Prova prompt personalizzati su qualsiasi model di IA con formattazione delle risposte in tempo reale, monitoraggio dei token, metriche di costo e cronologia persistente.
Il Playground è un ambiente di test dei prompt a formato libero. A differenza del flusso di arricchimento basato su schema, le consente di inviare qualsiasi prompt di sistema e prompt utente a un modello e di ispezionare la risposta grezza. Lo utilizzi per sperimentare con il prompt engineering, testare le capacità dei modelli o eseguire query occasionali.
Il Playground utilizza un layout a riquadri divisi con quattro pannelli. Tutti gli input vengono conservati nella memoria locale tra le sessioni.
Definisce il comportamento e la persona del modello. Viene inviato come messaggio di sistema e persiste tra le esecuzioni, così puoi iterare sul prompt utente senza reinserire il contesto.
Il prompt principale inviato al modello. È qui che scrive la sua query, istruzione o caso di test.
Mostra la risposta del modello con formattazione rilevata automaticamente. Le risposte JSON ottengono l'evidenziazione della sintassi nell'editor Monaco; il testo semplice viene visualizzato così com'è. Copia negli appunti con un solo clic.
Tutte le esecuzioni vengono salvate localmente. Filtrare per modello, visualizzare le anteprime dei prompt e ripristinare qualsiasi sessione precedente per continuare a iterare.
La barra laterale consente la selezione del modello e della lingua:
| Opzione | Descrizione |
|---|---|
| Modello | Seleziona un singolo modello AI da qualsiasi provider configurato. Il menu a discesa virtualizzato mostra i prezzi e le informazioni sul provider. |
| Lingua | Scegliere tra 40 lingue supportate. Influisce sull'istruzione linguistica nel prompt inviato al model. |
Dopo ogni esecuzione, il pannello delle risposte mostra metriche dettagliate:
Ogni esecuzione di prompt viene salvata automaticamente nell'archivio locale. Il pannello della cronologia offre strumenti per rivedere e riutilizzare le sessioni passate:
Itera sui prompt di sistema e sulle istruzioni per affinare il comportamento del modello prima di integrarli negli schema di enrichment.
Esegui lo stesso prompt su modelli diversi per confrontare qualità, velocità e costo dell'output prima di selezionare i modelli per l'arricchimento.
Esegui query di estrazione della conoscenza una tantum senza dover configurare uno schema completo e una pipeline di arricchimento.