2.Parallelization workflows
此文档由 学习AI的1000天 翻译制作(抖音，B站，YouTube)
邮箱: szqshan@gmail.com | 微信: szqshan
网址: www.xueai.org
==================================================
在构建AI应用程序时，你经常会遇到表面上看起来简单但在有效实现时变得复杂的任务。让我们探索一种称为并行化工作流的强大模式，它可以帮助你将复杂任务分解为可管理的、专注的小块。
复杂单一提示的问题
想象你正在构建一个材料设计师应用程序，用户上传零件图像并获得使用最佳材料的推荐。你的第一直觉可能是将图像发送给Claude，并使用一个简单的提示要求它在金属、聚合物、陶瓷、复合材料、弹性体或木材之间进行选择。
虽然这种方法可能有效，但你要求Claude在单个请求中承担大量繁重的工作。如果没有针对每种材料类型的具体标准，结果不会像预期的那样可靠。
你可能会想通过将每种材料的详细标准添加到一个庞大的提示中来改进这一点。但这会产生一个新问题——Claude必须同时处理所有这些不同的考虑因素，这可能导致混乱和次优结果。
更好的方法：并行化
与其将所有内容塞进一个请求中，你可以将任务拆分为多个并行请求。每个请求专注于使用专门标准评估零件的单一材料类型。
工作原理如下：
- 同时多次向Claude发送相同的图像
- 每个请求都包含针对一种材料的专门标准（金属标准、聚合物标准、陶瓷标准等）
- Claude 独立评估该零件对每种材料的适用性
- 收集所有分析结果并将其输入到最终聚合步骤中
最终步骤将所有单独的分析结果发送回 Claude，并请求其进行比较并做出最终的材料推荐。
并行化工作流程的工作原理
并行化模式遵循一个简单的结构：
- 将单个任务拆分为多个子任务 - 将复杂决策分解为专注的、专业化的评估
- 并行运行子任务 - 同时执行所有评估以实现更快的处理速度
- 将结果聚合在一起 - 将专业化分析合并为最终决策
- 并行化的子任务不需要完全相同 - 每个子任务都可以有专门的提示、工具集或评估标准
这种方法的优势
并行化工作流程具有几个关键优势：
专注注意力：Claude可以一次专注于一个特定方面，而不是试图同时平衡多个相互竞争的考虑因素。这使得对每种材料类型的分析更加深入和准确。
更易优化：您可以独立地改进和测试每种材料评估的提示词。如果您的金属分析效果不佳，您可以只优化该提示词，而不会影响其他提示词。
更好的可扩展性：添加新的材料评估非常简单——只需添加另一个并行请求即可。您无需重写现有提示词，也不用担心新标准可能如何干扰现有标准。
提高可靠性：通过分解复杂任务，您可以减少AI模型的认知负荷，获得更一致、更可靠的结果。
何时使用并行化
当您有一个可以分解为独立评估的复杂决策时，这种模式效果很好。寻找那些您要求AI考虑多个标准、比较几个选项或做出涉及不同专业领域决策的情况。
关键是识别可以有意义地分离的任务——每个并行子任务都应该能够独立运行，并为最终决策贡献独特的分析片段。
==================================================
此文档由 学习AI的1000天 翻译制作(抖音，B站，YouTube)
邮箱: szqshan@gmail.com | 微信: szqshan
网址: www.xueai.org