Formation Prompt Engineering

Leçon 1 • Anatomie d'une invite

Décompose une invite en ses composants fonctionnels : instruction, contexte, données d'entrée et format de sortie. Apprend aux étudiants à identifier et à étiqueter chaque partie.

Leçon 2 • Comment fonctionnent les grands modèles de langage

Explique la prédiction de jetons, les données d'entraînement et l'architecture du modèle à un niveau conceptuel. Établit pourquoi le libellé de l'invite affecte directement la sortie du modèle.

Leçon 3 • Vocabulaire clé et modèles mentaux

Introduit la terminologie essentielle utilisée tout au long du cours. Fournit des modèles mentaux qui simplifient le raisonnement sur le comportement du modèle.

Leçon 1 • Contrôle du format de sortie

Enseigne aux modèles à renvoyer des formats spécifiques tels que JSON, des tableaux ou des paragraphes en prose. Permet le traitement en aval et l'intégration avec d'autres outils.

Leçon 2 • Rédiger des instructions claires

Couvre la spécificité, la voix active et le choix de verbes non ambigus dans les instructions des invites. Réduit directement les réponses vagues ou hors cible du modèle.

Leçon 3 • Affinement itératif des invites

Établit une boucle structurée pour diagnostiquer et améliorer les invites sous-performantes. Construit l'habitude de l'itération basée sur des preuves plutôt que sur des conjectures.

Leçon 1 • Modèles de décomposition et de chaînage

Décompose les tâches complexes en sous-invites séquentielles et chaîne leurs sorties. Permet un traitement fiable des tâches trop volumineuses pour une seule invite.

Leçon 2 • Invite par chaîne de pensée

Suscite un raisonnement étape par étape pour améliorer la précision sur les tâches complexes. Montre quand et comment déclencher efficacement des chaînes de raisonnement.

Leçon 3 • Invite zero-shot et few-shot

Met en contraste l'invite sans exemple et celle avec des démonstrations étiquetées. Apprend quand chaque approche maximise la précision et l'efficacité.

Leçon 4 • Invite de rôle et de persona

Attribue des personas d'experts pour façonner le ton, le vocabulaire et le style de raisonnement. Relie la conception du persona à la qualité de sortie spécifique à la tâche.

Leçon 1 • Notions de base sur l'invite augmentée par récupération

Introduit l'injection de documents externes récupérés dans les invites pour ancrer les réponses. Relie la gestion du contexte aux applications basées sur une base de connaissances.

Leçon 2 • Comprendre les fenêtres de contexte

Explique la taille de la fenêtre de contexte, le comptage de jetons et la manière dont les modèles traitent le contexte. Fonde toutes les stratégies de mémoire et de récupération ultérieures.

Leçon 3 • Conception de conversations multitours

Structure des flux de dialogue qui maintiennent la cohérence sur de nombreux échanges. S'applique directement au développement de produits chatbot et assistant.

Leçon 1 • Invite agentique et utilisation d'outils

Conçoit des invites qui permettent aux modèles de planifier, d'appeler des outils externes et d'agir de manière autonome. Fait le pont entre l'ingénierie des invites et la conception de systèmes d'agents IA.

Leçon 2 • Injection d'invite et sensibilisation à la sécurité

Identifie les attaques adversariales par injection d'invite et conçoit des défenses contre elles. Protège les applications de production contre la manipulation et la fuite de données.

Leçon 3 • Invite par arbre de pensée

Structure le raisonnement comme un arbre de recherche à branches pour explorer plusieurs chemins de solution. Permet une résolution de problèmes systématique au-delà de la chaîne de pensée linéaire.

Leçon 4 • Auto-cohérence et vote majoritaire

Génère plusieurs chemins de raisonnement indépendants et agglomère les réponses par vote majoritaire. Améliore la fiabilité sur les tâches avec des sorties à variance élevée.

Leçon 1 • Construction d'un pipeline d'évaluation

Assemble des ensembles de test, des scripts de notation et des tableaux de bord de reporting dans un pipeline reproductible. Permet une surveillance continue de la qualité des invites au fil du temps.

Leçon 2 • Définition des critères d'évaluation

Établit des dimensions de qualité mesurables telles que la précision, la pertinence et la conformité au format. Convertit les jugements de qualité subjectifs en métriques objectives.

Leçon 3 • Méthodes d'évaluation humaine

Conçoit des grilles d'évaluation et des échelles de notation pour que des juges humains évaluent les sorties du modèle. Fournit des étiquettes de vérité terrain pour l'étalonnage de l'évaluation automatisée.

Leçon 1 • Conception du persona et de la voix de marque

Intègre une identité de marque et un style de communication cohérents dans les invites système. Garantit que chaque réponse du modèle est alignée sur les normes de voix organisationnelles.

Leçon 2 • Versioning et maintenance des invites système

Applique un contrôle de version similaire à celui du logiciel à la gestion des invites système. Permet une itération et un retour arrière sécurisés dans les applications en direct.

Leçon 3 • Architecture de l'invite système

Définit la structure et le placement des instructions au niveau système par rapport aux tours utilisateur. Établit la base de toute conception d'invite au niveau applicatif.

Leçon 1 • Optimisation de la latence et du coût

Réduit l'utilisation de jetons et le temps de réponse grâce à la compression d'invite et à la sélection de modèle. Permet un passage à l'échelle rentable sans sacrifier la qualité de sortie.

Leçon 2 • Gouvernance et documentation des invites

Établit des normes organisationnelles pour la propriété, la révision et la documentation des invites. Garantit la maintenabilité et la responsabilité entre les équipes et les projets.

Leçon 3 • Surveillance et observabilité

Instrumente les pipelines d'invite de production avec journalisation, traçage et alertes. Permet la détection et le diagnostic rapides des régressions de qualité dans les systèmes en direct.