Exercise on prompting

Notes d'étude : Ingénierie de Prompt (Prompt Engineering)

• Objectif de l'exercice : Améliorer un prompt existant pour une tâche spécifique.
• Tâche : Extraire tous les sujets (topics) d'un passage de texte académique.
• Format de sortie requis : Un tableau JSON de chaînes de caractères (JSON array of strings).
• Problème initial : Le prompt de départ était insuffisant et ne respectait pas le format JSON.

Techniques d'amélioration du prompt :

• Simplicité et Directivité :
• Formuler la demande de manière extrêmement claire et directe.
• Spécifier précisément le format de sortie attendu (ex. : "Extraire les sujets... dans un tableau JSON de chaînes de caractères").
• Structuration avec des Balises XML :
• Utiliser des balises (ex. : <text>) pour délimiter clairement les instructions du modèle et les données d'entrée (le texte à analyser).
• Ceci améliore la connexion entre l'instruction et le contenu fourni.
• Instructions Étape par Étape (Chain-of-Thought) :
• Définir une séquence d'actions pour le modèle (ex. : 1. Examiner le texte ; 2. Identifier chaque sujet ; 3. Ajouter chaque sujet à un tableau JSON ; 4. Répondre uniquement avec le JSON).
• Techniques Avancées (Optionnel) :
• Utilisation de l'apprentissage par un seul exemple (one-shot) ou par plusieurs exemples (multi-shot) pour guider le modèle.

Takeaways

• La clarté et la spécificité de la demande sont primordiales, notamment en définissant précisément le format de sortie attendu (ex. : tableau JSON).
• Utiliser des balises (ex. : XML) permet de délimiter clairement les instructions du modèle et les données d'entrée.
• Appliquer la méthode Chain-of-Thought consiste à définir une séquence d'actions étape par étape pour le modèle.
• L'utilisation d'exemples (one-shot ou multi-shot) est une technique avancée pour guider le comportement du modèle.