详细内容或原文请订阅后点击阅览
为工厂而非营销部门提供及时的工程设计
作者：Real IT Solutions 首席人工智能官兼服务经理 Donald McArthur
来源:RoboticsTomorrow News搜索“提示工程”，您将获得营销博客、内容日历以及许多有关编写吸引人的广告文案的建议。确切地说，这并没有错——它只是针对了错误的受众。在我帮助制造商和工业企业采用人工智能的工作中，我看到的风险最高的提示根本没有创意。他们是技术性的。维护技术人员总结工作订单。质量工程师起草不合格报告。调度员向已经对交货日期感到紧张的客户解释生产变更。
没有人为此编写框架。因此，大多数人只是像给同事发短信一样打字，然后按回车键，然后就可以了。然后他们花了二十分钟修复返回的内容。
在与我合作的制造商中，模式是一致的：工具不是问题。该模型完全能够生成干净、准确的工作订单或可靠的质量记录。所缺少的是即将到来的结构。本出版物的读者最近听到了很多关于工业人工智能停滞的地方——机器之间的脆弱集成以及让代理在现场自主行动的治理差距。这些都是真正的问题，并且正在由 OT 方面比我聪明的人来解决。但在办公室的上一层，存在一个更直接的差距：人们每天都在使用 ChatGPT 或 Copilot 编写维持工厂运行的文档，但没有共享的方法来询问他们需要什么。
为什么通用提示在技术文档上失败
在营销中，人工智能起草的平庸段落会被编辑或丢弃。低风险。在工厂里，人工智能起草的平庸文档往往会成为记录。推测根本原因而不是仅说明已验证内容的质量不合格报告可能会使客户投诉或审核变得复杂。一张将速记注释简化为听起来干净但丢失了实际故障代码的维护票比混乱的原始代码更糟糕。供应商更新删除了合同限定词——“延迟，但在条款范围内”变成了“延迟”——可能会引发一场没人需要进行的对话。
这并不是人工智能无法理解制造。这是同样的五个词提示——“清理这个”、“写下这个”、“让客户知道”——用于营销标题和质量记录。修复并不是更好的工具。这是一个更好的询问。
精心设计的框架
我构建了一个名为 CRAFTED 的结构，在为期半天的研讨会上为专业团队教授即时工程。它由七个组件组成，其想法是，在向 AI 工具中输入任何内容之前，您可以在一分钟内运行完它：
? 背景——到底发生了什么？人工智能无法猜测的相关事实、约束或背景。
? 角色——人工智能应该扮演谁的角色？为审计跟踪撰写文章的质量工程师的反应与通才助理的反应不同。
? 观众——谁读过这篇文章？下一班技术人员、客户的采购联系人和公司总裁都需要与相同的基本事实不同的东西。
? 格式——输出需要什么结构？具有特定字段、短段落、表格的表单。
? 语气——事实和中立，或令人放心但诚实，或简洁。
? 解释——告诉人工智能标记它不确定的内容，而不是猜测。这一点在技术写作中比其他任何地方都更重要。
? 可交付成果——您想要返回的具体的、完成的东西——不是“有关此的一些信息”，而是实际的文档。
在实践中精心打造
这不仅仅是一个提高生产力的技巧
这是一个清单，而不是每次都必须完整写出的脚本。一旦团队将其内化，其中大部分就会成为习惯。但前几次把它写出来会打破“清理干净”的本能。
以下是我工作过的制造环境中经常出现的三种文档类型的情况：生产计划、质量文档和维护摘要。
将原始维护说明转变为可用的工作订单。技术人员的速记笔记——未完成的句子、只有白班能理解的缩写——被粘贴到人工智能工具中，并带有“清理干净”之类的提示。结果通常读起来很好，但实际上是错误的，因为模型通过自信的猜测而不是标志来解决不明确的缩写。
精心设计的版本将角色设置为准备交接的维护主管，将观众设置为下一个班次和零件台，将格式设置为具有明确字段（资产、症状、采取的行动、所需零件、后续行动）的结构化工作订单，并且至关重要的是解释指令：标记任何不明确的内容，而不是默默地解决它。输出采用相同的原始笔记并生成下一个班次可以处理的文档，并标记真正的间隙而不是用纸掩盖。更少的澄清发言，更安全的交接。
撰写一份可靠的高质量不合格报告。 “写下这个缺陷”往往会产生一些读起来自信的东西，但会陷入猜测——指定一个可能的原因，而人工智能实际上并没有得到证据。在可能支持客户响应或 ISO 9001 审核跟踪的文档中，这是一种责任，而不是一种便利。
这里的角色是一名质量工程师，负责记录审核记录，语气是严格事实性的 — 除非得到确认，否则不会进行根本原因推测 — 并且可交付成果是您的质量系统已经使用的特定 NCR 字段。返回的内容是 QA 经理无需重写即可签署的内容。区别不是波兰语。问题是该文件只说了实际已知的内容。
向客户传达进度表。 “告诉客户订单延迟了”是发送电子邮件的一种快速方式，该电子邮件要么过度承诺新日期，要么低估延迟仍在合同条款范围内。这次的受众是客户的采购联系人，而不是内部更新；上下文包括根本原因、合同条款和现实的新日期；而且语气保持专业，没有过度承诺。无论当天由哪个团队成员起草，该信息都是一致的。
在这三个案例中，基本事实完全相同。唯一改变的是，在人工智能开始生成之前，请求的框架是多么清晰。
纯粹将其视为节省时间的做法其实低估了它的作用——这也是一种降低风险的举措。含糊的提示不仅会导致写作能力下降，还会导致写作能力下降。它产生的输出没有人仔细检查，因为它听起来很自信。结构化提示并不能取代对过程足够了解的人，以便在结果成为记录之前对其进行验证。它使验证速度更快，因为输出是一致的，并且间隙被标记而不是隐藏。
这里还有一个更安静的好处，值得现在关注车间自动化方面的人工智能治理对话的任何人提及。使用共享框架工作的团队不太可能在不考虑什么适合共享的情况下将专有规格或客户数据粘贴到消费者人工智能工具中 - 因为“背景”和“受众”现在是他们已经问自己的问题。
从本周开始
您不需要新的工具或供应商评估来尝试此操作。选择您的团队经常生成的一种文档类型（维护票据、不合格报告或供应商更新都是不错的候选者），并为其构建一个精心设计的提示模板。让团队使用该模板而不是自由形式的提示两周，并比较返回的结果。这是培训和流程的改变，而不是技术购买，对于在技术环境中对人工智能持怀疑态度的团队来说，这往往是最快赢得信誉的方法。
您所在楼层和办公室中已有的工具比它们生成的大多数文档功能更强大。差距不是智力。这就是我们问得多么清楚。
Donald McArthur 是 Real IT Solutions 的首席 AI 官兼服务经理，Real IT Solutions 是一家位于密歇根州大急流城的托管 IT 和 AI 咨询公司，他在那里创建了 CRAFTED 即时工程框架。