Utilisez notre améliorateur de prompts pour optimiser vos prompts
Notre améliorateur de prompts est compatible avec tous les modèles Claude, y compris ceux avec des capacités de réflexion étendue. Pour des conseils de prompting spécifiques aux modèles de réflexion étendue, voir ici.
L’améliorateur de prompts vous aide à itérer rapidement et à améliorer vos prompts grâce à une analyse et une amélioration automatisées. Il excelle à rendre les prompts plus robustes pour les tâches complexes qui nécessitent une grande précision.
L’améliorateur de prompts génère des modèles avec :
Des instructions détaillées de chaîne de pensée qui guident le processus de raisonnement de Claude et améliorent généralement ses performances
Une organisation claire utilisant des balises XML pour séparer les différents composants
Un formatage d’exemples standardisé qui démontre le raisonnement étape par étape de l’entrée à la sortie
Des pré-remplissages stratégiques qui guident les réponses initiales de Claude
Bien que les exemples apparaissent séparément dans l’interface utilisateur du Workbench, ils sont inclus au début du premier message utilisateur dans l’appel API réel. Visualisez le format brut en cliquant sur ”</> Get Code” ou insérez les exemples comme texte brut via la boîte Exemples.
Ajoutez des commentaires sur les problèmes avec les sorties actuelles de Claude (par exemple, “les résumés sont trop basiques pour des audiences expertes”)
Incluez des exemples d’entrées et de sorties idéales
Les tâches complexes nécessitant un raisonnement détaillé
Les situations où la précision est plus importante que la vitesse
Les problèmes où les sorties actuelles de Claude nécessitent une amélioration significative
Pour les applications sensibles à la latence ou au coût, considérez l’utilisation de prompts plus simples. L’améliorateur de prompts crée des modèles qui produisent des réponses plus longues, plus approfondies, mais plus lentes.
Voici comment l’améliorateur de prompts améliore un prompt de classification de base :
Prompt original
Copy
À partir de la liste suivante de titres d'articles Wikipedia, identifiez de quel article cette phrase provient.Répondez avec seulement le titre de l'article et rien d'autre.Titres d'articles :{{titles}}Phrase à classifier :{{sentence}}
Prompt amélioré
Copy
Vous êtes un système de classification de texte intelligent spécialisé dans la correspondance de phrases avec des titres d'articles Wikipedia. Votre tâche est d'identifier à quel article Wikipedia une phrase donnée appartient le plus probablement, basé sur une liste fournie de titres d'articles.D'abord, examinez la liste suivante de titres d'articles Wikipedia :<article_titles>{{titles}}</article_titles>Maintenant, considérez cette phrase qui doit être classifiée :<sentence_to_classify>{{sentence}}</sentence_to_classify>Votre objectif est de déterminer quel titre d'article de la liste fournie correspond le mieux à la phrase donnée. Suivez ces étapes :1. Listez les concepts clés de la phrase2. Comparez chaque concept clé avec les titres d'articles3. Classez les 3 titres les plus pertinents et expliquez pourquoi ils sont pertinents4. Sélectionnez le titre d'article le plus approprié qui englobe ou se rapporte le mieux au contenu de la phraseEnveloppez votre analyse dans des balises <analysis>. Incluez ce qui suit :- Liste des concepts clés de la phrase- Comparaison de chaque concept clé avec les titres d'articles- Classement des 3 titres les plus pertinents avec des explications- Votre choix final et votre raisonnementAprès votre analyse, fournissez votre réponse finale : le titre d'article Wikipedia unique le plus approprié de la liste.Sortez seulement le titre d'article choisi, sans texte ou explication supplémentaire.
Remarquez comment le prompt amélioré :
Ajoute des instructions de raisonnement claires étape par étape
Utilise des balises XML pour organiser le contenu
Fournit des exigences explicites de formatage de sortie
Les exemples n’apparaissent pas dans la sortie : Vérifiez que les exemples sont correctement formatés avec des balises XML et apparaissent au début du premier message utilisateur
La chaîne de pensée trop verbeuse : Ajoutez des instructions spécifiques sur la longueur de sortie désirée et le niveau de détail
Les étapes de raisonnement ne correspondent pas à vos besoins : Modifiez la section des étapes pour correspondre à votre cas d’usage spécifique