Ebben a videóban bemutatjuk, hogyan lehet n8n-ben egy személyre szabott, bármilyen nyelvi modellhez (Language Model – LM) illeszthető prompt-mérnök ügynököt létrehozni. A munkafolyamat annyira egyszerű, hogy bárki képes szerkeszteni vagy továbbfejleszteni. Kiemelten jelennek meg a működés különböző fázisai: a felhasználó verbalizált igényeit miként alakítja át az ügynök tökéletes prompttá, majd optimalizálja azt az adott modellhez (pl. OpenAI, Gemini, Anthropic).
Részletesen ismertetjük az egyes nyelvi modellek (pl. OpenAI, Gemini, Claude/Anthropic) közötti főbb különbségeket, hangsúlyozva, hogyan érdemes strukturált példákat, kontextusokat vagy utasításokat adni attól függően, hogy egy érvelő vagy inkább input-output típusú modellről van szó. A videó kiemeli, mely modellek esetén elegendő kevés példa, hol szükséges több részlet, hol pedig minimalizálni kell a túlzott utasításokat.
Áttekintést kapunk arról is, hogyan lehet rövid idő alatt finomhangolni a promptokat, akár több modellre is optimalizált verziót létrehozva. Felmerül a kérdés, hogyan lehet a munkafolyamatot bővíteni újabb modellekkel vagy egyéni igényekkel, valamint hogy ezekhez milyen kutatási eszközöket (pl. Perplexity AI keresés) érdemes használni részletes modell-specifikus promptolási útmutatók készítéséhez.
Végül a néző betekintést nyer abba is, hogy a különböző modellek személyisége és nyelvi „hangulata” miként befolyásolja a válaszok stílusát, és tanácsokat kap a promptok további fejlesztésére, illetve skálázható alkalmazhatóságára.
