Prompt Templates et Function Calling
Partie du cours Prompt Engineering
Dans la quatrième leçon, vous avez mis en forme un prompt à la main : des délimiteurs, des rôles, un exemple few-shot. Cela marche pour un prompt. Dès qu'il faut faire tourner le même prompt sur des centaines d'entrées différentes, ou que le modèle doit sortir de son propre texte pour agir pour de bon, il vous faut deux outils de plus. Cette leçon couvre les deux.
Copier un prompt et changer un mot à chaque fois, c'est la porte ouverte aux erreurs. Vous corrigez la formulation dans une copie et vous oubliez les cinq autres. La réponse est le template de prompt : un prompt réutilisable, avec des emplacements nommés que vous remplissez à partir de vos données au moment de l'envoi. ...
Envie d’apprendre Prompt Engineering Prompt Templates et Function Calling dans un vrai environnement ?
Cliquez ci-dessous, obtenez une machine Linux avec Prompt Engineering prêt, et travaillez sur Prompt Templates et Function Calling avec un tuteur IA qui connaît votre code.
Commencer cette leçonPrompt Templates et Function CallingCe que vous allez apprendre
- Prompt templates with variables
- Separating template from data
- Function calling and tool schemas
- Reading a tool call and returning a result
Lire cette leçon dans votre langue
Toutes les leçons de ce cours
11 leçons- 1Qu'est-ce qu'un prompt20 min
- 2Comment les grands modèles de langage génèrent du texte30 min
- 3Les cinq principes du prompting30 min
- 4Pratiques standard pour la génération de texte35 min
- 5Prompt Templates et Function Calling35 min
- 6Vector Databases et Retrieval-Augmented Generation40 min
- 7Autonomous Agents : memory et tools40 min
- 8Comment les diffusion models génèrent des images30 min
- 9Pratiques standards pour la génération d'images35 min
- 10Techniques d'image avancées : inpainting, outpainting et ControlNet35 min
- 11Construire des applications propulsées par l'IA40 min
