підказка у форматі json або xml збільшує вихід LLM у 10 разів Чому Тому що структуровані формати дають моделі чіткі межі та очікування коли ви запитуєте неструктурований текст, LLM має вгадати: Як довго це має тривати? які розділи мені потрібні? Коли я закінчу? Який рівень деталізації? але з JSON/XML ви буквально надаєте шаблон: json{ "summary": "", "key_points": [], "аналіз": "", "Рекомендації": [] } Тепер модель точно знає, що потрібно наповнювати і приблизно, скільки контенту потрібно кожному розділу Це як різниця між "написати щось про автомобілі" та "заповнити цю форму огляду автомобіля з цими 12 конкретними полями" Структура усуває параліч прийняття рішень і дає моделі дозвіл бути всеосяжною плюс JSON/XML, природно, заохочує модель думати організованими фрагментами, а не просто потоковим текстом, поки вона не відчує себе «готовою» [Ось мета-хак] Навіть не намагайтеся писати структуровані підказки з нуля Замість цього: 1. Перетворення голосу в текст Мозок скидає все, що ви хочете проаналізувати/дослідити/написати. 2. вставте цю безладну транскрипцію в штучний інтелект 3. Попросіть його «створити структуру запитів JSON на основі цього мозкового дампу, яка б отримала найкращий можливий результат» 4. візьміть згенерований шаблон JSON 5. Надішліть його назад як фактичний запит Ви отримуєте всі переваги структурованих підказок без необхідності самостійно продумувати структуру штучний інтелект краще за вас знає, які галузі будуть найкориснішими перетворює ваш потік свідомості на підказку професійного рівня за 30 секунд Спробуйте самі - попросіть однаковий аналіз у формі абзацу проти структурованого формату Структурована версія з кожним разом буде в 3-5 разів довшою і набагато деталізованішою