അഭ്യർത്ഥന സംഗ്രഹവും വർഗ്ഗീകരണവും (ടിക്കറ്റ് ട്രയേജ്)

നേട്ടങ്ങൾ:

• ദൈർഘ്യമേറിയതും ചിതറിക്കിടക്കുന്നതുമായ ഉപഭോക്തൃ അഭ്യർത്ഥനകളെ ഘടനാപരമായ, പ്രവർത്തനക്ഷമമായ സംഗ്രഹങ്ങളാക്കി മാറ്റാനുള്ള കഴിവ്
• ഒരു നിശ്ചിത സ്കീമ ഉപയോഗിച്ച് വിഭാഗം, അടിയന്തരാവസ്ഥ, ഉപഭോക്തൃ വികാരം എന്നിവ അനുസരിച്ച് അഭ്യർത്ഥനകളെ തരംതിരിക്കാനുള്ള കഴിവ്
• ബൾക്ക് ടിക്കറ്റ് പ്രോസസ്സിംഗിനായി ഓട്ടോമേഷന് അനുയോജ്യമായ ഒരു സ്ഥിരതയുള്ള ഔട്ട്പുട്ട് ഫോർമാറ്റ് (JSON/ടേബിൾ) നിർവചിക്കാനുള്ള കഴിവ്

ഒരു സപ്പോർട്ട് ടീമിൻ്റെ പ്രഭാതം സങ്കൽപ്പിക്കുക: ഒറ്റരാത്രികൊണ്ട് 220 പുതിയ ടിക്കറ്റുകൾ (ടിക്കറ്റുകൾ) ശേഖരിച്ചു. ചിലത് "ഞാൻ എൻ്റെ പാസ്‌വേഡ് മറന്നു" എന്ന ഒറ്റവരി, ചിലത് കോപാകുലമായ മൂന്ന് ഖണ്ഡികകളുള്ള പരാതി, ചിലത് യഥാർത്ഥത്തിൽ വിൽപ്പന അവസരമാണ്. ഈ കൂമ്പാരത്തിലൂടെ വായിച്ച്, ഓരോന്നിനെയും ശരിയായ വിഭാഗത്തിലേക്ക് നിയോഗിച്ച്, അതിൻ്റെ അടിയന്തിരാവസ്ഥ നിർണ്ണയിക്കുകയും ശരിയായ വ്യക്തിയിലേക്ക് നയിക്കുകയും ചെയ്യുന്നു (ഇതിനെ ട്രയേജ് എന്ന് വിളിക്കുന്നു; അത്യാഹിത വിഭാഗത്തിൽ മുൻഗണന പ്രകാരം രോഗികളെ തരംതിരിക്കുന്ന അതേ യുക്തി) ദിവസത്തിൻ്റെ ആദ്യ രണ്ട് മണിക്കൂർ തിന്നുതീർക്കുന്നു.

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിന് (AI) ഈ ജോലി സെക്കൻ്റുകൾക്കുള്ളിലും സ്ഥിരമായും ചെയ്യാൻ കഴിയും. എന്നാൽ "ഈ അഭ്യർത്ഥന സംഗ്രഹിക്കുക" എന്നല്ല മാജിക്; ഇത് വിഭാഗങ്ങളുടെ ഒരു നിശ്ചിത ലിസ്റ്റ്, വ്യക്തമായ അടിയന്തിര തലങ്ങൾ, മാറ്റമില്ലാത്ത ഔട്ട്പുട്ട് ഫോർമാറ്റ് എന്നിവ മോഡലിൽ ചുമത്തുന്നു. ഈ യൂണിറ്റിൽ, ഒരൊറ്റ അഭ്യർത്ഥന പ്രോസസ്സ് ചെയ്യുന്നത് മുതൽ നൂറുകണക്കിന് അഭ്യർത്ഥനകൾ ഓട്ടോമേഷൻ-റെഡി രീതിയിൽ ലേബൽ ചെയ്യുന്നത് വരെയുള്ള ഒരു ട്രയേജ് സിസ്റ്റം ഞങ്ങൾ സ്ഥാപിക്കും.

ശ്രദ്ധിക്കുക: AI സൃഷ്ടിച്ച വിഭാഗവും അടിയന്തിര ലേബലുകളും ഒരു പ്രാഥമിക സ്ക്രീനിംഗ് ടൂളാണ്. പ്രത്യേകിച്ചും, "അടിയന്തിരം", "പരാതി" എന്ന് ലേബൽ ചെയ്തിരിക്കുന്ന അഭ്യർത്ഥനകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന് മുമ്പ് ഒരു മനുഷ്യൻ സ്ഥിരീകരിക്കണം.

എന്തുകൊണ്ട് ഘടനാപരമായ സംഗ്രഹം?

ഒരു സൗജന്യ സംഗ്രഹം ("ഉപഭോക്താവിന് അവരുടെ കയറ്റുമതിയിൽ പ്രശ്‌നങ്ങളുണ്ട്") തിരയാനോ അടുക്കാനോ ഓട്ടോമേറ്റ് ചെയ്യാനോ കഴിയില്ല. എന്നിരുന്നാലും, പിന്തുണാ മാനേജരുടെ ആവശ്യം ഇനിപ്പറയുന്ന ചോദ്യങ്ങൾക്ക് വ്യക്തമാണ്:

• ഈ അഭ്യർത്ഥന ഏത് വിഭാഗത്തിൽ പെടുന്നു? (ഷിപ്പിംഗ്, റിട്ടേൺ, പേയ്‌മെൻ്റ്, സാങ്കേതിക, ഉൽപ്പന്ന വിവരങ്ങൾ, പരാതി, വിൽപ്പന അവസരം)
• അത് എത്ര അടിയന്തിരമാണ്? (ക്രിട്ടിക്കൽ / ഹൈ / മീഡിയം / ലോ)
• ഉപഭോക്താവിൻ്റെ വൈകാരികാവസ്ഥ എന്താണ്? (കോപം / നിരാശ / നിഷ്പക്ഷത / സംതൃപ്തി)
• അതിൻ്റെ ഒരു വാക്യത്തിൻ്റെ സാരാംശം എന്താണ്?
• അടുത്ത ഘട്ടം എന്തായിരിക്കണം?

നിങ്ങൾ ഈ ചോദ്യങ്ങൾ മുൻകൂട്ടി നിർവചിച്ച് മോഡലിന് ഒരു സ്കീമ (സ്ഥിരമായ ഫീൽഡുകളും സാധ്യമായ മൂല്യങ്ങളും) നൽകിക്കഴിഞ്ഞാൽ, എല്ലാ 220 അഭ്യർത്ഥനകളും ഒരേ ഫോർമാറ്റിൽ താരതമ്യപ്പെടുത്താവുന്നതും ഫിൽട്ടർ ചെയ്യാവുന്നതുമാണ്.

ഘട്ടം ഘട്ടമായി: ഒരു ട്രയേജ് സ്കീം സ്ഥാപിക്കൽ

1. വിഭാഗ ലിസ്റ്റ് പിൻ ചെയ്യുക. മോഡൽ ഫിറ്റ് ചെയ്യാൻ അനുവദിക്കരുത്; ഒരു അടച്ച പട്ടിക നൽകുക.
2. അടിയന്തിരതയുടെ മാനദണ്ഡം നിർവചിക്കുക. "നിർണ്ണായകമായത്" എന്താണ് അർത്ഥമാക്കുന്നത്: സേവനം പൂർണ്ണമായും നിർത്തി, പേയ്മെൻ്റ് നഷ്ടം, സുരക്ഷാ അപകടസാധ്യത.
3. ഇമോഷൻ ലേബലുകൾ തിരിച്ചറിയുക. പരിമിതവും വ്യക്തവുമായ ഒരു സെറ്റ് ഉപയോഗിക്കുക.
4. ഔട്ട്പുട്ട് ഫോർമാറ്റ് ഇറക്കുമതി ചെയ്യുക. ബാച്ച് പ്രോസസ്സിംഗിന്, JSON (ഫീൽഡ്-വാല്യൂ ജോഡികൾ അടങ്ങുന്ന മെഷീൻ-റീഡ് ഡാറ്റ ഫോർമാറ്റ്) അനുയോജ്യമാണ്, ഒറ്റ അഭ്യർത്ഥനയ്ക്ക്, പട്ടിക അനുയോജ്യമാണ്.
5. "തീർച്ചയില്ലെങ്കിൽ ടിക്ക് ചെയ്യുക" എന്ന നിയമം ഉണ്ടാക്കുക. മോഡലിന് വിഭാഗത്തെക്കുറിച്ച് ഉറപ്പില്ലെങ്കിൽ, അത് അനിശ്ചിതത്വമെന്ന് പറയട്ടെ, മനുഷ്യൻ നോക്കും.
6. സ്ഥിരീകരിക്കുക. ആദ്യ ബാച്ചിൽ, ലേബലുകളുടെ കൃത്യത സ്വമേധയാ പരിശോധിച്ച് പ്രോംപ്റ്റ് സജ്ജമാക്കുക.

പകർത്താവുന്ന നിർദ്ദേശങ്ങൾ

ഒരൊറ്റ അഭ്യർത്ഥനയെ ഘടനാപരമായ സംഗ്രഹമാക്കി മാറ്റുന്ന അടിസ്ഥാന നിർദ്ദേശം:

റോൾ: നിങ്ങൾ പരിചയസമ്പന്നനായ ഒരു സപ്പോർട്ട് ട്രയേജ് സ്പെഷ്യലിസ്റ്റാണ്. ഉപഭോക്തൃ അഭ്യർത്ഥന ചുവടെ വിശകലനം ചെയ്യുക. ഒരു അഭിപ്രായം ചേർക്കുക; വാചകത്തിലുള്ളത് മാത്രം ആശ്രയിക്കുക. ഇനിപ്പറയുന്ന ഫീൽഡുകൾ പൂരിപ്പിക്കുക:- സംഗ്രഹം: (പരമാവധി 1 വാക്യം)- വിഭാഗം: [ഷിപ്പിംഗ് | മടക്കം | പേയ്മെൻ്റ് | സാങ്കേതിക | ഉൽപ്പന്ന വിവരം | പരാതി | വിൽപ്പന അവസരം]- അടിയന്തിരം: [നിർണ്ണായക | ഉയർന്ന | ഇടത്തരം | താഴ്ന്നത്]- വികാരം: [കോപം | നിരാശ | നിഷ്പക്ഷ | സംതൃപ്തി]- next_step: (ഒറ്റ വാചകം, മൂർത്തമായ പ്രവർത്തനം)- ഉറപ്പില്ല: (വിഭാഗം/അടിയന്തിരത വ്യക്തമല്ലെങ്കിൽ "അതെ", അല്ലെങ്കിൽ "ഇല്ല") അഭ്യർത്ഥന:"""{{ request_text }}"""

ബാച്ച് പ്രോസസ്സിംഗിനായി, പ്രോംപ്റ്റ് ഒന്നിലധികം അഭ്യർത്ഥനകളെ ഒരേസമയം JSON അറേയിലേക്ക് പരിവർത്തനം ചെയ്യുന്നു:

ചുവടെയുള്ള അക്കമിട്ട അഭ്യർത്ഥനകൾ പ്രോസസ്സ് ചെയ്യുക. ഇനിപ്പറയുന്ന സ്കീമ ഉപയോഗിച്ച് ഓരോന്നിനും ഒരു JSON ഒബ്‌ജക്റ്റ് സൃഷ്‌ടിക്കുക, അവയെല്ലാം ഒരു JSON അറേ ആയി തിരികെ നൽകുക. സ്കീമിന് പുറത്ത് പോകുന്നത്: { "id": "", "സംഗ്രഹം": "", "വിഭാഗം": "", "അടിയന്തിരം": "", "emotion": "", "next_step": "", "എനിക്ക് ഉറപ്പില്ല": "" }വിഭാഗങ്ങൾ മാത്രം: ഷിപ്പിംഗ്, റിട്ടേൺ, പേയ്‌മെൻ്റ്, വിവരങ്ങൾ, സാങ്കേതിക, ഉൽപ്പന്നം. അഭ്യർത്ഥനകൾ: {{ numbered_request_list }}

അടിയന്തിര മാനദണ്ഡം വ്യക്തമാക്കുകയും മോഡലിനെ "ക്രിട്ടിക്കൽ" എന്നതിൻ്റെ നിർവചനം പഠിപ്പിക്കുകയും ചെയ്യുന്ന പ്രോംപ്റ്റ്:

ഇനിപ്പറയുന്ന നിയമം അനുസരിച്ച് അടിയന്തരാവസ്ഥ നിർണ്ണയിക്കുക:- നിർണായകമായത്: സേവനം പൂർണ്ണമായും ലഭ്യമല്ല, പേയ്‌മെൻ്റ് നഷ്ടം, സുരക്ഷ/ഡാറ്റ റിസ്ക്, നിയമപരമായ ഭീഷണി കോപാകുലനായ ഉപഭോക്താവ്.- ഇടത്തരം: ഏകവചന പ്രശ്നം, വർക്ക്ഫ്ലോ നിർത്തുന്നില്ല.- കുറവ്: വിവരങ്ങൾക്കായുള്ള അഭ്യർത്ഥന, നിർദ്ദേശം, പൊതുവായ ചോദ്യം. "urgency_reason" എന്ന ഫീൽഡിൽ നിങ്ങളുടെ തീരുമാനത്തിൻ്റെ കാരണം ഒരു വാചകത്തിൽ എഴുതുക.

വിൽപ്പന അവസരം പിടിച്ചെടുക്കുകയും ഒരു സപ്പോർട്ട്/സെയിൽസ് ബ്രിഡ്ജ് സ്ഥാപിക്കുകയും ചെയ്യുന്ന പ്രോംപ്റ്റ്:

അഭ്യർത്ഥന പ്രോസസ്സ് ചെയ്യുമ്പോൾ, ഉപഭോക്താവ് ഒരു പുതിയ ഉൽപ്പന്നം/പാക്കേജ്/സപ്ലിമെൻ്റ് വാങ്ങാൻ താൽപ്പര്യം കാണിക്കുന്നുവെങ്കിൽ (ഉദാ. "നിങ്ങൾക്ക് ഒരു വലിയ പാക്കേജ് ഉണ്ടോ", "എത്ര ഉപയോക്താക്കൾ അത് എടുക്കും"), "സെയിൽസ് ഓപ്പർച്യുനിറ്റി" എന്ന വിഭാഗമാക്കി, "sales_note" ഫീൽഡിൽ സെയിൽസ് ടീമിന് ഒരു വാക്യ ടിപ്പ് ചേർക്കുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്

ശക്തമായ പ്രോംപ്റ്റ്

"ഈ അഭ്യർത്ഥന സംഗ്രഹിക്കുകയും തരംതിരിക്കുകയും ചെയ്യുക"

അടച്ച വിഭാഗ ലിസ്റ്റ് + അടിയന്തിര നിർവചനം + നിശ്ചിത JSON സ്കീമ

ഓരോ തവണയും വ്യത്യസ്ത ലേബലുകൾ സൃഷ്ടിക്കുന്നു

ഒരേ അഭ്യർത്ഥനയ്ക്ക് എല്ലായ്പ്പോഴും ഒരേ ലേബൽ നൽകുന്നു

"അടിയന്തിരം" എന്ന വാക്ക് സ്വന്തം ഇഷ്ടപ്രകാരം ഉപയോഗിക്കുന്നു.

"നിർണ്ണായക" എന്നതിന് കൃത്യമായ മാനദണ്ഡം പ്രയോഗിക്കുന്നു

അവൻ അവ്യക്തത ഉണ്ടാക്കുന്നു

emin_degilim: അതെ എന്ന് പറയുകയും അത് വ്യക്തിക്ക് വിടുകയും ചെയ്യുക

സ്ഥിരതയാണ് ഇവിടെ സുവർണ്ണ നിയമം: ഒരേ പരാതി രണ്ട് വ്യത്യസ്ത ദിവസങ്ങളിൽ ഒരേ വിഭാഗത്തിൽ പെടുന്നില്ലെങ്കിൽ, റിപ്പോർട്ടിംഗും ഓട്ടോമേഷനും വിശ്വസനീയമാകില്ല.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - രഹസ്യ നിരൂപകൻ. SaaS (ഇൻ്റർനെറ്റ് വാടകയ്‌ക്ക് എടുത്ത സോഫ്റ്റ്‌വെയർ) കമ്പനിയിൽ, "എനിക്ക് ലോഗിൻ ചെയ്യാൻ കഴിയില്ല, മുഴുവൻ ടീമും 40 പേർക്കായി കാത്തിരിക്കുന്നു" എന്ന സന്ദേശം സാധാരണമാണെന്ന് തോന്നി, കാരണം അതിൻ്റെ നീളം കുറവായിരുന്നു. അടിയന്തിര നിയമത്തിന് ("സേവനം പൂർണ്ണമായും ലഭ്യമല്ല" മാനദണ്ഡം) നന്ദി പറഞ്ഞ് ട്രയേജ് പ്രോംപ്റ്റ് അതിനെ "നിർണ്ണായക" എന്ന് അടയാളപ്പെടുത്തി. ക്യൂവിൽ 2 മണിക്കൂർ കാത്തിരിക്കുന്നതിന് പകരം 6 മിനിറ്റിനുള്ളിൽ അഭ്യർത്ഥന കൈകാര്യം ചെയ്തു; ഒരു SLA (സർവീസ് ലെവൽ കരാർ, അതായത് വാഗ്ദാനം ചെയ്ത പ്രതികരണ സമയം) ലംഘനം തടഞ്ഞു.

കേസ് 2 - കോപം മുൻഗണന. ഒരു ദിവസം, 180 അഭ്യർത്ഥനകളുടെ AI ടാഗുകൾ പരിശോധിച്ചപ്പോൾ, "ആംഗ്രി" എന്ന വികാരത്തോടെയുള്ള 14 അഭ്യർത്ഥനകൾ പ്രത്യേക ക്യൂവിൽ ഇട്ടതായി കണ്ടു. ഈ അഭ്യർത്ഥനകൾ പരിചയസമ്പന്നരായ പ്രതിനിധികൾക്ക് നിർദ്ദേശം നൽകി, മുൻ ആഴ്‌ചയെ അപേക്ഷിച്ച് ആ ആഴ്‌ചയിലെ നെഗറ്റീവ് സർവേ സ്‌കോർ (CSAT, അതായത് ഉപഭോക്തൃ സംതൃപ്തി സ്‌കോർ) ഗണ്യമായി മെച്ചപ്പെട്ടു.

കേസ് 3 - പിന്തുണ മുതൽ വിൽപ്പന വരെയുള്ള പാലം. "എൻ്റെ ഇപ്പോഴത്തെ പാക്കേജ് 5 ഉപയോക്താക്കൾക്കുള്ളതാണ്, എനിക്ക് ഇത് 20 പേരായി വർദ്ധിപ്പിക്കേണ്ടതുണ്ട്, അത് സാധ്യമാണോ?" AI സന്ദേശത്തെ "സെയിൽസ് ഓപ്പർച്യുണിറ്റി" എന്ന് ടാഗ് ചെയ്യുകയും വിൽപ്പന കുറിപ്പ് ചേർക്കുകയും ചെയ്തു. അഭ്യർത്ഥന യാന്ത്രികമായി സെയിൽസ് ടീമിന് ലഭിച്ചു; സ്റ്റാൻഡേർഡ് സപ്പോർട്ട് ക്യൂവിൽ നഷ്ടപ്പെട്ടിരുന്നെങ്കിൽ ശ്രദ്ധിക്കപ്പെടാതെ പോകുമായിരുന്ന ഒരു അപ്സെൽ അവസരം നേട്ടമായി മാറി.

നുറുങ്ങ്: നിങ്ങളുടെ വിഭാഗ ലിസ്റ്റ് കഴിയുന്നത്ര ചെറുതും വ്യതിരിക്തവുമായി സൂക്ഷിക്കുക. 20 വിഭാഗങ്ങൾ മോഡലിനെ ആശയക്കുഴപ്പത്തിലാക്കും (നിങ്ങളുടെ ടീമും); 6-8 വ്യക്തമായ വിഭാഗങ്ങൾ കൂടുതൽ സ്ഥിരതയോടെ ലേബൽ ചെയ്യപ്പെടുകയും റിപ്പോർട്ടുകളിൽ അർത്ഥവത്തായവയുമാണ്. പതിവായി ആശയക്കുഴപ്പത്തിലായ രണ്ട് വിഭാഗങ്ങൾ കൂട്ടിച്ചേർക്കുക.

ഓട്ടോമേഷനിലേക്ക് ബന്ധിപ്പിക്കുന്നു

ഘടനാപരമായ JSON ഔട്ട്‌പുട്ടിൻ്റെ യഥാർത്ഥ ശക്തി അത് അടുത്ത ഘട്ടത്തിലേക്ക് സ്വയമേവ ഒഴുകുന്നു എന്നതാണ്: “ക്രിട്ടിക്കൽ” എന്ന് ലേബൽ ചെയ്‌തിരിക്കുന്ന അഭ്യർത്ഥന ഉടൻ തന്നെ മാനേജരെ അറിയിക്കുന്നു, “സെയിൽസ് ഓപ്പർച്യുനിറ്റി” CRM-ൽ (ഉപഭോക്തൃ ബന്ധ മാനേജ്‌മെൻ്റ് സോഫ്‌റ്റ്‌വെയർ) വീഴുന്നു, “റിട്ടേൺ” സ്വയം സേവന പ്രവാഹത്തിലേക്ക് പോകുന്നു. എന്നാൽ ഓട്ടോമേഷൻ്റെ ആദ്യ നിയമം: ഉയർന്ന സ്വാധീനമുള്ള പ്രവർത്തനങ്ങൾ (റീഫണ്ട്, അക്കൗണ്ട് ക്ലോഷർ) ഒരിക്കലും AI ടാഗിനെ അടിസ്ഥാനമാക്കി ട്രിഗർ ചെയ്യപ്പെടുന്നില്ല; ചിലപ്പോൾ മനുഷ്യ അംഗീകാരം ഉണ്ട്.

മുന്നറിയിപ്പ്: വികാര വിശകലനം ഒരു പ്രവചനമാണ്, കൃത്യമായ അളവുകോലല്ല. മോഡൽ "ന്യൂട്രൽ" എന്ന് വിളിക്കുന്ന ഒരു ഉപഭോക്താവ് യഥാർത്ഥത്തിൽ നിശബ്ദമായി വളരെ ദേഷ്യപ്പെട്ടേക്കാം. മുൻഗണന നൽകാൻ ഇമോഷൻ ടാഗ് ഉപയോഗിക്കുക; എന്നാൽ "ഈ ഉപഭോക്താവ് ഇതിനകം സംതൃപ്തനാണ്" എന്നതുപോലുള്ള കൃത്യമായ നിഗമനങ്ങളിൽ എത്തിച്ചേരാൻ അതിനെ മാത്രം ആശ്രയിക്കരുത്.

സാധാരണ തെറ്റുകൾ

• കാറ്റഗറി ലിസ്റ്റ് മോഡലിന് വിടുന്നു; ഓരോ തവണയും വ്യത്യസ്തവും അനുയോജ്യമല്ലാത്തതുമായ ലേബലുകൾ ലഭിക്കുന്നു.
• "അടിയന്തിരം" എന്ന ആപേക്ഷിക വാക്ക് നിർവചിക്കാതെ വിടുക; എല്ലാവരുടെയും അഭ്യർത്ഥന അടിയന്തിരമാണ്.
• ഔട്ട്പുട്ട് ഫോർമാറ്റ് ശരിയാക്കുന്നില്ല; ചിലപ്പോൾ ഖണ്ഡിക, ചിലപ്പോൾ JSON-ന് പകരം ലിസ്റ്റ് ദൃശ്യമാകും.
• അനിശ്ചിതത്വത്തിന് ഒരു എക്സിറ്റ് ഡോർ നൽകുന്നില്ല (എനിക്ക് ഉറപ്പില്ല).
• മനുഷ്യൻ്റെ അംഗീകാരമില്ലാതെ AI ടാഗിലേക്ക് ഉയർന്ന സ്വാധീനമുള്ള ഇടപാടുകൾ (റീഫണ്ട്, അക്കൗണ്ട് ക്ലോഷർ) ലിങ്ക് ചെയ്യുന്നു.
• ആദ്യ ബാച്ച് സ്വമേധയാ പരിശോധിക്കാതെ മുഴുവൻ ഒഴുക്കും ഓട്ടോമേറ്റ് ചെയ്യുന്നു.

ചുരുക്കത്തിൽ

• വിഭാഗം, അടിയന്തരാവസ്ഥ, വികാരം എന്നിവ പ്രകാരം ഇൻകമിംഗ് അഭ്യർത്ഥനകളുടെ കൂമ്പാരത്തിലൂടെ ട്രയേജ് വേഗത്തിൽ അടുക്കുന്നു.
• സ്ഥിരതയിലേക്കുള്ള താക്കോൽ: അടച്ച വിഭാഗ ലിസ്റ്റ്, കൃത്യമായ അടിയന്തിര നിർവചനം, നിശ്ചിത ഔട്ട്പുട്ട് ഫോർമാറ്റ് (JSON).
• അടിയന്തിരതയും വികാര ലേബലുകളും മുൻഗണനാക്രമം വേഗത്തിലാക്കുന്നു; അത് വിമർശനാത്മകവും രോഷാകുലവുമായ ആവശ്യങ്ങൾ മുന്നോട്ട് കൊണ്ടുവരുന്നു.
• ഘടനാപരമായ ഔട്ട്പുട്ട് ഓട്ടോമേഷനുമായി നേരിട്ട് ലിങ്ക് ചെയ്യാവുന്നതാണ് (അറിയിപ്പ്, റൂട്ടിംഗ്, CRM).
• ഉയർന്ന സ്വാധീനമുള്ള പ്രവർത്തനങ്ങളും അവ്യക്തമായ ലേബലുകളും എല്ലായ്പ്പോഴും മാനുഷിക പരിശോധനയ്ക്ക് വിധേയമാക്കണം.

ആപ്ലിക്കേഷൻ ടാസ്ക്

മുകളിലുള്ള JSON അറേ പ്രോംപ്റ്റ് ഉപയോഗിച്ച് നിങ്ങൾക്ക് ഉള്ള 5 വ്യത്യസ്ത ഉപഭോക്തൃ അഭ്യർത്ഥനകൾ (അല്ലെങ്കിൽ സാമ്പിളുകൾ) ബാച്ച് പ്രോസസ്സ് ചെയ്യുക. തുടർന്ന് ഔട്ട്പുട്ട് നേരിട്ട് പരിശോധിക്കുക: (1) ഓരോ വിഭാഗവും ശരിയാണോ? (2) "നിർണ്ണായക" എന്ന് അടയാളപ്പെടുത്തിയവർ യഥാർത്ഥത്തിൽ സേവനം നിർത്തുന്നുണ്ടോ? (3) ശരിയായ സ്ഥലങ്ങളിൽ ഞാൻ തീർച്ചയായും "അതെ" എന്ന് പറഞ്ഞോ? അനുയോജ്യമല്ലാത്ത ടാഗുകൾ ശരിയാക്കുക, അതിനനുസരിച്ച് പ്രോംപ്റ്റ് (പ്രത്യേകിച്ച് വിഭാഗ നിർവചനങ്ങളും അടിയന്തിര നിയമവും) അപ്ഡേറ്റ് ചെയ്യുക. ഈ വ്യായാമം നിങ്ങളുടെ സ്വന്തം യാഥാർത്ഥ്യത്തിലേക്ക് സ്കീമ കാലിബ്രേറ്റ് ചെയ്യുന്ന ശീലം നിർമ്മിക്കുന്നു.

ചെക്ക്ലിസ്റ്റ്

• [ ] വിഭാഗങ്ങളുടെ അടഞ്ഞതും വ്യതിരിക്തവുമായ ഒരു ലിസ്റ്റ് ഞാൻ നിർവചിച്ചിട്ടുണ്ട്.
• [ ] ഞാൻ മൂർത്തമായ നടപടികളോടെ അടിയന്തരാവസ്ഥയുടെ തലങ്ങൾ വിവരിച്ചു.
• [ ] ഞാൻ ഔട്ട്പുട്ട് ഫോർമാറ്റ് പരിഹരിച്ചു (JSON/ടേബിൾ).
• [ ] അനിശ്ചിതത്വത്തിനായി ഞാൻ ഒരു എക്സിറ്റ് ഡോർ ചേർത്തു (I'm_unsure).
• [ ] ഞാൻ ആദ്യ ബാച്ച് നേരിട്ട് പരിശോധിച്ചുറപ്പിക്കുകയും പ്രോംപ്റ്റ് കാലിബ്രേറ്റ് ചെയ്യുകയും ചെയ്തു.
• [ ] ഉയർന്ന സ്വാധീനം ചെലുത്തുന്ന പ്രവർത്തനങ്ങളിൽ ഞാൻ മനുഷ്യൻ്റെ അംഗീകാരത്തിൻ്റെ ഒരു പാളി ഇട്ടു.