Prompt per progettare un sistema multi-agente di revisione

👤 AI Engine 👁 683 views 📅 20 Oct 2026
👍
0
Voti
❤️
0
Mi Piace
⭐
0
Salvati
📊
0
Engagement
📋
0
Copie
**Contesto e ruolo dell'AI** Progetta un sistema multi-agente basato su intelligenza artificiale in grado di gestire un flusso di lavoro di revisione collaborativa dei documenti. Il sistema coordina agenti specializzati (ad esempio, Project Manager AI, Redattore AI, Revisore QA AI, Espert0 di Dominio AI) per analizzare, revisionare e unificare i contenuti in modo coerente, garantendo scalabilità e controllo qualità. L'AI funge da orchestatore, supervisore e risolutore di errori, fornendo metriche di performance in tempo reale. **Obiettivi** - Definire un [nome_flusso_di_lavoro] chiaro che descriva l'intero processo di revisione. - Assegnare ruoli e responsabilità a ciascun agente, specificati in [elenco_agenti]. - Implementare protocolli di comunicazione strutturati per il passaggio di informazioni tra agenti. - Creare un workflow coordinato con punti di consegna ben definiti. - Gestire errori e eccezioni attraverso un sistema di escalation. - Unire i risultati parziali in un documento finale coerente. - Monitorare le metriche di performance (tempo di revisione, tasso di errore, utilizzo delle risorse). **Input richiesti** - `[nome_flusso_di_lavoro]`: una descrizione breve (2-3 frasi) del processo di revisione (ad esempio, revisione legale, controllo accademico, revisione di contenuti tecnici). - `[elenco_agenti]`: una lista comma-separata dei ruoli degli agenti che parteciperanno (es. "Project Manager AI, Redattore AI, Revisore QA AI, Espert0 di Dominio AI"). - Documenti grezzi da revisionare (in formato .txt, .pdf, .docx). - Vincoli specifici (scadenza, livelli di autorizzazione, checklist di stile). **Processo step-by-step** 1. **Inizio e inizializzazione** " Il Project Manager AI carica il [nome_flusso_di_lavoro] e valida l’[elenco_agenti]; assegna ID univoci e inizializza un repository di contesto condiviso. 2. **Analisi del documento** " Il Redattore AI scompone ogni documento in sezioni, estrae entità e identifica le aree che necessitano di revisione. I metadati vengono memorizzati nel contesto condiviso. 3. **Revisione specializzata** " Il Revisore QA AI applica regole di controllo qualità (ortografia, grammatica, conformità). L’Espert0 di Dominio AI verifica la correttezza fattuale in base alla checklist fornita. 4. **Comunicazione tra agenti** " Dopo ogni fase, l’agente attiva pubblica un messaggio strutturato (JSON) nel broker di comunicazione; gli agenti in ascolto recuperano i risultati e aggiornano il contesto condiviso. 5. **Gestione errori ed escalation** " Se un controllo fallisce, il Revisore QA AI genera un errore con un punteggio di severità. Il Project Manager AIescalatese il punteggio supera la soglia, attivando il revisore umano o un fallback automatico. 6. **Unificazione dei risultati** " Il Redattore AI fonde le versioni riviste, risolve conflitti e produce una bozza unificata. Il Project Manager AI esegue una seconda passata di controllo per garantire coerenza. 7. **Metriche di performance** " Il sistema registra: tempo di elaborazione per documento, tasso di errore per agente, utilizzo della memoria e tempo di escalation. Questi dati vengono esposti tramite un cruscotto. 8. **Consegna finale** " Il documento finale viene scritto nel formato desiderato (PDF/DOCX) e archiviato nel bucket di output; un registro delle versioni viene aggiornato. **Formato output desiderato** - Documento unificato finale (formato originale). - Report di revisione (JSON) contenente: stato per ogni sezione, azioni correttive, commenti degli agenti. - Dashboard di metriche (CSV/PDF) con timestamp, tempi di elaborazione, tasso di errore. - Log delle attività (JSON) per la tracciabilità. **Esempio** Input: `[nome_flusso_di_lavoro]` = "Revisione legale dei contratti", `[elenco_agenti]` = "Project Manager AI, Redattore AI, Revisore QA AI, Espert0 Legale AI". Risultato: contratto finale revisionato, report JSON con note di modifica, dashboard con revisione completata al 98% in 45 minuti. **Angolo utile per chi cerca su Google** "Come creare un sistema multi-agente per la revisione collaborativa dei documenti con passaggi dettagliati e codice pronto all'uso" " fornisce una soluzione concreta per ingegneri e team di IA che vogliono automatizzare i processi di revisione complessi.
🌍 Traduci in:

📝 Descrizione

Prompt dettagliato per progettare un sistema multi-agente di revisione collaborativa con ruoli, workflow e metriche definiti.

🤖 Consigliato per

🤖 ChatGPT🧠 Claude✨ Gemini

🎯 Difficoltà

🟡 Intermedio

🏷️ Tags

sistema multi-agenterevisione collaborativacoordinamento tra agentiintelligenza artificialeelaborazione documenti

📊 Distribuzione Reazioni

⭐ Star History

Crescita delle stelle nel tempo

Come usare Prompt per progettare un sistema multi-agente di revisione

Prompt dettagliato per progettare un sistema multi-agente di revisione collaborativa con ruoli, workflow e metriche definiti.

Come personalizzare il prompt

Prima di eseguirlo sostituisci i placeholder principali con dati reali del tuo caso: nome_flusso_di_lavoro, elenco_agenti. In questo modo l'output resta coerente con il contesto, il tono e l'obiettivo finale.

Domande frequenti

Come si usa Prompt per progettare un sistema multi-agente di revisione?

Prompt dettagliato per progettare un sistema multi-agente di revisione collaborativa con ruoli, workflow e metriche definiti.

Cosa devo personalizzare prima di copiarlo?

Conviene sostituire i placeholder più importanti con informazioni specifiche del tuo caso, ad esempio: nome_flusso_di_lavoro, elenco_agenti.

Approfondimenti correlati

Quando i template di prompt rivoluzionano aziende e freelance nel 2026? Introduzione: la risposta rapida Usa template di prompt modulari, basati su casi d'uso concreti e integrati con i nuovi LLM multimodali e gli agent... Come ottenere una code review automatizzata affidabile con i LLM più recenti nel 2026 Scopri come ottenere una code review automatizzata affidabile utilizzando i LLM più avanzati del 2026, inclusi Nanbeige4.3-33B, AKV e Drex, con ese... Quando usare il prompt engineering per un tutor AI che adatta a DNA Scopri quando il prompt engineering per un tutor AI basato su DNA e search agent migliora l'apprendimento personalizzato nel 2026.
Professional Services

Need Custom Prompts or
Tailored AI Automations?

Our expert team can craft professional prompts, implement business automations, and integrate AI into your workflows.

Custom Prompts n8n/Make Automations AI Chatbots Team Training
Request Free Consultation

Reply within 24h - No obligation