Rubriques tendance
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Anthropic vient de publier un nouveau tutoriel sur l'ingénierie contextuelle efficace pour les agents AI.
J'ai jeté un œil et je partage avec vous les expériences que j'ai apprises :
D'une part, il faut éviter que le prompt soit trop spécifique, par exemple en codant en dur une logique if-else complexe, car un tel design rend le prompt peu compatible, presque conçu pour des scénarios très spécifiques.
Une organisation structurée est une bonne pratique, comme le markdown ou le json.
Lors de l'affinage, essayez de commencer par le plus petit scénario, puis d'élargir progressivement. Je recommande ici d'utiliser directement la gestion de version git, pour éviter de ne pas savoir où vous avez modifié quelque chose et que cela explose soudainement.
Lorsque vous utilisez un appel d'outil, assurez-vous que l'outil renvoie ce qu'on appelle des informations token effective, par exemple, si vous demandez à l'outil de renvoyer la température actuelle, il suffit de {"temperature":28.2}, et non pas "Aujourd'hui, le temps est ensoleillé, la température maximale est de 29, la température moyenne est de 28.2", puis de laisser l'AI nettoyer les données.
Si vous ne savez pas comment utiliser une description logique, donner des exemples est en fait le meilleur moyen, plusieurs exemples sous différents angles sont très efficaces pour l'AI.
Pour la recherche contextuelle, essayez d'utiliser une recherche en temps réel, et non un cache à long terme, car il faut prendre en compte la pertinence temporelle du contenu recherché.
Adresse du tutoriel :

Meilleurs
Classement
Favoris