GPTsのInstructionsには、最大8000文字入力が可能。

ただ、機能をもりもりにしてしまうと、性能が落ちるという報告がある。

確かにGPT-4でも、じゃんけんの勝敗結果の条件分岐がうまくできなかった。

プロンプトが長くなって複雑になればなるほど性能が落ちるとも言える。

Evergreen noteはアトミックであるべきのように、GPTsを関数だと考えるとわかりやすい。

関数に複数の責務を持たせてしまうと、メンテナンスコストが大きくなったり、再利用性が落ちてしまう。

ただ、GPTsは小さければ小さいほどいいというものでもなくて、粒度のバランスが大事。

適切な粒度とは、それはAPIの命名のように(Evergreen noteのタイトルはAPIのようなもの)、コンセプトがしっかりあって、細分化された業務をしっかり完結・サポートしてくれるようなもの。

GPTsの役割が特化してしっかり細分化していれば、再利用しやすくなる。

あ、この業務はあのGPTsだったな...と思い出すコストも減ってくる。

Andrew Ng先生は、このやり方をAgentic Workflowと呼んでいる。

複雑なタスクをAIにZero-Shotで一気に出力させるのではなく、分割させてそれぞれのサブタスクをAIに思考/編集 -> 編集 -> 思考/調査 -> 編集と反復させながら実行させる。

そうすると、成果物の品質が良くなるという結果(HumanEval)

特化GPTsを@メンション機能で繋げたり、GPTsから別のGPTsを呼び出す機能(まだ時期未定)が予定されている。(https://twitter.com/0317_hiroya/status/1783329355328000511)

これにより、AIエージェント機能が実現し、最終的には複雑なタスクもだいぶ手離れできる未来がくるかもしれない。

Gizmo Contactsという機能が実装されそう。

1つのGPTsから別のGPTsへと指示を出せる機能か。

やはり、GPTsを多機能にしすぎない戦略は、有効かと思われる。