@cartainc stworzył systemowy prompt dla swojego agenta, używając Lucidchart do zobrazowania pełnego przepływu pracy eksperta w danej dziedzinie. Następnie wewnętrzny generator promptów przekształcił to w JSON, który został wprowadzony do agenta programowo. "Zespoły, które najlepiej rozumieją daną dziedzinę, bezpośrednio przyczyniają się do projektowania promptów i kontekstu, poprawiając prędkość i trafność bez potrzeby szkolenia modeli czy nauki ML," mówi @JayantTikmani. Oto ich techniki tworzenia promptów, które w dużej mierze opierają się na uczeniu w kontekście. Aby poznać pełną historię tego, jak Carta zbudowała agenta, który zaoszczędził wewnętrznym zespołom ponad 3,500 godzin miesięcznie, kliknij w link w komentarzach.