What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering
Dit artikel stelt een constitutieve definitie en een operationeel kader voor "prompt graph engineering" voor om moderne prompt-systemen formeel te karakteriseren als expliciete, uitvoerbare grafen, waarmee noodzakelijke voorwaarden, een gedeelde vocabulaire en een onderzoeksagenda worden vastgesteld voor een praktijk die momenteel alomtegenwoordig is in de industrie maar een gebrek heeft aan een precieze theoretische definitie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een superintelligente robot probeert te leren hoe hij een mysterie moet oplossen. In het begin schreef je gewoon één enorme, perfecte brief aan de robot, in de hoop dat hij alles uit die enkele boodschap zou begrijpen. Dat was de oude manier: één prompt, één antwoord. Maar naarmate de robots slimmer werden en de mysteries moeilijker, was die enkele brief niet meer genoeg. Ingenieurs realiseerden zich dat ze het probleem moesten opdelen. Ze begonnen de robot een plan te laten schrijven, daarna zijn werk te laten controleren, vervolgens om hulp te laten vragen aan een specialist, en tot slot te laten stemmen over het beste antwoord. Plotseling was de "prompt" niet langer alleen maar een brief; het was een heel team van robots dat samenwerkte in een specifieke volgorde.
Hier wordt het ingewikkeld. Wanneer je een team van robots hebt dat briefjes naar elkaar doorgeeft, heb je een kaart nodig om aan te geven wie met wie praat, op wie men wacht en wie de uiteindelijke beslissing neemt. In de wereld van de informatica wordt deze kaart een graaf genoemd. Denk aan een graaf als een metromap: de stations zijn de stappen (zoals "een aanwijzing lezen" of "de expert bellen") en de rails zijn de instructies die de robot vertellen waar hij daarnaheen moet gaan. Sommige rails gaan terug in een lus als er een fout wordt gemaakt; sommige splitsen zich tegelijkertijd in twee paden. De grote vraag waar wetenschappers en ingenieurs zich nu mee bezighouden is: wanneer wordt een rommelige verzameling robotinstructies een echte, officiële "graaf" die we kunnen bestuderen, repareren en verbeteren? Als we het niet eens kunnen worden over wat een graaf precies is, kunnen we geen betere hulpmiddelen bouwen om deze robotteams te beheren.
Dit artikel, geschreven door Sandeco Macedo, is als een detective die probeert de officiële grenslijn voor dit nieuwe veld te trekken. De auteur betoogt dat we het woord "graaf" te losjes gebruiken. Soms gebruiken mensen het om te beschrijven hoe een robot denkt binnen zijn eigen hoofd, en soms gebruiken ze het om een kaart te beschrijven die een ingenieur heeft getekend om de robot te besturen. Het artikel suggereert dat voor iets om als "Prompt Graph Engineering" te tellen, het een specifiek soort ontworpen kaart moet zijn, en niet zomaar een willekeurig gesprek of een denkproces.
De auteur stelt een strikte vierdelige test voor om te bepalen of een systeem een echte "prompt graaf" is. Ten eerste moet de kaart expliciet zijn: je moet de stations en de rails op papier (of in code) kunnen zien voordat de robot zelfs maar begint te draaien. Ten tweede moet de kaart gescheiden zijn van de aantekeningen: je moet de instructies op de rails (de structuur) kunnen veranderen zonder de brieven die de robot leest (de inhoud) te hoeven herschrijven, en vice versa. Derde moet de kaart uitvoerbaar zijn: het is niet alleen een tekening; een computer moet het daadwerkelijk kunnen uitvoeren, waarbij wordt beslist welk station als volgende wordt bezocht op basis van de regels. En vierde moet de kaart een echt object zijn: het moet bestaan als een bestand of een ontwerp dat kan worden opgeslagen, versiebeheer kan krijgen en kan worden verbeterd, net als een blauwdruk voor een huis.
Met behulp van deze test sorteert het artikel de echte hulpmiddelen van de imitatoren. Het bevestigt dat systemen zoals LangGraph en DSPy echte prompt-grafen zijn omdat ze duidelijke kaarten, aparte structuren en runtimes hebben die ze uitvoeren. Echter, het sluit sommige populaire multi-agent systemen uit waarbij de robots vrijelijk met elkaar chatten en het pad dat ze afleggen pas wordt ontdekt nadat ze klaar zijn met praten; dat zijn "emergente" stromen, en geen geengineerde grafen. Het artikel verduidel clarifies ook dat "thought topologies" (waarbij een robot een boom van ideeën genereert) er weliswaar uitzien als grafen, maar niet hetzelfde zijn omdat de robot, en niet de ingenieur, de kaart tekent.
Uiteindelijk suggereert het artikel dat we ons op een kantelpunt bevinden. We zijn bewogen van het schrijven van enkelvoudige brieven naar het ontwerpen van complexe, lussen en vertakkende systemen. Door exact te definiëren wat een "prompt graaf" is, geeft de auteur ingenieurs een gedeelde vocabulaire en een checklist. Dit lost niet alle problemen op, maar het voorkomt dat we een rommelig gesprek een "graaf" noemen en helpt ons te focussen op het bouwen van systemen waarbij de structuur zelf kan worden geïnspecteerd, getest en geoptimaliseerd. Het artikel concludeert dat hoewel de praktijk van het bouwen van deze kaarten al plaatsvindt in laboratoria en bedrijven, het hebben van een duidelijke definitie de noodzakelijke eerste stap is om te meten hoeveel beter deze kaarten onze AI-systemen maken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.