Огромная база промптов для нейросетей

Создайте свои собственные LLM рабочие процессы с помощью 'Оркестрации как кода'

ChatGPT Программирование 29
Typhoonsg1

Автор промпта

@Typhoonsg1

Этот промпт поможет разработать рабочие процессы для LLM, используя декларативный подход. Вы сможете легко создавать, версионировать и запускать рабочие процессы, что особенно полезно для пользователей локальных моделей.

Как использовать этот промпт

"1. Скопируйте промпт и вставьте его в интерфейс. 2. Заполните переменные [РОЛЬ], [АГЕНТЫ], [МОДЕЛИ/ПОСТАВЩИКИ] и другие, чтобы определить свой процесс. 3. Получите структурированный файл .orc для вашего рабочего процесса."

Пример ответа нейросети

""agent researcher:\n provider: ollama\n model: gpt-oss:20b\nschema Report:\n type: json\n path: 'report.schema.json'\nworkflow dockerReport:\n input:\n docker_status: string\nstep analyse:\n agent: researcher\n input: docker_status\n produces: Report\n\nЭтот пример демонстрирует, как вы можете описывать рабочие процессы в формате .orc, который легко читать и проверять. Такой подход упрощает процесс создания сложных оркестраций в вашем проекте.""

Похожие промпты в категории «Программирование»

Создай идеальный инструмент для поиска гиперпараметров для диффузионных моделей

Этот промпт поможет вам создать инструмент для систематизации и автоматизации поиска гиперпараметров при обучении диффузионных моделей. Он описывает, как максимально эффективно протестировать различные конфигурации и выбрать наилучшую, основываясь на количественных показателях.

Смотреть

Создайте полный проект для картирования когнитивной и многоагентной AI системы

Этот промпт поможет вам создать детальную карту когнитивной инфраструктуры и многоагентной системы AI. Он направит вас на проработку всех необходимых компонентов и модуляции системы для автоматизации процессов и принятия решений. Используйте его для построения эффективной и прибыльной структуры.

Смотреть

Как эффективно извлекать информацию из кода с помощью LLM

Промпт поможет разработчикам и инженерам извлекать информацию из кодовых баз, используя LLM и графовые подходы. Узнайте, что выбрать для лучшей производительности в анализе кода.

Смотреть

Вы недавно смотрели

Сохранено в браузере
🍪

Мы используем Cookies и LocalStorage

Это необходимо, чтобы сохранять вашу Историю просмотров, подставлять ваши данные в Конструкторе и добавлять промпты в Избранное. Мы не передаем эти данные третьим лицам.