O sistema reorganiza automaticamente os modelos de prompts de acordo com as características específicas da solicitação, ajustando de forma inteligente os seguintes elementos: 1) injetando conteúdo de reflexão histórica com pesos diferentes; 2) inserindo dinamicamente regras de aprovação específicas do cenário; e 3) alocando recursos de etapas de raciocínio de acordo com a complexidade da solicitação. Por exemplo, ao lidar com a revisão de conformidade, o sistema reforçará o peso dos prompts para disposições regulamentares, enquanto ao lidar com a aprovação de projetos criativos, o sistema se concentrará na dimensão da avaliação da qualificação da equipe.
A implementação técnica adota a arquitetura de pipeline de prompts da LangChain, que oferece suporte à análise em tempo real dos metadados da solicitação (por exemplo, classificação do candidato, urgência do projeto etc.) para criar os prompts mais adequados. O caso de implementação de uma empresa de tecnologia mostra que a tecnologia permite que o sistema mantenha a taxa de precisão da tomada de decisão acima de 90% em ambos os cenários ao lidar com a revisão de contratos legais e a aprovação de aquisição de equipamentos de P&D ao mesmo tempo.
Essa resposta foi extraída do artigoLLManager: uma ferramenta de gerenciamento que combina aprovações de processos automatizados inteligentes com auditorias humanasO
