ساخت اسکیل برای ایجنت با هوش مصنوعی
کاری رو که هر بار برای ایجنت توضیح میدید به یک اسکیل تبدیل کنید. با چند درخواست واقعی امتحان کنید که ایجنت کجا باید سراغش بره و کجا بهتره همون روش قبلی رو ادامه بده.
ساخت اسکیل برای ایجنت با هوش مصنوعی از جایی به درد میخوره که بتونید بگید دفعه قبل دقیقا چی اشتباه شد. فرض کنید ایجنت گزارش هفتگی رو خوب مینویسه، ولی هر بار کارهایی رو هم که هنوز تایید نشده به فهرست کارهای قطعی اضافه میکنه. همین فرق کوچک میتونه موضوع یک دستور قابل استفاده باشه. لازم نیست از اول به ایجنت یاد بدید گزارش چیه.
با skill-shaper مقایسه رو از یک گفتگوی تازه شروع میکنید. درخواست واقعی رو بدون اسکیل امتحان میکنید و میبینید کدوم نکته برای کسی که از قبل با پروژه آشنا نیست روشن نبوده. شاید یک خط در راهنمای پروژه کافی باشه. شاید هم ایجنت بین دو اسکیل اشتباه میکنه و تنها چیزی که باید تغییر کنه توضیح اسکیل قبلی باشه.
کاربردها
- پیدا کردن مرحلهای که در یک کار تکراری جا میافته
- نوشتن توضیح اسکیل با عبارتی که خود اعضای تیم به کار میبرن
- جدا کردن دو درخواست مشابه که خروجی متفاوت دارن
- امتحان کردن انتخاب اسکیل در یک گفتگوی تازه
- تصمیم بین اسکیل شخصی و اسکیلی که باید همراه فایلهای پروژه بمونه
نصب و استفاده
- یک ایجنت سازگار با اسکیل و دسترسی به پوشه مناسب لازم دارید. یک درخواست نمونه و نتیجهای رو که ازش انتظار دارید آماده کنید؛ برای مقایسه هم امکان باز کردن یک گفتگوی تازه مفیده.
- بگید: «برای گزارش هفتگی یک اسکیل بسازید. اول این نمونه رو بدون اسکیل امتحان کنید و ببینید پیشنهادهایی که هنوز تایید نشده از تصمیمهای تیم جدا میمونن یا نه.»
- در یک گفتگوی دیگه درخواست نزدیک اما متفاوتی بدید. مثلا بخواید از پیشنهادها ایده دربیاره. ببینید آیا ایجنت بیدلیل قالب گزارش رو روی این کار هم اعمال میکنه یا نه.
سوالات متداول
منبع
ساخته overment. نام اصلی: skill-shaper، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub