Guide officiel d'ingénierie de prompts pour GPT-4.1 d'OpenAI 138

Openai a publié le modèle GPT-4.1, accompagné d'un guide détaillé d'ingénierie de prompt, disponible à l'adresse : https://github.com/openai/openai-cookbook/blob/main/examples/gpt4-1_prompting_guide.ipynb. L'objectif est d'aider les utilisateurs à exploiter plus efficacement le modèle GPT-4.1, en améliorant les performances d'exécution des tâches grâce à une conception optimisée des prompts.

GPT-4.1 est plus puissant que le précédent GPT-4o, avec des améliorations significatives notamment en matière de programmation, de compréhension des instructions et de traitement de textes très longs. Il comprend mieux vos instructions et, tant que vous vous exprimez clairement, il suit scrupuleusement vos exigences.

Techniques fondamentales générales pour le modèle GPT-4.1

• Fournir des exemples contextuels : aider le modèle à comprendre les exigences de la tâche grâce à des exemples concrets.

• Instructions claires et précises : éviter les instructions vagues et s'assurer que le modèle sait exactement quoi faire.

• Guider la planification : faire réfléchir le modèle aux étapes avant d'agir, plutôt que d'exécuter directement.

• Exploiter le caractère littéral : GPT-4.1 suit strictement les instructions, ce qui permet un contrôle précis.

• Corriger les écarts : si le comportement du modèle ne correspond pas aux attentes, indiquer de manière directe et ferme le comportement souhaité.

• Optimisation itérative : l'ingénierie de prompt nécessite une expérimentation et une optimisation continues.

Techniques pour le flux de travail d'un Agent

• Rappel de conversation multi-tour : indiquer clairement dans le prompt système que le modèle doit poursuivre la conversation jusqu'à ce que le problème soit résolu, par exemple :

  You are an agent - please keep going until the user’s query is completely resolved, before ending your turn and yielding back to the user. Only terminate your turn when you are sure that the problem is solved.
  

• Rappel d'appel d'outils : encourager le modèle à utiliser pleinement les outils afin de réduire les suppositions et les hallucinations.

  If you are not sure about file content or codebase structure pertaining to the user’s request, use your tools to read files and gather the relevant information: do NOT guess or make up an answer.
  

• Rappel de planification : forcer le modèle à planifier et à réfléchir explicitement avant et après chaque appel d'outil.

• Privilégier le champ tools : éviter d'injecter manuellement les descriptions d'outils pour réduire les erreurs.

• Noms d'outils et de paramètres clairs : s'assurer que les noms d'outils et de paramètres sont clairs et compréhensibles.

• Description détaillée des outils : détailler le champ "description" de chaque outil.

• Emplacement des exemples : placer les exemples des outils complexes dans la section # Examples du prompt système.

• Guider la planification explicite : inciter le modèle à effectuer une planification et une réflexion étape par étape dans sa sortie.

Techniques pour le contexte long du modèle GPT-4.1

• Ajuster le degré de dépendance au contexte : indiquer explicitement si le modèle doit se limiter au contexte fourni ou s'il peut compléter avec ses propres connaissances.

• Optimiser le placement des instructions : dans un contexte long, il est préférable de placer les instructions au début et à la fin ; si elles ne sont placées qu'une seule fois, les mettre en haut est plus efficace.

Techniques de chaîne de pensée

• Instruction de base de chaîne de pensée : ajouter à la fin du prompt une instruction du type « First, think carefully step by step... ».

• Auditer les cas d'échec : analyser les étapes où le modèle se trompe et ajouter des instructions plus explicites pour les corriger.

• Formaliser les stratégies efficaces : inscrire explicitement les stratégies de réflexion efficaces dans le prompt.

• Stratégie de raisonnement structurée : demander au modèle d'exécuter une série d'étapes de raisonnement dans un ordre précis.

Techniques de suivi des instructions

• Commencer par des règles de haut niveau : utiliser « Response Rules » ou « Instructions » pour résumer les principales exigences.

• Ajouter des sous-catégories : fournir des exemples de phrases pour des comportements spécifiques.

• Liste ordonnée pour les procédures : si le modèle doit suivre des étapes précises, utiliser une liste ordonnée.

• Vérifier les instructions contradictoires/ambiguës : éviter les conflits d'instructions et garantir la clarté.

• Ajouter des exemples : montrer le comportement attendu et s'assurer que les comportements clés figurent dans les règles.

• Utiliser l'emphase avec prudence : par exemple les majuscules, mais généralement pas indispensable.

• Gérer les effets secondaires des comportements forcés : éviter que le modèle n'appelle des outils de manière incohérente à cause d'instructions trop strictes.

• Varier les exemples de phrases : éviter les répétitions dans les sorties.

• Contrôler les explications et la mise en forme redondantes : contraindre la sortie du modèle via des instructions et des exemples.

Recommandations générales

• Utiliser des modèles de prompts structurés : privilégier un modèle incluant rôle, objectif, instructions, étapes de raisonnement, format de sortie et exemples.

• Choisir des délimiteurs adaptés : sélectionner selon les besoins des formats comme Markdown, XML ou JSON.

• Attention à la résistance aux longues sorties répétitives : si vous devez générer du contenu long et répétitif, des instructions fermes ou une décomposition des tâches peuvent être nécessaires.

• Tester les appels d'outils parallèles : en cas de problème avec les appels parallèles, définir parallel_tool_calls=false.

Techniques de génération de diff de code

• Instructions et exemples clairs : fournir des instructions et des exemples précis pour le format Diff.

• Recommander le format V4A : le modèle a été largement entraîné sur ce format.

• Caractéristiques d'un format Diff efficace : pas de numéros de ligne, fournir l'ancien et le nouveau code avec précision, et un délimiteur clair entre les deux.

• Autres formats efficaces : par exemple le format SEARCH/ｒｅｐｌａｃｅ d'Aider ou un format pseudo-XML.

Le guide d'ingénierie de prompt de GPT-4.1 offre aux utilisateurs un large éventail de techniques d'ingénierie de prompt. En les appliquant judicieusement, les performances de GPT-4.1 dans diverses tâches — dialogue, raisonnement, génération de code ou autres tâches complexes — peuvent être considérablement améliorées.

Adresse du guide officiel d'ingénierie de prompt OpenAI GPT-4.1 :https://github.com/openai/openai-cookbook/blob/main/examples/gpt4-1_prompting_guide.ipynb