En réalité, la connexion à l'API en elle-même n'était pas particulièrement difficile. Le défi consistait toujours à fournir des instructions claires et efficaces à l'IA.
Le défi de produire des résultats de haute qualité, adaptés à diverses catégories, a toujours été un défi.
Mon équipe et moi avons longtemps débattu de cette idée, et nous avons fini par la nommer « ingénierie rapide ».
--- p.5

Pour beaucoup, « l'ingénierie rapide » reste un domaine difficile.
Même s'ils en connaissaient l'importance, la plupart des gens ne savaient pas par où commencer, et certains doutaient même de son utilité et de sa valeur.
Au vu des discussions qui se déroulent principalement dans le monde anglophone, cette impression était facile à avoir car elles se concentraient souvent sur « la mise en œuvre au sein du département de développement » plutôt que sur « le point de vue des utilisateurs finaux ».
Mais ce qui contraste avec cela, c'est la discussion sur les Japonais qui sont « obsédés par la normalisation et la mise en place de modèles pour les invites ».
Les techniques (appelées « méthodes » en japonais) et les modèles qu'ils ont mis au point indépendamment étaient très impressionnants, mais ils étaient quelque peu fragmentés et peu connus en Corée.
J'ai ressenti le besoin de recueillir et d'organiser leurs discussions et de les adapter au coréen.
--- p.6

L'ingénierie rapide est un domaine nouveau et de nombreuses recherches restent à mener.
Il existe de nombreuses théories concernant son concept et son application, et il serait absurde de tenter de le manueliser et de le standardiser.
Cependant, pour permettre à un plus grand nombre de personnes de participer à l'écosystème, il fallait que quelqu'un s'en charge, et cette personne a travaillé sans relâche, même si elle savait que ce ne serait pas suffisant.
--- p.7

Le concept d'invite en intelligence artificielle est parfois confondu avec l'« Invite de commandes » dans l'environnement CLI (Interface de ligne de commande).
L'invite de commande est un concept qui signifie « un état ou un signal en attente d'instructions de l'utilisateur ».
Bien que similaire dans son concept, il diffère de celui des invites en IA, qui désignent les instructions elles-mêmes. Les modèles de langage comme GPT sont capables d'« apprentissage en contexte ».
Cela signifie apprendre le contexte donné et le refléter dans votre réponse.
Bien sûr, cet apprentissage n'est que temporaire.
Cependant, cela signifie que la réponse du modèle peut être complètement différente en fonction de petites modifications apportées aux exemples, aux commandes ou aux choix de mots inclus dans l'invite donnée ; il est donc nécessaire de concevoir de bonnes invites pour obtenir les résultats souhaités.

--- p.17