LEBIGDATA.FR I.A, Cloud & Cybersécurité
Character AI reconnaît l’importance de générer des invites à la fois engageantes et précises. C’est la raison pour laquelle ils ont développé une bibliothèque Python à faible code baptisé Prompt Poet.
Character.AI vient de bouleverser le domaine de l’ingénierie des invites. Conscient de l’importance des prompts dans ses opérations, la société a changé le paradigme de l’ingénierie des invites traditionnelle pour la conception des invites. Un tel changement a pour objectif de voir au-delà des manipulations des chaînes banales afin de générer des invites précises et engageantes. D’où la conception de Prompt Poet.
Prompt Poet, un outil qui vise à faciliter la génération d’invites
La particularité de cet outil de Character AI réside sur le fait qu’il est très facile à manipuler. À l’origine, ce genre de tâche nécessite la connaissance de codage. Limitant ainsi l’accessibilité pour les utilisateurs non techniques.
Toutefois, Prompt Poet relève ce défi et propose désormais une solution particulièrement efficace et intuitive pour les développeurs et particulièrement les personnes non techniques. Grâce à cet outil, ces derniers peuvent concevoir et gérer des invites de production.
Promp Poet réduit également de manière considérable le temps qu’il faut pour manipuler les chaînes d’ingénierie. De cette manière, les utilisateurs pourront passer plus de temps sur la création d’invites optimales.
Il s’inspire des principes de création d’interfaces utilisateur. Cet outil conceptualise une invite en fonction de l’état d’exécution. Il renferme ainsi des éléments comme les données, le modèle d’invite, la limite de jetons ainsi que d’autres facteurs pertinents.
Cet outil révolutionnaire bouleverse le processus de conception d’invites en mettant l’accent sur la conception. En effet, il se sert d’une combinaison de YAML et de Jinja2 pour les modèles. Ce qui offre en même temps la facilité de combinaison et la flexibilité.
Comment fonctionne Prompt Poet ?
Le traitement des modèles se déroule en deux étapes importantes avec cet outil : le rendu et le chargement. Dans l’étape de rendu, c’est Jinja 2 qui traite les données d’entrée, puis réalise la logique de flux du contrôle. Ensuite, il se charge de valider et lier les données aux variables pour terminer avec l’évaluation des fonctions du modèle.
Grâce à l’étape de chargement, la sortie rendue est transformée en un fichier YAML structuré. Il sera ensuite converti en structure de données Python. Vous obtiendrez différents attributs spécifiques pour chaque partie de l’invite, à savoir le nom lisible par l’homme, la chaîne de contenu réelle, un spécificateur de rôle facultatif pour distinguer les utilisateurs ou les composants du système et une priorité de troncature facultative.
C’est de cette approche structurée qu’est née une gestion plus efficace des invites. Permettant aux utilisateurs techniques et non techniques de générer et d’itérer sur les invites avec plus de facilité et de précision.
Enfin, Jinja2 apporte des fonctionnalités dynamiques aux modèles, offrant des liaisons de données directes, des structures de flux de contrôle de base ainsi que des appels de fonctions arbitraires.
Restez à la pointe de l’information avec LEBIGDATA.FR !
Abonnez-vous à notre chaîne YouTube et rejoignez-nous sur Google Actualités pour garder une longueur d’avance.
- Partager l'article :
