Prompt Enriquecimiento

Cómo funciona el enriquecimiento rápido

El proceso suele consistir en analizar la petición original y aprovechar fuentes de información adicionales o reglas predefinidas para aumentarla. Esto puede incluir acceder al historial del usuario, recuperar documentos relevantes de una base de conocimientos, incorporar el contexto de la conversación o aplicar instrucciones de formato específicas. Por ejemplo, una pregunta vaga como "Háblame de Ultralytics YOLO" podría enriquecerse con contexto que especifique que el usuario está interesado en la última versión(YOLOv11) o en su rendimiento comparado con otros modelos como YOLOv8. A menudo se emplean técnicas como la Generación Mejorada por Recuperación (RAG), en la que el sistema obtiene fragmentos de datos relevantes y los añade a la ventana de contexto de la pregunta.

Aplicaciones y ejemplos

El enriquecimiento rápido encuentra aplicaciones en diversas tareas impulsadas por la IA:

1. Chatbots de Atención al Cliente: Una consulta de usuario como "Mi pedido no ha llegado" puede enriquecerse automáticamente con el ID de pedido reciente del usuario, la dirección de envío y la fecha estimada de entrega recuperados de una base de datos. Esto permite al chatbot proporcionar una actualización específica y útil inmediatamente, en lugar de hacer preguntas aclaratorias. Esto aprovecha los datos contextuales de forma similar a como funcionan los asistentes virtuales.
2. Herramientas de creación de contenidos: Un usuario podría pedir: "Escribe un correo electrónico anunciando un nuevo producto". El sistema podría enriquecer esta petición añadiendo detalles sobre la voz de la marca de la empresa (por ejemplo, formal, informal), el público objetivo (por ejemplo, clientes existentes, clientes potenciales), las características clave del producto a destacar y una llamada a la acción, basándose en objetivos o plantillas de campaña predefinidos. Esto conduce a una generación de texto más personalizada.

Enriquecer el Prompt vs. Conceptos relacionados

Es importante distinguir el enriquecimiento rápido de términos similares:

• Ingeniería de avisos: Es la práctica más amplia de diseñar y elaborar manualmente avisos eficaces. El enriquecimiento de los avisos suele ser una técnica automatizada que se utiliza dentro de una estrategia más amplia de ingeniería de avisos.
• Ajuste de las indicaciones: Consiste en aprender "avisos suaves" o modificar las incrustaciones de entrada durante el ajuste fino del modelo, en lugar de alterar el propio aviso textual. Es una forma de ajuste fino eficaz de los parámetros (PEFT).
• Generación Mejorada por Recuperación (GAR): La RAG es un método específico utilizado a menudo para el enriquecimiento de instrucciones, centrado en recuperar información externa para mejorar el contexto de la instrucción, especialmente útil para tareas que requieren conocimientos actualizados o específicos de un dominio, como se explora en algunas investigaciones avanzadas sobre IA.

Aunque es menos común en las tareas tradicionales de visión por ordenador, como la detección estándar de objetos, el concepto es relevante para los nuevos modelos de visión con avisos, como YOLOE, que utilizan avisos de texto o imagen que podrían beneficiarse potencialmente del enriquecimiento contextual para mejorar el rendimiento sin disparos. Plataformas como Ultralytics HUB podrían incorporar potencialmente tales técnicas para simplificar la interacción del usuario al definir tareas de visión complejas.