6 meilleures pratiques pour la génération de code par LLM

1. Utiliser une sortie structurée YAML au lieu du format JSON - YAML a une tolérance aux erreurs plus élevée, JSON est sujet à des erreurs de format qui ne peuvent pas être analysées - Le contenu YAML consomme moins de jetons 2. Analyse en points de puces - Lorsqu'on demande à un LLM d'analyser des problèmes, demander une sortie en points de puces donne de meilleurs résultats - Les puces favorisent une compréhension approfondie et une segmentation sémantique logique - Exemple : questions d'auto-réflexion avec des puces pour la description générale, les objectifs et règles, la structure d'entrée, la structure de sortie 3. Les LLM excellent dans la génération de code modulaire - Instruction : 'Divisez le code généré en plusieurs petits modules de sous-fonctions et donnez-leur des noms significatifs' - Résulte en moins d'erreurs et un plus grand succès dans les corrections itératives 4. Prise de décision flexible et double validation - Après la sortie initiale, demander au modèle de générer la même sortie à nouveau et de corriger si nécessaire - Exemple : fournir au modèle ses propres tests IA comme entrée, régénérer les tests, et corriger les erreurs - Plus efficace que de demander des questions oui/non comme 'Ce test est-il correct ?' 5. Retarder la prise de décision, éviter les questions directes, donner un espace d'exploration - Commencer par la tâche la plus simple : auto-réflexion et raisonnement sur les cas de test publics - Ensuite générer des tests IA supplémentaires et des solutions possibles - Seulement après que le modèle a répondu, procéder à la génération de code réelle et à la correction itérative - Évaluer et classer plusieurs solutions possibles, prioriser celles en tête pour le codage initial 6. Supervision orientée flux - Concevoir un flux scientifique, accumuler des données étape par étape, ajouter de nouvelles données à chaque étape - Exemple pour CodeContests : flux en deux phases avec des étapes pour la réflexion, l'analyse des tests publics, la génération de solutions - Valider et sélectionner les données à chaque étape, avec une correction itérative si des erreurs se produisent