CRISPE 🟡
Potrzeba: AI ma wcielić się w eksperta i dać kompleksową, spersonalizowaną odpowiedź.
Wyjaśnienie: Capacity (rola) → Role (zadanie) → Insight (kontekst) → Statement (polecenie) → Personality (styl) → Experiment (wariant). Określa pełne ramy zadania.
Format prompta:
„Jesteś [rola]. Twoje zadanie to [cel]. Wiedz, że [kontekst]. Napisz [co]. W stylu [jaki]. Zaproponuj też alternatywę.”
Przykład użycia w QA
„Jesteś senior QA engineerem. Twoim zadaniem jest review test planu. Wiedz, że projekt używa Javy 17 + Cucumber. Napisz listę uwag. Pisz konkretnie i technicznie. Zaproponuj też alternatywny podział testów.”
Kiedy używać CRISPE?
CRISPE sprawdza się gdy potrzebujesz pełnej, eksperckiej odpowiedzi — review dokumentów, analiza architektury testów, przygotowanie strategii. Nadaje kontekst, rolę i styl w jednym prompcie.
Chain of Thought (CoT) 🟢
Potrzeba: Zadanie wymaga logicznego rozumowania lub analizy wieloetapowej.
Wyjaśnienie: Model „myśli na głos” — generuje pośrednie kroki rozumowania zanim poda odpowiedź. Zmniejsza halucynacje i błędy logiczne.
Format prompta:
„[Pytanie/zadanie]. Myśl krok po kroku.”
Przykład użycia w QA
„Użytkownik zgłasza, że testy przechodzą lokalnie, ale failują na CI. Przeanalizuj krok po kroku możliwe przyczyny, zaczynając od najprostszych.”
Kiedy używać CoT?
Zawsze gdy problem wymaga analizy — debugowanie, root cause analysis, porównywanie opcji. Cztery słowa „myśl krok po kroku” potrafią diametralnie poprawić jakość odpowiedzi.
W następnym wpisie: RAG i Few-Shot — jak dostarczyć AI kontekst i nauczyć go formatu odpowiedzi.