Rozwijanie poprzednich odpowiedzi

Rozmowa wieloturowa z modelem AI to wspólne tworzenie — każda wymiana dodaje coś nowego, zamiast zastępować wcześniejszą treść.

Różni się to od pisania promptów uzupełniających w celu naprawiania błędów. Rozwijanie wcześniejszych odpowiedzi oznacza wykorzystywanie poprzedniego wyniku modelu jako materiału wyjściowego: rozszerzanie go, wybieranie z niego elementów, łączenie ich na nowo lub analizowanie ich z nowej perspektywy.

Opanowanie tego wzorca pozwala tworzyć złożone, wielowarstwowe wyniki, których przygotowanie za pomocą jednego promptu byłoby niemożliwe.

Najprostszy schemat budowania polega na odwoływaniu się do tego, co model właśnie napisał:

• „Na podstawie tego, co napisano powyżej, jakie są trzy największe zagrożenia?”
• „Proszę zastosować opisany przez siebie framework do kontekstu opieki zdrowotnej.”
• „Proszę, zachowując ton z ostatniej odpowiedzi, przepisać ten nowy akapit.”
• „Z wygenerowanej listy, który element należy potraktować jako priorytetowy i dlaczego?”

Takie odwołania pozwalają modelowi opierać się na jego wcześniejszej pracy, zapewniając ciągłość między kolejnymi turami.

Gdy model wygeneruje listę lub zestaw opcji, można wybrać jeden element i poprosić o jego rozwinięcie:

• „Proszę wziąć drugą opcję z listy i rozwinąć ją w kompletny plan.”
• „Najbardziej podoba mi się trzecie podejście. Proszę napisać 300-słowny przewodnik wdrożenia.”
• „Opcja B jest najbliższa moim potrzebom. Proszę rozwinąć ją, podając konkretne kroki i harmonogram.”

Ten schemat jest bardzo przydatny w pracy koncepcyjnej: w jednej turze generują Państwo opcje, a w następnej wybierają jedną z nich i ją rozwijają.

Można poprosić model o zastosowanie struktury jednej odpowiedzi do nowej treści:

• „Proszę, korzystając z tej samej struktury co w ostatniej odpowiedzi, przeanalizować konkurenta B.”
• „Proszę zastosować ten sam format składający się z pięciu sekcji do tego nowego produktu.”
• „Proszę zastosować utworzony powyżej konspekt, ale wypełnić go treścią przeznaczoną dla odbiorców B2B zamiast B2C.”

Jest to niezwykle przydatne podczas tworzenia spójnych, równoległych dokumentów — raportów, porównań i analiz, które muszą opierać się na tym samym szablonie w przypadku wielu tematów.

Rozmowy wieloturowe pozwalają stopniowo zwiększać poziom szczegółowości:

1. Tura 1: „Proszę przedstawić ogólny przegląd potoków uczenia maszynowego.”
2. Tura 2: „Proszę dokładniej omówić etap wstępnego przetwarzania danych.”
3. Tura 3: „Proszę podać przykład kodu w Pythonie pokazującego obsługę brakujących wartości na tym etapie wstępnego przetwarzania.”
4. Tura 4: „Proszę teraz dodać obsługę błędów i rejestrowanie zdarzeń do tego przykładu kodu.”

W każdej turze zagłębiają się Państwo o jeden poziom. Takie podejście zapewnia większą kontrolę niż prośba o wszystko naraz w jednym złożonym promptcie.

W dłuższych rozmowach można połączyć elementy pochodzące z wielu wcześniejszych tur:

• „Proszę połączyć persony użytkowników z tury 2 z funkcjami produktu z tury 4 i napisać dopasowaną prezentację ofertową dla każdej persony.”
• „Proszę wziąć wcześniej zidentyfikowane zagrożenia oraz strategie ich ograniczania z ostatniej odpowiedzi i utworzyć macierz ryzyka.”

Najlepiej sprawdza się to wtedy, gdy każda wcześniejsza tura dostarczyła wyraźnie oznaczony, odrębny fragment treści. Nieuporządkowane wcześniejsze tury utrudniają odwoływanie się do nich zarówno Państwu, jak i modelowi.

Rozmowy wieloturowe mają praktyczne ograniczenie: okno kontekstu modelu. Każda wiadomość — zarówno Państwa, jak i modelu — jest uwzględniana w kontekście wysyłanym do API. W miarę wydłużania się rozmowy starsze wiadomości mogą zostać obcięte.

Praktyczne strategie:

• Podsumowywanie i kompresowanie wcześniejszych tur, gdy nie są już potrzebne w pełnych szczegółach
• Rozpoczynanie nowej rozmowy, gdy temat zasadniczo się zmienia
• Utrzymywanie zwięzłości poszczególnych odpowiedzi, aby model mógł uwzględnić większą część wcześniejszej rozmowy

W Pythonie kontekst rozmowy wieloturowej jest utrzymywany przez dodawanie każdej pary wiadomości do listy historii rozmowy:

Odwołując się do wcześniejszej odpowiedzi, należy precyzyjnie określić, co ma się na myśli. Niejasne odwołania zmuszają model do zgadywania:

• Niejasne: „Proszę rozwinąć to, co napisano wcześniej.”
• Jasne: „Proszę rozwinąć trzeci punkt wypunktowania z poprzedniej odpowiedzi — ten dotyczący trudności związanych z wdrażaniem nowych użytkowników.”

Jeśli wcześniejsza odpowiedź miała wiele sekcji, należy wskazać nazwę sekcji. Jeśli była to lista, należy podać numer elementu. Im precyzyjniej zakotwiczą Państwo odwołanie, tym bardziej niezawodnie model za nim podąży.

Tworzenie wieloetapowe doskonale nadaje się do opracowywania uporządkowanych dokumentów, takich jak raporty, plany czy propozycje:

1. Tura 1: Utworzenie konspektu
2. Tura 2: Napisanie sekcji 1
3. Tura 3: Napisanie sekcji 2 z zachowaniem tonu z sekcji 1
4. Tura 4: Napisanie podsumowania dla kadry kierowniczej na podstawie sekcji 1 i 2

Takie podejście etapowe zapewnia kontrolę nad każdą sekcją przed przejściem do następnej, a także pozwala zmienić kierunek w trakcie tworzenia dokumentu bez utraty całej dotychczasowej pracy.

Tworzenie wieloetapowe może pójść źle, gdy model traci z oczu wcześniejszy kontekst. Oznaki utraty wątku:

• Model zaprzecza czemuś, co powiedział dwie tury wcześniej
• Ignoruje ograniczenie ustalone na początku rozmowy
• Wraca do ogólnych porad zamiast korzystać z konkretnego frameworka utworzonego wspólnie z Państwem

Rozwiązanie: w następnej wiadomości należy wyraźnie ponownie przedstawić najważniejszy kontekst, zamiast zakładać, że model go pamięta. „Jak ustaliliśmy, odbiorcami są nietechniczni członkowie kadry kierowniczej. Mając to na uwadze…”

Rozmowy wieloturowe to skuteczny sposób na stopniowe tworzenie złożonych wyników. Najważniejsze techniki to: odwoływanie się do wcześniejszych odpowiedzi za pomocą ich nazw lub numerów, wybieranie i rozwijanie konkretnych elementów, stosowanie struktury jednej odpowiedzi do nowej treści oraz iteracyjne pogłębianie w kolejnych turach.

Precyzyjne zakotwiczanie odwołań i świadomość ograniczeń okna kontekstu to najważniejsze umiejętności zapobiegające utracie spójności w rozmowach wieloturowych.

W następnej lekcji dowiedzą się Państwo, kiedy przerwać rozmowę i rozpocząć nową, zamiast dalej ją rozbudowywać.