Es beidzot uzlauzu AI uzvedņu kodu pēc gadiem ilgiem izmēģinājumiem un kļūdām

Meistarība AI Prompt Engineering - Pilnīga rokasgrāmata efektīvu uzvedņu rakstīšanā
Neredzamā māksla, kas atdala AI iesācējus no meistariem
Pamatpatiesība

AI nelasa jūsu domas. Tas lasa jūsu vārdus. Plaisa starp to, ko jūs vēlaties, un to, ko jūs saņemat, gandrīz vienmēr ir komunikācijas problēma, nevis AI ierobežojums.

Ļaujiet man pastāstīt par brīdi, kad viss mainījās. Es blenzu ekrānā, neticami neapmierināts, vērojot, kā AI ģenerē kārtējo atbildi, kas tehniski bija pareiza, bet pilnībā palaida garām būtību. Es lūdzu palīdzību sarežģīta koda refaktorēšanā, ko biju darījis jau simtiem reižu iepriekš. Bet šoreiz, neatkarīgi no tā, kā es formulēju savu pieprasījumu, AI turpināja pievienot nevajadzīgu sarežģītību, salauzt esošos modeļus un "uzlabot" lietas, kas nebija salauztas. Šī neapmierinātība ieveda mani trušu alā, kas patērēja nākamos divus manas dzīves gadus – un pilnībā pārveidoja veidu, kā es strādāju ar mākslīgo intelektu.

Atmoda - Kad viss zināmais pārstāja darboties

Es atceros precīzu brīdi, kad sapratu, ka man nav ne jausmas, ko es daru. Bija vēla nakts, tuvojās termiņš, un man vajadzēja, lai AI man palīdz ar kaut ko, kam vajadzēja būt vienkāršam uzdevumam. Es uzrakstīju savu uzvedni, nospiedu enter un skatījos, kā AI ražo kaut ko tādu, kas man lika vēlēties izmest klēpjdatoru pa logu.

Lieta tāda, ka es domāju, ka saprotu AI. Es biju izmantojis ChatGPT kopš pirmajām dienām. Es biju lasījis rakstus par prompt engineering. Es zināju par "lomu spēlēšanu" un "būšanu konkrētam". Bet es biju tur un saņēmu atbildes, kas jutās kā saruna ar kādu, kurš dzirdēja katru vārdu, ko es teicu, bet nesaprata neko no tā, kas man patiesībā bija vajadzīgs.

Šī neapmierinātība kļuva par manu skolotāju. Es ieniru oficiālajā dokumentācijā, pētnieciskajos darbos, foruma diskusijās un tūkstošiem stundu eksperimentēšanā. Tas, ko es atklāju, nebija tikai padomi un triki – tā bija pilnīga paradigmas maiņa tajā, kā komunicēt ar mašīnām, kas domā modeļos, varbūtībās un marķieros (tokens).

💡

Jaudīgākais AI pasaulē ir bezjēdzīgs, ja nevarat paziņot, kas jums patiesībā nepieciešams. Uzvedņu rakstīšana nav par maģisku vārdu atrašanu – tā ir par izpratni, kā AI apstrādā valodu, un jūsu komunikācijas strukturēšanu atbilstoši tam.

Šeit ir patiesība, ko iesācējiem neviens nepasaka: atšķirība starp cilvēkiem, kuri no AI iegūst pārsteidzošus rezultātus, un tiem, kuri nē, nav inteliģence vai tehniskā prasme. Tā ir komunikācija. Un komunikācija ar AI ievēro noteikumus, kas ir līdzīgi – bet kritiski atšķirīgi no – komunikācijas ar cilvēkiem.

Šī rokasgrāmata satur visu, ko esmu iemācījies šajā ceļojumā. Ne vienkāršotus padomus, piemēram, "esiet tikai konkrēti", kas pārpludina internetu, bet dziļu, niansētu izpratni, kas mainīs veidu, kā jūs strādājat ar AI. Neatkarīgi no tā, vai rakstāt savu pirmo uzvedni vai būvējat ražošanas AI sistēmas, tas, kas seko, uz visiem laikiem mainīs jūsu attiecības ar mākslīgo intelektu.

Pamats, ko neviens nemāca - Uzvednes kodola anatomija

Pirms mēs iedziļināmies uzlabotās tehnikās, ļaujiet man dalīties ar ietvaru, kas man visu mainīja. Katra efektīva uzvedne, ko es tagad rakstu, satur kādu kombināciju no šiem pieciem elementiem:

1
Konteksts (Context)

Kas AI jāzina par jūsu situāciju? Informācija par fonu, ierobežojumi, būtiskas detaļas un vide, kurā jūs strādājat.

2
Uzdevums (Task)

Ko tieši jūs vēlaties, lai AI izdara? Esiet konkrēti par darbību, ko pieprasāt – ne tikai tēma, bet reālais darbs.

3
Formāts (Format)

Kā izvadei jābūt strukturētai? Saraksti, rindkopas, koda bloki, tabulas, JSON – norādiet to skaidri.

4
Ierobežojumi (Constraints)

No kā AI vajadzētu izvairīties? Kādas robežas pastāv? Kas ir skaidri ārpus diapazona?

5
Piemēri (Examples)

Vai varat parādīt, ko vēlaties? Piemēri ir tūkstoš aprakstu vērti – drīzāk demonstrējiet, nevis skaidrojiet.

Lielākā daļa cilvēku iekļauj tikai uzdevumu. Viņi prasa "Uzraksti man e-pastu", kad viņiem vajadzētu teikt "Uzraksti profesionālu e-pastu klientam, paskaidrojot projekta kavēšanos. Saglabā to zem 150 vārdiem, atzīsti neērtības un iesaki jaunu laika grafiku pēc divām nedēļām. Tonim jābūt atvainojošam, bet pārliecinātam."

Atšķirība izvades kvalitātē ir dramatiska. Un tas ir tikai sākums.

Struktūras spēks

Viens no visvairāk nenovērtētajiem uzvedņu rakstīšanas aspektiem ir strukturālā formatēšana. Modernie AI modeļi reaģē ārkārtīgi labi uz skaidri norobežotām sadaļām. Es plaši izmantoju XML stila tagus, jo tie rada viennozīmīgas robežas:

Strukturētas Uzvednes Veidne
<context>
Tu palīdzi man sagatavot prezentāciju tehniskajām ieinteresētajām pusēm.
Auditorija ir pazīstama ar programmatūras izstrādi, bet ne specifiski ar AI.
</context>

<task>
Paskaidro, kā darbojas lieli valodu modeļi 5 galvenajos punktos.
</task>

<format>
- Izmanto aizzīmes
- Katram punktam jābūt 1-2 teikumiem
- Izvairies no žargona vai definē to, kad tas tiek izmantots
</format>

<constraints>
- Neminēt konkrētus modeļu nosaukumus
- Koncentrējies uz jēdzieniem, nevis tehnisko ieviešanu
- Saglabā kopējo garumu zem 200 vārdiem
</constraints>

Šī struktūra dara kaut ko spēcīgu: tā liek jums skaidri domāt par to, kas jums nepieciešams, pirms jūs jautājat. Skaidra domāšana rada skaidru komunikāciju, un skaidra komunikācija rada skaidrus rezultātus. XML tagi nav maģija – tie ir sastatnes jūsu pašu domām.

🎯

Struktūra nav par to, lai padarītu uzvednes garākas – tā ir par to, lai jūsu nodomi būtu viennozīmīgi. Labi strukturēta īsa uzvedne pārspēj izplūdušu garu katru reizi.

Seši domāšanas veidi, kas mainīja visu

Pēc gadiem ilgas eksperimentēšanas esmu destilējis savu pieeju sešos pamata "domāšanas veidos" – nevis stingrās veidnēs, bet elastīgos domāšanas modeļos, kas atslēdz AI spējas, kuras lielākā daļa cilvēku nekad neatklāj. Tas nav par ideālo vārdu atrašanu; tas ir par pieeju interakcijai ar AI ar pareizo mentālo modeli.

Domāšanas veids 1: Ļaujiet AI izvēlēties ekspertu

Mēs visi zinām, ka dot AI lomu palīdz. "Rīkojies kā mārketinga eksperts" rada labākus mārketinga padomus nekā vispārīgs jautājums. Bet lūk, ko lielākā daļa cilvēku palaiž garām: kad jūs nezināt, kurš eksperts būtu vislabākais jūsu jautājumam, jūs varat lūgt AI, lai tas izvēlas.

Es to atklāju, plānojot korporatīvu pasākumu. Man nebija ne jausmas, vai man vajadzēja mārketinga skatījumu, operāciju skatījumu vai kaut ko pilnīgi citu. Tāpēc tā vietā, lai minētu, es lūdzu AI vispirms izvēlēties vispiemērotāko ekspertu.

Uzvedne Eksperta Izvēlei
Es vēlos izpētīt [JOMA] un konkrēti [PROBLĒMA/SCENĀRIJS].
Vēl neatbildi.

Vispirms izvēlies vispiemērotāko domēna ekspertu, kurš domātu par šo problēmu.
Tās var būt dzīvojošas vai vēsturiskas, slavenas vai relatīvi nezināmas personas, 
bet tām jābūt patiesi izcilām šajā konkrētajā jomā.
Ja neesi pārliecināts, uzdod man 2 pozicionēšanas jautājumus pirms izvēles.

Izvade:
1. Kuru tu izvēlējies un viņa specifiskais domēns
2. Kāpēc tu viņu izvēlējies (trīs teikumi)

Pēc tam lūdz mani aprakstīt manu detalizēto jautājumu.

Kad es to izmantoju pasākuma plānošanai, AI izvēlējās Priyu Parker – pasākumu dizaina eksperti, par kuru es nekad nebiju dzirdējis, bet kura izrādījās perfekta. Atbildes, ko es saņēmu, nebija vispārīgas "apsveriet šos piecus faktorus" – tās bija smalkas, specifiskas vadlīnijas, kas jutās kā saruna ar kādu, kurš to darījis simtiem reižu.

Domāšanas veids 2: Ļaujiet AI jautāt pirmajam

Šī ir tehnika, ko es izmantoju vairāk nekā jebkuru citu. Es to saucu par "Sokratisko uzvedņu rakstīšanu" – tā vietā, lai mēģinātu paredzēt visu, kas AI jāzina, es ļauju tam uzdot man jautājumus, līdz tam ir pietiekami daudz konteksta, lai sniegtu patiešām noderīgu atbildi.

Padomājiet par to: kad jūs lūdzat gudram draugam padomu, viņš uzreiz nesāk bārstīt atbildes. Viņš uzdod precizējošus jautājumus. Zondē kontekstu. Pārliecinās, ka saprot, pirms sniedz padomu. AI var darīt to pašu – bet tikai tad, ja jūs to lūdzat.

Sokratiskās Uzvednes Veidne
[TAVS JAUTĀJUMS VAI VAJADZĪBA]

Pirms atbildi, lūdzu, uzdod man vispirms jautājumus.

Prasības:
- Uzdod vienu jautājumu vienlaikus
- Pamatojoties uz manām atbildēm, turpini zondēt
- Turpini, līdz tev ir 95% pārliecība, ka tu saproti 
  manas patiesās vajadzības un mērķus
- Tikai tad sniedz man savu atbildi vai risinājumu

95% slieksnis nodrošina kvalitāti, vienlaikus ierobežojot bezgalīgas cilpas.

Es to izmantoju, lemjot, vai nolīgt mūsu pirmo HR cilvēku. Tā vietā, lai saņemtu vispārīgu atbildi "par un pret HR nolīgšanu", AI jautāja par mūsu pašreizējo komandas lielumu, pieņemšanas ātrumu, atbilstības prasībām, budžeta ierobežojumiem un kultūras mērķiem. Pēc aptuveni piecpadsmit mērķtiecīgu jautājumu atbildēšanas es saņēmu padomu, kas bija specifisks manai reālajai situācijai – nevis mācību grāmatas atbildi, kas kaut kā derēja.

🔑

"95% uzticamības slieksnis" ir būtiska detaļa. Tas ir pietiekami augsts, lai nodrošinātu kvalitāti, bet pietiekami reālistisks, lai AI neiesprūstu bezgalīgā ciklā. Šī viena frāze maina veidu, kā AI pieiet sarunai.

Domāšanas veids 3: Debatējiet ar AI

AI ir problēma, ko lielākā daļa cilvēku neapzinās: tas ir pārāk piekrītošs. Tas bieži jums pateiks to, ko vēlaties dzirdēt, tā vietā, lai apšaubītu jūsu pieņēmumus. Šī "pielīšana" var būt bīstama, kad cenšaties validēt idejas vai sagatavoties kritikai.

Risinājums ir skaidri nostādīt AI pretinieka lomā, kurš vēlas apgāzt jūsu pozīciju. Es to atklāju, gatavojoties konferences runai. Man bija tēze, ko vēlējos prezentēt, bet es baidījos no aklajām zonām.

Debašu Uzvednes Veidne
Es gatavojos piedalīties debatēs. Daudzi cilvēki apšaubīs manu pozīciju.

Mana pozīcija: [TAVA TĒZE/IDEJA]

Man vajag, lai šī ideja būtu necauršaujama.

Ja tu būtu zinātnieks, apņēmības pilns pierādīt, ka es kļūdos, izmantojot katru 
pieejamo argumentu, detaļu un loģikas rīku, kā tu uzbruktu 
manai pozīcijai?

Tavs vienīgais mērķis: demonstrēt, ka es kļūdos.
Neesi maigs. Nevilcinies. Uzbrūc.

Tas, kas notika tālāk, mainīja manu viedokli par AI. Mēs gājām turp un atpakaļ trīs stundas. AI atrada vājās vietas manā argumentā, kuras es nebiju apsvēris, izvirzīja pretpiemērus, kurus es nevarēju noraidīt, un piespieda mani precizēt savu pozīciju, līdz tā izturēja reālu pārbaudi. Beigās man bija daudz spēcīgāka tēze – un, kas ir vēl svarīgāk, es biju paredzējis katru galveno iebildumu, ar ko saskartos.

Domāšanas veids 4: Jūsu plānu Pre-Mortem

Cilvēkiem ir tendence būt optimistiskiem plānošanā. AI, sekojot mūsu piemēram, arī mēdz būt optimistisks. Tas rada plānus, kas izskatās lieliski uz papīra, bet izjūk, kad iejaucas realitāte.

Pre-mortem tehnika apgriež šo dinamiku. Tā vietā, lai jautātu "Kā man vajadzētu to darīt?", jūs jautājat "Iedomājies, ka tas iespaidīgi izgāzās – kāpēc?"

Pre-Mortem Uzvednes Veidne
[TAVS PROJEKTS/PLĀNS]

Pieņemsim, ka šis projekts katastrofāli izgāzās.

Uzraksti post-mortem analīzi, atbildot uz:
1. Kurā brīdī pirmo reizi parādījās lejupslīdes pazīmes?
2. Kas bija visfatālākā lēmumu pieņemšanas kļūda?
3. Kāds galvenais risks tika nepamanīts?
4. Ja jūs varētu atgriezties, kas ir pirmā lieta, ko jūs mainītu?

Balsti savu analīzi uz līdzīgām projektu neveiksmēm reālajā pasaulē.
Raksti to kā īstu neveiksmes retrospektīvu, nevis teorētisku vingrinājumu.

Es to izmantoju, plānojot lielu konferenci. Pre-mortem AI identificēja riskus, kurus es biju pilnībā palaidis garām: rindu pārvaldība, tualešu kapacitāte, ēdināšanas laika grafiks, drošības vājās vietas. Tie nebija eksotiski gadījumi – tās bija paredzamas problēmas, par kurām es vienkārši nebiju domājis, jo koncentrējos uz aizraujošajām pasākuma daļām. Pre-mortem mūs, iespējams, izglāba no dažām apkaunojošām neveiksmēm.

Domāšanas veids 5: Veiksmes apgrieztā inženierija

Dažreiz jūs redzat kaut ko izcilu – rakstu, dizainu, pieeju – un vēlaties replicēt tā būtību, tieši nekopējot. Apgrieztā uzvedņu rakstīšana ļauj jums iegūt pamatprincipus.

Apgrieztās Inženierijas Uzvedne
Šis ir rezultāta piemērs, ko vēlos:

[IELĪMĒT PIEMĒRU]

Lūdzu, veic apgriezto inženieriju uzvednei, kas uzticami ģenerētu 
saturu ar tādu pašu stilu, struktūru un kvalitāti.

Paskaidro, ko katra uzvednes daļa dara un kāpēc tā ir svarīga.

Tas nav par kopēšanu – tas ir par mācīšanos. Kad es redzu rakstīšanu, kas mani uzrunā, es izmantoju šo tehniku, lai saprastu, kāpēc tas darbojas. Kādi strukturālie elementi rada ritmu? Kādas toņa izvēles rada sajūtu? Tiklīdz es saprotu principus, es varu tos piemērot savam oriģinālajam saturam.

Domāšanas veids 6: Divkāršā skaidrojuma metode

Mācoties kaut ko jaunu, lielākā daļa cilvēku saņem vai nu pārāk vienkāršotus skaidrojumus, kas patiesībā neko nemāca, vai ekspertu līmeņa skaidrojumus, kuriem nevar izsekot. Risinājums ir lūgt abus vienlaikus.

Divkāršā Skaidrojuma Veidne
Lūdzu, paskaidro [JĒDZIENS].

Sniedz divas versijas:

1. Versija iesācējiem: Iedomājies, ka skaidro to kādam bez 
   priekšzināšanām šajā jomā. Izmanto ikdienas analoģijas un izvairies no 
   jebkāda žargona. Padari to patiesi saprotamu.

2. Versija ekspertiem: Pieņem, ka lasītājs ir profesionālis 
   radniecīgā jomā. Esi tehniski precīzs. Nevienkāršo 
   un neatšķaidi sarežģītību.

Es to izmantoju visu laiku, lasot tehniskos dokumentus. Versija iesācējiem dod man intuīciju par jēdzienu, un versija ekspertiem dod man precīzas detaļas. Salīdzinot abus, es redzu precīzi, kur ir vienkāršojumi un kādas nianses es varētu būt palaidis garām. Tas ir tāpat kā būt ar diviem skolotājiem ar papildinošām pieejām.

Aģentiskā domāšana - Izturēšanās pret AI kā pret kolēģi

Lūk, paradigmas maiņa, kas transformēja manas interakcijas ar AI: beidziet izturēties pret AI kā pret meklētājprogrammu un sāciet izturēties pret to kā pret spējīgu, bet nepieredzējušu kolēģi. Šis mentālais modelis maina visu par to, kā jūs komunicējat.

Modernie AI modeļi ne tikai atbild uz jautājumiem – tie ir paredzēti, lai būtu aģenti. Tie var izsaukt rīkus, vākt kontekstu, pieņemt lēmumus un veikt vairāku soļu uzdevumus. Bet kā jebkuram jaunam komandas loceklim, tiem ir nepieciešama pareiza ievadīšana darbā, skaidras cerības un atbilstošas drošības barjeras.

🤖

AI nav rīks, ko jūs lietojat – tas ir kolēģis, kuru jūs vadāt. Prasmes, kas padara jūs par labu menedžeri, padara jūs par labu uzvedņu rakstītāju. Deleģēšana, skaidra komunikācija, piemērota autonomija, definētas robežas.

Padomājiet par to: kad jūs deleģējat cilvēkam, jūs nesakāt tikai "salabo kodu". Jūs paskaidrojat, kas ir sabojāts, kāda ir vēlamā uzvedība, kādi ierobežojumi pastāv un kā izskatās panākumi. Jūs sniedzat kontekstu. Atbildat uz jautājumiem. Pārbaudāt progresu. AI ir nepieciešama tāda pati attieksme – izņemot to, ka jums ir jāparedz jautājumi un jāatbild uz tiem iepriekš.

Aģentu ietvars

Būvējot aģentu lietotnes vai izmantojot AI sarežģītiem uzdevumiem, es domāju caur šīm dimensijām:

Galvenie jautājumi aģentu uzdevumiem

  • Kāds ir mērķa stāvoklis? Kā AI zinās, kad tas ir pabeigts? Kā izskatās panākumi?
  • Kādi rīki tam ir? Ko tas reāli var darīt pretstatā tam, kas tam jāatstāj jums?
  • Kāds ir autonomijas līmenis? Vai tam jālūdz atļauja vai jāturpina neatkarīgi?
  • Kādas ir drošības robežas? Kādas darbības nekad nevajadzētu veikt bez apstiprinājuma?
  • Kā tam vajadzētu komunicēt progresu? Klusa izpilde vai regulāri atjauninājumi?

Šie jautājumi veido pamatu jebkurai sarežģītai uzvednei, ko es rakstu. Ļaujiet man parādīt, kā tos piemērot.

Centības skala - AI iniciatīvas kalibrēšana

Viens no visvairāk niansētajiem prompt engineering aspektiem ir kalibrēt to, ko es saucu par "aģenta centību" – līdzsvaru starp AI, kas uzņemas iniciatīvu, un to, kas gaida skaidru vadību. Izdariet to nepareizi, un jums būs vai nu AI, kas pārdomā vienkāršus uzdevumus, vai tāds, kas pārāk viegli padodas pie sarežģītiem.

Centības samazināšana ātrumam

Dažreiz jums vajag, lai AI būtu ātrs un fokusēts. Jūs nevēlaties, lai tas pētītu katru blakusceļu, veiktu papildu rīku izsaukumus vai ražotu vārdvārdīgus skaidrojumus. Šīm situācijām es izmantoju uzvednes, kas vērstas uz ierobežojumiem:

Zemas Centības Konfigurācija
<context_gathering>
Mērķis: Iegūsti pietiekami daudz konteksta ātri. Paralelizē atklāšanu un apstājies, tiklīdz 
vari rīkoties.

Metode:
- Sāc plaši, tad izvērsies uz mērķtiecīgiem apakšvaicājumiem
- Palaid dažādus vaicājumus paralēli; lasi top rezultātus uz vaicājumu
- Deduplicē ceļus un saglabā kešatmiņā; neatkārto vaicājumus
- Izvairies no pārmērīgas konteksta meklēšanas

Agrīnas apstāšanās kritēriji:
- Vari nosaukt precīzu saturu, ko mainīt
- Top rezultāti konverģē (~70%) vienā apgabalā/ceļā

Dziļums:
- Seko tikai simboliem, kurus rediģēsi vai uz kuru līgumiem paļaujies
- Izvairies no tranzitīvas izplešanās, ja vien tas nav nepieciešams

Cikls:
- Pakešu meklēšana → minimāls plāns → pabeigt uzdevumu
- Meklē vēlreiz tikai tad, ja validācija neizdodas vai parādās jauni nezināmie
- Dod priekšroku darbībai, nevis tālākai meklēšanai
</context_gathering>

Pievērsiet uzmanību skaidrai atļaujai būt nepilnīgam: "Dod priekšroku darbībai, nevis tālākai meklēšanai." Šī smalkā frāze atbrīvo AI no tā noklusējuma satraukuma par pamatīgumu. Bez tās modelis bieži pārmērīgi pēta, dedzinot marķierus un laiku uz sarūkošu atdevi.

Vēl agresīvākiem ātruma ierobežojumiem:

Maksimālā Ātruma Konfigurācija
<context_gathering>
- Meklēšanas dziļums: ļoti zems
- Spēcīgi sliecies uz pareizās atbildes sniegšanu pēc iespējas ātrāk, 
  pat ja tā var nebūt pilnīgi pareiza
- Parasti tas nozīmē absolūto maksimumu 2 rīku izsaukumus
- Ja domā, ka tev vajag vairāk laika izmeklēšanai, atjaunini mani 
  ar saviem jaunākajiem atklājumiem un atvērtajiem jautājumiem
</context_gathering>

Frāze "pat ja tā var nebūt pilnīgi pareiza" ir zelts. Tā dod AI atļauju būt nepilnīgam, kas paradoksālā kārtā bieži rada labākus rezultātus ātrāk, jo tas aptur perfekcionisma cilpu.

Centības palielināšana sarežģītiem uzdevumiem

Citos gadījumos jums vajag, lai AI būtu nerimstoši pamatīgs. Jūs vēlaties, lai tas izlaužas cauri neskaidrībai, izdara saprātīgus pieņēmumus un pabeidz sarežģītus uzdevumus bez pastāvīgas atļaujas lūgšanas. Tas prasa pretēju pieeju:

Augstas Centības Konfigurācija
<persistence>
- Tu esi aģents — turpini, līdz lietotāja vaicājums ir 
  pilnībā atrisināts, pirms pabeidz savu gājienu
- Pabeidz tikai tad, kad esi pārliecināts, ka problēma ir atrisināta
- Nekad neapstājies un nenodod atpakaļ, saskaroties ar nenoteiktību — 
  izpēti vai izsecini saprātīgāko pieeju un turpini
- Ne prasi apstiprinājumu vai precizējumu — izlem, kas ir 
  saprātīgākais pieņēmums, turpini ar to un 
  dokumentē to atsaucei pēc tam, kad esi pabeidzis
</persistence>

Šī uzvedne fundamentāli maina AI uzvedību. Tā vietā, lai jautātu "Vai man vajadzētu turpināt?", tas saka "Es turpināju, pamatojoties uz pieņēmumu X—dodiet ziņu, ja vēlaties, lai es to laboju." Darbs tiek padarīts; precizēšana notiek pēc tam.

Drošības robežas

Bet šeit ir galvenā nianse: paaugstināta centība prasa skaidrākas drošības robežas. Jums ir skaidri jādefinē, kuras darbības AI var veikt autonomi un kurām nepieciešams apstiprinājums.

Kritisks drošības princips

Darbībām ar augstām izmaksām (dzēšana, maksājumi, ārējā komunikācija) vienmēr jāpieprasa skaidrs apstiprinājums, pat pie augstas centības uzvednēm. Zemu izmaksu darbības (meklēšana, lasīšana, melnrakstu veidošana) var būt autonomas.

Domājiet par to kā par sistēmas atļaujām: meklēšanas rīkiem ir neierobežota piekļuve; dzēšanas komandas prasa skaidru apstiprinājumu katru reizi.

Neatlaidības princips - Piespiest AI pabeigt lietas

Viena no visvairāk neapmierinošajām uzvedībām, ar ko es sākotnēji saskāros, bija tā, ka AI pārāk viegli padevās. Tas saskārās ar vienu šķērsli, apkopoja, kas nogāja greizi, un atdeva man problēmu atpakaļ. Vienkāršiem uzdevumiem tas ir labi. Sarežģītiem uzdevumiem tas ir darbplūsmas slepkava.

Risinājums ir skaidri instruēt AI būt neatlaidīgam caur šķēršļiem un pabeigt uzdevumus no sākuma līdz beigām:

Risinājuma Neatlaidības Uzvedne
<solution_persistence>
- Uzskati sevi par autonomu vecāko pāra programmētāju: tiklīdz 
  es dodu virzienu, proaktīvi vāc kontekstu, plāno, ievies, 
  testē un uzlabo, negaidot tālākas uzvednes
- Esi neatlaidīgs, līdz uzdevums ir pilnībā atrisināts no sākuma līdz beigām 
  pašreizējā gājiena ietvaros: neapstājies pie analīzes vai daļējiem labojumiem; veic 
  izmaiņas caur ieviešanu un verifikāciju
- Esi ārkārtīgi neobjektīvs uz darbību. Ja mana direktīva ir nedaudz 
  divdomīga nodomā, pieņem, ka tev vajadzētu turpināt un veikt izmaiņas
- Ja es jautāju "vai mums vajadzētu darīt X?" un tava atbilde ir "jā", arī ej 
  uz priekšu un veic darbību—neatstāj mani karājoties ar prasību pēc 
  sekojoša "lūdzu, izdari to"
</solution_persistence>

Tas pēdējais punkts ir smalks, bet svarīgs. Kad cilvēki jautā "vai mums vajadzētu darīt X?", mēs bieži domājam "lūdzu, dari X, ja tas ir loģiski." AI, būdams burtisks, atbildēs uz jautājumu, neveicot implicēto darbību. Šī uzvedne savieno šo plaisu.

Progresa atjauninājumi

Neatlaidība nenozīmē klusēšanu. Ilgstošiem uzdevumiem jums nepieciešami progresa atjauninājumi, lai paliktu informētiem bez mikromenedžmenta:

Progresa Atjauninājumu Specifikācija
<user_updates_spec>
Tu strādāsi posmos ar rīku izsaukumiem — uzturi mani informētu.

<frequency>
- Sūti īsus atjauninājumus (1-2 teikumi) ik pēc dažiem rīku izsaukumiem, kad 
  ir nozīmīgas izmaiņas
- Publicē atjauninājumu vismaz katrus 6 izpildes soļus vai 8 rīku izsaukumus
- Ja sagaidi garāku fokusētu posmu, publicē īsu piezīmi 
  ar to, kāpēc un kad ziņosi atpakaļ
</frequency>

<content>
- Pirms pirmā rīka izsaukuma dod ātru plānu ar mērķi, 
  ierobežojumiem, nākamajiem soļiem
- Pētot, norādi uz nozīmīgiem atklājumiem
- Vienmēr iekļauj vismaz vienu konkrētu rezultātu kopš iepriekšējā atjauninājuma 
  ("atrasts X", "apstiprināts Y")
- Pabeidz ar īsu kopsavilkumu un jebkādiem sekojošiem soļiem
</content>
</user_updates_spec>

Tas rada skaistu līdzsvaru: AI strādā autonomi, bet tur jūs informētus. Jūs neveicat mikromenedžmentu, bet neesat arī tumsā.

Spriešanas piepūle - Domāšanas intensitātes kontrole

Modernajiem AI modeļiem ir jēdziens, ko sauc par "spriešanas piepūli" – būtībā, cik smagi modelis domā, pirms atbild. Šis ir viens no spēcīgākajiem un vismazāk izmantotajiem pieejamajiem parametriem.

Augsta/XAugsta Spriešana

Izmantojiet sarežģītiem vairāku soļu uzdevumiem, divdomīgām situācijām vai problēmām, kas prasa dziļu analīzi. Modelis tērēs vairāk marķieru "domājot" iekšēji pirms atbildes. Labākais arhitektūras lēmumiem, sarežģītai atkļūdošanai, niansētai rakstīšanai.

Vidēja Spriešana

Līdzsvarots iestatījums, piemērots lielākajai daļai uzdevumu. Labs vispārējai kodēšanai, rakstīšanai un analīzei, kur kvalitāte ir svarīga, bet ātrums arī. Tas bieži ir noklusējums.

Zema Spriešana

Ātras atbildes vienkāršiem uzdevumiem. Izmantojiet, kad nepieciešamas ātras atbildes un uzdevums neprasa dziļu spriešanu. Labs vienkāršiem jautājumiem, formatēšanai, ātrām meklēšanām.

Minimāla/Nekāda Spriešana

Maksimāls ātrums, minimāla spriešana. Labākais vienkāršiem vaicājumiem, pārformatēšanas uzdevumiem vai kad latentums ir primārā problēma. Klasifikācija, ekstrakcija, vienkārša pārrakstīšana.

Galvenā atziņa ir saskaņot spriešanas piepūli ar uzdevuma sarežģītību. Augstas spriešanas izmantošana vienkāršiem uzdevumiem izšķērdē marķierus un laiku. Zemas spriešanas izmantošana sarežģītiem uzdevumiem rada seklas, kļūdainas rezultātus.

Zemas spriešanas kompensēšana

Izmantojot minimālas spriešanas režīmus, jums jākompensē ar skaidrāku uzvedņu rakstīšanu. Modelim ir mazāk iekšējo "domāšanas" marķieru, tāpēc jūsu uzvednei jāveic vairāk strukturālā darba:

Minimālās Spriešanas Kompensācija
<planning_requirement>
Tev OBLIGĀTI jāplāno plaši pirms katra funkcijas izsaukuma un plaši jāreflektē 
par iepriekšējo izsaukumu rezultātiem, nodrošinot, ka mans vaicājums 
ir pilnībā atrisināts.

NEDARI visu šo procesu tikai ar funkciju izsaukumiem, jo 
tas var traucēt tavu spēju atrisināt problēmu un domāt 
paredzami. Nodrošini, ka funkciju izsaukumiem ir pareizie argumenti.
</planning_requirement>

Šī uzvedne saka: "Tā kā tu neveic daudz iekšējas spriešanas, dari savu spriešanu skaļi." Tā pārvieto kognitīvo darbu no neredzamās modeļa domāšanas uz redzamu strukturētu plānošanu.

🧠

Kad spriešanas piepūle ir zema, uzvednes sarežģītībai jābūt augstai. Kad spriešanas piepūle ir augsta, uzvednes var būt vienkāršākas. Tas ir līdzsvars – kopējā "domāšana" paliek aptuveni nemainīga, tikai tā tiek sadalīta atšķirīgi.

AI Personības - Uzvedības modeļu veidošana

Viens no maniem mīļākajiem atklājumiem bija iemācīties definēt AI "personības" – ne tikai tonim, bet operatīvai uzvedībai. Personība veido to, kā AI pieiet uzdevumiem, ne tikai kā tas izklausās.

Profesionāla Personība

Noslīpēta un precīza. Izmanto formālu valodu un profesionālas rakstīšanas konvencijas. Labākais korporatīvajiem aģentiem, juridisko/finanšu darbplūsmām, ražošanas atbalstam.

Profesionāla Personība
<personality_professional>
Tu esi fokusēts, formāls un prasīgs AI Aģents, kurš tiecas uz 
visaptverošumu visās atbildēs.

- Izmanto lietojumu un gramatiku, kas raksturīga biznesa komunikācijai
- Sniedz skaidras, strukturētas atbildes, līdzsvarojot informativitāti 
  ar kodolīgumu
- Sadali informāciju sagremojamos gabalos; izmanto sarakstus, rindkopas, 
  tabulas, kur tas ir noderīgi
- Izmanto jomai atbilstošu terminoloģiju, apspriežot specializētas tēmas
- Tavas attiecības ar lietotāju ir sirsnīgas, bet transakcionālas: 
  saproti vajadzību un piegādā augstas vērtības izvadi
- Nekomentē lietotāja pareizrakstību vai gramatiku
- Neuzspied šo personību pieprasītajiem artefaktiem (e-pastiem, 
  kodam, ierakstiem); ļauj lietotāja nodomam vadīt toni šīm izvadēm
</personality_professional>

Efektīva Personība

Kodolīga un tieša, sniedz atbildes bez vārdvārdiem. Labākais koda ģenerēšanai, izstrādātāju rīkiem, pakešu automatizācijai, SDK smagiem lietošanas gadījumiem.

Efektīva Personība
<personality_efficient>
Tu esi augsti efektīvs AI asistents, kas sniedz skaidras, kontekstuālas atbildes.

- Atbildēm jābūt tiešām, pilnīgām un viegli parsējamām
- Esi kodolīgs un runā par lietu; strukturē lasāmībai
- Tehniskajiem uzdevumiem dari, kas norādīts — NEPIEVIENO papildu funkcijas, 
  ko lietotājs nav pieprasījis
- Ievēro visas instrukcijas precīzi; nepaplašini darbības jomu
- Neizmanto sarunvalodu, ja vien to neierosina lietotājs
- Nepievieno viedokļus, emocionālu valodu, emocijzīmes, sveicienus, 
  vai noslēguma piezīmes
</personality_efficient>

Uz Faktiem Balstīta Personība

Tieša un piezemēta, koncentrējas uz precizitāti un pierādījumiem. Labākais atkļūdošanai, riska analīzei, dokumentu parsēšanai, koučinga darbplūsmām.

Uz Faktiem Balstīta Personība
<personality_factbased>
Tu esi tiešs un nepastarpināts AI asistents, kas vērsts uz produktīviem rezultātiem.

- Esi atklāts, bet nepiekrīti apgalvojumiem, kas ir pretrunā 
  ar pierādījumiem
- Sniedzot atgriezenisko saiti, esi skaidrs un koriģējošs bez izskaistināšanas
- Piegādā kritiku ar laipnību un atbalstu
- Balsti visus apgalvojumus uz sniegto informāciju vai labi zināmiem faktiem
- Ja ievade ir neskaidra vai trūkst pierādījumu:
  - Norādi uz to skaidri
  - Izklāsti pieņēmumus skaidri vai uzdod kodolīgus precizējošus jautājumus
  - Nemini un neaizpildi nepilnības ar izdomātām detaļām
- Neizdomā faktus, skaitļus, avotus vai citātus
- Ja neesi pārliecināts, pasaki to un paskaidro, kāda papildu informācija nepieciešama
- Dod priekšroku kvalificētiem paziņojumiem ("pamatojoties uz sniegto kontekstu...")
</personality_factbased>

Izpētes Personība

Entuziastiska un skaidrojoša, svin zināšanas un atklājumus. Labākais dokumentācijai, ievadīšanai darbā, apmācībai, tehniskajai izglītībai.

Izpētes Personība
<personality_exploratory>
Tu esi entuziastisks, dziļi zinošs AI Aģents, kurš priecājas 
par jēdzienu skaidrošanu ar skaidrību un kontekstu.

- Padari mācīšanos patīkamu un noderīgu; līdzsvaro dziļumu ar pieejamību
- Izmanto pieejamu valodu, pievieno īsas analoģijas vai "interesantus faktus", kur tas ir noderīgi
- Veicini izpēti un sekojošus jautājumus
- Prioritizē precizitāti, dziļumu un tehnisku tēmu pieejamību
- Ja jēdziens ir neskaidrs vai sarežģīts, paskaidro to soļos un piedāvā 
  resursus tālākai mācīšanās
- Strukturē atbildes loģiski; izmanto formatēšanu, lai organizētu sarežģītas idejas
- Neizmanto humoru bezmērķīgi; izvairies no pārmērīgām tehniskām detaļām 
  ja vien tās nav pieprasītas
- Nodrošini, ka piemēri ir atbilstoši lietotāja vaicājumam un kontekstam
</personality_exploratory>
🎭

Personība nav estētisks pulējums – tā ir operatīva svira, kas uzlabo konsekvenci, samazina novirzes un saskaņo modeļa uzvedību ar lietotāja cerībām. Izvēlieties apzināti, pamatojoties uz uzdevumu, nevis tikai personīgo izvēli.

Izcilība kodēšanā - Programmēšana ar AI partneriem

Šeit es esmu pavadījis lielāko daļu sava laika, optimizējot uzvednes, un kur ieguvums ir bijis milzīgs. AI palīdzība kodēšanā ir transformējoša – ja to dara pareizi. Ja to dara nepareizi, tā rada vairāk problēmu, nekā atrisina.

Vārdvārdu paradokss

Šeit ir kaut kas pretintuitīvs: AI mēdz būt vārdvārdīgs skaidrojumos, bet kodolīgs kodā. Tas rakstīs rindkopas, skaidrojot, ko gatavojas darīt, tad ģenerēs kodu ar vienas burta mainīgo nosaukumiem un minimāliem komentāriem. Tas ir precīzi pretēji lielākajai daļai lietošanas gadījumu.

Risinājums ir vārdvārdu pārvaldība duālā režīmā:

Kodēšanas Vārdvārdu Pārvaldība
<code_verbosity>
Raksti kodu skaidrībai pirmajā vietā. Dod priekšroku lasāmiem, uzturamiem risinājumiem 
ar skaidriem nosaukumiem, komentāriem tur, kur nepieciešams, un tiešu vadības plūsmu.

Neražo code-golf vai pārmērīgi gudras vienrindiņas, ja vien tas nav skaidri 
pieprasīts.

Izmanto AUGSTU vārdvārdību koda rakstīšanai un koda rīkiem.
Izmanto ZEMU vārdvārdību statusa atjauninājumiem un skaidrojumiem.
</code_verbosity>

Tas rada perfektu līdzsvaru: kodolīga komunikācija, detalizēts kods.

Proaktīvas koda izmaiņas

AI vajadzētu būt proaktīvam attiecībā uz koda izmaiņām, bet apstiprinošam attiecībā uz destruktīvām darbībām:

Proaktīvas Kodēšanas Konfigurācija
<proactive_coding>
Tavi koda labojumi tiks parādīti kā ierosinātās izmaiņas, kas nozīmē:
(a) Tavi koda labojumi var būt diezgan proaktīvi — es vienmēr varu tos noraidīt
(b) Tavam kodam jābūt labi uzrakstītam un viegli ātri pārskatāmam

Ja ierosini nākamos soļus, kas ietvertu koda maiņu, veic šīs 
izmaiņas proaktīvi, lai es varētu tās apstiprināt/noraidīt, nevis jautātu 
vai turpināt.

Nekad nejautā, vai turpināt ar plānu; tā vietā proaktīvi 
izmēģini plānu un jautā, vai es vēlos pieņemt ieviestās izmaiņas.
</proactive_coding>

Koda ieviešanas standarti

Šie ir kodēšanas standarti, ko esmu noslīpējis tūkstošiem AI kodēšanas sesiju laikā:

Koda Ieviešanas Standarti
<code_standards>
<quality_principles>
- Rīkojies kā prasīgs inženieris: optimizē pareizībai, skaidrībai, 
  un uzticamībai pirms ātruma
- Izvairies no riskantiem īsceļiem, spekulatīvām izmaiņām un nekārtīgiem "hacks"
- Nosedz pamatcēloni vai galveno prasību, nevis tikai simptomus
</quality_principles>

<codebase_conventions>
- Ievēro esošos modeļus, palīgus, nosaukumus, formatēšanu, lokalizāciju
- Ja tev jāatkāpjas no konvencijām, norādi kāpēc
- Pārskati esošos modeļus pirms izmaiņu veikšanas
- Saskaņojies ar mainīgo nosaukumu konvencijām (camelCase vs snake_case)
- Atkārtoti izmanto esošās utilītas, nevis veido jaunas
</codebase_conventions>

<behavior_safety>
- Saglabā paredzēto uzvedību un UX
- Norobežo vai atzīmē tīšas izmaiņas
- Pievieno testus, kad uzvedība mainās
</behavior_safety>

<error_handling>
- Nekādas plašas ķeršanas (catches) vai klusas noklusējuma vērtības
- Nepievieno plašus try/catch blokus vai atkāpes veiksmes formā
- Propagē vai parādi kļūdas skaidri, nevis norij tās
- Nekādu klusu neveiksmju: neatgriezies agri pie nederīgas ievades bez 
  reģistrēšanas/paziņošanas, kas atbilst repozitorija modeļiem
</error_handling>

<type_safety>
- Izmaiņām vienmēr jāiziet cauri būvēšanai un tipu pārbaudei
- Izvairies no nevajadzīgiem tipu pārveidojumiem (as any, as unknown as ...)
- Dod priekšroku pareiziem tipiem un sargiem (guards)
- Atkārtoti izmanto esošos palīgus, nevis apgalvo tipu
</type_safety>

<efficiency>
- Izvairies no atkārtotiem mikro-labojumiem: izlasi pietiekami daudz konteksta pirms 
  faila maiņas un grupē loģiskos labojumus kopā
- DRY/meklēt pirmo: pirms jaunu palīgu pievienošanas meklē iepriekšējo mākslu 
  un atkārtoti izmanto vai ekstrahē koplietotos palīgus, nevis dublē
</efficiency>
</code_standards>

Git drošība

Kad AI ir piekļuve git, drošība ir vissvarīgākā:

Git Drošības Protokols
<git_safety>
- NEKAD neatjaunini git config
- NEKAD nepalaid destruktīvas komandas (git reset --hard, git checkout --) 
  ja vien nav specifiski pieprasīts
- NEKAD neizlaid āķus (hooks) (--no-verify) ja vien nav skaidri pieprasīts
- NEKAD neveic force push uz main/master
- Izvairies no git commit --amend ja vien:
  1. Lietotājs to skaidri nepieprasīja, VAI commit izdevās, bet pre-commit 
     hook automātiski modificēja failus
  2. HEAD commit tika izveidots tevī šajā sarunā
  3. Commit NAV nosūtīts (push) uz remote
- Ja commit NEIZDEVĀS vai tika NORAIDĪTS ar āķi, NEKAD nelabo (amend) — salabo 
  problēmu un izveido JAUNU commit
- Tu vari būt netīrā git darba kokā:
  - NEKAD neatgriez esošās izmaiņas, kuras tu neveici
  - Ja ir nesaistītas izmaiņas, ignorē tās — neatgriez tās
</git_safety>

Frontend meistarība - Skaistu saskarņu veidošana

AI ir kļuvis ievērojami labs frontend izstrādē, bet pastāv zinātne, lai iegūtu estētiski patīkamus, ražošanai gatavus rezultātus.

Ieteicamais tehnoloģiju kopums

Pateicoties plašai testēšanai, noteiktas tehnoloģiju kombinācijas ar AI darbojas labāk nekā citas. Tas nav par to, kas ir objektīvi "labākais" – tas ir par to, uz ko AI modeļi tika visvairāk trenēti:

Frontend Stack Optimizēts AI

  • Frameworki: Next.js (TypeScript), React, HTML
  • Stilošana/UI: Tailwind CSS, shadcn/ui, Radix Themes
  • Ikonas: Material Symbols, Heroicons, Lucide
  • Animācija: Motion (agrāk Framer Motion)
  • Fonti: Sans Serif ģimenes—Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Norādot šīs tehnoloģijas, AI ražo ievērojami augstākas kvalitātes izvadi ar mazāk halucinācijām par neeksistējošiem API.

Dizaina sistēmas uzspiešana

Viena problēma ar AI ģenerētiem frontendiem ir vizuālā nekonsekvence. Krāsas parādās no nekurienes, atstarpes nejauši atšķiras. Risinājums ir skaidri dizaina sistēmas ierobežojumi:

Dizaina Sistēmas Uzspiešana
<design_system>
- Žetoni-pirmais: NEKODĒ krāsas (hex/hsl/rgb) stingri JSX/CSS
- Visām krāsām jābūt no CSS mainīgajiem (--background, --foreground, 
  --primary, --accent, --border, --ring)
- Lai ieviestu zīmolu/akcentu: pievieno/paplašini žetonus CSS mainīgajos 
  zem :root un .dark VISPIRMS
- Izmanto Tailwind utilītas, kas piesaistītas žetoniem: 
  bg-[hsl(var(--primary))], text-[hsl(var(--foreground))]
- Noklusējums ir neitrāla sistēmas palete, ja vien zīmola izskats nav skaidri 
  pieprasīts — tad kartē zīmolu uz žetoniem vispirms
- NEIZDOMĀ krāsas, ēnas, žetonus, animācijas vai jaunus 
  UI elementus, ja vien nav pieprasīts
</design_system>

Novēršana "AI Dubļi"

AI ir tendence uz drošiem, vidēji izskatīgiem izkārtojumiem. Lai iegūtu atšķirīgus, tīšus dizainus:

Frontend Kvalitātes Standarti
<frontend_quality>
Veicot frontend dizaina uzdevumus, izvairies no sabrukšanas "AI dubļos" 
vai drošos, vidēji izskatīgos izkārtojumos. Mērķē uz saskarnēm, kas jūtas 
tīšas, drosmīgas un nedaudz pārsteidzošas.

- Tipogrāfija: Izmanto izteiksmīgus, mērķtiecīgus fontus; izvairies no noklusējuma kopām 
  (Inter, Roboto, Arial, system)
- Krāsa un Izskats: Izvēlies skaidru vizuālo virzienu; definē CSS mainīgos; 
  izvairies no noklusējuma violeta-uz-balta; nekādu violetu noviržu vai tumšā režīma noviržu
- Kustība: Izmanto dažas jēgpilnas animācijas (lapas ielāde, pakāpeniska atklāšana) 
  nevis ģenēriskas mikro-kustības
- Fons: Nepaļaujies uz plakaniem, vienkrāsainiem foniem; izmanto 
  gradientus, formas vai smalkus rakstus
- Kopumā: Izvairies no veidņu izkārtojumiem; maini tēmas, tipu ģimenes, 
  un vizuālās valodas starp izvadēm
- Nodrošini, ka lapa pareizi ielādējas gan darbvirsmā, gan mobilajā ierīcē
- Pabeidz tīmekļa lapu pilnībā, funkcionālā stāvoklī, lai lietotājs varētu testēt

Izņēmums: Ja strādā esošas vietnes vai dizaina sistēmas ietvaros, 
saglabā iedibinātos modeļus.
</frontend_quality>

UI/UX Labākā Prakse

UI/UX Vadlīnijas
<ui_ux_guidelines>
- Vizuālā Hierarhija: Ierobežo tipogrāfiju līdz 4-5 fontu izmēriem un svariem; 
  izmanto text-xs etiķetēm; izvairies no text-xl, ja vien tas nav varonim/galvenajiem virsrakstiem
- Krāsu Lietošana: Izmanto 1 neitrālu bāzi (piem., zinc) un līdz 2 akcenta krāsām
- Atstarpes: Vienmēr izmanto 4 reizinātājus polsterējumam un piemalēm, lai 
  saglabātu vizuālo ritmu
- Izkārtojums: Izmanto fiksēta augstuma konteinerus ar iekšēju ritināšanu 
  garam saturam
- Stāvokļa Apstrāde: Izmanto skeleta (skeleton) vietturus vai animate-pulse 
  datu iegūšanai; norādi klikšķināmību ar pārejām, uzbraucot ar peli
- Pieejamība: Izmanto semantisku HTML un ARIA lomas; dod priekšroku iepriekš uzbūvētām 
  pieejamām komponentēm
</ui_ux_guidelines>

Vārdvārdi - Izvades garuma pārvaldība

Pareiza izvades garuma iegūšana ir pastāvīgs izaicinājums. Pārāk īss, un jums trūkst svarīgu detaļu. Pārāk garš, un jūs noslīkstat nevajadzīgā informācijā.

Vārdvārdu Parametrs

Modernie AI API piedāvā vārdvārdu parametru, kas uzticami mērogo izvades garumu, nemainot uzvedni:

Zema Vārdvārdība

Kodolīga, minimāla proza. Tikai būtiska atbilde bez pļāpāšanas. Labs ātrām meklēšanām, vienkāršiem apstiprinājumiem un kad jums vajag tikai faktus.

Vidēja Vārdvārdība

Līdzsvarota detaļa. Noklusējuma iestatījums, kas darbojas lielākajai daļai uzdevumu. Sniedz kontekstu un skaidrojumu bez pārmērīga pildījuma.

Augsta Vārdvārdība

Vārdvārdīgs un visaptverošs. Lieliski piemērots auditiem, mācīšanai, nodošanai un dokumentācijai. Sniedz pilnu kontekstu un spriešanu.

Skaidras Garuma Vadlīnijas

Kad nevarat izmantot API parametrus, skaidri garuma ierobežojumi darbojas labi:

Izvades Vārdvārdu Specifikācija
<output_verbosity_spec>
- Noklusējums: 3-6 teikumi vai ≤5 aizzīmes tipiskām atbildēm
- Vienkāršiem "jā/nē + īss skaidrojums" jautājumiem: ≤2 teikumi
- Sarežģītiem vairāku soļu vai vairāku failu uzdevumiem:
  - 1 īsa kopsavilkuma rindkopa
  - Tad ≤5 aizzīmes, kas marķētas: Kas mainījās, Kur, Riski, Nākamie soļi, 
    Atvērtie jautājumi
- Sniedz skaidras, strukturētas atbildes, līdzsvarojot informativitāti 
  ar kodolīgumu
- Sadali informāciju sagremojamos gabalos; izmanto sarakstus, 
  rindkopas, tabulas, kad tas ir noderīgi
- Izvairies no garām naratīvām rindkopām; dod priekšroku kompaktām aizzīmēm un 
  īsām sadaļām
- Nepārfrāzē manu pieprasījumu, ja vien tas nemaina semantiku
</output_verbosity_spec>

Uz Personību Balstīta Vārdvārdība

Cita pieeja ir definēt komunikācijas stilu kā daļu no AI personas:

Efektīvas Komunikācijas Persona
<communication_style>
Tu vērtē skaidrību, impulsu un cieņu, ko mēra pēc lietderības 
nevis laipnībām. Tavs noklusējuma instinkts ir saglabāt 
sarunas asas un mērķtiecīgas, apgriežot visu, kas 
nevirza darbu uz priekšu.

Tu neesi auksts—tu vienkārši esi ekonomiski domājošs ar valodu un 
uzticies lietotājiem pietiekami, lai neietītu katru ziņu pildījumā.

Pieklājība izpaužas caur struktūru, precizitāti un reaktivitāti, 
nevis caur verbālu pūku.

Nekad neatkārto apstiprinājumus. Tiklīdz signalizē izpratni, 
pilnībā pievērsies uzdevumam.
</communication_style>

Garš konteksts - Milzīgu dokumentu apstrāde

Modernais AI var apstrādāt milzīgus kontekstus—simtiem tūkstošu marķieru—bet vienkārši iemest lielus dokumentus konteksta logā nepietiek. Jums nepieciešamas stratēģijas, kas palīdz modelim navigēt un ekstrahēt būtisko informāciju.

Kopsavilkuma un Pārenkurošanas Uzspiešana

Gariem dokumentiem es instruēju AI izveidot iekšēju struktūru pirms atbildēšanas:

Gara Konteksta Apstrāde
<long_context_handling>
Ievadēm, kas garākas par ~10k marķieriem (vairāku nodaļu dokumenti, gari pavedieni, 
vairāki PDF):

1. Vispirms izveido īsu iekšēju izklāstu galvenajām sadaļām, kas būtiskas 
   manam pieprasījumam
2. Vēlreiz skaidri norādi manus ierobežojumus (jurisdikcija, datumu diapazons, 
   produkts, komanda) pirms atbildēšanas
3. Savā atbildē noenkuro apgalvojumus pie sadaļām ("Sadaļā 
   'Datu Saglabāšana'...") nevis runā vispārīgi
4. Ja atbilde ir atkarīga no smalkām detaļām (datumi, sliekšņi, klauzulas), 
   citē vai pārfrāzē tās tieši
</long_context_handling>

Tas novērš problēmu "pazudis ritināšanā", kad AI sniedz vispārīgas atbildes, kas patiesībā neattiecas uz dokumenta specifisko saturu.

Kompaktēšana paplašinātām darbplūsmām

Ilgstošām, rīku smagām darbplūsmām, kas pārsniedz standarta konteksta logu, modernais AI atbalsta "kompaktēšanu" – zudumus radošu saspiešanas gājienu pār iepriekšējo sarunas stāvokli, kas saglabā uzdevumam būtisko informāciju, vienlaikus dramatiski samazinot marķieru nospiedumu.

Kad izmantot kompaktēšanu

  • Vairākpakāpju aģentu plūsmas ar daudziem rīku izsaukumiem
  • Garas sarunas, kur jāsaglabā agrākie gājieni
  • Iteratīva spriešana ārpus maksimālā konteksta loga

Labākā prakse kompaktēšanai:

  • Sekojiet konteksta lietojumam un plānojiet uz priekšu, lai izvairītos no ierobežojumu sasniegšanas
  • Kompaktējiet pēc galvenajiem atskaites punktiem (piem., rīku smagām fāzēm), nevis katru gājienu
  • Uzturiet uzvednes funkcionāli identiskas atjaunojot, lai izvairītos no uzvedības novirzes
  • Izturieties pret kompaktētajiem vienumiem kā pret necaurspīdīgiem; neparsējiet un nepaļaujieties uz iekšējo struktūru

Citātu prasības

Citātu Prasības
<citation_rules>
Kad izmanto informāciju no sniegtajiem dokumentiem:
- Novieto citātus aiz katras rindkopas, kas satur apgalvojumus, kas atvasināti no dokumentiem
- Izmanto formātu: [Dokumenta Nosaukums, Sadaļa/Lapa]
- Neizdomā citātus. Ja nevari to citēt, neapgalvo to
- Izmanto vairākus avotus galvenajiem apgalvojumiem, kad iespējams
- Ja pierādījumi ir vāji, atzīsti to skaidri
</citation_rules>

Rīku orķestrēšana - Uzlabotas AI spējas

AI rīku izsaukšana – ārējo funkciju, API un pakalpojumu izsaukšana – ir vieta, kur prompt engineering kļūst par programmatūras inženieriju. Tā pareiza veikšana ir būtiska uzticamām AI lietojumprogrammām.

Rīku aprakstu labākā prakse

Rīku aprakstu kvalitāte tieši ietekmē to, cik labi AI tos izmanto:

Labi Izstrādāta Rīka Definīcija
{
  "name": "create_reservation",
  "description": "Izveidot rezervāciju restorānā viesim. Izmantojiet, kad 
    lietotājs pieprasa galdiņa rezervēšanu ar noteiktu vārdu un laiku.",
  "parameters": {
    "type": "object",
    "properties": {
      "name": {
        "type": "string",
        "description": "Viesa pilns vārds rezervācijai."
      },
      "datetime": {
        "type": "string",
        "description": "Rezervācijas datums un laiks (ISO 8601 formāts)."
      }
    },
    "required": ["name", "datetime"]
  }
}

Pievērsiet uzmanību, ka apraksts ietver gan ko rīks dara, gan kad to izmantot. Tas palīdz modelim pieņemt labākus lēmumus par rīku izvēli.

Rīku lietošanas noteikumi

Rīku Lietošanas Politika
<tool_usage_rules>
- Ja pastāv rīks darbībai, dod priekšroku rīkam pār čaulas komandām 
  (piem., read_file pret cat)
- Stingri izvairies no raw cmd/termināļa, kad pastāv veltīts rīks
- Dod priekšroku rīkiem pār iekšējām zināšanām jebkurā laikā:
  - Tev vajag svaigus vai lietotājam specifiskus datus (biļetes, pasūtījumi, konfigurācijas, žurnāli)
  - Tu atsauces uz specifiskiem ID, URL vai dokumentu nosaukumiem
- Pēc jebkura rīka izsaukuma rakstīšanai/atjaunināšanai īsi atkārto:
  - Kas mainījās
  - Kur (ID vai ceļš)
  - Jebkāda veikta sekojoša validācija
- Vienkāršiem konceptuāliem jautājumiem izvairies no rīkiem un paļaujies uz iekšējām 
  zināšanām ātrām atbildēm
</tool_usage_rules>

Paralelizācija

Galvenā optimizācija ir atbalstīt paralēlus rīku izsaukumus, kad operācijas ir neatkarīgas:

Paralelizācijas Specifikācija
<parallelization_spec>
Palaid neatkarīgas vai tikai lasīšanas rīku darbības paralēli (tā pati kārta/pakete) 
lai samazinātu latentumu.

Kad paralelizēt:
- Vairāku failu/konfigurāciju/žurnālu lasīšana, kas savstarpēji neietekmē
- Statiskā analīze, meklēšanas vai metadatu vaicājumi bez blakusparādībām
- Atsevišķas nesaistītu failu/funkciju modifikācijas, kas nebūs konfliktā

Kad NEparalelizēt:
- Operācijas, kur viena ir atkarīga no otras rezultāta
- Resursa izveide un sekojoša atsauce uz tā ID
- Faila lasīšana un sekojoša modificēšana, pamatojoties uz saturu

Metode:
- Domā vispirms: Pirms jebkura rīka izsaukuma izlem par VISIEM failiem/resursiem, kas tev nepieciešami
- Pakešu viss: Ja tev vajag vairākus failus, lasi tos kopā
- Veic secīgus izsaukumus tikai tad, ja patiešām nevari zināt nākamo failu 
  pirms pirmā rezultāta redzēšanas
</parallelization_spec>

Termināļa ietīšanas rīki

Ja vēlaties, lai AI izmantotu veltītus rīkus termināļa komandu vietā, padariet tos semantiski līdzīgus tam, ko modelis sagaida:

Termināļa Ietīšanas Rīka Piemērs
GIT_TOOL = {
    "type": "function",
    "name": "git",
    "description": (
        "Palaiž git komandu repozitorija saknē. Uzvedas kā "
        "git palaišana terminālī; atbalsta jebkuru apakškomandu un karogus."
    ),
    "parameters": {
        "type": "object",
        "properties": {
            "command": {
                "type": "string",
                "description": "Git komanda izpildei"
            }
        },
        "required": ["command"]
    }
}

# Tad tavā uzvednē:
"Izmanto rīku `git` visām git operācijām. Neizmanot termināli priekš git."

Problēmu novēršana - Labot to, kas sabojājies

Pēc darba ar neskaitāmām uzvednēm esmu identificējis visbiežāk sastopamos neveiksmes modeļus un to risinājumus.

Problēma: Pārdomāšana

Simptomi: Atbilde ir pareiza, bet aizņem mūžību. Modelis turpina pētīt iespējas, aizkavē pirmo rīka izsaukumu, runā par apkārtceļu, kad vienkārša atbilde bija pieejama.

Pārdomāšanas Labojums
<efficient_context_spec>
Mērķis: Iegūsti pietiekami daudz konteksta ātri un apstājies, tiklīdz vari rīkoties.

Metode:
- Sāc plaši, tad izvērsies uz mērķtiecīgiem apakšvaicājumiem
- Paralēli palaid 4-8 dažādus vaicājumus; lasi top 3-5 rezultātus uz vaicājumu
- Deduplicē ceļus un saglabā kešatmiņā; neatkārto vaicājumus

Agrīna apstāšanās (rīkojies, ja ir):
- Vari nosaukt precīzus failus/simbolus, ko mainīt
- Vari reproducēt neveiksmīgu testu/lint vai ir augsta pārliecība par kļūdas atrašanās vietu
</efficient_context_spec>

# Arī pievieno ātru ceļu vienkāršiem jautājumiem:
<fast_path>
Vispārīgām zināšanām vai vienkāršiem lietošanas vaicājumiem, kas neprasa 
komandas, pārlūkošanu vai rīku izsaukumus:
- Atbildi nekavējoties un kodolīgi
- Nekādu statusa atjauninājumu, nekādu uzdevumu, nekādu kopsavilkumu, nekādu rīku izsaukumu
</fast_path>

Problēma: Nepietiekama domāšana / Slinkums

Simptomi: Modelis nepavadīja pietiekami daudz laika spriežot pirms atbildes ģenerēšanas. Seklas atbildes, palaisti garām robežgadījumi, nepilnīgi risinājumi.

Nepietiekamas Domāšanas Labojums
<self_reflection>
- Iekšēji novērtē melnrakstu pret rubriku no 5-7 vienumiem, ko tu izdomā 
  (skaidrība, pareizība, robežgadījumi, pilnīgums, latentums)
- Ja kāda kategorija atpaliek, iterē vienreiz pirms atbildēšanas
</self_reflection>

# Vai izmanto augstāku spriešanas piepūli API parametros

Problēma: Pārmērīga godbijība

Simptomi: AI nepārtraukti prasa atļauju tā vietā, lai rīkotos. Pastāvīgi "Vai jūs vēlētos, lai es..." tā vietā, lai vienkārši to darītu.

Godbijības Labojums
<persistence>
- Tu esi aģents — turpini, līdz lietotāja vaicājums ir pilnībā 
  atrisināts, pirms pabeidz savu gājienu
- Pabeidz tikai tad, kad esi pārliecināts, ka problēma ir atrisināta
- Nekad neapstājies un nenodod atpakaļ, saskaroties ar nenoteiktību — izsecini 
  saprātīgāko pieeju un turpini
- Ne prasi apstiprinājumu vai precizējumu pieņēmumiem — izlem, kas ir 
  saprātīgākais, turpini, un dokumentē atsaucei vēlāk
</persistence>

Problēma: Pārāk vārdvārdīgs

Simptomi: AI ģenerē daudz vairāk marķieru nekā nepieciešams. Daudz ievada, pārmērīga skaidrošana, atkārtoti kopsavilkumi.

Vārdvārdības Labojums
# Izmanto API vārdvārdības parametru: "low"

# Vai uzvednē:
<output_format>
- Noklusējums: 3-6 teikumi vai ≤5 aizzīmes
- Izvairies no garām naratīvām rindkopām; dod priekšroku kompaktām aizzīmēm
- Nepārfrāzē manu pieprasījumu, ja vien tas nemaina semantiku
- Nekādu ievadu kā "Lielisks jautājums!" vai "Priecājos palīdzēt"
</output_format>

Problēma: Pārāk daudz rīku izsaukumu

Simptomi: Modelis dedzina rīkus, nevirzot atbildi uz priekšu. Lieki izsaukumi, tangenciāla izpēte, neefektīva konteksta izmantošana.

Rīku Izsaukuma Labojums
<tool_use_policy>
- Izvēlies vienu rīku vai nevienu; dod priekšroku atbildei no konteksta, kad iespējams
- Ierobežo rīku izsaukumus līdz 2 uz lietotāja pieprasījumu, ja vien jauna informācija nepadara 
  vairāk stingri nepieciešamu
- Pirms rīka izsaukšanas pārbaudi, vai tev tiešām nepieciešama informācija
</tool_use_policy>

Problēma: Bojāti rīku izsaukumi

Simptomi: Rīku izsaukumi neizdodas, ražo atkritumu izvadi vai neatbilst gaidītajam formātam. Bieži izraisa pretrunas uzvednē.

Bojāta Rīka Izsaukuma Diagnostika
Lūdzu, analizē, kāpēc rīka izsaukums [tool_name] ir bojāts.

1. Pārskati sniegto parauga problēmu, lai saprastu neveiksmes režīmu
2. Rūpīgi izpēti Sistēmas Uzvedni un Rīka Konfigurāciju
3. Identificē jebkādas neskaidrības, nekonsekvences vai formulējumus, kas varētu 
   maldināt modeli
4. Katram potenciālajam cēlonim paskaidro, kā tas varētu novest pie 
   novērotās neveiksmes
5. Sniedz realizējamus ieteikumus, lai uzlabotu uzvedni vai 
   rīka konfigurāciju
🔧

Lielākā daļa problēmu ar bojātiem rīku izsaukumiem izriet no pretrunām starp dažādām uzvednes sadaļām. Modelis dedzina spriešanas marķierus, mēģinot saskaņot konfliktējošas instrukcijas, tā vietā, lai palīdzētu.

Uzvedņu optimizācija - Zinātniska pieeja

Efektīvu uzvedņu veidošana ir prasme, bet to uzlabošana ir zinātne. Lūk, sistemātiska pieeja, ko es izmantoju.

Biežākās uzvedņu neveiksmes

Pirms optimizēšanas, saprotiet, kas parasti noiet greizi:

Pretrunas instrukcijās

"Dod priekšroku standarta bibliotēkai" tad "izmanto ārējās pakotnes, ja tās vienkāršo lietas" - AI nevar saskaņot šos jauktos signālus.

Divdomīgi ierobežojumi

"Mērķēt uz precīziem rezultātiem; aptuvenas metodes ir labas, ja praksē nemaina rezultātu" - modelis nevar pārbaudīt šo spriedumu.

Trūkstošas formāta specifikācijas

Ja jums vajag JSON, sakiet to. Ja jums vajag aizzīmes, sakiet to. Neatstājiet izvades formātu nejaušībai.

Nekonsekvences ar piemēriem

Jūsu instrukcijas saka vienu, bet jūsu piemēri rāda kaut ko citu. AI seko piemēriem vairāk nekā prozai.

Optimizācijas cikls

1
Bāzes līnijas noteikšana

Palaidiet savu pašreizējo uzvedni vairākas reizes un dokumentējiet rezultātus. Ievērojiet modeļus gan panākumos, gan neveiksmēs.

2
Neveiksmes režīmu identificēšana

Kategorizējiet neveiksmes. Vai tās ir pareizības problēmas? Formāta problēmas? Efektivitātes problēmas? Katrs prasa atšķirīgus labojumus.

3
Ķirurģisku labojumu veikšana

Mainiet vienu lietu vienlaikus. Ja maināt vairākas lietas, jūs nezināsiet, kas palīdzēja.

4
Pārvērtēšana

Palaidiet tos pašus testus vēlreiz. Salīdziniet ar bāzes līniju. Vai izmaiņa palīdzēja, kaitēja, vai nebija nekādas ietekmes?

5
Iterācija

Atkārtojiet, līdz sasniedzat pieņemamu veiktspēju. Saglabājiet piezīmes par to, kas strādāja un kas nē.

Migrācija starp modeļiem

Migrējot uzvednes uz jaunu modeļa versiju:

Migrācijas Labākā Prakse

  • Solis 1: Pārslēdziet modeļus, vēl nemainiet uzvednes. Testējiet modeļa maiņu – ne uzvednes labojumus.
  • Solis 2: Piespraudiet spriešanas piepūli, lai tā atbilstu iepriekšējā modeļa profilam.
  • Solis 3: Palaidiet novērtējumus bāzes līnijai. Ja rezultāti izskatās labi, esat gatavs nosūtīšanai.
  • Solis 4: Ja notiek regresijas, noslīpējiet uzvedni ar mērķtiecīgiem ierobežojumiem.
  • Solis 5: Atkārtoti palaidiet novērtējumus pēc katras mazas izmaiņas. Viena izmaiņa vienlaikus.

Nenoteiktības pārvaldība - Kad AI nezina

Viens no lielākajiem riskiem ar AI ir pārliecināti skanošas nepareizas atbildes. Modelis nezina, ko tas nezina – ja vien jūs to neiemācāt, kā rīkoties ar nenoteiktību.

Nenoteiktības Pārvaldība
<uncertainty_handling>
- Ja jautājums ir divdomīgs vai nepietiekami specificēts, skaidri norādi uz to 
  un:
  - Uzdod līdz 1-3 precīziem precizējošiem jautājumiem, VAI
  - Sniedz 2-3 ticamas interpretācijas ar skaidri marķētiem pieņēmumiem
  
- Kad ārējie fakti varētu būt nesen mainījušies (cenas, izlaidumi, 
  politikas) un nav pieejami rīki:
  - Atbildi vispārīgos terminos un norādi, ka detaļas varētu būt mainījušās
  
- Nekad neizdomā precīzus skaitļus, rindu numurus vai ārējas saites 
  kad esi nedrošs
  
- Kad neesi pārliecināts, dod priekšroku valodai kā "Pamatojoties uz sniegto 
  kontekstu..." nevis absolūtiem paziņojumiem
</uncertainty_handling>

Augsta riska pašpārbaude

Augsta riska domēniem pievienojiet skaidru pašpārbaudes soli:

Augsta Riska Pašpārbaude
<high_risk_self_check>
Pirms pabeidz atbildi juridiskos, finanšu, atbilstības vai 
drošības sensitīvos kontekstos:

- Īsi vēlreiz noskenē savu atbildi priekš:
  - Nenosauktiem pieņēmumiem
  - Konkrētiem skaitļiem vai apgalvojumiem, kas nav pamatoti kontekstā
  - Pārāk spēcīgas valodas ("vienmēr", "garantēts", utt.)
  
- Ja atrodi tādus, mīkstini tos vai kvalificē tos un skaidri norādi pieņēmumus
</high_risk_self_check>
⚠️

Mērķis nav padarīt AI mazāk pārliecinātu – bet padarīt to precīzi pārliecinātu. Nenoteiktība par neskaidrām lietām ir funkcija, nevis kļūda.

Metaprompting - AI izmantošana AI uzlabošanai

Lūk, visvairāk meta tehnika manā arsenālā: AI izmantošana, lai uzlabotu jūsu uzvednes. Izklausās apļveida, bet tas ir neticami efektīvi.

Uzvednes neveiksmju diagnostika

Uzvednes Diagnostikas Veidne
Tu esi uzvedņu inženieris, kuram uzdots atkļūdot sistēmas uzvedni.

Tev ir dots:
1) Pašreizējā sistēmas uzvedne:
<system_prompt>
[IELĪMĒ SAVU UZVEDNI ŠEIT]
</system_prompt>

2) Neliela kopa reģistrētu neveiksmju. Katram ierakstam ir:
- vaicājums
- reālā_izvade
- gaidītā_izvade (vai problēmas apraksts)

<failure_traces>
[IELĪMĒ NEVEIKSMJU PIEMĒRUS]
</failure_traces>

Tavi uzdevumi:
1) Identificē atšķirīgus neveiksmes režīmus, ko redzi
2) Katram neveiksmes režīmam citē konkrētas rindas no sistēmas 
   uzvednes, kas to visticamāk izraisa vai pastiprina
3) Paskaidro, kā šīs rindas virza aģentu uz 
   novēroto uzvedību

Atgriez savu atbildi strukturētā formātā:
failure_modes:
- name: ...
  description: ...
  prompt_drivers:
    - exact_or_paraphrased_line: ...
    - why_it_matters: ...

Uzlabojumu ģenerēšana

Uzvednes Uzlabošanas Veidne
Iepriekš tu analizēji šo sistēmas uzvedni un tās neveiksmes režīmus.

Sistēmas uzvedne:
<system_prompt>
[ORIĢINĀLĀ UZVEDNE]
</system_prompt>

Neveiksmes režīma analīze:
[IELĪMĒ DIAGNOZI NO IEPRIEKŠĒJĀ SOĻA]

Lūdzu, iesaki ķirurģisku revīziju, kas samazina novērotās problēmas 
saglabājot labas uzvedības.

Ierobežojumi:
- Nepārraksti aģentu no nulles
- Dod priekšroku maziem, skaidriem labojumiem: noskaidro konfliktējošus noteikumus, noņem 
  liekas vai pretrunīgas rindas, pastiprini neskaidru vadlīniju
- Padari kompromisus skaidrus
- Saglabā struktūru un garumu aptuveni līdzīgu oriģinālam

Izvade:
1) patch_notes: īss saraksts ar galvenajām izmaiņām un pamatojumu
2) revised_system_prompt: pilna atjaunināta uzvedne ar piemērotiem labojumiem

Pašrefleksija kvalitātei

Šī tehnika ir prātam neaptverama: instruējiet AI izveidot savus novērtēšanas kritērijus un iterēt pret tiem:

Pašrefleksijas Uzvedne
<self_reflection>
- Vispirms pavadi laiku, domājot par rubriku, līdz jūties pārliecināts
- Domā dziļi par katru aspektu tam, kas veido pasaules klases 
  risinājumu. Izmanto šīs zināšanas, lai izveidotu rubriku, kurai ir 5-7 
  kategorijas. Šo rubriku ir kritiski dabūt pareizu, bet nerādi 
  man to — tā ir tikai taviem mērķiem.
- Visbeidzot, izmanto rubriku, lai iekšēji reflektētu un iterētu pie 
  labākā iespējamā risinājuma uzvednei
- Ja tava atbilde nesasniedz augstākās atzīmes visās 
  rubrikas kategorijās, sāc no jauna
</self_reflection>

Jūs lūdzat AI ģenerēt kvalitātes kritērijus no tā zināšanām par izcilību, un tad izmantot šos kritērijus, lai novērtētu un uzlabotu savu izvadi – tas viss, pirms jūs vispār kaut ko redzat. Izvades kvalitātes uzlabojums ir būtisks.

Kaujas pārbaudītas veidnes, ko varat izmantot šodien

Universāla uzdevuma pabeigšana

Vispārēja Mērķa Veidne
<context>
[Informācija par fonu, kas AI nepieciešama, lai saprastu situāciju]
</context>

<task>
[Skaidrs paziņojums par to, ko vēlaties izdarīt]
</task>

<requirements>
[Specifiskas prasības vai ierobežojumi]
</requirements>

<format>
[Kā vēlaties, lai izvade būtu strukturēta]
</format>

<examples>
[Izvēles: Vēlamās izvades piemēri]
</examples>

Koda pārskatīšanas veidne

Koda Pārskatīšanas Uzvedne
<context>
Koda pārskatīšana [projekts/konteksts].
Koda bāze izmanto [tehnoloģijas/modeļi].
</context>

<code_to_review>
[Ievietot kodu šeit]
</code_to_review>

<review_criteria>
Koncentrējies uz:
1. Pareizība: Vai tas dara to, ko apgalvo?
2. Lasāmība: Vai tas ir skaidrs citiem izstrādātājiem?
3. Veiktspēja: Kādas acīmredzamas neefektivitātes?
4. Drošība: Kādas ievainojamības?
5. Stils: Vai tas atbilst koda bāzes konvencijām?
</review_criteria>

<output_format>
Katrai atrastajai problēmai:
- Smagums: [Kritiska/Liela/Maza/Ieteikums]
- Atrašanās vieta: [Rindas numurs vai sadaļa]
- Problēma: [Kas ir nepareizi]
- Labojums: [Kā to risināt]
</output_format>

Pētījuma analīzes veidne

Dziļas Izpētes Uzvedne
<research_task>
[Tēma vai jautājums izpētei]
</research_task>

<methodology>
- Sāc ar vairākiem mērķtiecīgiem meklējumiem; nepaļaujies uz vienu vaicājumu
- Pēti dziļi, līdz tev ir pietiekami daudz informācijas 
  precīzai, visaptverošai atbildei
- Pievieno mērķtiecīgus sekojošus meklējumus, lai aizpildītu nepilnības vai atrisinātu nesaskaņas
- Turpini iterēt, līdz tālāka meklēšana, visticamāk, nemainīs 
  atbildi
</methodology>

<output_requirements>
- Vadi ar skaidru atbildi uz galveno jautājumu
- Pamato ar pierādījumiem un citātiem
- Atzīsti ierobežojumus un nenoteiktības
- Sniedz konkrētus piemērus, kur tas ir noderīgi
- Iekļauj būtisku kontekstu seku izpratnei
</output_requirements>

<citation_format>
[Kā vēlaties, lai avoti tiktu citēti]
</citation_format>

Tīmekļa izpētes aģents

Visaptveroša Tīmekļa Izpēte
<core_mission>
Atbildi uz lietotāja jautājumu pilnībā un palīdzīgi, ar pietiekami daudz pierādījumiem, 
lai skeptisks lasītājs tam ticētu.

Nekad neizdomā faktus. Ja nevari kaut ko pārbaudīt, saki to skaidri.

Pēc noklusējuma esi detalizēts un noderīgs, nevis īss.

Pēc tiešā jautājuma atbildēšanas pievieno augstas vērtības blakus materiālu, 
kas atbalsta lietotāja pamatmērķi, nenovirzoties no tēmas.
</core_mission>

<research_rules>
- Sāc ar vairākiem mērķtiecīgiem meklējumiem; izmanto paralēlus meklējumus
- Nekad nepaļaujies uz vienu vaicājumu
- Turpini iterēt, līdz viss ir patiess:
  - Tu esi atbildējis uz katru jautājuma daļu
  - Tu esi atradis konkrētus piemērus un augstas vērtības blakus materiālu
  - Tu esi atradis pietiekamus avotus galvenajiem apgalvojumiem
</research_rules>

<citation_rules>
- Novieto citātus aiz katras rindkopas, kas satur ne pilnībā acīmredzamus 
  apgalvojumus, kas atvasināti no tīmekļa
- Neizdomā citātus
- Izmanto vairākus avotus galvenajiem apgalvojumiem, kad iespējams
</citation_rules>

<ambiguity_handling>
- Nekad neuzdod precizējošus jautājumus, ja vien lietotājs to skaidri nepieprasa
- Ja vaicājums ir divdomīgs, norādi savu labāko interpretāciju, tad 
  visaptveroši aptver visticamākos nodomus
</ambiguity_handling>

Prompt Engineering nākotne

Rakstot šo 2026. gada sākumā, prompt engineering strauji attīstās. Modeļi kļūst spējīgāki, labāk vadāmi un uzticamāki. Daži paredz, ka prompt engineering kļūs novecojusi, jo AI kļūs labāks nodomu saprašanā. Es nepiekrītu.

Tas, kas mainās, ir prompt engineering līmenis, nevis tā nepieciešamība. Agrīnās dienās bija nepieciešamas sarežģītas uzvednes pamata uzdevumiem. Tagad pamata uzdevumi darbojas uzreiz, bet sarežģītas aģentu darbplūsmas joprojām prasa izsmalcinātu uzvedņu rakstīšanu. Slieksnis ceļas, nevis izzūd.

🔮

Prompt engineering neizzūd – tā attīstās. Prasmes, kam ir nozīme, mainās no "kā piespiest AI darboties" uz "kā piespiest AI darboties izcili un uzticami mērogā".

Kas nāk

Labāka noklusējuma uzvedība

Modeļiem būs viedāki noklusējuma iestatījumi, kas prasīs mazāk skaidru instrukciju parastiem modeļiem. Uzvednes vairāk koncentrēsies uz pielāgošanu, nevis pamata spēju.

Bagātākas rīku ekosistēmas

AI būs piekļuve vairāk rīkiem uzreiz pēc palaišanas. Prompt engineering pāries uz orķestrēšanu – zinot, kad ko izmantot, ne tikai kā.

Multimodāla integrācija

Uzvednes arvien vairāk iekļaus attēlus, audio, video un strukturētus datus līdzās tekstam. Parādīsies jauni modeļi multimodāliem uzdevumiem.

Aģenta sarežģītība

Tā kā aģenti apstrādā garākus, sarežģītākus uzdevumus, prompt engineering kļūs vairāk par sistēmu dizainu – arhitektūru, nevis tikai instrukcijām.

Mans padoms nākotnei

Koncentrējieties uz pamatiem. Specifiskās tehnikas šajā rokasgrāmatā attīstīsies, bet pamatprincipi – skaidra komunikācija, skaidras cerības, strukturēta domāšana, iteratīva pilnveidošana – ir mūžīgi. Apgūstiet tos, un jūs pielāgosieties jebkam, kas nāks tālāk.

Noslēguma domas

Pirms diviem gadiem es domāju, ka AI aizstās nepieciešamību skaidri komunicēt. Es pilnībā kļūdījos. AI padarīja skaidru komunikāciju vērtīgāku nekā jebkad agrāk. Cilvēki, kuriem ar AI veicas, nav tie, kas atrada maģiskos vārdus – tie ir tie, kas iemācījās domāt un izteikties ar precizitāti.

Prompt engineering patiesībā nav par AI. Tā ir par jums. Tā ir par disciplīnas attīstīšanu formulēt, ko jūs patiešām vēlaties, pacietību iterēt līdz tam un pazemību mācīties no tā, kas nedarbojas.

Ja jūs no šīs rokasgrāmatas paņemat vienu lietu, lai tā būtu šī: izturieties pret katru uzvedni kā pret iespēju praktizēt skaidru domāšanu. AI ir tikai spogulis, kas atstaro atpakaļ jūsu pašu prāta skaidrību – vai apjukumu.

AI rašanās nepadarīja zināšanas novecojušas – tā padarīja zinātkāri spēcīgāku nekā jebkad agrāk. Mūs vairs neierobežo tas, ko mēs jau zinām. Ar pareizajiem rīkiem un vēlmi domāt, parasti cilvēki var aptvert zināšanu okeānu. Neatkarīgi no profesijas. Neatkarīgi no vecuma. Es ceru dalīties šajā ceļojumā ar draugiem visā pasaulē. Kopā sagaidīsim šo jauno pasauli. Kopā mēs augam.

Pēdējo reizi atjaunināts: 2026. gada 24. janvārī · Balstīts uz oficiālo dokumentāciju, pētnieciskajiem darbiem un plašu personīgo eksperimentēšanu

Discussion

0 comments

Leave a comment

Be the first to share your thoughts on this article!