Joint Task Prompting
What it does
Combined query technique where LLM performs two related subtasks in a single prompt instead of sequential requests. The model simultaneously identifies the target object in the text and determines its relationship, improving accuracy through better context understanding and task interconnection.
When it helps
Use this technique when the task consists of two closely related subtasks where the first result affects the second. Particularly effective in text analysis requiring object identification (topic, product, issue) followed by relationship determination (position, tone, assessment). Instead of sequential requests, formulate a single prompt demanding both tasks be performed simultaneously to help the model better understand subtask connections and improve result accuracy.
A prompt you can paste
Generic by design: it applies the technique without knowing your task. Adapt the marked parts.
# РОЛЬ: Ты — высокоэффективный аналитик, специализирующийся на обработке текстовых данных с помощью больших языковых моделей. Твоя задача — извлекать структурированную информацию, объединяя несколько подзадач в одном запросе для повышения точности. # КОНТЕКСТ: Необходимо проанализировать фрагмент текста, чтобы одновременно выявить основную тему (цель) и отношение автора к этой теме (позицию). Это нужно для автоматической категоризации и анализа обратной связи, сообщений или документов. # ЗАДАЧА: Проанализируй предоставленный ниже фрагмент текста. Тебе необходимо выполнить **две взаимосвязанные задачи одновременно**: 1. **Определить основную тему или цель высказывания**, о которой идет речь в тексте. Если цель явно не названа, выведи наиболее вероятную подразумеваемую тему. 2. **Определить позицию автора** по отношению к этой теме: Позитивная, Негативная или Нейтральная. # ФРАГМЕНТ ТЕКСТА: [ВСТАВЬТЕ ТЕКСТ ДЛЯ АНАЛИЗА ЗДЕСЬ] # ФОРМАТ ОТВЕТА: Предоставь ответ в виде четких пар "Тема-Позиция". Если в тексте есть несколько distinct тем с разными позициями, перечисли их все. Пример формата: - Тема: <название темы 1> - Позиция: <Позитивная/Негативная/Нейтральная> - Тема: <название темы 2> - Позиция: <Позитивная/Негативная/Нейтральная> **Важно:** Не добавляй никаких дополнительных комментариев или пояснений, только запрошенный формат.
If this one does not fit, the two closest alternatives in the corpus are Multi-Turn Conversational Prompting and Debugging Prompts Framework, which target the same failure from a different angle.
Worked example
The same technique applied to a concrete job: sort inbound support tickets by urgency. Use it as the pattern for your own case rather than as a finished artefact.
# РОЛЬ: Ты — высокоэффективный ассистент службы поддержки, специализирующийся на классификации и приоритизации обращений. Твоя сильная сторона — быстрое и точное определение срочности запросов. # КОНТЕКСТ: Мне нужно обрабатывать входящие тикеты в системе поддержки. Необходимо определить их срочность, чтобы команда могла реагировать в первую очередь на самые критичные случаи. # ЗАДАЧА: Проанализируй каждый тикет поддержки ниже. Тебе нужно **одновременно** выполнить две взаимосвязанные операции: 1. **Определить основную тему или проблему**, затронутую в тикете (например, "Ошибка входа", "Проблема с оплатой", "Запрос на информацию", "Технический сбой"). 2. **Определить уровень срочности** для этого тикета (Высокая, Средняя, Низкая). # КРИТЕРИИ СРОЧНОСТИ: * **Высокая:** Критические сбои, блокирующие основные функции (например, невозможность войти в систему, сбой оплаты, полный отказ сервиса). Требуют немедленного внимания. * **Средняя:** Проблемы, которые влияют на работу, но не полностью блокируют ее, или запросы, требующие существенного вмешательства (например, частичная потеря функциональности, запрос на изменение настроек, требующий административных действий). * **Низкая:** Общие вопросы, запросы на информацию, предложения по улучшению, проблемы, не влияющие на текущую работу (например, "Как сделать X?", "Предложение по новой функции", незначительные визуальные недочеты). # ТИКЕТЫ ПОДДЕРЖКИ: 1. "Не могу войти в свой аккаунт уже полчаса. Пишет 'неверный пароль', хотя я уверен, что ввожу правильный. Это очень срочно, я не могу начать работу." 2. "Подскажите, пожалуйста, где в личном кабинете найти отчет за прошлый месяц? Я вроде все кнопки пересмотрел." 3. "У нас на сайте перестала работать кнопка 'Добавить в корзину' на странице товара. Клиенты жалуются, что не могут совершить покупку." 4. "Хотел бы предложить добавить новую опцию в фильтрах поиска. Было бы очень удобно для пользователей." 5. "Возникла проблема с отображением данных в таблице на странице аналитики. Некоторые строки пустые, хотя данные должны быть." # ФОРМАТ ОТВЕТА: Предоставь результат в виде нумерованного списка. Каждый пункт должен содержать: - Тикет №: <номер тикета> - Тема: <краткое описание темы> - Срочность: <Высокая/Средняя/Низкая>
Get this written for your actual task
Paste what you are trying to do and the corpus will be matched against it directly. Free, no account, about ten seconds.
single retrieval pass
That number is low on purpose, and it is real. It is the raw similarity of one retrieval pass: no specialist read the paper, no judge compared anything, the first plausible match won.
one of which is this page
Picking the right one for a specific task is the work, and it is the work GetDecision does.
| This page | one technique, generic prompt |
| What you just ran | one technique matched to your wording, nothing verified |
| Full run | ten specialists read the papers in full, a judge ranks the top three for your task and shows its reasoning, generation on the model you pick, saved to your history |
See the top three for your taskTen specialists, a judge, and the reasoning shown. Free account, first run included.
Run the full analysis