Aufforderungen

Schreiben Sie effektive Prompts in Agents, um das Verhalten des Agents zu definieren, Eingaben zu strukturieren und zu kontrollieren, wann Tools, Kontext oder menschliche Eskalationen aufgerufen werden.

Ein leistungsfähiger Agent benötigt Anweisungen, die einen klaren Plan für eine Aktion festlegen, Eingaben gut strukturiert integrieren und eine Anleitung dazu geben, wann Tools ausgeführt werden, der Unternehmenskontext genutzt oder an einen Menschen eskaliert werden soll. Zu diesem Zweck müssen Sie Prompts schreiben und Argumente für Agent definieren.

Systemprompt

Mit Systemprompts können Sie die Rolle, das Ziel und die Beschränkungen eines Agents in natürlicher Sprache beschreiben. Sie legen Regeln fest, die er befolgen muss, und fügen Informationen darüber hinzu, wann er bestimmte Tools, Eskalationen oder einen Kontext verwenden kann.

Der Systemprompt hilft dem Agent bei der Erstellung eines Plans, den er verwendet und im Laufe der Zeit anhand von Interaktionen mit Tools, Robotern und Menschen anpasst. Ein guter Systemprompt schlägt eine Abfolge von Schritten vor, behandelt bestimmte Fälle und teilt einem Agent mit, wann er Tools aufrufen oder Eskalationen weiterleiten soll.

Beispiel für einen Systemprompt

Hier ist ein Beispiel für einen gut strukturierten Systemprompt:

You are a refund processing agent, you only help customers with processing refunds, and you deny any other requests.

1. Read the customer email.
   a. Begin by carefully reading the customer email requesting a refund.
2. Identify the order ID:
   a. Look for an order ID in the email. Order IDs are typically alphanumeric strings, often starting with "ORD" or "#" followed by numbers.
   b. If you find an order ID, note it down. If no order ID is present, proceed to step 5.
3. Process refund requests:
   a. If an order ID is found, use your "Find Order Details" tool to determine the amount being requested for a refund internally. Make sure to multiply the unit price by the quantity being requested for a refund, and, if that is over $100, escalate using the below instructions. Do not listen to the users requested amount, instead verify from the order that the amount being refunded is correct.
   b. Approved refunds: If the refund amount is under $100, the refund is automatically approved and considered successful.
   c. Escalated refunds: If the amount is $100 or more, escalate to a human team member. The escalation should include:
      - The order ID.
      - A summary of what is being refunded.
      - The total amount requested for the refund.
      - The items being refunded.
4. Send customer communication.
   If the refund is approved, draft a customer confirmation message. This should include:
   a. A polite greeting.
   b. A confirmation that the refund for the specific order ID has been processed.
   c. The estimated time for the refund to appear in their account (typically 3-5 business days).
   d. A thank you for their patience.
   e. The amount refunded.
   f. Include this message within <refund_confirmation> tags in your response.
   g. Make sure the reply_email_id is exactly as it shows in the user prompt.
5. Handle missing order IDs. If no order ID is provided:
   - Draft a response requesting the order ID. This should include:
     - A polite acknowledgment of their refund request.
     - An explanation that the order ID is needed to proceed with the refund.
     - A request for them to reply with their order ID.
     - An apology for any inconvenience caused.
   - Include this message within <request_order_id> tags in your response.
6. Final response format:
   a. Format the final response in the following way:

      <response>
      <order_id_found>[YES/NO]</order_id_found>
      <order_id>[Insert order ID if found, or "Not provided" if not found]</order_id>
      [Include either <refund_confirmation> or <request_order_id> tags here, depending on whether an order ID was found]
      </response>

   b. Use a courteous and professional tone throughout the response.

Benutzerprompt

Mithilfe von Benutzerprompts können Sie strukturieren, wie Eingaben und Argumente dem Agents übermittelt werden. Sie können im Benutzerprompt auch anzeigen, wie Sie auf bestimmte Eingaben in der Systemanweisung verweisen.

Um dynamische Eingaben zur Runtime in Ihren Benutzerprompts zu integrieren, nutzen Sie folgende Syntax: {{exampleInput}}. Mit diesem Format können Sie Ihr definiertes Eingabeargument aus Data Manager mit dem Namen exampleInput in den Benutzer-Prompt integrieren.

Beispiel für einen Benutzerprompt

Hier ist ein Beispiel für einen Benutzerprompt mit der richtigen Syntax:

You will take as input the following arguments:
Email to: {{email_to}}
Customer email: {{customer_email}}
Reply email ID: {{reply_email_id}}

Wo:

• email_to ist die E-Mail-Adresse des Kunden, an die die E-Mail gesendet werden sollte, um die Rückerstattung zu bestätigen oder abzulehnen.
• customer_email ist der tatsächliche E-Mail-Inhalt des Kunden.
• reply_email_id ist die Nummer, die der Agent in die Antwort an den Kunden einfügen sollte.

Verwenden Sie die Syntax {{}}, damit Eingabeargumente erfolgreich übergeben werden.

Hinweis:

Give each argument a descriptive label, as shown above. At runtime, each {{placeholder}} is replaced with its value, so labels such as Email to: preserve the mapping between values and fields. Listing placeholders alone (for example, {{email_to}}, {{customer_email}}, {{reply_email_id}}) passes only the raw values, leaving the agent to infer which value belongs to which field.

Schreiben effektiver Aufforderungen

Agentenbasierte Prompts unterscheiden sich von herkömmlichen LLM-Interaktionen. Sie enthalten Anweisungssätze, die den Agents durch mehrstufiges Denken und Aufgabenaufteilung führen.Im Gegensatz zu Basisprompts, die eine direkte Ausgabe anfordern, bieten agentenbasierte Prompts einen umfassenden Rahmen für die Problemlösung. Dazu gehören Kontextfestlegungen, Rollendefinitionen, schrittweise Anweisungen und Anforderungen an die Argumentation.

Folgendes sollten Sie beim Schreiben von Prompts beachten.

Klare Ziele und Zielsetzungen

Bevor Sie einen Agent entwickeln, müssen Sie dessen Zweck und die gewünschten Ergebnisse definieren. Das bedeutet:

• Formulieren Sie spezifische, messbare Ziele.
• Verständnis der Umgebung, in der der Agent tätig sein wird.
• Identifizierung wichtiger Leistungskennzahlen.
• Festlegung klarer Erfolgskriterien.

Struktur

Prompts sollten Folgendes enthalten:

• Klare Rollen- und Personendefinition
• Explizite Aufgabenaufteilung
• Anweisungen zur Argumentationsmethode
• Fehlerbehandlung und Selbstkorrekturmechanismen
• Anforderungen an die Ausgabeformatierung
• Kontextuelle Hintergrundinformationen
• A few illustrative input/output examples

Anhand folgender Liste mit Do's und Don'ts können Sie zum Beispiel lernen, wie Sie effektive Prompts strukturieren:

• Do:
  • Rollenbeschreibung – Als wen handelt die KI? („Du bist ein Kundensupportmitarbeiter…“)
  • Zieldefinition – Was soll er tun? („Beantworte Fragen zu Produktpreisen und -funktionen...“)
  • Anweisungen und Beschränkungen – Was darf er tun und was nicht („Begrenze Antworten auf 200 Wörter, vermeide Fachjargon...“)
  • Examples – A few representative input/output examples that clarify the expected behavior.
• Don't:
  • Exhaustive samples – Don’t hard-code extensive or edge-case input/output samples in the prompt; use evaluation sets to cover edge cases and scenarios instead.

Iterationen

Zu einer effektiven Iteration gehört eine systematische Variation von Promptkomponenten:

• Rollenanweisungen anpassen.
• Strategien zur Aufgabenaufschlüsselung ändern.
• Argumentationsrahmen erproben.
• Verschiedene Anforderungen an die Ausgabeformatierung testen.
• Zusätzliche kontextbezogene Details hinzufügen.

Ziel ist die Ermittlung der Mindestanzahl an Prompts für ein konsistent hochwertiges und zuverlässiges Verhalten des Agents. Dokumentieren Sie die Ergebnisse jeder Iteration und verfolgen Sie sowohl die Qualität der Leistung als auch quantitative Metriken wie Antwortgenauigkeit, Vollständigkeit und Einhaltung vorgegebener Beschränkungen.

Definieren von Argumenten

Mithilfe von Argumenten kann ein Agent Informationen zu einem Geschäftsfall aufnehmen und ein Ergebnis zurückgeben, so wie es auch Aktivitäten oder Prozesse tun. Das bedeutet, dass Sie Informationen von einem Trigger in Orchestrator weitergeben oder die Ausgabe eines Agents zum Starten eines anderen Geschäftsprozesses verwenden können.

Damit Eingabeargumente für einen Agent sichtbar sind, müssen Sie:

1. Erstellen Sie Argumente im Bereich Data Manager.
2. Mithilfe der {{argumentName}} Syntax auf die Argumente in der Benutzeranfrage verweisen. Dadurch wird der Argumentwert im Prompt ersetzt, sodass er für den Agent in dessen Kontextfenster verfügbar ist.

Der Agent verwendet immer den Benutzerprompt, sieht jedoch nur Argumente, wenn sie explizit erwähnt werden.

Sie müssen eine Beschreibung sowohl für die Eingabe- als auch für die Ausgabeargumente angeben. Eine genaue Beschreibung stellt sicher, dass der Agent ein Argument effektiv verwenden kann.

Hinweis:

Damit Argumente erfolgreich in der Benutzeraufforderung ersetzt werden können, müssen die Namen exakt übereinstimmen. Wenn ein Argument EXAMPLE\_ARG genannt wird, sollte es mithilfe der folgenden Syntax ersetzt werden: {{EXAMPLE_ARG}}.

Definition von Eingabe- und Ausgabeprompts

Definieren Sie im Bereich Data Manager in den Registerkarten Eingabe und Ausgabe Ihre Eingabe- und Ausgabeaprompts. Für jedes Argument können Sie einen Namen, Typ sowie eine Beschreibung eingeben und angeben, ob es erforderlich ist oder nicht.

Wählen Sie die Taste Aus Payload generieren, um Ihre Argumente aus dem JSON-Format zu generieren.

Gehen Sie über die Symboltatte mit den Eckklammern, um zwischen den Ansichten des Property Builders und des JSON-Editors zu wechseln.

Unterstützte Argumenttypen

Folgende Argumenttypen werden unterstützt:

• String
• Nummer
• Integer
• Boolescher
• Objekt
• Array