kehote JSON- tai XML-muodossa lisää LLM-tulostusta 10-kertaiseksi Miksi Koska strukturoidut muodot antavat mallille selkeät rajat ja odotukset kun pyydät jäsentämätöntä tekstiä, LLM:n on arvattava: Kuinka pitkä tämän pitäisi olla? mitä osioita tarvitsen? milloin olen valmis? Minkä tasoinen yksityiskohtaisuus? mutta JSON/XML:n avulla tarjoat kirjaimellisesti mallin: json{ "yhteenveto": "", "key_points": [], "analyysi": "", "Suositukset": [] } Nyt malli tietää tarkalleen, mitä täyttää ja kuinka paljon sisältöä kukin osio tarvitsee Se on kuin ero "kirjoita jotain autoista" ja "täytä tämä auton arvostelulomake näillä 12 erityisellä kentällä" rakenne poistaa päätöksenteon halvaantumisen ja antaa mallille luvan olla kokonaisvaltainen Lisäksi JSON/XML luonnollisesti kannustaa mallia ajattelemaan järjestetyissä paloissa sen sijaan, että vain suoratoistaisi tekstiä, kunnes se tuntuu "valmiilta" [Tässä on metahakkerointi] Älä edes yritä kirjoittaa jäsenneltyjä kehotteita tyhjästä sen sijaan: 1. Ääni tekstiksi aivodumppi kaikki mitä haluat analysoida/tutkia/kirjoittaa 2. liitä sotkuinen transkriptio tekoälyyn 3. pyydä sitä "luomaan tähän aivovedokseen perustuva JSON-kehoterakenne, joka saisi parhaan mahdollisen tuloksen" 4. Ota luotu JSON-malli 5. Lähetä se takaisin varsinaisena kehotteena Saat kaikki jäsennellyn kehotteen edut ilman, että sinun tarvitsee miettiä rakennetta itse tekoäly tietää, mitkä kentät olisivat hyödyllisimpiä paremmin kuin sinä muutenkin muuttaa tajunnanvirtasi ammattitason kehotteeksi 30 sekunnissa Kokeile itse - pyydä samaa analyysiä kappalemuodossa ja strukturoidussa muodossa Strukturoitu versio on 3-5 kertaa pidempi ja paljon yksityiskohtaisempi joka kerta