Écrire de meilleurs prompts

Ce que c'est

Un agent spécialisé dans la conception de prompts, accompagné d'un optimiseur qui teste vos formulations au lieu de vous laisser deviner laquelle marche le mieux.

Le cœur, ce sont huit patrons nommés et documentés, avec le cas où chacun sert : la chaîne de pensée, l'apprentissage par l'exemple, ReAct, l'arbre de pensées, l'auto-cohérence, le méta-prompting, le chaînage, et l'alignement par principes. Savoir qu'ils existent et pouvoir les appeler par leur nom change déjà la moitié du problème.

Quand le sortir

Quand vos résultats sont irréguliers sans que vous sachiez pourquoi. C'est le symptôme d'un prompt qui laisse trop de liberté sur un point précis, et le travail consiste à trouver lequel.

Aussi quand vous construisez quelque chose qui tourne en boucle, un agent, un automatisme, une génération en série. Un prompt utilisé mille fois mérite d'être mesuré, pas ajusté au feeling.

Ce qu'il vous faut avant

Python, et une clé d'API pour le modèle que vous testez. Les scripts appellent le modèle en vrai : chaque comparaison consomme des jetons, donc de l'argent. Commencez petit, sur dix cas, pas sur mille.

Comment s'en servir

Déposez le dossier dans ~/.claude/skills/, puis ouvrez SKILL_DESCRIPTION.md : vingt-cinq mille caractères, un patron par section, avec le cas où chacun sert. C'est là que se trouve la matière.

Pour mesurer, prompt_optimizer.py compare deux versions d'un prompt sur un jeu de cas et rend trois chiffres : justesse, latence, coût. C'est cette dernière colonne qui surprend le plus. Un prompt plus long donne souvent un meilleur résultat pour un prix qui ne le vaut pas, et vous ne le voyez qu'en le mesurant.

Ce que contient l'archive

1 outil, prêt à déposer dans votre projet :

• senior-prompt-engineer