9 minutesLangSmith en 10 minutes
Naviguer parmi les traces, les projets et les jeux de données dans LangSmith, puis lire le coût des tokens, la latence, le taux d’erreur et le détail de chaque span.
Lire la vidéoAnthropic. Quatre spécialistes des prompts chez Anthropic — issus de la recherche, de l’alignement, de l’IA appliquée et des relations avec les développeurs — décrivent longuement leur travail quotidien : comment ils révisent des prompts sous pression, comment ils abordent l’« honnêteté » des instructions et dans quels cas les structures XML sont utiles ou non. Le modèle en couches de l’article correspond directement à leur façon de décrire le travail ; c’est le meilleur moyen d’entendre ce modèle mental formulé à voix haute.
Considérez cette vidéo comme un long podcast : sa valeur tient au fait d’entendre le modèle mental en couches de l’article décrit par des personnes qui révisent des prompts sous une pression réelle.
Comprendre comment les spécialistes des prompts de production révisent les instructions, les exemples et les contraintes comportementales sous une pression réelle, au lieu de traiter les prompts comme du texte jetable.
Déjà exploiter des prompts dans un produit ou un flux de travail — il s’agit d’une table ronde de praticiens, pas d’un cours.
Dernière révision : 18 mai 2026
Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.
9 minutesNaviguer parmi les traces, les projets et les jeux de données dans LangSmith, puis lire le coût des tokens, la latence, le taux d’erreur et le détail de chaque span.
19 minutesAméliorer la conception des outils afin que les agents sélectionnent l'action correcte avec les bons paramètres.
13 minutesChoisir entre l’ingénierie des prompts, le RAG, le fine-tuning ou leur combinaison en fonction du véritable mode de défaillance.
Des cours externes sélectionnés pour approfondir ce sujet.
Isa Fulford · Andrew Ng
Quinze minutes de cours peuvent remplacer une année d'intuition. Si vous avez commencé à écrire du code qui appelle un grand modèle de langage (LLM), ou prévoyez de le faire, c'est le cours en ligne le plus efficace pour passer de « jouer avec ChatGPT » à « déployer une fonctionnalité qui appelle un LLM ».
Microsoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.