Pisz skuteczne prompty | Centrum pomocy AI Engine

Praktyczne wskazówki dla szablonów promptów, które dają konkretne, wiarygodne odpowiedzi — struktura, język, dane, guardrails i testowanie.

Szablony promptów decydują o tym, czy AI Engine daje Twojemu zespołowi konkretne odpowiedzi, czy ogólnikowe. Ich pisanie to praca konfiguracyjna, a nie programistyczna, i często jest to zmiana, która najbardziej poprawia odpowiedzi. Ten artykuł zbiera to, co działa. Mechanikę opisują artykuły Utwórz szablony promptów i Dodaj źródła danych.

Zacznij od ludzi, którzy wykonują tę pracę#

Szablon napisany pod hasłem „oceń ryzyko klienta” bez własnych kryteriów Twojej firmy daje coś bezbarwnego. Treść, która czyni szablon użytecznym, pochodzi od osoby, która dziś dokonuje tej oceny. Zapytaj doświadczonego handlowca lub kierownika sprzedaży:

Co sprawdzasz najpierw, gdy otwierasz to konto?
Co mówi Ci, że transakcja ma kłopoty?
Co powinien zauważyć nowy kolega, a czego zwykle nie zauważa?
Pokaż mi konto, o które się martwisz, i takie, o które się nie martwisz. Jaka jest różnica?

Ich odpowiedzi są rdzeniem szablonu.

Struktura, która działa#

Rola i cel. Co robi AI i dla kogo. „Przygotowujesz kierownika sprzedaży do kwartalnego przeglądu konta.”
Dane. Nazwij dane, na których pracuje: {context} dla rekordu, bloki {data:name} pod czytelnymi nagłówkami, {playbook} dla kontekstu firmy.
Zadanie. Jedno zadanie, określone konkretnie.
Ograniczenia. Czego nie robić, prostymi słowami.
Format. Sekcje, liczba punktów, długość każdej sekcji.

Przykład#

{playbook}

You are preparing an account manager for a renewal call.

RECORD:
{context}

OPEN CASES FOR THIS ACCOUNT:
{data:open_cases}

Write:
1. Account health in two sentences.
2. Up to three risks, each with the evidence from the data above.
3. Three questions to ask in the call.

Rules: use only the data above. If a section has no data, say so in one sentence.
Do not offer discounts or promise delivery dates.

Zasady, które sprawdzają się w praktyce#

Jeden szablon, jedno zadanie. Szablon, który prosi o sześć rzeczy, daje słabsze odpowiedzi i częściej wyczerpuje miejsce na odpowiedź niż trzy szablony, z których każdy prosi o dwie rzeczy.
Pisz w języku odpowiedzi. Instrukcje po angielsku zwykle dają odpowiedzi po angielsku. Jeśli Twój zespół pracuje w innym języku, napisz szablon w tym języku. Gdy na pasku Actions wybrano język inny niż angielski, AI Engine dodatkowo dodaje instrukcję, aby odpowiadać w tym języku.
Podawaj limity dla każdej sekcji. „Do pięciu pozycji” i „dwa zdania” są przestrzegane bardziej niezawodnie niż łączna liczba słów.
Powiedz, co zrobić z pustymi danymi. Źródło danych może nic nie zwrócić. Bez instrukcji AI może po cichu pominąć sekcję albo wypełnić ją domysłami. Jedno zdanie, np. „Jeśli sekcja nie ma danych, napisz to i przejdź dalej”, zapobiega obu sytuacjom.
Sumy licz w zapytaniu, nie w AI. Proszenie AI o zsumowanie wierszy zwykle działa, ale czasem nie. Źródło danych z COUNT() lub SUM() daje liczbę, którą możesz sprawdzić w Preview.
Nazywaj bloki danych precyzyjnie. Nagłówek taki jak „OTWARTE SZANSE PO DACIE ZAMKNIĘCIA” jest odczytywany poprawnie. Nagłówek będący samą nazwą pola może zostać źle odczytany.
Wpisuj guardrails do szablonów, których wynik trafia do klienta. W przypadku szkiców i przygotowania do spotkań określ, czego nie wolno mówić, np. o rabatach, przyznawaniu się do winy, obietnicach dostaw czy karach. Reguły obowiązujące wszędzie należą do Compliance Guardrails w playbooku. Szablon otrzymuje je tylko wtedy, gdy zawiera {playbook}.
Odwołuj się tylko do danych, które szablon otrzymuje. Szablon, który pyta o pole niezaznaczone w Agent Objects, dostaje odpowiedź zbudowaną z tego, co jeszcze widzi. Wygląda to na zmyśloną odpowiedź, ale jest luką w konfiguracji.

Zostaw miejsce na odpowiedź#

Długa lub ustrukturyzowana odpowiedź potrzebuje miejsca. Jeśli odpowiedzi szablonu urywają się w połowie zdania albo czasem nic nie zwraca, zanim przepiszesz prompt, sprawdź Max Output Tokens w Org Profile. Szablony używają tej wartości lub 3 500 tokenów, w zależności od tego, która jest wyższa, więc podnieś ją powyżej 3 500, aby dać im więcej miejsca. Odpowiedzi w językach innych niż angielski zużywają więcej tokenów. Zobacz Ustawienia Org Profile.

Testuj przed udostępnieniem#

Uruchom szablon na rekordzie z dużą ilością danych i na rekordzie z bardzo małą. Użytkownicy najpierw trafiają na ten ubogi rekord.
W szablonach ze źródłami danych porównaj odpowiedź z tym, co pokazał Preview.
Uruchom go jako użytkownik ze zwykłymi uprawnieniami, nie tylko jako administrator. Źródła danych działają z uprawnieniami użytkownika, który klika.

Po uruchomieniu produkcyjnym#

W pierwszych tygodniach sprawdzaj w Activity Monitor, z których funkcji ludzie korzystają najczęściej, i pytaj handlowców, jakie pytania wpisują do czatu raz po raz. Activity Monitor pokazuje użycie według funkcji i użytkownika, a nie pytania, które ludzie wpisują, więc trzeba zapytać. Zamieniaj powtarzające się pytania w szablony. Szablon daje spójną odpowiedź i oszczędza użytkownikom konieczności dobrego sformułowania prośby.