본 논문은 명령어 미세 조정된 대규모 언어 모델(LLM)을 사용한 복잡한 워크플로 생성을 개선하기 위해 고안된 Opus Prompt Intention Framework를 소개합니다. 사용자 질의와 워크플로 생성 사이에 중간 의도 캡처 계층을 제안하는데, 이는 사용자 질의에서 워크플로 신호를 추출하고, 이를 구조화된 워크플로 의도 객체로 해석하며, 이러한 의도를 기반으로 워크플로를 생성하는 Opus Workflow Intention Framework로 구성됩니다. 연구 결과에 따르면 이 계층을 통해 LLM이 질의 복잡성이 증가함에 따라 신뢰할 수 있게 확장되는 논리적이고 의미 있는 출력을 생성할 수 있습니다. 1,000개의 다중 의도 질의-워크플로 쌍의 합성 벤치마크에서 Opus Prompt Intention Framework를 워크플로 생성에 적용하면 의미 워크플로 유사성 지표가 일관되게 향상됩니다. 본 논문에서는 LLM 기반 워크플로 생성에 워크플로 신호와 워크플로 의도의 개념을 적용하여 Opus Prompt Intention Framework를 소개합니다. 재현 가능하고 사용자 지정 가능한 LLM 기반 의도 캡처 시스템을 제시하여 사용자 질의에서 워크플로 신호와 워크플로 의도를 추출합니다. 마지막으로, 제안된 시스템이 특히 혼합 의도 유도의 경우 사용자 질의로부터의 직접 생성과 비교하여 워크플로 생성 품질을 크게 향상시킨다는 경험적 증거를 제공합니다.
