بهترین شیوه های مهندسی سریع
با دستورات مانند کد رفتار کنید: به آنها ساختار بدهید، آنها را نسخه کنید، آنها را ارزیابی کنید. در زیر شش روشی وجود دارد که از ده ها مسیر تولید در Starsg جان سالم به در بردند - آنهایی که به طور مداوم سوزن را به ترتیبی که اهمیت دارند حرکت می دادند.
1. نقش و هدف را تعیین کنید
یک یا دو خط اول باید دیدگاه مدل را ثابت کند: چه کسی است، برای چه کسی می نویسد، موفقیت چگونه به نظر می رسد. تراکم اصطلاح، لحن و انتخاب مواردی که باید شامل شود همگی از این لنگر خارج می شوند - بسیار ارزان تر از بازگرداندن مدل بعداً با «نه خیلی پرمخاطب» یا «نه خیلی آکادمیک». یک افتتاحیه محکم به سه چیز پاسخ می دهد: هویت، مخاطب، هدف.
الگوی تعیین نقش
شما یک مهندس روابط با توسعه دهنده هستید. مخاطب: مهندسان پشتیبان با API های HTTP راحت هستند اما برای LLM ها و قیمت گذاری مبتنی بر توکن جدید هستند. هدف: در سه دقیقه به خواننده کمک کنید تصمیم بگیرد که آیا Starsg ارزش یکپارچهسازی را دارد یا خیر و مرحله بعدی را به او بگویید. از لحن ساده اما حرفه ای استفاده کنید. از پرزهای بازاریابی خودداری کنید.
2. تکلیف را به صراحت بنویسید
«نوشتن یک محو محصول» هر تصمیمی را به مدل میدهد - هر اجرا یک حدس است. یک دستورالعمل قابل استفاده مجدد حداقل دارای پنج عنصر است: کنش (نوشتن/خلاصه/ترجمه)، شی (چه چیزی)، مخاطب (برای چه کسی)، لحن/سبک، و طول یا شکل. آنها را بنویسید و ثبات خروجی شما فوراً به یک ردیف میپرد.
❌ خیلی مبهم
برایم توضیح محصول بنویسید
✅ هر پنج عنصر
به زبان ~200، برای مهندسین باطن، سه متمایز کننده از Starsg (دروازه یکپارچه، صورتحساب هر کلید، چند مدل بازگشتی) معرفی کنید. لحن: حرفه ای و محدود. از کلماتی مانند «توانمندسازی» یا «نسل بعدی» اجتناب کنید. با یک فراخوان مشخص برای اقدام پایان دهید.
3. زمینه و مثال ها را ارائه دهید (چند شات)
هر چه الزام انتزاعی تر باشد، نمونه های بیشتری نگه داری می شوند. یک تا سه جفت «ورودی → خروجی مورد انتظار» ارزش ده خط توضیح را دارند. چند شات به ویژه زمانی که قالب ثابت است (طبقه بندی، استخراج، JSON)، زمانی که توصیف سبک با کلمات دشوار است، یا زمانی که دامنه دارای قراردادهای خاص خود است (قانونی، پزشکی، سیستم های داخلی) تعیین کننده است. کاری کنید که مثالها توزیع واقعی را پوشش دهند - نه فقط موارد آسان.
نمونه استخراج چند شات
از متن تیکت پشتیبانی زیر، سه فیلد را استخراج کنید: «type / scope / severity». خروجی فقط JSON.
مثال 1:
ورودی: کاربران خطاهای ورود به سیستم را در منطقه گوانگژو گزارش می کنند. پشتیبانی تلفنی بیش از حد بارگذاری شده است.
خروجی: {"type":"login","scope":"Guangzhou region","severity":"P1"}
مثال 2:
ورودی: یک حساب آزمایشی موجودی اشتباه را نشان می دهد. فقط QA داخلی تحت تأثیر قرار می گیرد.
خروجی: {"type":"account","scope":"internal QA","severity":"P3"}
اکنون فرآیند:
ورودی: گیتوی Beijing API 502 را برمیگرداند. همه کاربران پولی تحت تأثیر قرار می گیرند.4. فرمت خروجی را محدود کنید
هر چیزی که یک سیستم پایین دست مصرف می کند باید قابل تجزیه باشد. JSON؟ طرح و یادداشت های میدانی ارائه دهید. لیست؟ تعداد و شکل هر مورد را پین کنید. درپوش طول؟ بگو عبارتی مانند «اگر فیلد وجود ندارد، آن را باطل تنظیم کنید - اختراع نکنید» اضافه کنید و به طور قابل اندازه گیری توهمات را کاهش خواهید داد.
محدودیت خروجی JSON
رزومه زیر را به JSON تبدیل کنید که کاملاً با این طرح مطابقت دارد:
{
"name": string,
"yearsOfExperience": number,
"skills": string[], // at most 5, lowercase
"summary": string // <= 60 words
}
اگر منبع فیلدی را ذکر نکرد، آن را null قرار دهید - اختراع نکنید. خروجی JSON فقط، بدون متن اطراف.5. تجزیه وظایف پیچیده (با زنجیره فکر)
درخواست از یک مدل برای «تجزیه و تحلیل + برنامه ریزی + تولید» در یک عکس معمولاً جزئیات را از دست می دهد یا استدلال را به عنوان پاسخ نهایی در نظر می گیرد. دو گزینه: اجازه دهید گام به گام درونی فکر کند، یا خودتان کار را به چند نوبت تقسیم کنید. برای گردشهای کاری قابل ممیزی، ما دومی را ترجیح میدهیم - هر واسطه را نگه دارید تا بعداً بتوانید مشخص کنید کدام مرحله شکست خورده است.
قالب مرحله به مرحله
من به شما مشخصات محصول می دهم. آن را در سه مرحله پردازش کنید و هر کدام را با یک عنوان ## جدا کنید: ## 1. اطلاعات کلیدی لیست گلوله: کاربر هدف، سناریوی اصلی، ویژگیهای ضروری، چیزهایی که به وضوح خارج از محدوده هستند. ## 2. خطرات و نکات نامشخص هر چیز مبهم یا متناقض را در مشخصات فهرست کنید، هر کدام یک جمله. ## 3. مراحل بعدی سه اقدام مشخص و قابل اجرا بعدی را به ترتیب اولویت به PM بدهید. مشخصات: <<< >>>
6. تکرار و ارزیابی کنید
دستورات خوب نوشته نمی شوند، تکرار می شوند. یک مجموعه ارزش ثابت بسازید (موارد 20–50 که نرمال + لبه + حریف را پوشش می دهد). آن را در هر تغییر سریع اجرا کنید و نرخ ضربه، میانگین طول و هزینه توکن را ثبت کنید. نسخه درخواستهای شما مانند کد - هر تغییری یک دلیل و یک خط پایه رگرسیون دارد، هیچ «این بار احساس بهتری ندارد».
- مجموعه داده ثابت که موارد عادی، لبه و متخاصم را پوشش می دهد.
- یک متغیر را در هر تکرار تغییر دهید (دستورالعمل، تعداد مثال، محدودیت قالب) - در غیر این صورت انتساب گل آلود است.
- نرخ ضربه / میانگین نشانه ها / حالت های خرابی در هر نسخه را در یک برگه ردیابی کنید.
- در بین مدلها آزمایش کنید - همان اعلان اغلب در Claude / GPT / Gemini بسیار متفاوت عمل میکند.