Meilleures pratiques d'ingénierie rapides
Traitez les invites comme du code : donnez-leur une structure, versionnez-les, évaluez-les. Vous trouverez ci-dessous six pratiques qui ont survécu à des dizaines de chemins de production sur Starsg – celles qui ont constamment fait bouger les choses, dans l’ordre où elles ont tendance à avoir de l’importance.
1. Définir le rôle et l'objectif
Les deux premières lignes doivent ancrer le point de vue du modèle : de qui il s'agit, pour qui il écrit, à quoi ressemble le succès. La densité des termes, le ton et le choix de ce qu'il faut inclure découlent tous de cette ancre - beaucoup moins cher que de retirer le modèle plus tard avec «pas trop verbeux» ou «pas trop académique». Une ouverture solide répond à trois choses : l’identité, le public, l’objectif.
Modèle de définition de rôle
Vous êtes ingénieur relations développeurs. Public : ingénieurs backend à l'aise avec les API HTTP mais novices dans les LLM et la tarification basée sur les jetons. Objectif : en trois minutes, aider le lecteur à décider si Starsg vaut la peine d'être intégré et lui indiquer la prochaine étape. Utilisez un ton simple mais professionnel. Évitez les publicités inutiles.
2. Écrivez la tâche explicitement
« Écrire un texte de présentation du produit » confie chaque décision au modèle — chaque exécution est une supposition. Une instruction réutilisable comporte au moins cinq éléments : action (écrire/résumer/traduire), objet (quoi), public (pour qui), ton/style et longueur ou forme. Épelez-les et votre stabilité de sortie passe immédiatement d’un niveau à l’autre.
❌ Trop vague
Écrivez-moi un texte de présentation du produit.
✅ Les cinq éléments
En termes ~200, pour les ingénieurs back-end, introduisez trois différenciateurs de Starsg (passerelle unifiée, facturation par clé, repli multi-modèles). Ton : professionnel et sobre. Évitez les mots comme « autonomiser » ou « nouvelle génération ». Terminez par un appel à l’action concret.
3. Fournir du contexte et des exemples (quelques plans)
Plus l’exigence est abstraite, plus les exemples méritent d’être conservés. Une à trois paires « entrée → sortie attendue » valent dix lignes d'explication. Peu de plans sont particulièrement décisifs lorsque le format est figé (classement, extraction, JSON), lorsque le style est difficile à décrire avec des mots ou lorsque le domaine a ses propres conventions (juridiques, médicales, systèmes internes). Faites en sorte que les exemples couvrent la distribution réelle – pas seulement les cas faciles.
Exemple d'extraction de quelques plans
À partir du texte du ticket de support ci-dessous, extrayez trois champs : «type / scope / severity». Sortie JSON uniquement.
Exemple 1 :
Entrée : les utilisateurs signalent des échecs de connexion dans la région de Guangzhou ; l'assistance téléphonique est surchargée.
Résultat : {"type":"login","scope":"Guangzhou region","severity":"P1"}
Exemple 2 :
Entrée : Un compte test affiche un solde incorrect ; seul le contrôle qualité interne est affecté.
Résultat : {"type":"account","scope":"internal QA","severity":"P3"}
Maintenant, procédez :
Entrée : La passerelle Pékin API renvoie 502 ; tous les utilisateurs payants sont concernés.4. Contraindre le format de sortie
Tout ce qu'un système en aval consomme doit être analysable. JSON? Fournissez un schéma et des notes de terrain. Liste? Épinglez le nombre et la forme par article. Bouchon de longueur ? Dis-le. Ajoutez une clause du type «si le champ est manquant, définissez-le sur null — n'inventez pas» et vous réduirez considérablement les hallucinations.
Contrainte de sortie JSON
Convertissez le CV ci-dessous en JSON, correspondant strictement à ce schéma :
{
"name": string,
"yearsOfExperience": number,
"skills": string[], // at most 5, lowercase
"summary": string // <= 60 words
}
Si la source ne mentionne pas de champ, définissez-le sur null — n'inventez pas. Sortie JSON uniquement, sans texte environnant.5. Décomposer des tâches complexes (avec chaîne de pensée)
Demander à un modèle de « analyser + planifier + produire » d'un seul coup perd généralement des détails ou considère le raisonnement comme la réponse finale. Deux options : le laisser réfléchir étape par étape en interne, ou diviser soi-même le travail en plusieurs tours. Pour les flux de travail vérifiables, nous préférons cette dernière solution : conservez chaque intermédiaire afin de pouvoir identifier ultérieurement quelle étape a échoué.
Modèle étape par étape
Je vais vous donner une spécification du produit. Traitez-le en trois étapes et séparez chacune d'elles par un titre ## : ## 1. Informations clés Liste à puces : utilisateur cible, scénario de base, fonctionnalités indispensables, éléments explicitement hors de portée. ## 2. Risques et points flous Énumérez tout ce qui est ambigu ou contradictoire dans la spécification, une phrase chacun. ## 3. Prochaines étapes Donnez au PM trois prochaines actions concrètes et exécutables, classées par priorité. Spécification : <<< >>>
6. Itérer et évaluer
Les bonnes invites ne sont pas écrites, elles sont itérées. Créez un ensemble d'évaluation fixe (cas 20 – 50 couvrant normal + marginal + contradictoire). Exécutez-le à chaque changement rapide et enregistrez le taux de réussite, la longueur moyenne et le coût du jeton. Versionnez vos invites comme du code - chaque changement a une raison et une ligne de base de régression, pas de « se sent mieux cette fois ».
- Ensemble de données fixe couvrant les cas normaux, extrêmes et contradictoires.
- Modifiez une variable par itération (instruction, nombre d'exemples, contrainte de format) - sinon l'attribution est floue.
- Suivez le taux de réussite / les jetons moyens / les modes d'échec par version sur une seule feuille.
- Testez tous les modèles : la même invite se comporte souvent de manière très différente sur Claude / GPT / Gemini.