@cartainc a créé un prompt système pour son agent en utilisant Lucidchart pour diagrammer le flux de travail complet d'un expert du domaine. Ensuite, un générateur de prompt interne a converti cela en JSON, qui a été intégré dans l'agent de manière programmatique. "Les équipes qui comprennent le mieux le domaine contribuent directement à la conception des prompts et du contexte, améliorant la vitesse et la pertinence sans avoir besoin de former des modèles ou d'apprendre le ML," déclare @JayantTikmani. Voici leurs techniques de prompting de référence, qui reposent fortement sur l'apprentissage en contexte. Pour l'histoire complète de la façon dont Carta a construit un agent qui a permis aux équipes internes d'économiser plus de 3 500 heures par mois, suivez le lien dans les commentaires.