کاربر → رها → نیما
از بریف دستی ادامه بده. نیما سطح دسترسی پوشه رو اصلاح و همان اجرا رو تست میکنه؛ دسترسی کامل به Drive راهحل نیست.
ممکنه فایل محصول قدیمی بشه، اتصال Drive قطع بشه یا خروجیِ مدل افت کنه. کاربر باید بدونه به چه کسی خبر بده؛ مسئول فنی هم باید خطا و هزینه رو ببینه. اینجا برنامهٔ نگهداری رو مینویسیم: مسئول، پایش، روش ادامهٔ دستی و بررسی نسخهٔ جدید.
از بریف دستی ادامه بده. نیما سطح دسترسی پوشه رو اصلاح و همان اجرا رو تست میکنه؛ دسترسی کامل به Drive راهحل نیست.
Trace رو باز کن، نمونه رو به Dataset اضافه کن، پرامپت رو با مثال برند اصلاح و امتیازها رو مقایسه کن. تا تأیید، پیشنویس رو منتشر نکن.
روی همان Dataset، نسخهٔ فعلی و پیشنهادی رو اجرا کن. کیفیت، تست رفتار و هزینه رو کنار هم ببین؛ بعد مسئول کار دربارهٔ جایگزینی تصمیم میگیره.
FIELD، عددها، گفتوگوها و تصمیمهای این نما فرضیان؛ نمونهٔ آموزشی برای روشنشدن روش کار.
سازنده همان نمونههای تست و جدول امتیازدهی رو روی نسخهٔ جدید اجرا میکنه. بازبین، خروجی قدیم و جدید رو کنار هم میبینه. اگر کیفیت افت کرده یا دسترسی تغییر کرده، نسخهٔ جدید جای نسخهٔ فعلی رو نمیگیره.
نیما یک نسخهٔ پیشنهادی برای بهترشدن لحن ساخته. همان Dataset کمپین رو روی هر دو نسخه اجرا میکنه؛ لیلا خروجیها رو کنار هم میبینه.
امتیاز برند: ۳٫۶ از ۵
متن ایمیل عمومی بود؛ به مثالهای واقعی برند نیاز داشت.
پرامپت با مثال برند اصلاح شده؛ نتیجه هنوز اندازهگیری نشده.
مقایسه: همان ورودیها، تست ادعا، تأیید نسخه، رویداد تکراری، لحن و هزینه.
FIELD، عددها، گفتوگوها و تصمیمهای این نما فرضیان؛ نمونهٔ آموزشی برای روشنشدن روش کار.
خطاها، کیفیت، هزینه و استفادهٔ تیم در مرور دورهای دیده میشن؛ همین اطلاعات در تصمیم ادامه و گسترش اثر دارن.
در #ai-campaigns، شناسهٔ کمپین و مرحلهٔ خطا رو به رها بگو. نیما اجرای Activepieces و جزئیات Langfuse رو بررسی میکنه. اگر منبع یا مجوز مشکل داشت، اجرا متوقف میمونه؛ تیم از همان بریف دستی ادامه میده.
نسخهٔ پیشنهادی روی همان مثالها تست میشه. بازبین کیفیت و مسئول کار، نتیجهٔ مقایسه رو میبینن. نسخهٔ قبلی و روش دستی تا تأیید نسخهٔ جدید قابلاستفاده میمونن.
FIELD، عددها، گفتوگوها و تصمیمهای این نما فرضیان؛ نمونهٔ آموزشی برای روشنشدن روش کار.