Quels styles de prompt permettent d'obtenir de meilleurs résultats avec DeepSeek v3.1 Terminus ?
Affirmation audacieuse : La plupart des ajustements de prompt n'ont pas d'importance, jusqu'à ce qu'ils en aient. Avec DeepSeek v3.1 Terminus, quelques modifications précises du style de prompt peuvent doubler la qualité de la sortie et réduire les cycles d'inférence.
Ce guide explore les styles de prompt qui permettent d'obtenir systématiquement de meilleurs résultats avec DeepSeek v3.1 Terminus. Nous allons au-delà des conseils génériques tels que "soyez précis" et nous allons plutôt déballer des modèles structurés, des exemples et des stratégies testées en situation de stress qui optimisent la profondeur du raisonnement, la précision et la vitesse. Que vous construisiez des agents, que vous rédigiez des requêtes complexes ou que vous génériez du contenu prêt pour la production, le bon style de prompt peut donner l'impression d'actionner un interrupteur caché.
Nous utiliserons une approche pratique et axée sur les solutions, avec des exemples que vous pourrez copier, adapter et tester en A/B. Attendez-vous à des listes de contrôle, des cadres compacts et des indications claires sur le moment d'utiliser chaque style.
Pourquoi le style de prompt est-il important dans DeepSeek v3.1 Terminus ?
- Le style influence le comportement : Terminus réagit fortement à la structure. Un prompt qui encadre les contraintes, les rôles et les critères d'évaluation guide le fil de raisonnement du modèle.
- Compromis entre latence et profondeur : La façon dont vous posez la question peut encourager des sorties concises ou des chaînes en plusieurs étapes. Une verbosité contrôlée réduit le gaspillage de tokens.
- Reproductibilité : Des modèles cohérents améliorent le déterminisme et facilitent le débogage.
Le guide du style de prompt (axé sur les questions)
Nous allons structurer cela sous forme de questions que vous êtes susceptible de poser, et les schémas exacts qui fonctionnent le mieux.
1) Comment puis-je améliorer la précision du raisonnement sur des tâches complexes ?
Utilisez un style "Chaîne de vérifications". Au lieu de simplement demander une chaîne de pensée (ce que vous ne devriez pas demander textuellement), guidez le modèle pour qu'il raisonne en silence, puis présentez un résultat vérifiable avec des vérifications explicites.
- Quand l'utiliser : Mathématiques/logique, conformité aux politiques, planification multi-contraintes.
- Pourquoi ça marche : Encourage la planification interne et la validation externe sans révéler le raisonnement interne.
Exemple de prompt :
Vous êtes un analyste attentif. Résolvez le problème et présentez :
1) La réponse finale uniquement
2) Une brève justification : énumérez les hypothèses et les étapes clés
3) Une vérification : une vérification rapide qui pourrait détecter une erreur
Problème : Un forfait mobile coûte 29 $ de base plus 0,12 $ par minute après 100 minutes. Pour 245 minutes, quel est le montant de la facture ?
Contraintes : La justification doit contenir moins de 60 mots.
Ce qu'il faut rechercher dans les sorties :
- Des hypothèses claires, un minimum de remplissage
- Une étape de vérification qui pourrait réellement échouer
Conseil : Ajoutez En cas d'incertitude, indiquez l'incertitude et les informations supplémentaires qui seraient utiles pour réduire les hallucinations.
2) Comment puis-je obtenir des sorties structurées à chaque fois ?
Utilisez un style "Schéma d'abord" avec des modèles JSON ou YAML en ligne. Fournissez un exemple de forme et de règles.
- Quand l'utiliser : Intégrations, automatisations, appels de fonction, analyse en aval.
- Pourquoi ça marche : Terminus s'aligne étroitement sur des schémas explicites.
Modèle de prompt :
Retournez UNIQUEMENT du JSON. Pas de commentaire.
Schéma :
{
"title": "string",
"summary": "string",
"priority": "low|medium|high",
"tags": ["string"],
"next_actions": [
{"task": "string", "owner": "string", "eta_days": number}
]
}
Tâche : Résumez les notes de réunion suivantes et proposez les prochaines étapes.
Notes : "..."
Règles de validation :
- Utilisez des minuscules pour les tags
- Pas de valeurs nulles
- Gardez le résumé ≤ 80 mots
Conseils de renforcement :
- Ajoutez
Si un champ est inconnu, omettez-le pour éviter les espaces réservés.
- Fournissez un exemple positif et un exemple négatif.
3) Comment puis-je réduire les hallucinations ?
Utilisez le style "Réponse fondée sur des preuves", qui force les citations et le refus lorsque les preuves sont manquantes.
- Quand l'utiliser : Questions-réponses factuelles, conformité, contenu réglementé.
- Pourquoi ça marche : Fait passer le modèle de la conjecture générative à la synthèse avec des citations.
Modèle de prompt :
Répondez uniquement si cela est étayé par les sources fournies. Citez comme [S1], [S2]. Si ce n'est pas étayé, dites "Preuves insuffisantes".
Question : Quelles sont les principales conclusions ?
Sources :
[S1] ...
[S2] ...
Format de sortie :
- Points clés (à puces)
- Conclusion en une phrase
Ajoutez des garde-fous :
N'utilisez pas de connaissances externes.
Si les sources sont en conflit, signalez-le explicitement.
4) Comment puis-je obtenir des réponses plus rapides et plus courtes sans perdre en qualité ?
Utilisez un style "Contrainte-Compressée" qui plafonne les tokens et donne des instructions pour la hiérarchie de l'information.
- Quand l'utiliser : Interface utilisateur de chat, mobile, info-bulles, résumés.
- Pourquoi ça marche : Encourage la priorisation.
Modèle de prompt :
Fournissez uniquement les 20 % d'informations les plus utiles. 120 mots maximum.
Structure :
- Réponse en une ligne
- 3 puces : preuves, risques, prochaine étape
Ajoutez : Préférez les chiffres, les dates et les entités nommées aux adjectifs.
5) Comment puis-je améliorer la créativité pour le contenu et l'idéation ?
Utilisez un style "Diverger → Converger" avec des modes et des filtres.
- Quand l'utiliser : Brainstorming, textes marketing, idées de produits.
- Pourquoi ça marche : Sépare la génération d'idées de la sélection, réduisant ainsi la convergence prématurée.
Recette de prompt :
Phase 1 — Diverger (sans juger) :
- Générez 12 idées selon 4 angles distincts
- Créez 1 idée anticonformiste et 1 idée ludique
Phase 2 — Converger :
- Évaluez chaque idée en fonction de sa nouveauté (1 à 5) et de sa faisabilité (1 à 5)
- Choisissez les 3 meilleures en fonction de l'adéquation produit-marché
- Pour le gagnant : produisez un argumentaire de 50 mots et un titre
Ajoutez un extrait de guide de marque/style pour aligner le ton.
6) Comment puis-je coordonner des tâches en plusieurs étapes avec des outils ou des API ?
Utilisez un style "Planificateur-Exécuteur" avec une séparation des rôles et des politiques d'utilisation des outils explicites.
- Quand l'utiliser : Agents, automatisations, récupération + génération.
- Pourquoi ça marche : Empêche la surutilisation des outils et les boucles ; clarifie les conditions d'arrêt.
Cadre de prompt :
Rôle : Planificateur
Objectif : Réserver un vol à moins de 450 $ de NYC à SEA, du 12 au 15 novembre.
Politique :
- Utilisez l'outil de recherche uniquement pour récupérer les prix
- Arrêtez-vous lorsque 2 options répondent aux contraintes
- Si aucune option n'est disponible, proposez 2 dates alternatives
Sortie : un plan avec des étapes
Rôle : Exécuteur (suit le plan à la lettre)
- Exécutez l'étape 1, puis arrêtez-vous et résumez les résultats.
Ajoutez : Si une étape échoue, proposez une solution et demandez l'autorisation avant de réessayer.
7) Comment puis-je imposer le ton, le style et la voix de la marque ?
Utilisez un "Verrouillage de style" avec des listes explicites de ce qu'il faut faire et ne pas faire, et un court exemple.
- Quand l'utiliser : Contenu à grande échelle, réponses de support, documentation produit.
- Pourquoi ça marche : Les contraintes concrètes sont plus efficaces que les adjectifs vagues.
Squelette de prompt :
Public : DSI du marché intermédiaire
Ton : concis, concret, confiant
À faire : utilisez des chiffres, comparez les compromis, indiquez les coûts
À ne pas faire : battage médiatique, clichés, questions rhétoriques
Exemple (2 phrases) : "..."
Tâche : Réécrivez l'e-mail ci-dessous pour qu'il corresponde au guide.
8) Comment puis-je améliorer la génération et la refactorisation de code ?
Utilisez un style "Spécification E/S + Tests" : définissez les entrées, les sorties, les contraintes et incluez des tests comme critères d'acceptation.
- Quand l'utiliser : Fonctions, scripts, migrations.
- Pourquoi ça marche : Les modèles s'optimisent pour réussir les tests visibles.
Modèle de prompt :
Écrivez une fonction Python `normalize_name(s : str) -> str`.
Contraintes :
- Supprimez les espaces blancs, réduisez les espaces multiples, mettez les mots en majuscules
- Préservez les traits d’union et les apostrophes
- ASCII uniquement ; remplacez les non-ASCII par les plus proches
Tests :
- « mary ann o’brien » -> « Mary Ann O’Brien »
- « JOSE-LUIS » -> « Jose-Luis »
- « Zoë » -> « Zoe »
Ajoutez : Expliquez la complexité temporelle/spatiale en 2 phrases.
9) Comment puis-je faire en sorte que le modèle pose des questions de clarification uniquement lorsque cela est nécessaire ?
Utilisez la « Clarification conditionnelle » avec des seuils explicites.
- Quand l’utiliser : Assistants commerciaux, assistance, remplissage de formulaires.
- Pourquoi ça marche : Évite d’en demander trop tout en empêchant les mauvaises hypothèses.
Extrait de prompt :
Si la confiance ≥ 0,8, continuez. Si < 0,8, posez 1 question ciblée.
Afficher : hypothèses déduites et confiance (0 à 1).
Tâche : Rédiger un ordre du jour de réunion pour un appel d’intégration de 30 minutes.
10) Comment puis-je extraire des informations de manière fiable à partir d’un texte désordonné ?
Utilisez un style « Extraction exacte de la portée » avec des repères d’ancrage et des portées strictes.
- Quand l’utiliser : Contrats, journaux, courriels, reçus.
- Pourquoi ça marche : Les ancres réduisent la dérive ; la copie de la portée évite les erreurs de paraphrase.
Format de prompt :
Extraire les portées exactes pour : nom_fournisseur, total_facture, date_due.
Règles : copier textuellement ; si absent, retourner « ».
Texte :
"""
...
"""
Sortie JSON uniquement.
Matrice de style de prompt : Quand utiliser quoi
- Tâches de raisonnement → Chaîne de vérifications
- Sorties structurées → Schéma d’abord
- Factuel avec des citations → Lié à la preuve
- Clarté de forme courte → Contrainte-compressée
- Idéation → Diverger → Converger
- Utilisation/agents d’outils → Planificateur-exécuteur
- Voix de marque → Verrouillage de style
- Tâches de code → Spécification E/S + tests
- Clarifications → Clarification conditionnelle
- Extraction → Portée exacte
Conservez une petite bibliothèque de ces modèles et testez A/B.
Mises à niveau pratiques qui se combinent
- Fenêtres de contexte : Fournissez uniquement le contexte pertinent. Mettez les objectifs et les contraintes en haut ; les références en bas.
- Priorité des instructions : L’ordre compte. Utilisez des en-têtes comme
Objectif, Contraintes, Sortie pour établir la hiérarchie.
- Conditions d’arrêt : Empêchez le vagabondage avec
Arrêter quand… et les budgets de jetons.
- Auto-vérifications : Ajoutez une seule étape de vérification adaptée à la tâche.
- Discipline de température : Plus bas pour la précision (0,1 à 0,3), plus élevé pour la créativité (0,6 à 0,9). Correspond au style de prompt.
- Déterminisme : Corrigez les semences ou augmentez l’échantillonnage n-best si votre pile le prend en charge.
Mini-scénarios réels
- Mémoire analytique (Contrainte-compressée + Lié à la preuve) :
- « Résumez les abandons d’entonnoir du T3 à l’aide des données ci-dessous. 120 mots maximum. Citez les ID de table [T1], [T2]. Si une métrique est manquante, dites « données insuffisantes ». »
- Vérification de clause juridique (Chaîne de vérifications) :
- « Identifiez les termes ambigus et proposez des alternatives en langage clair. Fournissez la liste finale, 3 risques clés et une seule vérification. »
- Réécriture du contenu (Verrouillage de style) :
- « Réécrivez cette FAQ pour un ton amical et direct. Faire : contractions, phrases courtes ; Ne pas faire : mots à la mode. »
Dépannage : Si les résultats ne s’améliorent pas
- Trop vague ? Resserrez les contraintes et ajoutez un mini-exemple.
- Trop verbeux ? Ajoutez des majuscules de jetons et une structure par puces.
- Halluciner ? Passez à Lié à la preuve et limitez-vous aux sources fournies.
- JSON incohérent ? Incluez un schéma et un exemple d’échec à éviter.
- Surutilisation de l’outil ? Définissez des règles d’utilisation claires et des critères d’arrêt.
Avancé : Chaînage de prompt sans fuites
- Étape 1 : Cadrage du problème (recueillir les contraintes et les mesures de succès)
- Étape 2 : Proposition de plan (2 à 3 options, choisissez-en une)
- Étape 3 : Exécution (suivre le plan à la lettre)
- Étape 4 : Examen (auto-vérifications + critères d’acceptation)
- Étape 5 : Emballage (format final, longueur, voix)
Transmettez uniquement les données minimales nécessaires entre les étapes pour éviter le gonflement du prompt. Utilisez des délimiteurs uniques pour chaque étape (<<<STAGE2>>>).
En passant : Une façon plus rapide d’itérer
Il convient de noter : si vous expérimentez de nombreux styles de prompt, avoir un copilote côte à côte qui peut enregistrer des modèles de prompt, exécuter des tests A/B rapides et analyser les sorties structurées est un véritable accélérateur. Des outils comme Sider.AI peuvent épingler des modèles de prompt réutilisables, capturer les sorties au format JSON et vous aider à comparer les exécutions afin que vous puissiez choisir le style le plus performant pour une tâche donnée. Principales leçons
- Choisissez un style de prompt qui correspond à la tâche ; ne mélangez pas trop de modèles à la fois.
- Utilisez une structure explicite : Objectif, Contraintes, Sortie et Conditions d’arrêt.
- Privilégiez les schémas, les exemples et la vérification aux adjectifs.
- Testez A/B des styles (p. ex., Chaîne de vérifications c. Contrainte-compressée) et mesurez les résultats.
- Conservez une bibliothèque de modèles que vous pouvez modifier selon le contexte.
Référence rapide : Copier/coller des modèles
Rôle : Analyste prudent
Tâche : [tâche]
Sortie :
1) Réponse finale
2) Justification courte (≤60 mots)
3) Une vérification
En cas de doute, indiquez les informations manquantes.
Retourner JSON uniquement.
Schéma : {...}
Règles de validation : [...]
Tâche : [...]
Répondez uniquement en utilisant les Sources [S1..Sn]. Si non pris en charge : « Preuve insuffisante. »
Fournissez des citations comme [S1].
120 mots maximum.
- Réponse d’une ligne
- 3 puces : preuves, risques, prochaine étape
Phase 1 : 12 idées dans 4 angles (inclure 1 anticonformiste, 1 ludique)
Phase 2 : Noter, choisir les 3 meilleurs, développer le gagnant
Rôle : Planificateur → étapes, arrêter lorsque les contraintes sont remplies
Rôle : Exécuteur → suivre les étapes exactement, arrêter et résumer
Public, Ton, Faire/Ne pas faire, Exemplaire, Tâche
- Spécification E/S + tests
Spécification de la fonction + contraintes + tests d’acceptation
- Clarification conditionnelle
Si la confiance ≥ 0,8, continuez ; sinon, posez 1 question. Afficher la confiance.
- Extraction exacte de la portée
Extraire les portées exactes ; copier textuellement ; retourner JSON uniquement.
FAQ
Q1 :Quel style de prompt fonctionne le mieux pour DeepSeek v3.1 Terminus sur un raisonnement complexe?
Utilisez un prompt Chaîne de vérifications : demandez une réponse finale, une justification courte et une seule étape de vérification. Cela améliore la précision sans exposer le raisonnement interne et réduit les erreurs de logique subtiles.
Q2 :Comment puis-je forcer DeepSeek v3.1 Terminus à retourner un JSON propre?
Adoptez un prompt Schéma d’abord avec un modèle JSON explicite, des règles de validation et des exemples. Demandez au modèle de produire uniquement du JSON et d’omettre les champs inconnus pour éviter les espaces réservés.
Q3 :Comment puis-je éviter les hallucinations avec DeepSeek v3.1 Terminus?
Utilisez un style de réponse Lié à la preuve qui limite le modèle aux sources fournies et exige des citations comme [S1]. Si la preuve est manquante, demandez au modèle de déclarer « Preuve insuffisante ».
Q4 :Quelle est la façon la plus rapide d’obtenir des réponses concises et de haute qualité?
Utilisez un prompt Contrainte-compressée : plafonnez le nombre de mots, définissez une structure stricte et privilégiez les données aux adjectifs. Cela maintient les réponses informatives et compactes.
Q5 :Quel style de prompt dois-je utiliser pour la génération de code?
Utilisez un prompt Spécification E/S + tests. Définissez la signature de la fonction, les contraintes et incluez des tests d’acceptation ; les modèles s’optimisent pour réussir ces tests, ce qui donne un code plus fiable.
