Sieć sklepów spożywczych buduje chatbota, który musi odpytywać bieżące stany magazynowe i zwracać lokalizacje produktów w sklepie. Który wzorzec inżynierii promptów jest najbardziej odpowiedni do zbudowania tego chatbota?

ReAct (Reasoning and Acting) prompting jest najbardziej odpowiedni, ponieważ pozwala chatbotowi na dynamiczne rozumowanie (planowanie) i podejmowanie działań (wykonywanie), takich jak odpytywanie zewnętrznych baz danych (np. stanów magazynowych) i zwracanie konkretnych informacji (lokalizacji produktów). Zero-shot prompting polega na bezpośrednim zadaniu pytania bez przykładów, co jest niewystarczające dla złożonych zadań wymagających interakcji z zewnętrznymi systemami. Few-shot prompting dostarcza kilka przykładów, ale nadal nie umożliwia dynamicznego planowania i wykonywania działań. Least-to-most prompting rozbija problem na mniejsze kroki, ale nie obejmuje bezpośrednio mechanizmu do interakcji z zewnętrznymi narzędziami w celu pobierania danych w czasie rzeczywistym, co jest kluczowe w tym scenariuszu.