Kokia yra tikslo būsena? Kaip DI žinos, kada baigė?
- Kokius įrankius jis turi? Ką jis iš tikrųjų gali padaryti, o ką turi atidėti?
- Koks yra autonomijos lygis? Ar jis turėtų prašyti leidimo, ar veikti savarankiškai?
- Kokios yra saugumo ribos? Kokie veiksmai niekada neturėtų būti atliekami be patvirtinimo?
- Kaip jis turėtų pranešti apie progresą? Tylus vykdymas ar reguliarūs atnaujinimai?
Šie klausimai sudaro pagrindą kiekvienai sudėtingai užklausai, kurią rašau. Panagrinėkime kiekvieną dimensiją detaliau.
DI entuziazmo valdymas: kalibravimo menas
Vienas iš labiausiai niuansuotų užklausų inžinerijos aspektų yra tai, ką vadinu „agentiniu entuziazmu" – balansas tarp DI, kuris imasi iniciatyvos, ir to, kuris laukia aiškių nurodymų. Paklyskite čia, ir turėsite arba DI, kuris per daug mąsto apie paprastas užduotis, arba tokį, kuris per lengvai pasiduoda sudėtingoms.
Kada mažinti entuziazmą
Kartais jums reikia greito ir susikoncentravusio DI. Nenorite, kad jis tyrinėtų kiekvieną šalutinę temą, darytų papildomus įrankių iškvietimus ar pateiktų daugiažodžius paaiškinimus. Tokioms situacijoms naudoju į apribojimus orientuotas užklausas:
<context_gathering>
Tikslas: Gauti pakankamai konteksto greitai. Lygiagretinti atradimą ir sustoti, kai galite veikti.
Metodas:
- Pradėkite plačiai, tada išsiskleiskite į sutelktas subužklausas.
- Lygiagrečiai paleiskite įvairias užklausas; perskaitykite geriausius rezultatus kiekvienai užklausai.
- Deduplikuokite kelius ir naudokite talpyklą; nekartokite užklausų.
- Venkite per daug ieškoti konteksto.
Ankstyvo sustojimo kriterijai:
- Galite įvardyti tikslų turinį, kurį reikia keisti.
- Geriausi rezultatai sutampa (~70%) vienoje srityje/kelyje.
Gylis:
- Sekite tik simbolius, kuriuos modifikuosite arba kurių kontraktais pasikliaujate.
- Venkite tranzityvaus plėtimosi, nebent būtina.
Ciklas:
- Paketinė paieška → minimalus planas → užbaigti užduotį.
- Ieškokite vėl tik jei validacija nepavyksta arba atsiranda naujų nežinomųjų.
- Pirmenybę teikite veiksmui, o ne daugiau ieškojimui.
</context_gathering>
Atkreipkite dėmesį į aiškų leidimą būti netobulam: „Pirmenybę teikite veiksmui, o ne daugiau ieškojimui." Ši subtili frazė atleidžia DI nuo numatytojo kruopštumo nerimo. Be jos modelis dažnai per daug tiria, švaistydamas simbolius ir laiką mažėjančiai grąžai.
Dar agresyvesniems apribojimams galite nustatyti aiškius biudžetus:
<context_gathering>
- Paieškos gylis: labai mažas
- Stipriai linkite prie teisingo atsakymo kuo greičiau,
net jei jis gali būti ne visiškai teisingas.
- Paprastai tai reiškia absoliučią 2 įrankių iškvietimų ribą.
- Jei manote, kad reikia daugiau laiko tyrimui, informuokite mane apie savo
naujausius radinius ir atvirus klausimus. Galite tęsti, jei patvirtinsiu.
</context_gathering>
Frazė „net jei jis gali būti ne visiškai teisingas" yra aukso vertės. Ji suteikia DI leidimą būti netobulam, kas paradoksaliai dažnai sukuria geresnius rezultatus greičiau.
Kada didinti entuziazmą
Kitais kartais jums reikia, kad DI būtų nenuilstamai kruopštus. Norite, kad jis prasiskverbtų per dviprasmybę, darytų pagrįstas prielaidas ir užbaigtų sudėtingas užduotis nenuolat prašydamas leidimo. Tam reikia priešingo požiūrio:
<persistence>
- Jūs esate agentas – prašau tęskite, kol vartotojo užklausa bus visiškai
išspręsta, prieš baigiant savo eilę ir grįžtant vartotojui.
- Baigkite savo eilę tik tada, kai esate tikri, kad problema išspręsta.
- Niekada nesustokite ir negrąžinkite vartotojui, kai susiduriate su neapibrėžtumu –
tyrinėkite arba išveskite protingiausią požiūrį ir tęskite.
- Neprašykite žmogaus patvirtinti ar patikslinti prielaidų, nes visada galite
koreguoti vėliau – nuspręskite, kokia yra protingiausia prielaida, tęskite su
ja ir dokumentuokite ją vartotojo informacijai, kai baigsite veikti.
</persistence>
Ši užklausa iš esmės keičia DI elgesį. Užuot klausęs „Ar turėčiau tęsti?", jis sako „Aš tęsiau remdamasis prielaida X – praneškite, jei norite, kad pakoreguočiau." Darbas atliekamas; tobulinimas vyksta po to.
Saugumo ribų apibrėžimas
Tačiau štai esminis niuansas: padidintas entuziazmas reikalauja aiškesnių saugumo ribų. Jums reikia aiškiai apibrėžti, kuriuos veiksmus DI gali atlikti savarankiškai ir kuriems reikia patvirtinimo.
Kritinis saugumo principas
Brangūs veiksmai (ištrynimai, mokėjimai, išoriniai pranešimai) visada turėtų reikalauti aiškaus patvirtinimo, net su aukšto entuziazmo užklausomis. Pigūs veiksmai (paieškos, skaitymai, juodraščių kūrimas) gali būti autonominiai.
Pagalvokite apie tai kaip apie prieigos prie savo sistemų suteikimą: paieškos įrankiai turėtų turėti labai aukštą autonomijos slenkstį, o ištrynimo komandos – labai žemą.
Atkaklumu principas: kaip priversti DI užbaigti darbus
Vienas iš labiausiai varginančių elgesių, su kuriais susidūriau anksti, buvo DI, per lengvai pasiduodantis. Jis atsitrenkdavo į vieną kliūtį, apibendrindavo, kas nutiko blogai, ir grąžindavo problemą man. Paprastoms užduotims tai gerai. Sudėtingoms užduotims tai darbo eigos žudikas.
Sprendimas yra tai, ką vadinu Atkaklumu principu: aiškiai nurodykite DI išlikti per kliūtis ir užbaigti užduotis nuo pradžios iki galo.
<solution_persistence>
- Laikykite save autonominiu vyresnio programuotojo partneriu: kai duodu
kryptį, proaktyviai rinkite kontekstą, planuokite, įgyvendinkite, testuokite ir tobulinkite
nelaukdami papildomų raginimų kiekviename žingsnyje.
- Išlikite, kol užduotis bus pilnai atlikta nuo pradžios iki galo per dabartinę eilę,
kai tik įmanoma: nesustokite ties analize ar daliniais pataisymais; atlikite pakeitimus
per įgyvendinimą, verifikavimą ir aiškų rezultatų paaiškinimą,
nebent aiškiai sustabdysiu ar peradresuosiu jus.
- Būkite ypač linkę į veiksmą. Jei mano nurodymas yra kiek dviprasmiškas dėl
ketinimo, laikykite, kad turėtumėte eiti į priekį ir atlikti pakeitimą.
- Jei užduodu klausimą kaip „ar turėtume daryti X?" ir jūsų atsakymas yra „taip",
taip pat turėtumėte eiti į priekį ir atlikti veiksmą. Labai blogai palikti mane
kaboti ir reikalauti, kad toliau prašyčiau „prašau padarykite."
</solution_persistence>
Tas paskutinis punktas yra subtilus, bet svarbus. Kai žmonės klausia „ar turėtume daryti X?", mes dažnai turime omenyje „prašau padarykite X, jei tai turi prasmės." DI, būdamas tikslus, atsako į klausimą neatlikdamas numanomo veiksmo. Ši užklausa užpildo tą spragą.
Progreso atnaujinimai: likimas informuotam
Atkaklumas nereiškia tylos. Ilgai trunkančioms užduotims visada įtraukiu instrukcijas apie progreso atnaujinimus:
<user_updates_spec>
Dirbsite ruožais su įrankių iškvietimais – labai svarbu mane informuoti.
<frequency_and_length>
- Siųskite trumpus atnaujinimus (1–2 sakiniai) kas kelis įrankių iškvietimus, kai yra
reikšmingų pakeitimų.
- Paskelbkite atnaujinimą bent kas 6 vykdymo žingsnius arba 8 įrankių iškvietimus
(kas įvyksta anksčiau).
- Jei tikitės ilgesnio susikoncentravimo ruožo, paskelbkite trumpą pastabą su priežastimi
ir kada pranešite; kai atnaujinsite, apibendrinkite, ką sužinojote.
- Tik pradinis planas, plano atnaujinimai ir galutinė santrauka gali būti ilgesni.
</frequency_and_length>
<content>
- Prieš pirmąjį įrankio iškvietimą pateikite greitą planą su tikslu, apribojimais,
kitais žingsniais.
- Tyrinėjant atkreipkite dėmesį į reikšmingus atradimus, kurie padeda man suprasti,
kas vyksta.
- Visada nurodykite bent vieną konkretų rezultatą nuo ankstesnio atnaujinimo
(pvz., „radau X", „patvirtinau Y"), ne tik kitus žingsnius.
- Baigkite trumpa santrauka ir bet kokiais tolesniais žingsniais.
</content>
</user_updates_spec>
Tai sukuria gražų balansą: DI dirba savarankiškai, bet jus informuoja. Jūs ne mikromanaginate, bet ir ne tamsoje.
Samprotavimo pastangos: mąstymo intensyvumo reguliatorius
Modernūs DI modeliai turi koncepciją, vadinamą „samprotavimo pastangomis" – iš esmės, kaip stipriai modelis galvoja prieš atsakydamas. Tai vienas iš galingiausių ir mažiausiai išnaudojamų parametrų.
Aukštas samprotavimas
Naudokite sudėtingoms daugiapakopėms užduotims, dviprasmėms situacijoms ar problemoms, reikalaujančioms gilios analizės. Modelis išleidžia daugiau simbolių „mąstydamas" viduje prieš atsakydamas.
Vidutinis samprotavimas (numatytasis)
Subalansuotas nustatymas, tinkamas daugumai užduočių. Gerai bendram programavimui, rašymui ir analizei, kur kokybė svarbi, bet greitis taip pat svarbus.
Žemas samprotavimas
Greiti atsakymai paprastoms užduotims. Naudokite, kai reikia greitų atsakymų ir užduotis nereikalauja gilaus apmąstymo.
Minimalus/Joks samprotavimas
Maksimalus greitis, minimalus apmąstymas. Geriausia paprastoms užklausoms, performatavimo užduotims ar kai latencija yra pagrindinis rūpestis.
Pagrindinė įžvalga yra suderinti samprotavimo pastangas su užduoties sudėtingumu. Aukšto samprotavimo naudojimas paprastoms užduotims švaisto simbolius ir laiką. Žemo samprotavimo naudojimas sudėtingoms užduotims sukuria paviršutiniškus, klaidoms linkusius rezultatus.
Užklausos minimaliam samprotavimui
Naudojant minimalaus samprotavimo režimus, jums reikia kompensuoti aiškesnėmis užklausomis. Modelis turi mažiau vidinių „mąstymo" simbolių, todėl jūsų užklausa turi atlikti daugiau struktūravimo darbo:
<planning_requirement>
Jūs PRIVALOTE plačiai planuoti prieš kiekvieną funkcijos iškvietimą ir plačiai
reflektuoti apie ankstesnių funkcijų iškvietimų rezultatus, užtikrinant, kad mano užklausa bus
visiškai išspręsta.
NEDARYKITE viso šio proceso tik darydami funkcijų iškvietimus, nes tai gali
pabloginti jūsų gebėjimą išspręsti problemą ir mąstyti įžvalgiai. Be to,
užtikrinkite, kad funkcijų iškvietimai turi teisingus argumentus.
</planning_requirement>
Ši užklausa iš esmės sako: „Kadangi jūs nedarote daug vidinio samprotavimo, darykite savo samprotavimą garsiai savo atsakyme." Ji perkelia kognityvinį darbą iš nematomo modelio mąstymo į matomą struktūrizuotą planavimą.
Kai samprotavimo pastangos yra žemos, užklausos sudėtingumas turėtų būti aukštas. Kai samprotavimo pastangos yra aukštos, užklausos gali būti paprastesnės. Tai balansas.
Programavimo meistriškumas: programavimas su DI partneriais
Tai sritis, kurioje praleidau daugiausiai laiko optimizuodamas užklausas, ir kur atpildas buvo didžiulis. DI programavimo pagalba yra transformacinė – kai daroma teisingai. Daroma neteisingai, ji sukuria daugiau problemų nei išsprendžia.
Leiskite man pasidalinti tuo, ką sužinojau studijuodamas, kaip profesionalūs DI programavimo įrankiai, tokie kaip Cursor, derina savo užklausas gamybiniam naudojimui.
Daugiažodiškumo paradoksas
Štai kažkas kontraintuityvaus: DI linkęs būti daugiažodis paaiškinimuose, bet trumpas kode. Jis parašys pastraipas, paaiškinančias, ką ketina daryti, tada sukurs kodą su vienraaidėmis kintamųjų pavadinimais ir minimaliais komentarais. Tai yra tiksliai atvirkščiai daugumai naudojimo atvejų.
Sprendimas yra dviejų režimų daugiažodiškumo kontrolė:
<code_verbosity>
Rašykite kodą pirmiausia dėl aiškumo. Pirmenybę teikite skaitomiems, prižiūrimiems sprendimams su
aiškiais pavadinimais, komentarais, kur reikia, ir paprastu kontrolės srautu. Nekurkite
kodo golfo ar pernelyg gudrių vienaeilių, nebent aiškiai prašoma.
Naudokite aukštą daugiažodiškumą kodui ir kodo įrankiams rašyti. Naudokite žemą daugiažodiškumą
būsenos atnaujinimams ir paaiškinimams.
</code_verbosity>
Tai sukuria tobulą balansą: glaustas bendravimas, detalus kodas.
Proaktyvūs prieš patvirtinimo veiksmai
Kita pamoka iš gamybinių programavimo įrankių: DI turėtų būti proaktyvus dėl kodo pakeitimų, bet patvirtinantis dėl destruktyvių veiksmų. Štai kaip tai užkoduoti:
<proactive_coding>
Atminkite, kad kodo redagavimai, kuriuos darote, bus rodomi man kaip siūlomi
pakeitimai, o tai reiškia:
(a) Jūsų kodo redagavimai gali būti gana proaktyvūs, nes aš visada galiu juos atmesti.
(b) Jūsų kodas turėtų būti gerai parašytas ir lengvai greitai peržiūrimas.
Jei siūlote kitus žingsnius, kurie apimtų kodo keitimą, atlikite tuos
pakeitimus proaktyviai, kad galėčiau patvirtinti/atmesti, o ne klausdami, ar
tęsti su planu.
Apskritai, jūs beveik niekada neturėtumėte klausti manęs, ar tęsti su planu;
vietoj to proaktyviai bandykite planą ir tada paklauskite, ar noriu priimti
įgyvendintus pakeitimus.
</proactive_coding>
Tai pašalina varginantį bendravimą pirmyn ir atgal, kai DI aprašo, ką darytų, prašo leidimo, tada tai daro. Tiesiog darykite – atmesiu, jei reikės.
Kodo bazės stiliaus atitikimas
Vienas iš didžiausių skundų dėl DI sukurto kodo yra tai, kad jis neatitinka esamų kodo bazės šablonų. Jis atrodo kaip „svetimas" kodas. Sprendimas yra aiškios stiliaus gairės:
<code_editing_rules>
<guiding_principles>
- Aiškumas ir pakartotinis naudojimas: Kiekvienas komponentas turėtų būti modulinis ir pakartotinai naudojamas.
Venkite dubliavimo, išskirdami pasikartojančius šablonus į komponentus.
- Nuoseklumas: Kodas turi laikytis nuoseklios dizaino sistemos – pavadinimų
konvencijos, tarpai ir komponentai turi būti suvienodinti.
- Paprastumas: Pirmenybę teikite mažiems, sutelktiems komponentams ir venkite nereikalingo
sudėtingumo stilistikoje ar logikoje.
- Vizualinė kokybė: Laikykitės aukštos vizualinės kokybės standarto (tarpai, padding,
hover būsenos ir pan.)
</guiding_principles>
<style_matching>
- Prieš darydami pakeitimus, išnagrinėkite esamus kodo bazės šablonus.
- Atitikite kintamųjų pavadinimų konvencijas (camelCase vs snake_case).
- Atitikite įtrauką ir formatavimą.
- Pakartotinai naudokite esamas pagalbines funkcijas ir utilitas, o ne kurkite naujas.
- Laikykitės nustatytos katalogų struktūros.
</style_matching>
</code_editing_rules>
Frontend kūrimas: gražių sąsajų kūrimas
DI tapo nepaprastai geras frontend kūrime, tačiau yra mokslas, kaip gauti estetiškai patrauklius, gamybai paruoštus rezultatus. Štai ką išmokau.
Rekomenduojamas technologijų rinkinys
Per platų testavimą tam tikri technologijų deriniai veikia geriau su DI nei kiti. Tai nėra apie tai, kas yra „geriausia" objektyviai – tai apie tai, ko DI modeliai buvo labiausiai mokyti:
DI optimizuotas frontend rinkinys
- Karkasai: Next.js (TypeScript), React, HTML
- Stilistika/UI: Tailwind CSS, shadcn/ui, Radix Themes
- Ikonos: Material Symbols, Heroicons, Lucide
- Animacija: Motion (anksčiau Framer Motion)
- Šriftai: Sans Serif šeimos – Inter, Geist, Mona Sans, IBM Plex Sans, Manrope
Kai nurodote šias technologijas, DI sukuria žymiai aukštesnės kokybės išvestį su mažiau haliucinacijų apie neegzistuojančias API.
Dizaino sistemos užtikrinimas
Viena problema su DI sukurtais frontend'ais yra vizualinis nenuoseklumas. Spalvos atsiranda iš niekur, tarpai kinta atsitiktinai, ir rezultatas atrodo taip, lyg būtų sukurtas komiteto. Sprendimas yra aiškūs dizaino sistemos apribojimai:
<design_system_enforcement>
- Pirmenybė žetonams: Nekodinkite spalvų (hex/hsl/oklch/rgb) JSX/CSS.
Visos spalvos turi kilti iš CSS kintamųjų (pvz., --background, --foreground,
--primary, --accent, --border, --ring).
- Įvedant prekės ženklą ar akcentą? Prieš stilizuodami, pridėkite/išplėskite žetonus savo
CSS kintamuosiuose po :root ir .dark.
- Vartojimas: Naudokite Tailwind utilitas, prijungtas prie žetonų
(pvz., bg-[hsl(var(--primary))], text-[hsl(var(--foreground))]).
- Numatyti naudokite sistemos neutralią paletę, nebent aiškiai prašau
prekės ženklo išvaizdos; tada pirmiausia susieti tą prekės ženklą su žetonais.
- NEKURKITE spalvų, šešėlių, žetonų, animacijų ar naujų UI elementų,
nebent prašoma ar būtina.
</design_system_enforcement>
UI/UX geriausios praktikos
Taip pat įtraukiu aiškias UI/UX gaires, siekiant užtikrinti nuoseklią vizualinę hierarchiją:
<ui_ux_best_practices>
- Vizualinė hierarchija: Apribokite tipografiją iki 4–5 šrifto dydžių ir svorių
nuosekliai hierarchijai; naudokite text-xs antraštėms, venkite text-xl, nebent
hero ar pagrindinėms antraštėms.
- Spalvų naudojimas: Naudokite 1 neutralų pagrindą (pvz., zinc) ir iki 2 akcentinių spalvų.
- Tarpai ir išdėstymas: Visada naudokite 4 kartotinius padding ir margins,
kad palaikytumėte vizualinį ritmą. Naudokite fiksuoto aukščio konteinerius su vidiniu slinkimu,
kai tvarkote ilgą turinį.
- Būsenos tvarkymas: Naudokite skeleton vietos žymiklius arba animate-pulse, kad nurodytumėte
duomenų gavimą. Nurodykite paspaudžiamumą su hover perėjimais.
- Prieinamumas: Naudokite semantinį HTML ir ARIA vaidmenis, kur tinkama.
Pirmenybę teikite iš anksto sukurtiems prieinamiems komponentams.
</ui_ux_best_practices>
Savirefleksijos užklausos: kaip priversti DI kritikuoti save
Ši technika yra proto lankstymas, kai pirmą kartą su ja susitinkate, bet neįtikėtinai galinga: galite nurodyti DI sukurti savo vertinimo kriterijus ir iteruoti pagal juos. Tai tarsi suteikti DI vidinį kokybės užtikrinimo skyrių.
<self_reflection>
- Pirma, skirkite laiko galvoti apie rubriką, kol būsite tikri.
- Tada giliai pagalvokite apie kiekvieną aspektą, kas sudaro pasaulinio lygio
sprendimą. Naudokite tas žinias sukurti rubriką, turinčią 5-7 kategorijas.
Ši rubrika yra labai svarbi, kad būtų teisinga, bet nerodykite jos man.
Tai tik jūsų tikslams.
- Galiausiai, naudokite rubriką viduje galvoti ir iteruoti geriausią įmanomą
sprendimą užklausai. Atminkite, kad jei jūsų atsakymas nepasiekia aukščiausių
balų visose rubrikos kategorijose, jums reikia pradėti iš naujo.
</self_reflection>
Kas čia vyksta, yra žavu: jūs prašote DI sugeneruoti kokybės kriterijus iš savo žinių apie meistriškumą, tada naudoti tuos kriterijus įvertinti ir tobulinti savo išvestį – visa tai prieš jums ką nors pamatant.
Savirefleksijos užklausos paverčia vieną generavimą vidiniu iteracijos ciklu. DI tampa savo redaktoriumi.
Šią techniką naudoju bet kokiai užduočiai, kur kokybė svarbesnė nei greitis: nukreipimo puslapiai, svarbūs el. laiškai, architektūriniai sprendimai, kūrybinis darbas. Išvesties kokybės pagerėjimas yra reikšmingas.
Daugiažodiškumo kontrolė: išvesties ilgio valdymas
Gauti teisingą išvesties ilgį yra nuolatinis iššūkis. Per trumpa ir praleidžiate svarbias detales. Per ilga ir paskęstate nereikalingoje informacijoje. Štai kaip tai sprendžiu.
Aiškios ilgio gairės
Patikimiausias požiūris yra aiškūs ilgio apribojimai, susieti su užduoties sudėtingumu:
<output_verbosity_spec>
- Numatytasis: 3–6 sakiniai arba ≤5 punktai tipiniams atsakymams.
- Paprastiems „taip/ne + trumpas paaiškinimas" klausimams: ≤2 sakiniai.
- Sudėtingoms daugiapakopėms ar daugybėms failų užduotims:
- 1 trumpa apžvalgos pastraipa
- tada ≤5 punktai su žymėmis: Kas pasikeitė, Kur, Rizikos, Kiti žingsniai,
Atviri klausimai.
- Pateikite aiškius ir struktūrizuotus atsakymus, subalansuojančius informatyvumą
su glaustu.
- Suskaidykite informaciją į lengvai suprantamas dalis ir naudokite formatavimą kaip
sąrašus, pastraipas ir lenteles, kai naudinga.
- Venkite ilgų naratyvinių pastraipų; pirmenybę teikite kompaktiškiems punktams ir trumpiems skyriams.
- Neperfrazuokite mano prašymo, nebent tai keičia semantiką.
</output_verbosity_spec>
Persona pagrįstas daugiažodiškumas
Kitas požiūris yra apibrėžti DI bendravimo stilių kaip jo personos dalį:
<communication_style>
Vertinate aiškumą, impulsą ir pagarbą, matuojamą naudingumu, o ne
mandagumu. Jūsų numatytasis instinktas yra išlaikyti pokalbius glaustus ir
tikslui orientuotus, apkarpant viską, kas nejudina darbo pirmyn.
Jūs nesate šaltas – tiesiog taupote kalbą ir pasitikite
vartotojais pakankamai, kad neapgaubtumėte kiekvienos žinutės pamušalu.
Mandagumas pasirodo per struktūrą, tikslumą ir reagavimą,
ne per žodinį perteklių.
Jūs niekada nekartojate pripažinimų. Kai davėte signalą, kad supratote,
visiškai persijungiate prie užduoties.
</communication_style>
Tai sukuria „asmenybę", kuri natūraliai sukuria glaustą išvestį nereikalaujant aiškių ilgio apribojimų kiekvienai sąveikai.
Instrukcijų vykdymas: tikslumo žaidimas
Modernūs DI modeliai vykdo instrukcijas su chirurginiu tikslumu – kas yra ir didžiausia jų stiprybė, ir potenciali spąstas. Jie darys tiksliai tai, ką sakote, net jei tai, ką pasakėte, yra prieštaringa ar neaiškia.
Prieštaravimų problema
Štai tikras probleminės užklausos pavyzdys, kurį mačiau:
Prieštaringų instrukcijų pavyzdys
„Visada peržiūrėkite paciento profilį prieš imdamiesi bet kokių kitų veiksmų, kad įsitikintumėte, jog jis yra esamas pacientas."
Bet vėliau: „Kai simptomai rodo aukštą skubumą, eskalatuokite kaip KRITINĮ ATVEJĮ ir nukreipkite pacientą skambinti 911 nedelsiant prieš bet kokį planavimo žingsnį."
Šios instrukcijos prieštarauja. Ar kritinis atvejis tvarkomas prieš, ar po profilio peržiūros? DI išleis samprotavimo simbolius bandydamas suderinti prieštaravimą, o ne padėdamas.
Sprendimas yra peržiūrėti užklausas dėl paslėptų konfliktų ir nustatyti aiškias prioritetų hierarchijas:
<instruction_priority>
Kai instrukcijos prieštarauja, laikykitės šios prioritetų tvarkos:
1. Saugumui kritiniai veiksmai (kritiniai atvejai, duomenų apsauga)
2. Vartotojo nurodyti apribojimai
3. Užduoties užbaigimo reikalavimai
4. Numatytieji elgesiai
Kritinėms situacijoms: Neatlikite profilio peržiūros. Nedelsiant pereikite
prie kritinių gairių teikimo.
</instruction_priority>
Tikslumas apimtyje
Kita dažna problema yra apimties plėtimasis – DI prideda funkcijas ar „patobulinimus", kurių neprašėte:
<design_and_scope_constraints>
- Įgyvendinkite TIKSLIAI ir TIK tai, ko prašau.
- Jokių papildomų funkcijų, jokių pridėtų komponentų, jokių UX puošybų.
- Jei kuri nors instrukcija yra dviprasmiška, pasirinkite paprasčiausią galiojančią interpretaciją.
- NEPLĖSKITE užduoties už to, ko prašiau; jei pastebite papildomą darbą,
kuris gali būti vertingas, nurodykite jį kaip neprivalomą, o ne darykite.
</design_and_scope_constraints>
Ilgo konteksto meistriškumas: didelių dokumentų tvarkymas
Modernūs DI gali apdoroti milžiniškus kontekstus – šimtus tūkstančių simbolių – tačiau tiesiog didelių dokumentų sukrovimas į konteksto langą nepakanka. Jums reikia strategijų, padedančių modeliui naviguoti ir išgauti aktualią informaciją.
Priversti apibendrinimą ir persiorientavimą
Ilgiems dokumentams nurodau DI sukurti vidinę struktūrą prieš atsakant:
<long_context_handling>
Įvestims, ilgesnėms nei ~10k simbolių (daugiaskyrių dokumentai, ilgi gijos,
keli PDF):
1. Pirma, sukurkite trumpą vidinį pagrindinių skyrių, susijusių su
mano prašymu, kontūrą.
2. Aiškiai pakartokite mano apribojimus (pvz., jurisdikciją, datų intervalą,
produktą, komandą) prieš atsakydami.
3. Savo atsakyme susiekite teiginius su skyriais („Skyriuje 'Duomenų saugojimas'…")
užuot kalbėję bendrai.
4. Jei atsakymas priklauso nuo smulkių detalių (datos, ribos, punktai),
cituokite arba perfrazuokite juos tiesiogiai.
</long_context_handling>
Tai neleidžia atsirasti „pasimetimo slinktyje" problemai, kai DI duoda bendrus atsakymus, kurie iš tikrųjų nesusijungia su konkrečiu dokumento turiniu.
Citavimo reikalavimai
Tyrimų ir analizės užduotims aiškūs citavimo reikalavimai užtikrina pagrįstus atsakymus:
<citation_rules>
Kai naudojate informaciją iš pateiktų dokumentų:
- Dėkite citatas po kiekvienos pastraipos, kurioje yra dokumentu pagrįstų teiginių.
- Naudokite formatą: [Dokumento pavadinimas, Skyrius/Puslapis]
- Nekurkite citatų. Jei negalite to cituoti, neteigkite to.
- Naudokite kelis šaltinius svarbiems teiginiams, kai įmanoma.
- Jei įrodymų trūksta, aiškiai tai pripažinkite.
</citation_rules>
Įrankių iškvietimas: DI galimybių orkestravimas
DI įrankių iškvietimas – galimybė iškviesti išorines funkcijas, API ir paslaugas – yra ta vieta, kur užklausų inžinerija tampa programinės įrangos inžinerija. Tai padaryti teisingai yra labai svarbu kuriant patikimas DI programas.
Įrankių aprašymų geriausios praktikos
Įrankių aprašymų kokybė tiesiogiai veikia tai, kaip gerai DI juos naudoja:
{
"name": "create_reservation",
"description": "Sukurti restorano rezervaciją svečiui. Naudokite, kai
vartotojas prašo užsakyti stalą su nurodytu vardu ir laiku.",
"parameters": {
"type": "object",
"properties": {
"name": {
"type": "string",
"description": "Svečio pilnas vardas rezervacijai."
},
"datetime": {
"type": "string",
"description": "Rezervacijos data ir laikas (ISO 8601 formatas)."
}
},
"required": ["name", "datetime"]
}
}
Atkreipkite dėmesį, kad aprašyme nurodoma ir ką įrankis daro, ir kada jį naudoti. Tai padeda modeliui priimti geresnius sprendimus dėl įrankių pasirinkimo.
Įrankių naudojimo taisyklės užklausose
Be įrankių apibrėžčių, jūsų užklausa turėtų apimti aiškias naudojimo gaires:
<tool_usage_rules>
- Pirmenybę teikite įrankiams, o ne vidinėms žinioms, kai:
- Jums reikia naujų arba vartotojui specifinių duomenų (bilietai, užsakymai, konfigūracijos, žurnalai).
- Nurodote konkrečius ID, URL ar dokumentų pavadinimus.
- Lygiagrečiai atlikite nepriklausomus skaitymus (read_file, fetch_record, search_docs)
kai įmanoma, kad sumažintumėte latenciją.
- Po bet kokio rašymo/atnaujinimo įrankio iškvietimo trumpai pakartokite:
- Kas pasikeitė
- Kur (ID arba kelias)
- Bet kokią atliktą tolesnę validaciją
- Paprastiems konceptualiems klausimams venkite įrankių ir pasikliaukite vidinėmis žiniomis,
kad atsakymai būtų greiti.
</tool_usage_rules>
Lygiagretinimas
Pagrindinė optimizacija yra skatinti lygiagrečius įrankių iškvietimus, kai operacijos yra nepriklausomos:
<parallelization>
Lygiagrečiai atlikite įrankių iškvietimus, kai tik įmanoma. Pakuokite skaitymus (read_file) ir
nepriklausomus redagavimus (apply_patch skirtingiems failams), kad paspartintumėte procesą.
Nepriklausomos operacijos, kurias GALIMA lygiagrečiai atlikti:
- Kelių failų skaitymas
- Kelių katalogų paieška
- Kelių įrašų gavimas
Priklausomos operacijos, kurių NEGALIMA lygiagrečiai atlikti:
- Failo skaitymas, tada redagavimas pagal turinį
- Resurso sukūrimas, tada jo ID nuoroda
</parallelization>
Neapibrėžtumo valdymas: kai DI nežino
Viena didžiausių rizikų su DI yra užtikrintai skambantys neteisingi atsakymai. Modelis nežino, ko nežino – nebent jį išmokote, kaip tvarkyti neapibrėžtumą.
<uncertainty_and_ambiguity>
- Jei klausimas yra dviprasmiškas ar nepakankamai specifikuotas, aiškiai tai nurodykite ir:
- Užduokite iki 1–3 tikslių patikslinančių klausimų, ARBA
- Pateikite 2–3 tikėtinas interpretacijas su aiškiai pažymėtomis prielaidomis.
- Kai išoriniai faktai galėjo neseniai pasikeisti (kainos, išleidimai, politikos)
ir nėra prieinami jokie įrankiai:
- Atsakykite bendrais terminais ir nurodykite, kad detalės galėjo pasikeisti.
- Niekada nekurkite tikslių skaičių, eilučių numerių ar išorinių nuorodų, kai
esate neužtikrinti.
- Kai nesate tikri, pirmenybę teikite tokiai kalbai kaip „Remiantis pateiktu kontekstu…"
vietoj absoliučių teiginių.
</uncertainty_and_ambiguity>
Aukštos rizikos savitikra
Aukštų stawkų sritims pridedu aiškų savęs tikrinimo žingsnį:
<high_risk_self_check>
Prieš baigiant atsakymą teisės, finansų, atitikties ar
saugumo jautriuose kontekstuose:
- Trumpai peržiūrėkite savo atsakymą dėl:
- Nenurodytų prielaidų
- Konkrečių skaičių ar teiginių, nepagrįstų kontekste
- Pernelyg stiprios kalbos („visada", „garantuota" ir pan.)
- Jei rasite, sušvelninkite arba papildykite juos ir aiškiai nurodykite prielaidas.
</high_risk_self_check>
Tikslas nėra padaryti DI mažiau užtikrintu – tai padaryti jį tiksliai užtikrintu. Neapibrėžtumas dėl neapibrėžtų dalykų yra funkcija, ne klaida.
Metaužklausos: DI naudojimas DI tobulinimui
Štai labiausiai meta technika mano arsenale: DI naudojimas jūsų užklausoms tobulinti. Tai skamba cikliškai, bet yra neįtikėtinai efektyvu.
Užklausų nesėkmių diagnozavimas
Kai užklausos neveikia, naudoju šį šabloną problemoms diagnozuoti:
Jūs esate užklausų inžinierius, kuriam pavesta derinti sistemos užklausą.
Jums duota:
1) Dabartinė sistemos užklausa:
<system_prompt>
[ĮKLIJUOKITE SAVO UŽKLAUSĄ ČIA]
</system_prompt>
2) Nedidelis užregistruotų nesėkmių rinkinys. Kiekviename žurnale yra:
- query
- actual_output
- expected_output (arba problemos aprašymas)
<failure_traces>
[ĮKLIJUOKITE NESĖKMIŲ PAVYZDŽIUS]
</failure_traces>
Jūsų užduotys:
1) Identifikuokite skirtingus nesėkmių režimus, kuriuos matote.
2) Kiekvienam nesėkmės režimui cituokite konkrečias sistemos užklausos eilutes,
kurios greičiausiai sukelia arba sustiprina jį.
3) Paaiškinkite, kaip tos eilutės nukreipia agentą link pastebėto elgesio.
Grąžinkite savo atsakymą struktūrizuotu formatu:
failure_modes:
- name: ...
description: ...
prompt_drivers:
- exact_or_paraphrased_line: ...
- why_it_matters: ...
Užklausų patobulinimų generavimas
Kai turite diagnozę, antra užklausa generuoja patobulinimus:
Jūs anksčiau analizavote šią sistemos užklausą ir jos nesėkmių režimus.
Sistemos užklausa:
<system_prompt>
[ORIGINALI UŽKLAUSA]
</system_prompt>
Nesėkmių režimų analizė:
[ĮKLIJUOKITE DIAGNOZĘ IŠ ANKSTESNIO ŽINGSNIO]
Prašau pasiūlykite chirurginę reviziją, kuri sumažintų pastebėtas problemas
išsaugant gerą elgesį.
Apribojimai:
- Neprojektuokite agento iš naujo.
- Pirmenybę teikite mažiems, aiškiems redagavimams: patikslinkite prieštaraujančias taisykles, pašalinkite perteklines
ar prieštaringas eilutes, sugriežtinkite neaiškias gaires.
- Aiškiai nurodykite kompromisus.
- Laikykite struktūrą ir ilgį maždaug panašius į originalą.
Išvestis:
1) patch_notes: glaustas pagrindinių pakeitimų sąrašas ir kiekvieno pagrindimas.
2) revised_system_prompt: pilna atnaujinta užklausa su pritaikytais redagavimais.
Šis dviejų žingsnių procesas padėjo man pataisyti užklausas, su kuriomis kovojau dienų dienas. DI dažnai pastebi prieštaravimus ir dviprasmybes, kurioms aš buvau apakęs.
Praktikoje patikrinti užklausų šablonai
Leiskite man pasidalinti šablonais, kurie pasirodė patikimi šimtuose naudojimo atvejų.
Universalus užduoties atlikimo šablonas
<context>
[Foninė informacija, kurios DI reikia situacijai suprasti]
</context>
<task>
[Aiškus teiginys, ką norite atlikti]
</task>
<requirements>
[Specifiniai reikalavimai ar apribojimai]
</requirements>
<format>
[Kaip norite, kad išvestis būtų struktūrizuota]
</format>
<examples>
[Neprivaloma: pageidaujamos išvesties pavyzdžiai]
</examples>
<notes>
[Neprivaloma: papildomas kontekstas ar pageidavimai]
</notes>
Kodo peržiūros šablonas
<context>
Jūs peržiūrite kodą [projekto/konteksto].
Kodo bazė naudoja [technologijas/šablonus].
</context>
<code_to_review>
[Įklijuokite kodą čia]
</code_to_review>
<review_criteria>
Sutelkite dėmesį į:
1. Teisingumas: Ar jis daro tai, ką teigia?
2. Skaitomumas: Ar jis aiškus kitiems programuotojams?
3. Našumas: Ar yra akivaizdžių neefektyvumų?
4. Saugumas: Ar yra pažeidžiamumų?
5. Stilius: Ar jis atitinka kodo bazės konvencijas?
</review_criteria>
<output_format>
Kiekvienai rastai problemai:
- Svarba: [Kritinė/Didelė/Maža/Pasiūlymas]
- Vieta: [Eilutės numeris arba skyrius]
- Problema: [Kas negerai]
- Pataisymas: [Kaip tai adresuoti]
</output_format>
Tyrimų analizės šablonas
<research_task>
Analizuokite [temą/klausimą] naudodami šį požiūrį:
</research_task>
<methodology>
1. Pradėkite keliais tiksliniais paieškos užklausomis. Nepasikliaujkite viena užklausa.
2. Giliai tyrinėkite, kol turite pakankamai informacijos tiksliam,
išsamiam atsakymui.
3. Pridėkite tikslines tolesnes paieškas, kad užpildytumėte spragas arba išspręstumėte nesutarimus.
4. Kartokite, kol papildoma paieška vargu ar pakeis atsakymą.
</methodology>
<output_requirements>
- Pradėkite aiškiu atsakymu į pagrindinį klausimą.
- Paremkite įrodymais ir citatomis.
- Pripažinkite apribojimus ir neapibrėžtumus.
- Pateikite konkrečius pavyzdžius, kur naudinga.
- Įtraukite aktualų kontekstą, padedantį suprasti pasekmes.
</output_requirements>
<citation_format>
[Kaip norite, kad šaltiniai būtų cituojami]
</citation_format>
Dažniausios klaidos, kurios gadina rezultatus
Leiskite man apsaugoti jus nuo klaidų, kurias padariau (pakartotinai) savo ankstyvaisiais užklausų inžinerijos dienomis.
„Parašyk man kažką apie marketingą" prieš „Parašyk 500 žodžių tinklaraščio įrašą apie el. pašto marketingą SaaS startuoliams, sutelkiant dėmesį į pasveikinimo sekas." Specifiškumas yra viskas.
„Būk glaustas" ir „būk išsamus" toje pačioje užklausoje. DI sunkiai susidoros su prieštaravimais. Aiškiai nurodykite prioritetus ir kompromisus.
DI nežino to, ko jam nepasakėte. Jei kažkas jums akivaizdu, tai nebūtinai akivaizdu modeliui. Įtraukite aktualų foną.
Jei jums reikia JSON, pasakykite tai. Jei jums reikia punktų, pasakykite tai. Nepalikite išvesties formato atsitiktinumui.
Kartais paprasta užklausa yra geriausia. Nepridėkite sudėtingumo dėl sudėtingumo. Pradėkite paprastai, pridėkite sudėtingumą tik kai reikia.
Užklausų kūrimas yra iteratyvus. Jūsų pirmoji užklausa yra juodraštis. Tobulinkite remdamiesi tuo, kas veikia ir kas ne.
GPT ir Claude elgiasi skirtingai. Užklausa, optimizuota vienam, gali prasčiau veikti kitame. Testuokite keliuose modeliuose, jei jūsų programa palaiko kelis.
DI išvestis paprastai reikalauja žmogaus peržiūros. Kurkite užklausas, kurios palengvina peržiūrą – aiški struktūra, aiškios prielaidos, atsekamas samprotavimas.
Užklausų inžinerijos ateitis
Kai rašau tai 2026 metų pradžioje, užklausų inžinerija sparčiai evoliucionuoja. Modeliai tampa galingesni, labiau valdomi ir patikimesni. Kai kurie prognozuoja, kad užklausų inžinerija taps pasenusi, kai DI geriau supras ketinimus. Nesutinku.
Kas keičiasi, yra užklausų inžinerijos lygis, ne jos būtinumas. Ankstyvomis dienomis reikėjo sudėtingų užklausų paprastoms užduotims. Dabar paprastos užduotys veikia iš karto, bet sudėtingi agentiniai darbo srautai vis dar reikalauja sofistikuoto užklausų kūrimo. Kartelė kyla, ne dingsta.
Užklausų inžinerija nedingsta – ji evoliucionuoja. Įgūdžiai, kurie svarbūs, keičiasi nuo „kaip priversti DI veikti" iki „kaip priversti DI veikti puikiai ir patikimai dideliu mastu."
Kas artėja
Geresni numatytieji elgesiai
Modeliai turės išmaniaresnius numatytuosius nustatymus, reikalaujančius mažiau aiškių instrukcijų įprastiems šablonams. Užklausos labiau sutelks dėmesį į pritaikymą, o ne į bazines galimybes.
Turtingesni įrankių ekosistemos
DI turės prieigą prie daugiau įrankių iš karto. Užklausų inžinerija pasislinks link orkestravimo – žinant, kada ką naudoti, ne tik kaip.
Daugiamodalinė integracija
Užklausos vis labiau apims vaizdus, garsą, vaizdo įrašus ir struktūrizuotus duomenis kartu su tekstu. Atsiras nauji užklausų šablonai daugiamodalinėms užduotims.
Agentinis sudėtingumas
Kai agentai tvarkys ilgesnes, sudėtingesnes užduotis, užklausų inžinerija taps labiau panaši į sistemų projektavimą – architektūra, ne tik instrukcijos.
Mano patarimas ateičiai
Sutelkite dėmesį į pagrindus. Specifinės technikos šiame vadove evoliucionuos, bet pagrindiniai principai – aiškus bendravimas, aiškūs lūkesčiai, struktūrizuotas mąstymas, iteratyvus tobulinimas – yra amžini. Įvaldykite juos, ir prisitaikysite prie to, kas ateis toliau.
Baigiamosios mintys
Prieš dvejus metus maniau, kad DI pašalins poreikį aiškiai bendrauti. Buvau visiškai neteisus. DI padarė aiškų bendravimą vertingesnį nei bet kada. Žmonės, kurie klesti su DI, nėra tie, kurie rado magiškus žodžius – jie yra tie, kurie išmoko mąstyti ir reikšti save tiksliai.
Užklausų inžinerija iš tikrųjų nėra apie DI. Ji apie jus. Ji apie disciplinos ugdymą artikuliuoti, ko iš tikrųjų norite, kantrybę to siekti iteratyviai ir nuolankumą mokytis iš to, kas neveikia.
Jei iš šio vadovo paimsite vieną dalyką, tebūnie tai: traktuokite kiekvieną užklausą kaip galimybę praktikuoti aiškų mąstymą. DI yra tik veidrodis, atspindintis jūsų paties proto aiškumą – arba painiavą.
DI atsiradimas nepadarė žinių pasenusių – jis padarė smalsumą galingesnį nei bet kada. Mūsų neberiboja tai, ką jau žinome. Turėdami tinkamus įrankius ir norą mąstyti, paprasti žmonės gali priimti žinių vandenyną. Nepaisant profesijos. Nepaisant amžiaus. Tikiuosi dalintis šia kelione su draugais visame pasaulyje. Kartu pasitikime šį naują pasaulį. Kartu augkime.
Discussion
0 commentsLeave a comment
Be the first to share your thoughts on this article!