உண்மையான முடிவுகளைப் பார்க்க இந்த AI உதவியாளர்களில் ஒன்றுடன் உங்கள் prompt ஐ இப்போது சோதிக்கவும்:

உங்கள் prompts மற்றும் பெறப்பட்ட முடிவுகளை ஒப்பிட்டு மேம்படுத்த அவற்றைக் கண்காணிக்கவும்.

ஆலோசனை:

LLM உடன் சோதிக்கவும்

# திட்ட அறிக்கை: மனித வள டிஜிட்டல்மயமாக்கல்

## 1. சூழல்
எங்கள் நிறுவனத்தில் 3 தளங்களில் 500 பணியாளர்கள் உள்ளனர். தற்போது, மனித வள மேலாண்மை முற்றிலும் கைமுறையாக சிதறிய எக்செல் கோப்புகளுடன் உள்ளது.

## 2. அடையாளம் காணப்பட்ட பிரச்சனைகள்
- கோப்பு செயலாக்க நேரம்: சராசரியாக 15 நாட்கள்
- தரவு உள்ளீட்டு பிழை விகிதம்: 12%
- விண்ணப்பங்களைக் கண்காணிப்பதில் சிரமங்கள்
- செயல்திறனில் பார்வை இல்லை

## 3. முன்மொழியப்பட்ட தீர்வு
செயல்திறன் மேலாண்மை கருவியுடன் இணைந்த ATS (விண்ணப்பதாரர் கண்காணிப்பு அமைப்பு) செயல்படுத்துதல்.

## 4. பட்ஜெட் மற்றும் காலவரிசை
மதிப்பிடப்பட்ட பட்ஜெட்: €50,000
செயல்படுத்தும் காலம்: 6 மாதங்கள்
எதிர்பார்க்கப்படும் ROI: 30% உற்பத்தித்திறன் அதிகரிப்பு

ஆவணம்

இந்த அறிக்கையை பகுப்பாய்வு செய்ய ப்ராம்ப்ட் சங்கிலியை உருவாக்குங்கள் (3 பக்கங்கள்)

🔗 சங்கிலி கட்டமைப்பாளர்

**அறிக்கை சுருக்கம்:**
- சூழல்: 500 பணியாளர்கள் நிறுவனம், தற்போது கைமுறை மனித வள மேலாண்மை
- பிரச்சனைகள்: மெதுவான செயலாக்கம் (15 நாட்கள்), பிழைகள் (12%), கண்காணிப்பு இல்லை
- தீர்வு: செயல்திறன் மேலாண்மையுடன் ATS செயல்படுத்துதல்
- பட்ஜெட்: 6 மாதங்களில் €50,000
- எதிர்பார்க்கப்படும் ROI: 30% உற்பத்தித்திறன்

படி

⚠️ படி {index}: போதுமான சூழல் இல்லை. முந்தைய படியின் முடிவுகளைக் குறிப்பிடவும்.

பரிந்துரைகள்:

பணி பிரிப்பு வெற்றி. சரிபார்க்கக்கூடிய வெளியீடுகள் உருவாக்கப்பட்டன.

SEQUENCE_COMPLETE

CHAIN_ARCHITECT_V1.0

சங்கிலி வரிசை உருவகப்படுத்துதலைத் தொடங்குதல். குறிக்கோள்: சிக்கலான பணியை சரிபார்க்கக்கூடிய படிகளாக பிரிக்கவும்.

மூல ஆவணத்திலிருந்து முக்கிய புள்ளிகளை பிரித்தெடுக்கவும்

SUMMARIZE_DATA

சுருக்கத்திலிருந்து பரிந்துரைகளைப் பெறுங்கள்

GENERATE_ACTIONS

>> SEQUENCE_PROTOCOL_INIT

கட்டுப்பாடுகள்

ஒரே தலைப்பில் (எஃபெல் கோபுரம்) கட்டுப்பாடுகள் மாதிரியின் பதிலை எவ்வாறு அடிப்படையாக மாற்றுகின்றன என்பதைப் பார்க்க சுவிட்சுகளை இயக்கவும்.

கட்டுப்பாடு ஆய்வகம்

திரு. டுபோண்ட் உடனான சந்திப்பு மார்ச் 12 அன்று லியோனில் ஆல்பா திட்டத்தைப் பற்றி விவாதிக்க நடைபெறும்.

சோஃபி ஏப்ரல் 5 அன்று பெர்லினுக்கு செல்வார்.

மார்க் 2020 இல் ரோமைப் பார்வையிட்டார்.

முக்கிய அறிவுறுத்தலை மாற்றாமல், உதாரணங்களை (shots) சேர்ப்பது பதில் துல்லியத்தையும் வடிவமைப்பையும் எவ்வாறு வியத்தகு முறையில் மேம்படுத்துகிறது என்பதைப் பாருங்கள்.

பின்வரும் உரையிலிருந்து நிறுவனங்களை (பெயர், தேதி, இடம்) பிரித்தெடுக்கவும்.

Few-Shot கட்டுநர்

விலைப்பட்டியலில் உள்ள பிழையை சரிசெய்ய வாடிக்கையாளருக்கு ஒரு மின்னஞ்சல் எழுதுங்கள்.

திருத்த மின்னஞ்சல்

தொகுதி 1 மூலம் உங்கள் முன்னேற்றத்தைக் கண்காணிக்கவும்

உங்கள் திறன் மரம்

BUG HUNTER நிபுணர்

பயிற்சி முடிந்தது

விடுபட்ட இருப்புள்ளி

விடுபட்ட மேற்கோள்கள்

ஒட்டுண்ணி உரை

முடிவு கமா

பிழைகளைச் சரிசெய்யுங்கள்

செல்லுபடியாகும் JSON-ஐக் கண்டறியுங்கள்

JSON பிழைகளைக் கண்டறியுங்கள்

4 பொதுவான JSON பிழைகளைத் தேர்ச்சி பெறுங்கள்

BUG HUNTER

பிரித்தெடுப்பாளர் உருவாக்கப்பட்டது!

பகுப்பாய்வு செய்ய CV-ஐ தனிமைப்படுத்து

பகுப்பாய்வு செய்ய CV:
<<<
[CV உள்ளடக்கம் இங்கே]
>>>

வரம்புகள்

CV பகுப்பாய்வில் HR நிபுணர்

நீங்கள் CV பகுப்பாய்வில் ஒரு HR உதவியாளர் நிபுணர்.

பங்கு

வகைகளுடன் எதிர்பார்க்கப்படும் கட்டமைப்பு

எதிர்பார்க்கப்படும் வடிவம்:
{
  "பெயர்": "(உரை)",
  "மின்னஞ்சல்": "(உரை)",
  "தொலைபேசி": "(உரை அல்லது null)",
  "திறன்கள்": ["(பட்டியல்)"],
  "அனுபவங்கள்": [{ "பதவி": "", "நிறுவனம்": "", "தேதிகள்": "" }]
}

JSON திட்டம்

JSON மட்டும் வடிவத்தை கட்டாயப்படுத்து

தகவலைப் பிரித்தெடுத்து சரியான JSON மட்டும் வழங்கு. முன்னும் பின்னும் எந்த உரையும் இல்லை.

கடுமையான அறிவுறுத்தல்

பதிலளிக்கும் முன் சுய-சரிபார்ப்பு

காலியாக இருந்தாலும் அனைத்து புலங்களையும் சேர்க்கவும் (null அல்லது []). பதிலளிக்கும் முன் JSON தொடரியலை சரிபார்க்கவும்.

சரிபார்ப்பு

உங்கள் CV பிரித்தெடுப்பாளரை துண்டு துண்டாக உருவாக்குங்கள்

JSON வெற்றிகரமாக பிரித்தெடுக்கப்பட்டது!

நடைமுறை சோதனை

CV FORGE

JSON

கட்டமைக்கப்பட்ட பட்டியல்

கட்டமைக்கப்பட்ட அறிக்கை

அட்டவணை

உங்கள் பயன்பாட்டு வழக்குக்கான சிறந்த வடிவத்தைக் கண்டறியுங்கள்

FORMAT SELECTOR

தனிப்பயனாக்கப்பட்ட ROI கணிப்பான்

நிதி

மனிதவளம்

வாடிக்கையாளர் ஆதரவு

உங்கள் உற்பத்தித்திறன் மாற்றத்தை காட்சிப்படுத்துங்கள்

IMPACT TIMELINE

அலெக்ஸின் நிலைமை

சரியானது!

தரவை JSON-ஆக மாற்றுங்கள்

பயிற்சி முடிந்தது!

சரிபார்ப்பு வினாடி வினா

குழப்பத்தை கட்டமைப்பாக மாற்றுங்கள்

OUTPUT TRANSFORM LAB

சரியான ப்ராம்ட்டை உருவாக்க ஒவ்வொரு சேனலையும் சரிசெய்யுங்கள்

PROMPT MIXER

சுய-நிலைத்தன்மை: பல பகுத்தறிவு பாதைகளின் ஜனநாயக வாக்கெடுப்பு

CONSENSUS_ENGINE

The Apple Problem

The Parking Problem

Logic: All A are B

Compare Direct vs Chain-of-Thought and write your own reasoning

COT_COMPARATOR

Adding "Think step by step" dramatically improves reliability on reasoning tasks. This simple phrase forces the model to decompose problems, show intermediate calculations, and verify logic before answering.

❌ WHEN NOT TO USE COT

✅ WHEN TO USE COT

SCORING CRITERIA

CoT vs ReAct: முக்கிய வேறுபாடு

முதலில் பாரிஸின் தற்போதைய வானிலையை தெரிந்துகொள்ள வேண்டும். வானிலை கருவியை பயன்படுத்துவேன்.

{ 'city': 'Paris', 'temp': 14, 'condition': 'லேசான மழை', 'precipitation': 80% }

80% மழை வாய்ப்புடன் லேசான மழை பெய்கிறது. குடை பரிந்துரைக்க வேண்டும்.

format_response(weather_data, recommendation)

பாரிஸில், லேசான மழையுடன் 14°C உள்ளது. ஆம், குடை எடுத்துச் செல்லுங்கள்! ☔

"சிந்திக்கும்" CoT போலல்லாமல், ReAct மாதிரிக்கு <strong>செயல்பட</strong> அனுமதிக்கிறது:

தொகுதி 4: முகவர்கள் & ஆர்கெஸ்ட்ரேஷன்

பகுத்தறிவு + செயல்: செயல்பட முடிகிற AI

ReAct_PREVIEW

தீர்க்கும் முன் பின்வாங்கு: செயற்கைக்கோள் பார்வை → விரிவான பார்வை

STEP_BACK_SIMULATOR

OpenAI அதிகாரப்பூர்வமாக படிப்படியான சிதைவை பரிந்துரைக்கிறது. இந்த நுட்பங்கள் இப்போது நவீன AI முகவர்களில் (ChatGPT, Claude, Gemini) நிலையானவை.

நுட்ப ஒப்பீடு

CoT முறைப்படுத்தல்: காரணத்தைக் காட்டுவது சிக்கலான சிக்கல்களில் LLM-களை மேம்படுத்துகிறது.

Wei et al. - Chain-of-Thought Prompting

கண்டுபிடிப்பு: 'Let's think step by step' எடுத்துக்காட்டுகள் இல்லாமல் CoT செயல்படுத்துகிறது.

Kojima et al. - Zero-Shot Reasoners

பல காரணப் பாதைகளில் பெரும்பான்மை வாக்கு +10-15% மேம்படுத்துகிறது.

Wang et al. - Self-Consistency

தீர்ப்பதற்கு முன் ஒரு படி பின்வாங்குவது (கோட்பாடுகளை அடையாளம் காண்பது) பிழைகளைத் தவிர்க்கிறது.

Zheng et al. - Step-Back Prompting

Chain-of-Thought

Self-Consistency

Step-Back

ஆராய்ச்சி காலவரிசை

10 ஆப்பிள்களுடன் தொடங்குகிறேன்

X-க்கு 2 கொடுக்கிறேன் → 10 - 2 = 8

Y-க்கு 2 கொடுக்கிறேன் → 8 - 2 = 6

5 மேலும் வாங்குகிறேன் → 6 + 5 = 11

1 சாப்பிடுகிறேன் → 11 - 1 = 10

சூத்திரத்தை அடையாளம் காணுங்கள்: தூரம் = வேகம் × நேரம்

நேரத்தை மாற்றுங்கள்: 2 மணி 30 நிமிடம் = 2.5 மணி

பயன்படுத்துங்கள்: 80 × 2.5 = 200

ஒற்றைப்படை எண்களை அடையாளம் காணுங்கள்: 9, 15, 1

கூட்டுத்தொகையை கணக்கிடுங்கள்: 9 + 15 + 1 = 25

இரட்டை/ஒற்றை சரிபாருங்கள்: 25 ஒற்றைப்படை

மூளை ஸ்கேனர்: தூண்டுதல் முறை vs சிந்தனை முறை (CoT)

THINKING_LAB

மதிப்பீடு

கொள்கை

கத்தரித்தல் (Pruning)

சிந்தனை மரம்: பல பகுத்தறிவு கிளைகளை இணையாக ஆராயுங்கள்

THOUGHT_TREE_EXPLORER

ஓநாயுடன் கடக்கவும்

ஆட்டுடன் கடக்கவும்

முட்டைக்கோசுடன் கடக்கவும்

இடது கரை: 🐺 ஓநாய், 🐐 ஆடு, 🥬 முட்டைக்கோஸ்

Reorder the Pipeline

A company receives 100 CVs per day. Without automation, an HR spends 5 minutes per CV. With an LLM pipeline, it drops to 10 seconds.

Dear Sarah,

We are pleased to inform you that your profile has caught our attention for the Senior Developer position.

Your 8 years of experience and mastery of React/Node.js perfectly match our needs.

Would you be available for a technical interview next week?

Best regards,
The TechCorp HR Team

Your application - Senior Developer

The second prompt takes the JSON and analyzes the fit for the position (Senior Dev). It checks key skills.

Step 2: Analysis

The last prompt decides whether to interview the candidate and drafts the response email (invitation or rejection).

Step 3: Decision

The first prompt extracts raw data from the CV and transforms it into structured JSON format. This is easier to process for the next steps.

Step 1: Extraction

A pipeline is a chain of prompts where **the output of one step becomes the input of the next**. It's like a production line: each station does ONE specialized task.

What is a Pipeline?

Pipeline Pattern Summary

HR Application Processing

சுருக்கத்தைப் பார் →

🔄 இணையான செயலாக்கம் + உலகளாவிய தொகுப்பு

MAP_REDUCE_ENGINE

அலெக்ஸ் சுருக்க அறிக்கையை உருவாக்க 500 வாடிக்கையாளர் மதிப்புரைகளை பகுப்பாய்வு செய்ய வேண்டும். LLM அனைத்தையும் ஒரே நேரத்தில் செயலாக்க முடியாது. என்ன செய்வது?

பிரச்சனை

தீர்வு: Map-Reduce

ஒவ்வொரு மதிப்புரையும் ஒரே ப்ராம்ப்ட்டுடன் சுயாதீனமாக செயலாக்கப்பட்டது. 5 மடங்கு வேகமாக செல்ல இந்த அழைப்புகளை இணையாக்கலாம்! இப்போது இந்த 5 பகுப்பாய்வுகளை தொகுக்க வேண்டும்.

INSIGHT:

MAP கட்டம்: தனிப்பட்ட பகுப்பாய்வு

{count} பகுப்பாய்வுகளை அறிக்கையாக ஒருங்கிணை

REDUCE கட்டம்: உலகளாவிய தொகுப்பு

தரமான தயாரிப்பு, விரைவான டெலிவரி. ஒரே குறை: பேக்கேஜிங் சிறிது சேதமடைந்திருந்தது.

வாடிக்கையாளர் சேவையால் ஏமாற்றம். ஆர்டர் பிரச்சனைக்கு 3 நாட்களாக யாரையும் தொடர்பு கொள்ள முடியவில்லை.

அருமை! நான் தேடியது சரியாக இதுதான். மிகவும் பரிந்துரைக்கிறேன். மிகவும் போட்டி விலை.

சரி, ஆனால் அதற்கு மேல் இல்லை. தயாரிப்பு விளக்கத்துடன் பொருந்துகிறது ஆனால் தரம் சிறப்பாக இருக்கலாம்.

மிகவும் ஏமாற்றம். தயாரிப்பு உடைந்து வந்தது, ஆதரவிலிருந்து பதில் இல்லை. பரிந்துரைக்க மாட்டேன்.

200 மதிப்புரைகள் × 0.1வி/மதிப்புரை + 5வி தொகுப்பு = 25 விநாடிகள்

200 மதிப்புரைகள் × 3 நிமிடம்/மதிப்புரை = 10 மணி நேர கைமுறை வேலை

10 மணி நேரம் → 25 விநாடிகள் (×1440 வேகமாக)

கணக்கிடப்பட்ட ROI

தொகுப்பு

Map-Reduce Pattern சுருக்கம்

உங்கள் தேவையை பூர்த்தி செய்யும் எளிமையான வடிவத்துடன் எப்போதும் தொடங்குங்கள். உண்மையில் தேவைப்பட்டால் மட்டுமே சிக்கலைச் சேர்க்கவும்!

பொன் விதி:

மேலோட்டம்

வடிவங்களின் ஒப்பீடு

🔍 உங்கள் பயன்பாட்டுக்கு ஏற்ற வடிவத்தைக் கண்டறியவும்

COMPLEXITY_ADVISOR

முடிவு மரம்

அலெக்ஸ் தனது திட்டத்திற்கு பல கட்டமைப்புகளுக்கு இடையே தயக்கமாக உள்ளார். எளிய ப்ராம்ப்ட்? பைப்லைன்? Map-Reduce? முகவர்கள்? எப்படி தேர்வு செய்வது?

ஒரே ப்ராம்ப்ட்டுடன் N உருப்படிகளை இணையாக செயலாக்கம்.

தொகுதி செயலாக்கம்

ஒவ்வொரு உருப்படியையும் MAP செய், பின் உலகளாவிய தொகுப்பில் REDUCE செய்.

Map-Reduce

சில வினாடிகள் இடையக பின் குழு செயலாக்கம்.

மைக்ரோ-பேட்ச்

நிபந்தனை செயல்படுத்தலுடன் சார்பு வரைபடம்.

DAG ஒழுங்கமைப்பு

ஒவ்வொரு ப்ராம்ப்ட்டும் அடுத்ததின் சூழலை செழுமைப்படுத்தும் படிகளின் சங்கிலி.

வரிசையான பைப்லைன்

பணிகளை நுகரும் தொழிலாளர்களுடன் காத்திருப்பு வரிசை.