Formation prompt engineering

Leçon 1 • La relation incitation-réponse

Définit la boucle entrée-sortie entre les incitations de l'utilisateur et les réponses du modèle. Montre comment la taille de la fenêtre de contexte et la structure du message façonnent ce que le modèle peut produire.

Leçon 2 • Terminologie clé et modèles mentaux

Définit l'hallucination, l'ancrage, l'inférence et le réglage fin en termes pratiques. Fournit un vocabulaire commun utilisé dans tout le cours.

Leçon 3 • Comment fonctionnent les grands modèles de langage

Couvre la prédiction de jetons, les données d'entraînement et les distributions de probabilité en termes simples. Établit la base mécanique qui explique pourquoi le libellé de l'incitation modifie les résultats.

Leçon 1 • Verbes d'instruction et mots d'action

Catalogue les verbes à signal élevé tels que résumer, classer, extraire et réécrire, et leurs effets. Démontre comment le choix du verbe contrôle directement le type de sortie générée.

Leçon 2 • Clarté, spécificité et concision

Enseigne comment un langage vague produit des résultats vagues et comment un libellé précis affine le comportement du modèle. Applique des techniques de modification pour transformer les incitations faibles en incitations fortes.

Leçon 3 • Erreurs structurelles courantes à éviter

Identifie les préambules trop longs, les instructions contradictoires et les spécifications de sortie manquantes comme des modes de défaillance fréquents. Fournit une liste de vérification pour l'auto-audit de la structure de l'incitation avant la soumission.

Leçon 4 • Techniques de formatage pour une meilleure sortie

Couvre le markdown, les délimiteurs, les listes numérotées et les balises de type XML comme outils structurels. Montre comment le formatage signale l'intention et organise les instructions complexes.

Leçon 1 • Incitation avec quelques exemples

Enseigne comment incorporer plusieurs exemples d'entrée-sortie pour guider le comportement du modèle vers un modèle cible. Couvre la qualité, la quantité et l'ordre des exemples pour un effet maximal.

Leçon 2 • Incitation sans exemple et avec un seul exemple

Définit l'incitation sans exemple comme une instruction sans exemple et l'incitation avec un seul exemple comme une instruction avec un seul exemple. Établit la base à partir de laquelle toutes les autres techniques se construisent.

Leçon 3 • Incitation par contrainte et incitation négative

Utilise des exclusions explicites et des conditions limites pour empêcher le contenu ou le format indésirable. Associe des instructions positives à des contraintes négatives pour un contrôle précis de la sortie.

Leçon 4 • Incitation par rôle et persona

Démontre comment l'attribution d'un rôle ou d'un persona modifie le ton, le vocabulaire et le style de raisonnement. Couvre les cas d'utilisation appropriés et les risques du cadrage basé sur le persona.

Leçon 1 • Méthodes de test systématique des incitations

Introduit les tests de variation contrôlée où un élément d'incitation change par itération. Développe des habitudes de raffinement fondé sur des preuves plutôt que des réécritures aléatoires.

Leçon 2 • Diagnostic des sorties de modèle médiocres

Enseigne un cadre de cause première pour identifier si les échecs proviennent d'une ambiguïté, d'un contexte manquant ou d'une mauvaise technique. Relie le diagnostic directement à des correctifs ciblés.

Leçon 3 • Utilisation des boucles de rétroaction du modèle

Montre comment demander au modèle de critiquer sa propre sortie et de suggérer des améliorations de l'incitation. Exploite l'auto-évaluation comme accélérateur de raffinement à faible coût.

Leçon 1 • Tâches de réponse aux questions et de recherche

Structure les incitations pour les tâches de Q&R factuelles, d'analyse comparative et de synthèse de recherche. Enseigne les techniques d'ancrage pour réduire l'hallucination dans les sorties à forte intensité de connaissances.

Leçon 2 • Incitations à l'extraction d'informations

Démontre l'extraction structurée d'entités, de dates, de relations et de champs clés à partir de texte non structuré. Utilise des spécifications de format de sortie pour garantir des résultats lisibles par machine.

Leçon 3 • Incitations à la synthèse et à la condensation

Couvre les cibles de longueur, le cadrage du public et la préservation des points clés pour une synthèse efficace. Aborde les modes de défaillance courants tels que les détails hallucinés et le contenu critique omis.

Leçon 4 • Tâches de génération de contenu et de création

Applique des contraintes de ton, de style, de public et de format pour guider les tâches de génération ouverte. Équilibre la liberté créative avec la cohérence de la sortie grâce à des contraintes superposées.

Leçon 1 • Conception de conversations à plusieurs tours

Enseigne comment maintenir le contexte, gérer les changements de sujet et préserver l'observance des instructions sur plusieurs échanges. Aborde les limites de la fenêtre de contexte dans les longues conversations.

Leçon 2 • Construction de personas IA cohérents

Définit les attributs du persona, y compris le nom, l'expertise, le ton et les garde-fous comportementaux dans les incitations système. Teste la cohérence du persona sous des entrées utilisateur contradictoires et hors sujet.

Leçon 3 • Gestion des cas limites et des replis

Prépare les incitations système à gérer avec élégance les demandes hors portée, les entrées ambiguës et les scénarios de refus. Conçois des réponses de repli qui maintiennent la confiance de l'utilisateur et la continuité de la session.

Leçon 1 • Confidentialité et traitement des données dans les incitations

Couvre les risques d'intégration de données personnelles, confidentielles ou propriétaires dans les incitations envoyées aux modèles externes. Enseigne les techniques d'anonymisation et de minimisation des données pour une construction sécurisée des incitations.

Leçon 2 • Évaluation de la qualité et de la véracité des sorties

Fournit un cadre structuré pour évaluer l'exactitude factuelle, l'exhaustivité et la cohérence des sorties de l'IA. Développe une habitude de vérification qui complète les contrôles de qualité au niveau de l'incitation.

Leçon 3 • Utilisation responsable et limites du contenu

Établit des principes de politique de contenu pour une utilisation professionnelle de l'IA, y compris l'évitement des préjudices et les obligations d'exactitude. Relie la politique organisationnelle aux contrôles pratiques au niveau de l'incitation.

Leçon 4 • Compréhension de l'injection d'incitation et des jailbreaks

Définit les attaques par injection d'incitation et les techniques de jailbreak qui manipulent le comportement du modèle. Enseigne la conception défensive d'incitations pour résister aux entrées adversariales dans les systèmes déployés.

Leçon 1 • Incitation par génération augmentée de récupération

Intègre des documents externes récupérés dans les incitations pour ancrer les réponses dans des informations actuelles et vérifiées. Couvre le formatage du contexte de récupération et les modèles d'instructions de citation.

Leçon 2 • Enchaînement d'incitations et pipelines

Connecte des incitations séquentielles où chaque sortie alimente l'étape suivante d'un flux de travail en plusieurs étapes. Conçois la gestion des erreurs et des points de contrôle de validation entre les étapes du pipeline.

Leçon 3 • Méta-incitation et auto-amélioration

Utilise des incitations qui demandent au modèle de générer, d'évaluer ou d'améliorer d'autres incitations. Applique la méta-incitation pour automatiser l'optimisation des incitations à grande échelle.

Leçon 4 • Évaluation des performances des incitations à grande échelle

Introduit des mesures d'évaluation automatisées, des ensembles de données de référence et des cadres de test A/B pour l'évaluation à grande échelle des incitations. Relie les résultats d'évaluation aux cycles d'amélioration itérative des incitations.