20 items
16. Prompts Drift — Version Them Like Code
A prompt that works today will not necessarily work tomorrow.
17. Examples Outperform Instructions
If you want an agent to produce output in a particular format, style, or structure, showing it an example is almost always more effective than describing what you want.
18. Negative Space Matters — Tell Your Agent What Not to Do
Most prompts describe what the agent should do.
19. System Prompts Are Contracts
A system prompt isn't instructions — it's a contract.
20. The Best Prompt Is the One You Don't Have to Change
Prompt engineering has a reputation for being iterative — you write something, see what breaks, fix it, repeat.
21. Few-Shot Is Not Fine-Tuning
Few-shot prompting — providing examples in the context window to shape model behavior — is powerful and widely used.
22. Chain of Thought Is a Debugging Tool, Not Just a Performance Trick
Chain-of-thought prompting — asking the model to reason through a problem step by step before producing an answer — reliably improves performance on complex tasks.
23. Prompting Is Thinking Out Loud — So Think Carefully
There's a reason bad prompts produce bad outputs: they're usually the product of fuzzy thinking.
24. The Agent That Sounds Confident Is Not Necessarily Correct
Language models are fluent by default.
25. Learn to Recognize Hallucination Patterns in Your Domain
Hallucination — the model generating plausible-sounding content that isn't grounded in fact — is not random.
16. Les prompts dérivent — versionnez-les comme du code
Un prompt qui marche aujourd'hui ne marchera pas nécessairement demain.
17. Les exemples surpassent les instructions
Si tu veux qu'un agent produise un output dans un format, un style ou une structure particuliers, lui montrer un exemple est presque toujours plus efficace que de décrire ce que tu veux.
18. L'espace négatif compte — dites à votre agent ce qu'il ne doit pas faire
La plupart des prompts décrivent ce que l'agent doit faire.
19. Les system prompts sont des contrats
Un system prompt n'est pas une instruction — c'est un contrat.
20. Le meilleur prompt est celui que tu n'as pas à changer
Le prompt engineering a la réputation d'être itératif — tu écris quelque chose, tu vois ce qui casse, tu corriges, tu recommences.
21. Le few-shot n'est pas du fine-tuning
Le prompting few-shot — fournir des exemples dans le context window pour façonner le comportement du modèle — est puissant et largement utilisé.
22. Le chain-of-thought est un outil de débogage, pas juste une astuce de performance
Le prompting chain-of-thought — demander au modèle de raisonner étape par étape avant de produire une réponse — améliore de façon fiable la performance sur les tâches complexes.
23. Prompter, c'est penser à voix haute — alors pense soigneusement
Il y a une raison pour laquelle les mauvais prompts produisent de mauvais outputs : ils sont généralement le produit d'une pensée floue.
24. L'agent qui a l'air confiant n'est pas nécessairement correct
Les LLM sont fluides par défaut.
25. Apprends à reconnaître les patterns d'hallucination dans ton domaine
L'hallucination — le modèle qui génère du contenu qui sonne plausible mais n'est pas ancré dans les faits — n'est pas aléatoire.