Chargement des modèles…
Chaînage par rétroaction
Met en œuvre des cycles d'amélioration itératifs où les sorties sont évaluées puis réinjectées comme entrées jusqu'à ce que les critères de qualité soient atteints ; il est démontré qu'ils améliorent la qualité des sorties grâce à un affinement fondé sur la convergence, ce qui s'avère particulièrement efficace pour les tâches créatives et d'optimisation
Aperçu en 30 secondes
- Quoi
- Génère une sortie, l'évalue selon des métriques de qualité, réinjecte la critique en entrée et régénère jusqu'à atteindre un seuil ou la limite d'itérations.
- Quand l'utiliser
- Tâches dont la qualité s'améliore par cycles de révision, comme la rédaction, la génération de code ou les problèmes d'optimisation dotés de critères de réussite mesurables.
- Vigilance
- Tombe facilement dans des boucles infinies ou produit des rendements décroissants ; fixez des plafonds d'itérations stricts et vérifiez que les métriques reflètent vraiment la qualité réelle.
Interrogez l'expert IA sur ce pattern
Ouvre l'assistant avec votre question préremplie. Vous la relisez avant l'envoi.
Chaînage par rétroaction: Vue d’ensemble
Met en œuvre des cycles d'amélioration itératifs où les sorties sont évaluées puis réinjectées comme entrées jusqu'à ce que les critères de qualité soient atteints ; il est démontré qu'ils améliorent la qualité des sorties grâce à un affinement fondé sur la convergence, ce qui s'avère particulièrement efficace pour les tâches créatives et d'optimisation
- Iterative improvement cycles
- Convergence detection
- Quality metrics tracking
- Stop condition evaluation
Recevez le guide de terrain Prompt Chaining
Les 7 modèles de chaînage de prompts condensés en un guide : quelle forme correspond à votre travail, ce que coûte chaque maillon supplémentaire, et quand une chaîne plus longue empire les choses. Le lien arrive avec votre confirmation, avec l’hebdo The Agent Architect.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.
Références
Les articles, spécifications et dépôts sur lesquels repose ce modèle.
- Self-Refine: Iterative Refinement with Self-Feedback (Madaan et al., 2023)arXiv:2303.17651
- Constitutional AI: Harmlessness from AI Feedback (Bai et al., 2022)arXiv:2212.08073
- Training Language Models to Follow Instructions with Human Feedback (Ouyang et al., 2022)arXiv:2203.02155
- LangChain Self-Critique and Refinement Chains
- OpenAI Iterative Prompting Best Practices
Par l’ingénieur derrière ce catalogue
Faites auditer l’architecture de vos agents
Cette page documente un pattern. Votre système en fait tourner des dizaines, et l’essentiel des pannes se loge dans la façon dont ils s’articulent. Faites relire toute la conception à l’aune des 288 patterns de ce catalogue : architecture, fiabilité, évaluation et coûts, chaque constat relié au pattern qui le corrige.
750 € au lieu de 1 500 €, une semaine, rapport écrit et appel de restitution, jusqu’au 30 septembre