@cartainc ha creato un prompt di sistema per il suo agente utilizzando Lucidchart per diagrammare il flusso di lavoro completo di un esperto del settore. Poi un generatore di prompt interno ha convertito questo in JSON, che è stato alimentato nell'agente in modo programmatico. "I team che comprendono meglio il dominio stanno contribuendo direttamente alla progettazione di prompt e contesto, migliorando la velocità e la rilevanza senza dover addestrare modelli o imparare il ML," afferma @JayantTikmani. Ecco le loro tecniche di prompting di riferimento, che si basano fortemente sull'apprendimento in contesto. Per la storia completa di come Carta ha costruito un agente che ha salvato ai team interni oltre 3.500 ore al mese, segui il link nei commenti.