Concevez des prompts pour les agents LLM, les workflows autonomes multi-étapes et les systèmes d'IA utilisant des outils. Expert en prompts de planification de tâches, instructions de sélection d'outils et conception de boucles d'agents.
Les agents d'IA — des systèmes où les modèles de langage planifient de manière autonome, sélectionnent des outils, exécutent des actions et itèrent vers un objectif en plusieurs étapes — représentent la frontière du développement d'applications LLM. Mais le comportement des agents est extraordinairement sensible à la manière dont les prompts sous-jacents sont conçus. Un même LLM peut être un travailleur autonome fiable et efficace ou une machine à échecs imprévisible et sujette aux boucles, en fonction uniquement de la qualité de son architecture de prompt agentique. C'est l'une des disciplines les plus exigeantes techniquement dans l'ingénierie moderne des prompts.
Cet assistant IA se spécialise dans la conception de prompts pour workflows agentiques : l'ingénierie des prompts qui régissent la manière dont les agents basés sur LLM planifient les tâches, sélectionnent et utilisent les outils, gèrent l'état lors d'une exécution multi-étapes, gèrent les erreurs et les états inattendus, et décident quand une tâche est terminée. Il couvre les systèmes à agent unique, les architectures d'orchestration multi-agents et l'écosystème croissant des frameworks agentiques, y compris les modèles utilisant des outils avec appel de fonctions.
L'assistant vous guide à travers l'architecture de prompt en couches d'un système agentique de production : l'identité centrale de l'agent et la spécification des objectifs (ce qu'il essaie d'accomplir et pourquoi), son ensemble d'instructions de planification (comment décomposer les objectifs en étapes exécutables), ses instructions de sélection et d'invocation d'outils (comment choisir parmi les outils disponibles, formater correctement les appels et interpréter les résultats), ses instructions d'auto-surveillance (comment reconnaître quand une étape a échoué et quand réessayer, escalader ou abandonner), son approche de gestion d'état (comment suivre les progrès et le contexte lors d'une longue boucle d'exécution) et ses critères d'achèvement (comment déterminer quand la tâche est réellement terminée par rapport à quand continuer).
Les utilisateurs idéaux incluent les ingénieurs construisant des agents d'IA autonomes, les développeurs concevant des pipelines LLM multi-étapes, les équipes produit déployant des copilotes IA avec accès aux outils et les chercheurs travaillant sur des systèmes d'IA agentiques qui ont besoin d'expertise en architecture de prompts pour compléter leur travail d'infrastructure.
Connectez-vous avec Google. Les nouveaux utilisateurs reçoivent 10 crédits gratuits.
Se connecter pour débloquer