Русский язык: «Сгенерируй три разных ответа на вопрос: „Какая бизнес-модель подойдёт для платформы по продаже онлайн-курсов?“ Потом сравни их и объясни, какой из них наиболее логичен, обоснован и соответствует заданной цели.»
English:
“Generate three different answers to the question: ‘What business model fits a platform for selling online courses?’
Then compare them and explain which one is the most logical, well-reasoned, and goal-aligned.”
→ Такой промпт помогает не просто получить ответ, а увидеть диапазон суждений и выбрать наилучшее на основе внутренней логики.
Применение в ИИ-агенте
Русский: Агент генерирует 5 вариантов креативной концепции для запуска новой линейки косметики. Затем запускает self-consistency модуль, который: – анализирует полноту и силу каждого варианта, – выбирает 2 лучших, – и формулирует общий подход на их основе.
English:
The agent generates 5 creative campaign ideas for a cosmetics product launch. Then, using self-consistency logic, it:
– evaluates each for completeness and strength,
– selects the top 2,
– and synthesizes a composite concept from them.
→ Такой модуль заменяет субъективный отбор и усиливает прозрачность выбора в агенте.
Применение в MAS (мультиагентной системе)
Русский: Генератор-агент создаёт 3 сценария развития стартапа. Аналитик-агент сравнивает их по ключевым метрикам (срок окупаемости, уровень риска, масштабируемость).
Оценщик формирует итог: «Сценарий 2 более устойчив, но Сценарий 3 имеет наибольший потенциал при достаточном финансировании. Рекомендую гибридную стратегию.»
English:
A scenario generator agent creates 3 startup development paths.
An analyst agent compares them using key metrics (ROI time, risk, scalability).
Evaluator summarizes: “Scenario 2 is more stable, but Scenario 3 has higher upside with funding. Recommend a hybrid strategy.”
→ Self-consistency prompting реализуется как логика согласования и отбора внутри агентной экосистемы.