Advanced modul
Workflow
A valódi produktivitási nyereség akkor jelenik meg, amikor a munkát lépésekre bontod.
Ez a modul nem szoftverhasználati útmutató, hanem gondolkodási keret. A lényeg: a valós munkában a feladatok szinte mindig több lépésből állnak, és az AI sokkal jobban teljesít, ha ezt a logikát te is megmutatod neki.
Lépésekre bontás
A komplex feladat könnyebbé válik, ha részekre szeded.
Nem kell külön tool
Workflow-ban gondolkodni már egy sima chatablakban is lehet.
Az ember marad a karmester
Te adod a keretet, az AI végrehajt, te ellenőrzöl.
A legtöbb ember itt akad el
A legtöbb AI-használó nem ott rontja el a munkát, hogy rosszul promptol, hanem ott, hogy túl sok különböző dolgot akar egyszerre megoldani egyetlen kérésben.
Ilyenkor a modell látszólag dolgozik, valójában viszont több fázist összecsúsztat. Az eredmény gyakran használhatónak tűnik, de nehezen ellenőrizhető, nehezen javítható, és nem ismételhető stabilan.
Kulcspontok
Egyszerre akar kutatni és értelmezni
Az AI felkéri, hogy gyűjtse össze az összes releváns anyagot — de közben máris elemzi is. Mindkettő felszínesebb marad, mintha külön lépésben kérték volna.
Egyszerre akar döntést és kész outputot
A következtetések és a végső formázott szöveg összekeverednek. Az AI optimalizál arra, hogy valami kereknek tűnő választ adjon — nem arra, hogy minden fázis a legjobb legyen.
A workflow-logika kérdése
Nem csak azt kérdezi: mit kérek az AI-tól? Hanem azt is: milyen lépésekből áll valójában ez a munka?
Miért nem elég egy jó prompt?
A jó prompt fontos, de csak addig elég, amíg a feladat valóban egyetlen tiszta műveletből áll.
Ha viszont a feladatodban több fázis van, a legjobb prompt sem fogja teljesen megszüntetni az összecsúszás kockázatát. Nem azért, mert a modell gyenge, hanem mert a feladat maga több különböző munkatípust tartalmaz.
A workflow tehát nem még jobb prompt, hanem annak felismerése, hogy a munkát nem egy kérdésként, hanem lépéssorként kell kezelni.
Kulcspontok
Anyaggyűjtés
Releváns dokumentumok, adatok összeszedése. Önmagában is egy teljes feladat, amely más fókuszt igényel, mint az elemzés.
Szűrés
A releváns anyag elkülönítése a nem relevánstól. Más szellemi műveletet igényel, mint a gyűjtés.
Értelmezés
A szűrt anyag elemzése, mintakeresés — ez az analitikus réteg. Ha a gyűjtéssel egy lépésben történik, mindkettő felszínes marad.
Szerkesztés és végső kommunikáció
A következtetések formázása, a kész output hangvételének beállítása. Ez már kreatív szövegírás — más logika, más fókusz.
Workflow
A valódi produktivitási nyereség nem attól jön, hogy gyorsabban kérdezed az AI-t — hanem attól, hogy a munkát lépésekre bontod, és minden lépésben csak egy tiszta részfeladatot adsz neki.
Az előző modulban azt láttad, hogy a chat csak a felszín. Most jön a következő szint: hogyan használjuk az AI-t úgy, hogy ne csak válaszokat adjon, hanem egy munkalogika részeként működjön. Ez a modul nem szoftverhasználati útmutató — hanem gondolkodási keret.
Kulcspontok
A workflow nem szoftver, hanem munkaszervezési logika
A lényeg nem az, milyen felületen dolgozol, hanem az, hogyan bontod fel a feladatot. Ugyanabban a chatablakban is lehet rosszul és jól szervezett munkát végezni.
Egy nagy prompt helyett egymásra épülő lépések
A többfázisú feladatok jobban működnek, ha külön kéred a kutatást, az értelmezést és a végső outputot. Így az AI minden körben egy tiszta részfeladatra tud koncentrálni.
Te adod a keretet, az AI végrehajt, te ellenőrzöl
Te döntöd el a célt, a sorrendet és az ellenőrzési pontokat. Az AI gyorsan elvégzi a részfeladatokat, de a minőségért és a jóváhagyásért továbbra is te felelsz.
Mi az a workflow — és mi nem az
A workflow egyszerűen azt jelenti, hogy egy feladatot egymásra épülő lépésekre bontasz. Fontos, hogy ezt ne keverd össze a következő leckék témáival: a workflow nem automatizáció (nem fut magától), nem agent (nem hoz önálló döntéseket), és nem külön szoftver. Már egy sima chatablakban is lehet workflow-ban dolgozni — csak tudatosabban kell felépíteni a kéréseidet.
Kulcspontok
A workflow NEM:
külön platform vagy alkalmazás, automatizáció — nem fut magától, agent — nem hoz önálló döntéseket, varázsprompt, ami mindent megold egyszerre
A workflow IGEN:
egy feladat lépésekre bontott logikája, ahol minden lépésnek egyetlen, világos célja van, az egyik lépés outputja a következő lépés inputja, te határozod meg a sorrendet és az ellenőrzési pontokat
Egy workflow minimális szerkezete
1. Input meghatározása — mit kap a modell, milyen céllal → 2. Első feldolgozás / kivonat → 3. Köztes output → 4. Emberi ellenőrzés → 5. Végső output — a felhasználható, továbbadható eredmény
Példák és működő minták
Megjegyzés
Ez az öt lépés bármilyen feladatra rá lehet húzni. Nem minden munka igényli mindet — de segít, ha tudod, melyik lépésnél vagy éppen.
Miért jobb, mint egy nagy prompt?
A kérdés → válasz forma gyors és hasznos, de a legtöbb valódi feladat kutatást, értelmezést, döntést és ellenőrzést is igényel. Ha ezeket mind egyetlen promptba zsúfolod, az AI nehezebben tud jó eredményt adni — mert a különböző fázisok különböző fókuszt igényelnek. Három ok, amiért a workflow-logika tartósan jobb eredményt ad.
Kulcspontok
Jobb kontroll
Ha lépésenként haladasz, pontosan látod, hol ment félre a logika — nem a végeredménynél derül ki, hogy az összefoglaló rossz, mert már az elemzési lépés sem volt jó. Lépésenként tudsz javítani, és nem kell elölről kezdeni az egészet.
Jobb minőség
Az AI pontosabban teljesít, ha egy lépésben csak egyetlen, világos részfeladatot kap. Ha egyszerre kell kutatnia, értékelnie és végső szöveget írnia, mindhárom gyengébbre sikerül, mintha mindegyiket külön körben kéred.
Jobb ismételhetőség
Ami egyszer jól működött, reprodukálható. Ha van egy bevált lépéssored a meeting-feldolgozáshoz, azt holnap is ugyanúgy tudod alkalmazni — akár más anyagon. Ez az alap, amire később automatizálás épülhet.
Példák és működő minták
Egy nagy prompt
„Elemezd ezt a meeting-jegyzetet, emeld ki a problémákat, írj vezetői összefoglalót és akciólistát." — Az AI keveri a fázisokat: a problémák listája összefolyik az akciópontokkal, a vezetői összefoglaló ismétli az elemzést. Nehéz javítani, mert nem tudod, melyik résznél romlott el.
Workflow-logika
1. „Foglald össze a fő témákat és döntéseket." 2. „Emeld ki a nyitott kérdéseket és kockázatokat." 3. „Készíts akciólistát felelősökkel és határidőkkel." 4. „Írj egy rövid, 5 mondatos vezetői összefoglalót." — Minden lépés átlátható. Ha az akciólista nem jó, csak azt a lépést ismétled meg — nem az egészet.
Mikor elég egy sima prompt — és mikor kell workflow?
Nem minden feladat igényel workflow-t. Az egyszerű, egyértelmű kérésekhez felesleges bonyolítás — sőt, lassíthat. A cél nem az, hogy mindent túlbonyolíts, hanem hogy felismerd, mikor vált át a munka egyetlen kérésből többfázisú folyamattá.
Kulcspontok
Elég egy sima prompt, ha:
egyetlen jól körülhatárolt output kell, nincs szükség köztes ellenőrzésre, nincs külön kutatási és szerkesztési fázis, a feladat rövid, világos és alacsony kockázatú. Például: fogalom magyarázata, rövid szöveg átírása, email fogalmazása, rövid összefoglaló.
Workflow kell, ha:
a feladat több különböző típusú lépésből áll, több output készül egymás után, a köztes eredményeket is látni akarod, nagy a hibatűrési költség, vagy ugyanazt a feladatot rendszeresen ismétled. Például: meetingből döntési memo, kutatásból riport, dokumentumból kockázatlista.
Gyakorlati ökölszabály
Ha a feladat leírásában több különböző ige szerepel — például: olvasd el, emeld ki, értékeld, hasonlítsd össze, írj belőle — akkor valószínűleg nem egy promptot, hanem workflow-t kell tervezned. A workflow-szükséglet jele nem az, hogy a kérés hosszú, hanem az, hogy a munka többféle mentális műveletből áll.
Példák és működő minták
Sima prompt példa
Fogalmazz egy rövid, barátságos visszaigazolást ennek az emailnek alapján. — Ez egyetlen, jól körülhatárolt output, nincs köztes ellenőrzési igény.
Workflow-jelölt példa
Meetingjegyzetből döntési memo és akciólista készítése. — Kutatás, értelmezés, döntés-előkészítés és végső kommunikáció: mind jelen van. Ez már legalább 3-4 különböző lépés.
Hogyan bontsd fel a munkát?
A lépésekre bontás nem mindig intuitív. Különösen akkor nehéz, ha egy feladatot eddig mindig egyszerre csináltál — mert a közbülső lépések láthatatlanok maradtak.
A legegyszerűbb módszer az, hogy visszafelé gondolkodsz: először a végeredményt határozod meg, aztán azt, mi kell hozzá.
Kulcspontok
1. Mi a végső output?
Mire van szükséged a végén — döntéshez, elküldéshez, bemutatáshoz? Lehet döntési memo, akciólista, elküldhető email, riport vagy táblázatos összefoglaló. Ha ez nem világos, a workflow sem lesz világos.
2. Mi kell ahhoz, hogy elkészülhessen?
Milyen előkészítő lépések kellenek? Összefoglalás? Kulcspontok kigyűjtése? Hibák azonosítása? Adatok tisztítása? Kategorizálás? Ez lesz az első egy-két lépés.
3. Mi az, amit külön kell kezelni?
A kutatás, az értelmezés és a végső írás szinte mindig jobban működik külön. Ha ezek összefolynak, mindhárom gyengébb lesz. Ez a leggyakoribb hiba.
4. Hol kell emberi ellenőrzés?
Nem minden lépés után kell megállni, de érdemes azokat a pontokat kijelölni, ahol egy rossz köztes eredmény továbbfertőzné a teljes folyamatot.
Példák és működő minták
Konkrét példa: meeting-összefoglaló
Feladat: Készíts vezetői összefoglalót egy meetingből. Ez valójában nem egy lépés. Lehetséges workflow: 1. Olvasd el a jegyzetet, emeld ki a fő témákat. 2. Listázd a döntéseket és a nyitott kérdéseket. 3. Készíts külön akciólistát felelősökkel és határidőkkel. 4. Ezek alapján írj 5 mondatos vezetői összefoglalót. 5. Ellenőrizd, hogy az összefoglaló nem hagyott-e ki kritikus pontot.
A fontos felismerés
A vezetői memo nem a nyers jegyzetből készül közvetlenül, hanem köztes, ellenőrizhető outputokon keresztül. Ez az a különbség, amit a workflow-gondolkodás hoz.
Prompt chaining — a workflow kézi végrehajtása
A prompt chaining nem külön varázstechnika, hanem annak a legegyszerűbb formája, hogy a workflow-t chatben, manuálisan hajtod végre.
A logika egyszerű: az egyik lépés outputja lesz a következő lépés inputja, minden körben csak egy részfeladatot kérsz, és a köztes eredményeket is látod.
Ez azért fontos, mert így a workflow-t már akkor is használni tudod, ha még nincs automatizációd, nincs külön toolod, és nincs agented sem. A prompt chaining tehát a workflow gondolkodás első gyakorlati formája.
Fontos megjegyzés 2026-ra: a reasoning modellek (GPT-5.4 Thinking, Claude extended thinking, Gemini 3.1 Pro) már belülről is láncolnak gondolati lépéseket — de ez nem helyettesíti a külső prompt chaininget. A reasoning modell a gondolkodást javítja, a prompt chaining a munka szerkezetét. Ha a feladatod több fázisból áll (kutatás → elemzés → output), az explicit lépésekre bontás és a köztes ellenőrzés továbbra is szükséges.
Kulcspontok
Nem egyetlen nagy kérésben dolgozol, hanem fokozatosan haladasz
Minden körben csak egy részfeladatot kérsz, ezért kevesebb dolog csúszik össze egyszerre. Ettől az egész folyamat nyugodtabb és jobban kontrollálható lesz.
Minden körben az előző lépés eredményéből indulsz ki
Az AI nem a teljes feladatot próbálja újra és újra egyben megoldani, hanem a már elkészült köztes eredményre épít. Ez csökkenti az ismétlést és javítja a következő lépés relevanciáját.
Ha valami félrement, pontosan tudod, melyik lépésnél kell javítani
Nem a végén derül ki, hogy valami összességében rossz lett, hanem rögtön látod, hol csúszott el a logika. Így csak azt az egy lépést kell újrafuttatni vagy pontosítani.
A közbülső outputokat elolvasod és jóváhagyod, mielőtt továbbmész
A workflow attól lesz megbízható, hogy nem vakon engeded tovább a láncot. A rövid review pontokkal megfogod a hibát, mielőtt beépülne a következő outputba.
Példák és működő minták
1. kör
„Olvasd el ezt a meeting-jegyzetet, és foglald össze 6–8 pontban a fő témákat és döntéseket." — Elolvasod — jó-e az összefoglaló? Ha nem, itt javítasz.
2. kör
„Az összefoglaló alapján emeld ki a 3 legfontosabb nyitott kérdést és a legkockázatosabb döntési pontot." — Elolvasod — pontos-e? Ha hiányzik valami, itt egészítsd ki.
3. kör
„A nyitott kérdések és a kockázatok alapján írj egy 5 mondatos vezetői összefoglalót, amely egyértelművé teszi, mi a következő lépés." — Ez a végső output — amelyből már küldhető az összefoglaló.
Tipp
Ha az AI önállóan előreszalad és már a végső outputot adja az első kérésnél, mondd meg: „Ne ugorj előre — most csak ezt az egy lépést csináld meg."
Valódi munkahelyi workflow-k
A workflow-szemlélet nem elvont elmélet — négy konkrét munkahelyi feladattípuson látszik, mit jelent a gyakorlatban. Mindegyiknél megmutatjuk a lépéseket, és azt is, hogy miért kell minden lépés külön — nem csak a végeredményért, hanem a közbülső ellenőrizhetőségért.
Kulcspontok
Meeting feldolgozás
Fő témák és döntések összefoglalása → Nyitott kérdések és kockázatok kiemelése → Akciópontok listája felelősökkel → Vezetői összefoglaló. A nyitott kérdések és az akciópontok szétválasztása azért fontos, mert az AI hajlamos összekeverni őket.
Kutatás és összefoglalás
Kutatási cél rögzítése → Fő állítások és minták azonosítása → Ellentmondások, hiányok kiemelése → Döntési memo. A kutatás és az összegzés két különböző szellemi feladat — külön kérve mindkettő jobb eredményt ad.
Szövegírás és szerkesztés
Cél és célközönség rögzítése → Vázlat generálása → Első teljes verzió → Szerkesztés tónusra és szerkezetre → Véglegesítés. A vázlatos fázis lehetővé teszi, hogy te döntsd el az irányt, mielőtt a szöveg megszilárdul.
Elemzés és döntés-előkészítés
Inputok összegyűjtése és rendezése → Fő eltérések, minták azonosítása → Kockázatok kiemelése → Döntési opciók → Ajánlás. Az adatolvasás és a döntési javaslat összekeverése a leggyakoribb hiba ebben a feladattípusban.
Példák és működő minták
Meeting feldolgozás — miért kell minden lépés külön?
Ha egyszerre kérsz összefoglalót és akciólistát, az AI összekeveri a kettőt: az akciólista kockázatokat fog tartalmazni, a kockázatlista meg feladatokat.
Kutatás — miért kell minden lépés külön?
Ha a kutatást és az összegzést egyszerre kéred, az AI az első releváns dolgokat fogja visszaadni, nem a legfontosabbakat.
Elemzés — miért kell minden lépés külön?
Ha az adatolvasást, az értelmezést és a döntési javaslatot összekevered, az AI hajlamos az első hipotézist megerősíteni — ahelyett, hogy ténylegesen elemezne.
Tipikus hibák
A workflow-gondolkodás nem attól romlik el, hogy bonyolult — hanem attól, hogy néhány berögzült reflex nem illik ide. Ezek a hibák szinte mindenkinél ugyanazok az első hetekben.
Kulcspontok
Mindent egyszerre kérni
Az egyetlen nagy prompt keveri a célokat és a szinteket. Az AI ilyenkor optimalizál arra, hogy valami kerek outputot adjon — de a feladat különböző fázisai mind gyengébben sikerülnek, mintha külön kérted volna őket. A szimptóma: az összefoglaló jónak tűnik, de valahogy mindig hiányzik belőle valami fontos.
Nincs köztes ellenőrzés
Ha nem állsz meg a lépések között és nem olvasod el a közbülső outputot, a hiba végiggurulhat az egész folyamaton. A végén kapott eredmény rossz lesz — és nem tudod, hol romlott el. A workflow értéke éppen az, hogy minden lépésnél megállhatsz és javíthatsz.
Összekevered a munkafázisokat
Kutatás, értékelés és végső szövegírás más-más szellemi fókuszt igényel. Ha ezeket egy kérésbe gyúrod, mindhárom gyengébb lesz — az AI kompromisszumot keres köztük. Különösen igaz ez elemzésnél: az adatolvasás és a döntési javaslat szétválasztása külön-külön jobb eredményt ad.
Túl korán akarsz automatizálni
A workflow-t először kézzel érdemes bejáratni legalább 3-5 alkalommal. Ha a lépések nem tiszták, az automatizálás csak gyorsítja a hibát — nem szünteti meg. Ha viszont a kézi workflow jól működik és ismétlődik, az a jel, hogy érdemes connector- vagy agent-szintre lépni.
Mit kérdezz meg az AI-tól?
A workflow-modult a leggyorsabban úgy érted meg, ha a saját munkádra fordítod le. Ezek a kérdések segítenek elindulni — ne elvontban próbáld ki, hanem egy valódi, aktuális feladattal.
Kulcspontok
Feladatlebontás
„Bontsd ezt a feladatot 4–6 logikus lépésre. Minden lépésnél jelöld meg, hogy azt az AI végzi, vagy emberi döntés kell."
Prompt chaining indítása
„Most egymás után fogjuk elvégezni ezt a feladatot. Ne ugorj előre — az első lépés: [lépés leírása]. Csak ezt csináld meg."
Döntés: elég-e egy prompt?
„Ez a feladat elég egyszerű ahhoz, hogy egy kérésben megoldjuk, vagy érdemes lépésekre bontani? Indokold a döntést."
Ellenőrzési pont
„Melyik lépésnél van itt a legnagyobb kockázat arra, hogy az eredmény félrecsúszik? Hol érdemes megállni emberi ellenőrzésre?"
Saját munkára fordítás
„Adj egy konkrét workflow-vázlatot erre a feladatra: [saját feladat leírása]. Tüntesd fel az ellenőrzési pontokat is."
Példák és működő minták
Feladatlebontás — mikor hasznos?
Akkor hasznos, ha nem tudod, hol kezdd a bontást.
Prompt chaining — mikor hasznos?
Így vezeted be, hogy lépésenként haladtok, és az AI nem siet a végső outputhoz.
Döntés — mikor hasznos?
Ha bizonytalan vagy, hogy kell-e workflow — kérdezd meg magát az AI-t.
Ellenőrzési pont — mikor hasznos?
Akkor hasznos, ha egy hosszabb workflow közepén vagy, és nem tudod, mennyire bízhatsz az AI-ra a következő lépést.
Általános tipp
Ha egy feladat túl nagynak tűnik egyben, ne erőltesd. Kérj először lépéslistát, és haladj körönként tovább. A workflow-t nem kell tökéletesen felépíteni előre — fejlődhet menet közben.
Mikor lépj tovább connector- vagy agent-szintre?
A workflow eleinte kézi működés: te indítod a lépéseket, te másolod át az inputot, és te döntöd el, mikor megy tovább a folyamat. Ez teljesen rendben van, de egy ponton megjelennek azok a jelek, amelyek azt mutatják: a feladat már nem csak workflow, hanem automatizálási jelölt.
Három tipikus jel van erre: ha ugyanaz a folyamat rendszeresen ismétlődik, ha a lépések már stabilak és alig változnak, illetve ha az emberi közreműködés inkább technikai szűk keresztmetszet, mint valódi döntési pont.
Kulcspontok
Ismétlődés
Ha ugyanazt a lépéssort hetente vagy naponta újra lefuttatod, már nem egyszeri gondolkodási segédletként használod a workflow-t. Ilyenkor érdemes connectorral (Claude 50+ natív integrációval, ChatGPT Apps-szal) vagy no-code automatizálással (n8n, Make, Zapier) kiváltani a kézi másolgatást.
Stabilitás
Ha a folyamat 3-5 futás után is ugyanazzal a lépéssorrenddel működik, az jó jel arra, hogy már nem kísérletezel, hanem bejáratott mintád van. A stabil workflow a legjobb alap connector- vagy agent-szintű továbbépítéshez.
Emberi szűk keresztmetszet
Ha te már nem érdemi döntést hozol, csak adatot viszel át, gombot nyomsz vagy státuszt másolsz, akkor a kézi munka inkább lassít, mint segít. Ilyenkor az AI köré épített kapcsolódás vagy végrehajtás már valódi időnyereséget adhat.
Példák és működő minták
Ha ezt látod, ideje továbblépni
Minden hétfőn ugyanúgy letöltöd a meeting-jegyzetet, bemásolod a chatbe, külön kéred az összefoglalót, majd kézzel átteszed a feladatokat a projektkezelőbe. Ha a logika már stabil, de a kézi átadás viszi az időt, akkor ez tipikus connector- vagy agent-jelölt workflow.
A szemléletváltás lényege
A workflow nem arról szól, hogy az AI mindent átvegyen — hanem arról, hogy te jobban szervezd a munkát. Az AI erős a részfeladatokban: kivonatolásban, átírásban, összefoglalásban, formázásban, opciók generálásában. Gyenge ott, ahol holisztikus ítélet, kontextus és felelősség kell. A workflow-logika ezt a különbséget teszi láthatóvá és használhatóvá.
Kulcspontok
Te
Meghatározod a feladat célját, a lépések sorrendjét és az ellenőrzési pontokat. Te vagy a karmester.
AI
Végrehajtja a részfeladatokat: kivonatol, összefoglal, átír, generál, strukturál. Gyors és fáraszthatatlan ezekben.
Te (ellenőrzés)
Elolvasod a közbülső outputot. Döntöd el, jó-e az irány. Javítasz, ha kell. A minőség és a felelősség nálad marad.
AI (finomítás)
Finomít a visszajelzés alapján, átírja, amit kell. Annyiszor, ahányszor kell — kifáradás nélkül.
Példák és működő minták
A szemléletváltás kulcsa
Ha egy feladat már workflow-ként látszik a fejedben — lépésekre bontva, ellenőrzési pontokkal —, akkor az a jel, hogy a következő szintre is készen állsz. A connectorok arra adnak választ, hogyan léphet ki az AI a chatablakból, és hogyan kapcsolódhat a már meglévő rendszereidhez.
Következő lecke: Connectorok
A workflow megmutatja a logikát. A connectorok azt, hogyan lép ki az AI a chatablakból a rendszereid felé.
Miért fontos ez később is?
A workflow nem csak arra jó, hogy ma jobb választ kapj az AI-tól. Azért is kulcsfontosságú, mert minden későbbi, komolyabb AI-rendszer erre épül.
A workflow tehát nem köztes téma, hanem alapréteg. Először kézzel tanulod meg. Később ugyanezt skálázod rendszerré.
Kulcspontok
Stabil prompt
Ha nincs világos lépéssor, nem tudsz stabil, ismételhető promptot írni. A workflow adja meg a keretet, amibe a prompt illeszkedik.
Connectorok
A connector csak akkor ad valódi értéket, ha már tudod, melyik lépésnél és milyen forrásból akar dolgozni a rendszer. Workflow nélkül a connector csak hozzáférés.
Agentek
Az agent megbízható delegáláshoz világos lépéssorra van szükség. Ha a workflow nincs letisztítva, az agent kiszámíthatatlanul fog dolgozni.
Automatizáció
Automatizálni csak stabil, ismétlődő folyamatot érdemes. Ha a kézi workflow nem működik jól, az automatizáció csak gyorsítja a hibát.
Következő lépés
Ha csak kérdezel az AI-tól, válaszokat kapsz. Ha lépésekre bontod a munkát, akkor workflow-t kapsz. A következő modul azt mutatja meg, hogyan dolgozz olyan inputokkal, amelyek nem szöveg: PDF, scan, screenshot, chart — és mikor kell routing-logikát alkalmazni.
Gyakorlás
Teszteld magad AI-jal
A workflow-logika a saját feladataidon lesz valódi. Kérd meg az AI-t, hogy segítsen felismerni, mikor érdemes lépésekre bontani.
Kérdezd meg az AI-t
- →Mondj 3 példát a munkámból, ahol workflow-t kellene használnom prompt helyett.
- →Miből ismerem fel, hogy egy feladat több lépést igényel, nem csak egy jobb promptot?
Kész prompt
“Van egy feladatom: [írd le]. Bontsd fel lépésekre. Minden lépésnél jelöld a munkatípust (kutatás / elemzés / írás / ellenőrzés) és hogy hol érdemes emberi ellenőrzés.”