Prompts com a tag: #JSON

4.5
8

Prompt de Prompts Estruturados para Entrevistas Técnicas

Prompt que orienta a IA a transformar prompts de screening em saídas JSON estritamente tipadas, avaliando prompts de contratação com base em um framework de sinal (Tooling Depth, Constraint Adherence, Output Clarity, Evidence Quality).

4.5
9

Avaliação de Perfil de Uso de IA através de um JSON de Regras

Prompt que solicita avaliação estruturada de um perfil de uso de IA com base em um JSON de regras, fornecendo pontuações para cinco métricas e um plano de melhoria.

4.5
9

Prompt de avaliação de Prompts em JSON

Prompt orientador para criar e avaliar prompts baseados em JSON, destacando vantagens, templates, casos de uso e diretrizes de validação para IA.

4.5
10

Orquestrador Dinâmico de Prompts com Agentes (JSON-driven)

Prompt que cria uma configuração de prompts dinâmica baseada em agentes, gerando uma estrutura JSON que descreve tarefas, agentes, prompts e métricas para orientar a IA na resolução de problemas complexos.

4.5
13

Prompt reutilizável para prompts com parâmetros de iluminação em JSON

Prompt que orienta a criar prompts com controles parametrizados via JSON, incluindo iluminacao e outras variaveis de cena, com validações, exemplos e dicas de ajuste.

4.5
12

HLAA: Prompt para Construção de Computador Virtual em Linguagem

Prompt que orienta a criar uma simulação HLAA (Computador Virtual em Linguagem) com RAM, CPU, Kernel, Modules e Commands, exigindo a saída em formato JSON com uma configuração inicial e um histórico de execução.

4.5
11

HLAA: Arquitetura de um Computador Virtual em Linguagem

Prompt para treinar IA a operar como um computador virtual HLAA, mapeando RAM para um State Schema JSON, com CPU de validação, Kernel de loop, Modules específicos e Commands em linguagem Assembly, incluindo instruções de inicialização, fluxo de execução e exemplos de estado.

4.5
14

Brevit vs JSON vs YAML: Prompt de Benchmark para Otimização de Tokens em LLM

Prompt que orienta um experimento de comparação entre Brevit, JSON e YAML, com foco na otimização de tokens para LLM, incluindo critérios de avaliação, benchmark prático e recomendações.

4.5
21

Prompt para Construir um SDS Retrieval System com LLMs (No-code)

Prompt para planejar e documentar um SDS Retrieval System gerido por LLMs, com fluxo assíncrono, dois modelos de processamento de dados, e componente de armazenamento/DB, com ênfase em no-code.