提示工程实战笔记:银行AIGC业务理解与新工作流搭建
内容来源:文因互联业务分析师&提示工程师分享,内容有删减。 导 读 将AIGC真正落地到专业领域,让AI真正成为专家,需融入领域 know-how,围绕大模型构建起一套新的工作流。专业、创新、落地、三者缺一不可。 文因互联的提示工程实验室(PEARL)专注于此,基于自研通用撰写平台,实现适配各种细分场景,丰富的落地实践,已验证提示工程能力全面为业务理解、工作流搭建、实际交付等流程提升效率。 接下来,以银行撰写需求为例,与您探讨 提示工程可以发挥哪些作用?提示工程师如何用它辅助构建高效的撰写工作流? 来自银行的调研报告,大多都是在同一个大纲上填写出来的,如何基于多份同质化报告以及固定大纲形成一个更全面的报告?这里涉及 文档解析、数据整合、自动分析以及报告撰写等一系列问题。 STEP1 文本业务逻辑梳理 这些调研报告大部分是和商品有关的,可能是食品、药品、贵金属、住房。我们的目标是先汇总这些很模板化、格式化的调研报告,拥有全量数据后为进一步的分析提供参考。 #01 目标大致可以分为三类任务: 第一类是 信息汇总和分类。比如报告中某商品本月涨价了百分之多少,先汇总所有报告中的这些数据再进行分类。 第二类是 因果归因和分类。比如报告显示某商品价格上涨了,是什么原因导致的? 第三类是 语气调整。报告的文字需要根据具体需要,进行适当的调整,然后输出成完整的报告内容。 以语气调整为例,明确调整方向的需求例如“从某视角出发”的很好理解,但一些包含中性和非中性的需求就不好理解,例如“理性且乐观”,这种需求交给大模型去做改写会更好,输出水平也会高于预期。 把调研报告粗暴地规划成三部分内容: 第一部分是 事实,本月某商品价格是多少,较上月上涨了百分之多少。 第二部分是 归因,调研报告中总结的可能因素(比如供应链上/下游、供给/需求侧的某些变化导致了价格的上涨或者下跌)。 第三部分是 预期,基于前面的事实和归因,在未来一段时间内,预计某商品的价格是会上涨、下跌还是维稳。 #02 对应需求,来看我们如何处理: 1. 抽取和分类:从调研报告中抽出所有的事实,然后按照我输入的业务知识进行分类(摆摆好)。 2. 归因和分类:先汇总每份调研报告的因果分析,把上一步收集、分类好的事实放进来,让大模型去做交叉连线(比如报告A中的归因,是不是对应了报告B上报的事实)。 3. 语气改写:归结起报告中前面汇总、处理过的信息后,根据需求用大模型进行改写。这就是大模型很擅长,人工不太擅长的工作。 最后,我们就会输出一个完整的调研报告了。 STEP2 提示工程工作流搭建 #01 撰写平台工作流梳理 接入需求后,借助模型管理平台可以进行工作流的梳理和单元测试,来看看怎么处理工作流。 用户端检索到相应的素材后对应到提示词,这个提示词里引用的可能是知识库里的上下文,也可能是最初输入的信息。整个流程相当于五个独立的RAG,先进行检索然后撰写,如此运行,最终按照章节标题和内容的顺序输出结果。 #02 提示工程的应用探索...













AI模型开发