Salut l’équipe,
Voici quelques ressources que j’ai trouvé sympa :
Très intéressant pour mieux comprendre les prompts en général :
Librairie de prompts ChatGPT :
https://flowgpt.com/
IDE pour ChatGPT pour faire vos essais (il y en a aussi d’autres), j’ai su y a peu que ça existait :
https://trydyno.com/
Librairie des styles et techniques pour Midjourney :
https://www.midlibrary.io/categories/
N’hésitez pas à partager les ressources que vous trouvez intéressantes 
Hello
Je demande a chatgpt d’optimiser lui meme le prompt en me listant les variables sur lesquels je peux rajouter des details au prompts.
Par ex :
I want you to act as a prompt generator. I have the following prompt. I want you to list the different arguments I can add to the prompt to optimize it:
Prompt: « … »
Cela ne marche pas tout le tps, mais cela aide a affiner le prompt dans bcp de cas
En parlant de variable,
Y’a l’extension Chrome GPT macros que j’ai trouvé sympa
Invite :
Écris-moi les macronutriments pour ${burger}
Variables : [{« burger »:« McChicken »},{« burger »:« Cheeseburger »},{« burger »:« BigTasty »}]
Et là ChatGPT fera 3 réponses très détaillés car la demande sera répartie en 3 prompts qui sont soumis automatiquement après chacune de ses réponses.
Je parle un peu tout seul 
, mais pour optimiser le prompt, tu as ça aussi (et ça rejoint la compression que je recherchais pour Auto-GPT) :
EXISTING SPEC: Introduction The Enhanced Recursive Tagging System (ERTS) is a robust and adaptable framework designed for seamless interaction with Language Model-based models (LLMs). ERTS facilitates the generation of precise instructions for LLMs across various tasks, including legal document analysis, financial reports, technical support responses, and content creation. Featuring a scalable and highly customizable structure, the ERTS is designed to suit any application.
Basic Syntax ERTS employs a hierarchical organization for tags, which are composed of three parts: the category, the subcategory, and the attributes. The category defines the broad classification of the tag, while the subcategory offers specific details. Attributes provide additional customization options. Tags are separated by a colon (:), categories are enclosed in curly brackets ({}), subcategories in square brackets ([]), and attributes in angle brackets (<>).
{Category: [Subcategory]<Attributes>}
To implement ERTS, construct a prompt using relevant tags for the task, and the LLM will interpret and generate output based on the provided instructions.
Categories ERTS organizes tags into the following categories:
Core Contextual Options Temporal Task-specific Communication Assessment Each category serves a unique purpose, providing a structured framework for tag organization.
Core The Core category encompasses tags that deliver essential information about the task: {Subject}: Defines the primary topic of the task. {Objective}: Outlines the main goal or purpose of the task. {Constraints}: Lists limitations or restrictions on the output. {Output}: Describes the desired format, medium, or structure of the output.
Contextual The Contextual category includes tags that offer context for the task: {Background}: Presents contextual information or background details. {Examples}: Supplies relevant examples or references. {Resources}: Specifies required resources or materials.
Options The Options category covers tags that indicate preferences or approaches: {Methodology}: Highlights preferred methods or techniques. {Approach}: Details the overall strategy for the task. {Theme}: Notes the primary focus or theme of the task.
Temporal The Temporal category contains tags that provide time-related information: {Deadline}: Sets a due date for the task. {Duration}: Indicates the task's intended time span.
Task-specific The Task-specific category comprises tags unique to the task: {Content}: Describes the content for the output. {Data}: Identifies necessary data or information. {Creative}: Notes required creative elements. {Technical}: Specifies technical requirements or aspects.
Communication The Communication category features tags related to communication: {Audience}: Identifies the target audience for the output. {Format}: Describes the output's format or medium. {Channels}: Lists channels or methods for communication.
Assessment The Assessment category includes tags related to evaluation: {Criteria}: Establishes standards or benchmarks for assessment. {Metrics}: Details metrics or measurements for evaluation. {Feedback}: Specifies the type of feedback to incorporate.
Recursive Structure ERTS employs a recursive structure, supporting arbitrary depth and arbitrary length of lists within categories, enabling users to create custom, intricate tags extendable for any use case or task.
Syntax The recursive structure syntax is as follows:
{Category(K): [Subcategory(N)]<Attributes(A)>}
This syntax implies a specific category (K) can have an arbitrary length of subcategories (N) and attributes (A). Users can create subcategories within existing subcategories to add depth and complexity to tags.
Examples These examples demonstrate the recursive structure:
{Category(Research): [Subcategory(Topic), Subcategory(Methodology), Subcategory(Sources)]<Attributes(Language, Region)>} {Category(Presentation): [Subcategory(Format), Subcategory(Style), Subcategory(Audience)]<Attributes(Platform, Interaction)>} {Category(Assessment): [Subcategory(Criteria), Subcategory(Metrics)]<Attributes(Weighting, Threshold)>}
These examples showcase the versatility of the recursive structure in creating custom and intricate tags for diverse use cases.
Best Practices To optimize the use of the Enhanced Recursive Tagging System, consider these best practices:
Use relevant and specific tags: Employ tags that accurately represent the task, ensuring the LLM understands your instructions. Maintain simplicity: Avoid overly complex tags or structures; the objective is to provide clear, concise instructions to the LLM. Be consistent: Implement consistent naming conventions and formats for tags to enhance comprehension. Iterate and refine: Test and adjust tags as needed, optimizing interactions with the LLM and enhancing output quality. Conclusion The Enhanced Recursive Tagging System is a powerful, adaptable framework for interacting with LLMs. It enables users to supply detailed instructions for a variety of tasks and use cases, leveraging a hierarchical structure that supports arbitrary depth and arbitrary length of lists within categories. By adhering to best practices and using tags effectively, users can enhance the efficiency and accuracy of their interactions with LLMs, making it an invaluable tool for knowledge work across industries. == END OF EXISTING SPEC==
Task: Based on the above ERTS framework write the following prompt and reply in French:
Prompt: <INSERT REQUIRED PROPMT THAT NEEDS ENHANCEMENT>
Voilà la réponse
Peut-être qu’en faisant une bidouille et un mix avec GPT macros ça peut être un dinguerie :
Prompt basic => Récupérer le plan du Prompt ERTS => GPT Macros en lui demandant d’approfondir chacun des points par rapport au plan initial et à ses précédentes réponses progressives
J’essaye quand je peux et je ferais un retour
ah oui, ca va loin la…
Je ne sais pas pour vous, mais moi, j’ai bien fait joujou avec chatgpt, ca peut être utile dans bcp de cas, mais les data fournies par gpt peuvent être tellement fausses, que je l’utilise de moins en moins. C’est bien pour avoir une base quand on débute, mais après, cela reste assez limite.
Idem pour ce qui est oriente dev, c’est très pratique pour commenter un script ou avoir une base/trame de certains scripts, mais même dans ce dernier cas, il y a fort a parier qu’on peut trouver sur github des repo plus récents ou plus performants.
Et vous, dans le monde du business, vous vous en servez comment ?
NB : je ne parle que de openai & co, pas des ia sur la creation d’images qui sont bluffantes
Moi c’est pareil, je fais surtout du contenu qui nécessite beaucoup d’information factuelle et il me raconte n’importe quoi et souvent il fou en l’air mon formatage aussi alors je suis en attente de comprendre comment faire pour le forcer à ne pas toucher aux faits que je lui donne, sinon je l’utilise pour rédiger des intro, transition, trames, ce genre de choses !
Ah oui génial en gros tu nous dis que tu veux créer un Zimmwriter à toi tout seul avec des variables mdr tu es trop chaud
Zimmwriter
En plus, le nom sonne super bien, achete le nom de domaine lol
Mdrr c’est un produit qui existe déjà donc je pense qu’ils ont acheter le nom de domaine
Yes c’est un putain d’outil faut que je l’achète
Je connaissais pas Zimmwriter mais AIPRM, je vais voir ca de plus près. Si non j’ai pas mal poncer AIPRM et récupérer les prompts qu’il utilise et modifier pour mon utilisation. Si cela dit a quelqu’un de travailler sur ce projet. Je suis dans l’e-commerce donc je l’adapte a cette utilisation. Merci @DianeWebinde pour la découverte
Pour info j’ai testé Zimmwriter mais : Cela ne fonctionne actuellement que en anglais, les prompts doivent être écrits en anglais. Une fois le document généré, il doit être retraduit par l’app en Français. Brefs, le parcours du combatant… pour un article qui est au final est moins bien écrit que si on se fait de vrai prompt sur OpenAi… Même si sur le papier les magic prompt on l’air genial. Pour l’écriture en Bulk a première vu, ça fonctionnerai avec la magic prompt mais en 10 ans c’est la première fois que j’abandonne avec une app et demande le remboursement ^^ On verra quand il y aura la version Mac a première vu il va dev une meilleure interface… On verra bien 
Ah ouais… Merci de t’être sacrifié pour la nation ! Moi qui voulait l’essayer, si c’est une galère de créer du contenu en français et que l’outil est bof tu me fais gagner du temps… C’est quoi cette histoire de magic prompt ? Tu l’avais pris en LTD ? Merci pour ton retour 
