Objetivo
Produzir um blueprint para uma habilidade simples, elaborado com o usuário e pronto para ser construído no Claude, ChatGPT ou Copilot. Verifique cada pergunta, linha de rascunho e correção em relação a isto: ajuda o usuário a terminar com a habilidade mais simples que faz o trabalho?
Passos
Novas habilidades e auditorias seguem os mesmos passos. Faça no máximo duas rodadas de perguntas (passos 1 e 4). As paradas nos passos 2 e 5 pedem apenas um sim ou uma alteração. Em cada pergunta ou parada, dê sua recomendação e porquê, para que o usuário possa simplesmente concordar ou alterar. Rascunhe cedo, para que o usuário reaja a algo concreto em vez de responder perguntas no abstrato.
- Entenda a tarefa. Faça uma pergunta aberta que descubra o que o usuário está tentando realizar, como é um bom resultado para ele e qual ferramenta de IA ele usa. Para uma auditoria, peça a habilidade. Pule qualquer coisa que a conversa já respondeu.
- Decida a forma. Uma ou várias habilidades, e passos, um padrão, ou ambos (veja "Dois tipos de habilidade"). Decida pelo objetivo, não pelas entradas: um objetivo é uma habilidade, por mais variadas que sejam as entradas, e dois objetivos significam duas habilidades. Se os passos mudam para a maioria das entradas, verifique se há um segundo objetivo oculto. Recomende uma forma, depois pare e confirme.
- Rascunhe o blueprint. Rascunhe todas as sete partes a partir do que você tem, e marque cada palpite como uma suposição. Para uma auditoria, marque cada parte como presente ou ausente. Considere se uma prática recomendada reconhecida na área (Pirâmide de Minto para roteiros, ASD-STE100 para escrita técnica simples) ou uma persona (um revisor experiente de jornal para uma habilidade que aperta textos) focaria a habilidade, porque nomear uma aponta o LLM para um corpo de prática que ele já conhece e que pode substituir várias regras. Adicione uma apenas quando ela mudar o que o LLM faria, e emparelhe uma persona com o que essa pessoa faz de diferente, já que um papel sozinho muda principalmente o tom. Liste-a como uma suposição com a razão, para que o usuário possa concordar, trocar ou descartar.
- Preencha as lacunas. Em uma mensagem, faça até três perguntas sobre as suposições que mais mudariam a habilidade. Esta é a última rodada; qualquer coisa ainda desconhecida permanece como suposição listada.
- Verifique, depois peça aprovação. Verifique primeiro o blueprint em relação ao que o usuário está tentando realizar (do passo 1), depois em relação a "Como é uma boa habilidade", e corrija o que falhar. Mostre-o e pergunte: "Aprovar como está, alterar algo ou descartar?" (auditoria: "Quais correções permanecem?"). Crie ou altere uma habilidade somente após o usuário aprovar.
Como é uma boa habilidade
Dois tipos de habilidade
- Passos: um processo em ordem, como transformar qualquer transcrição no mesmo resumo.
- Padrão: regras que o resultado deve atender, em qualquer ordem, como escrever na voz de alguém. Em uma habilidade de padrão, o padrão é o Método; em uma habilidade de passos, o padrão para bom vai no Contexto.
- Muitas habilidades usam ambos: passos que terminam com uma verificação contra um padrão.
As sete partes
"O LLM" significa o modelo de IA que executará a habilidade. A terceira coluna dá o primeiro princípio por trás de cada parte: um limite do LLM. Cubra todas as sete. Por padrão, dê a cada parte seu próprio subtítulo. Se o usuário disser que algo é mais importante, use seu julgamento (seu próprio subtítulo ou partes mescladas), desde que cada pergunta abaixo seja respondida.
| Parte | Pergunta a fazer | Porque o LLM... |
|---|---|---|
| Objetivo | Diz, em uma ou duas frases, o que a habilidade está resolvendo, e diz ao LLM para verificar cada passo e o resultado em relação a ele? | recai no objetivo quando um caso não é coberto, então o objetivo deve ser curto o suficiente para ser lembrado a cada passo |
| Gatilho | A descrição diz, em uma frase precisa, o que a habilidade faz e quando usá-la? | vê apenas isso até a habilidade começar, e lê a descrição de toda habilidade em todo chat |
| Entrada | Diz o que o usuário deve fornecer, quando há o suficiente para começar, e o que muda para cada tipo de entrada? Uma mudança em como o trabalho é feito vai no Método como "se isso, então aquilo". | adivinha onde quer que haja uma lacuna |
| Método | Diz o que o LLM faz: passos em ordem, com uma parada terminando em uma pergunta antes de algo difícil de desfazer e onde o julgamento é do usuário, um padrão, ou ambos? | tende a agir e terminar, então não vai pausar a menos que seja instruído onde |
| Contexto | Dá o contexto que o LLM não saberia, como definições, fontes, qualquer prática recomendada ou persona com a qual trabalha, e para quem é o resultado? | só sabe o que está à sua frente |
| Diretrizes e verificação | Nomeia os poucos erros que quebrariam o resultado, cada um com o que fazer em vez disso, e incentiva o LLM a verificar suas conclusões contra algo (a fonte, uma citação, as palavras do usuário) à sua própria maneira? | traz algo proibido à mente, e pode parecer seguro enquanto adivinha |
| Saída | Descreve o resultado e para onde ele vai, dá um exemplo que se encaixa nas pessoas que o usarão, e diz o que significa finalizado? | copia exemplos de perto, e para quando pensa que terminou |
Pode ser seguido?
Pergunte de cada linha:
- Alguém novo na tarefa poderia segui-la sem perguntar o que significa?
- Ela repete ou contradiz outra linha em qualquer lugar da habilidade, incluindo qualquer linha recém-adicionada ou alterada?
Regras de escrita
Simplifique a linguagem usando ASD-STE100 (Inglês Técnico Simplificado) como guia, para que cada linha tenha um único significado que o LLM não possa interpretar mal.
- Instruído: escreva como você instruiria um colega capaz: por que as coisas-chave importam, o contexto de que precisam e as perguntas a fazer para atingir o objetivo. Suficiente para raciocinar, e nada mais, porque o LLM aplica regras nuas rigidamente e uma razão permite que ele lide com casos que a habilidade não listou.
- Conciso: menos é mais. Mantenha as linhas que fazem a maior parte do trabalho (80/20) e corte o resto, mesmo linhas que são verdadeiras e úteis, porque cada linha extra compete pela atenção do LLM. Corte preâmbulos. Cerca de 1.000 palavras é um guia aproximado, não um limite. Coloque as regras-chave no início e no final, porque o LLM presta menos atenção ao meio de textos longos. Se o contexto começar a superar as instruções, sugira movê-lo para um arquivo de referência e deixe o usuário decidir.
- Preciso: use a palavra que melhor obtém o resultado que o objetivo precisa. Preciso significa a palavra exata, e geralmente menos delas.
- Verificável: comece cada instrução com um verbo, e torne instruções e linhas de finalização algo que o LLM possa verificar ("curto" se torna "menos de 100 palavras"). Deixe julgamentos para o objetivo.
- Marcado: use subtítulos para organizar instruções, e envolva apenas material que não é uma instrução, como um exemplo, um modelo ou texto que o usuário cola, em uma tag XML nomeada pelo que é (
<exemplo>). A tag mostra ao LLM onde aquele bloco começa e termina e que é uma amostra, não uma ordem. Mantenha tags no corpo, já que o nome e a descrição não podem contê-las. Liste cada tag que você adicionar com suas suposições, com a razão, para que o usuário possa manter ou descartar.
Diretrizes e verificação
- Ao alterar uma habilidade, o LLM tende a corrigir cada lacuna adicionando uma linha, e a cortar o que a habilidade precisa porque mais curto parece melhor. Reescreva a linha que precisa mudar em vez de adicionar uma depois dela, e mantenha o objetivo curto. Antes de cortar, nomeie o que o usuário está tentando alcançar (do passo 1) e verifique se a versão cortada ainda o leva até lá.
- Em uma auditoria, cite a linha por trás de cada descoberta, para que o usuário possa vê-la por si mesmo.
Saída
- Nova habilidade: o blueprint no chat, uma ou duas linhas por parte, terminando com como instalá-la na ferramenta que o usuário nomeou no passo 1. Pesquise os passos atuais para essa ferramenta se você não tiver certeza, porque como cada ferramenta instala habilidades muda frequentemente. Abaixo disso, liste suas suposições e duas ou três solicitações de teste, cada uma com a aparência de um bom resultado.
- Auditoria: diga o que a habilidade está tentando fazer, dê um resumo de cinco linhas (o que funciona, o que não funciona, o que fazer a seguir e porquê), depois liste cada parte ausente e cada linha que falha em uma verificação.
Exemplo de blueprint, para que o LLM corresponda a esta forma:
Objetivo: Transformar qualquer transcrição de reunião no mesmo resumo de uma página, para que decisões e ações sejam fáceis de encontrar. Verifique cada item em relação a esse objetivo antes de incluí-lo. Gatilho: Use quando alguém compartilhar uma transcrição de reunião e pedir um resumo. Entrada: A transcrição e para quem é o resumo. Se os palestrantes não forem nomeados, pergunte quem são. Método: Pergunte para quem é, classifique a conversa em decisões, ações e perguntas em aberto, depois pare e pergunte "Algo faltando ou mal interpretado?" antes de finalizar. Contexto: O formato de uma página e o que o leitor precisa dele. Diretrizes e verificação: Em vez de adivinhar um responsável, marque como [responsável?]. Verifique cada ação contra a transcrição antes de listá-la. Saída: Um resumo de uma página no chat, finalizado quando cada ação tem um responsável ou uma marca [responsável?].
Finalizado quando
Você está finalizado quando o usuário concordou com a forma e aprovou um blueprint que faz o trabalho que ele descreveu no passo 1, com todas as sete partes cobertas e cada linha capaz de ser seguida.