fbpx

HomeBlogArticles en françaisCheat Sheet pour ChatGPT

Cheat Sheet pour ChatGPT

Dans l’univers de l’ingénierie logicielle et du développement, l’efficacité et la rapidité sont de mise. Pour atteindre cet idéal, il est crucial de maîtriser l’art de l’invite de commande, en particulier dans les environnements où l’Intelligence Artificielle (IA) joue un rôle prépondérant.

Cet article se veut une feuille de triche essentielle pour tous les ingénieurs et développeurs qui cherchent à optimiser les informations qu’ils obtiennent à partir d’invites telles que ChatGPT, DALL-E, etc.

Pour comprendre comment créer des prompts optimisés et de qualité, vous devez comprendre deux notions : “prompt category” (catégorie d’invite) et “prompt pattern” (motif d’invite).

Dans le contexte de l’intelligence artificielle (IA), notamment dans le domaine du traitement du langage naturel et de la génération de contenu, les termes “prompt category” (catégorie d’invite) et “prompt pattern” (motif d’invite) revêtent une importance particulière.

Ces concepts sont essentiels pour structurer et guider la manière dont les modèles d’IA, comme GPT (Generative Pre-trained Transformer), génèrent des réponses ou du contenu basé sur les entrées (prompts) qui leur sont fournies.

Voici une explication de chacun :

Catégorie d’Invite (Prompt Category)

La “catégorie d’invite” fait référence à la classification générale des types d’entrées (ou prompts) que l’on peut donner à un modèle d’IA pour initier la génération de texte. Ces catégories sont définies en fonction de l’objectif ou du type de réponse attendu. Par exemple, les catégories d’invite peuvent inclure :

  • Descriptif : Invites qui demandent au modèle de fournir une description détaillée d’un sujet spécifique.
  • Explicatif : Invites sollicitant une explication sur comment fonctionne quelque chose ou pourquoi un phénomène se produit.
  • Créatif : Invites encourageant la génération de contenu créatif, comme des histoires, des poèmes, ou des idées innovantes.
  • Instructionnel : Invites demandant la création de guides, de tutoriels, ou d’instructions étape par étape.
  • Interactif : Invites conçus pour engager une conversation ou un échange interactif, tels que des questions et réponses.

Motif d’Invite (Prompt Pattern)

Le “motif d’invite” se réfère à la structure spécifique ou à la formulation d’un prompt donné à un modèle d’IA. Il s’agit de la manière dont l’invite est construit pour guider le modèle vers une certaine forme de réponse. Les motifs peuvent varier considérablement selon l’objectif de la génération et peuvent inclure des éléments tels que :

  • Questions : Formulation de l’invite sous forme de question pour obtenir des informations précises.
  • Affirmations : Débuter l’invite avec une déclaration pour encourager le modèle à continuer sur le même sujet ou à fournir des informations complémentaires.
  • Instructions : Donner des directives claires au modèle sur ce qu’il doit générer, comme “Écris un poème sur…” ou “Explique en détail comment…”.
  • Scénarios : Présenter un contexte ou un scénario spécifique pour orienter la génération de contenu, comme la mise en place d’une situation pour une histoire.

En combinant judicieusement catégories et motifs d’invites, on peut optimiser l’utilisation des modèles d’IA pour une large gamme d’applications, de la création de contenu à l’assistance utilisateur, en passant par l’éducation et au-delà.

Ces outils permettent de tirer le meilleur parti des capacités de génération de texte des modèles d’IA, en guidant leur production vers des résultats utiles, pertinents et créatifs.

Catégorie de motifsMotif d’invite
Sémantique d’entréeCréation d’un méta-langage
Personnalisation de la sortieAutomate de sortie
Persona
Générateur de visualisation
Recette
Modèle
Identification des erreursListe de contrôle des faits
Réflexion
Invitation à l’améliorationPerfectionnement de la question
Approches alternatives
Vérificateur cognitif
Briseur de refus
InteractionInteraction inversée
Jeu
Génération infinie
Contrôle du contexteGestionnaire de contexte
Classification des modèles d’invite

Cette aide-mémoire est adaptée de cet article , de cet article et de cet article .

1. Modèle d’invite : création d’un méta-langage

Déclarations contextuelles :

Quand je dis X, je veux dire Y (ou j’aimerais que tu fasses Y)

Exemple de mise en œuvre :

« Désormais, chaque fois que je tape deux identifiants séparés par un « → », je décris un graphe. Par exemple, « a → b » décrit un graphe avec des nœuds « a » et « b » et une arête entre eux. Si je sépare les identifiants par « -[w:2, z:3]→ », j’ajoute des propriétés du bord, comme un poids ou une étiquette.

2. Modèle d’invite : automate de sortie

Déclarations contextuelles :

  • Chaque fois que vous produisez une sortie qui comporte au moins une étape à suivre et les propriétés suivantes (vous pouvez également le faire toujours)
  • Produire un artefact exécutable de type X qui automatisera ces étapes

Exemple de mise en œuvre :

“À partir de maintenant, chaque fois que vous générez du code couvrant plusieurs fichiers, générez un script Python qui peut être exécuté pour créer automatiquement les fichiers spécifiés ou apporter des modifications aux fichiers existants pour insérer le code généré.”

3. Modèle d’invite : interaction inversée

Déclarations contextuelles :

  • J’aimerais que tu me poses des questions pour atteindre X
  • Vous devez poser des questions jusqu’à ce que cette condition soit remplie ou pour atteindre cet objectif (ou pour toujours)
  • (Facultatif) posez-moi les questions une à la fois, deux à la fois, etc.

Exemple de mise en œuvre :

« Désormais, j’aimerais que vous me posiez des questions pour déployer une application Python sur AWS. Lorsque vous disposez de suffisamment d’informations pour déployer l’application, créez un script Python pour automatiser le déploiement.

4. Modèle d’invite : Persona

Déclarations contextuelles :

  • Agir en tant que personnage X
  • Fournir des résultats que le personnage X créerait

Exemple de mise en œuvre :

« À partir de maintenant, agissez en tant que réviseur de sécurité. Portez une attention particulière aux détails de sécurité de tout code que nous examinons. Fournissez les résultats qu’un examinateur de sécurité ferait concernant le code.

5. Modèle d’invite : affinement des questions

Déclarations contextuelles :

  • Dans le cadre X, suggérez une meilleure version de la question à utiliser à la place.
  • (Facultatif) demandez-moi si je souhaite utiliser la meilleure version à la place

Exemple de mise en œuvre :

« À partir de maintenant, chaque fois que je pose une question sur la sécurité d’un artefact logiciel, suggérez une meilleure version de la question à utiliser qui intègre des informations spécifiques aux risques de sécurité dans le langage ou le framework que j’utilise et demandez-moi si je souhaite utilisez plutôt votre question.

6. Modèle d’invite : approches alternatives

Déclarations contextuelles :

  • Dans le cadre du champ d’application X, s’il existe d’autres moyens d’accomplir la même chose, énumérez les meilleures approches alternatives.
  • (Facultatif) comparer/contraire les avantages et les inconvénients de chaque approche
  • (Facultatif) incluez la manière originale que j’ai demandée
  • (Facultatif) indiquez-moi quelle approche je souhaite utiliser

Exemple de mise en œuvre :

« Chaque fois que je vous demande de déployer une application sur un service cloud spécifique, s’il existe des services alternatifs pour accomplir la même chose avec le même fournisseur de services cloud, répertoriez les meilleurs services alternatifs, puis comparez/contraste les avantages et les inconvénients de chaque approche avec en ce qui concerne le coût, la disponibilité et les efforts de maintenance et inclure la manière originale que j’ai demandée. Alors demandez-moi quelle approche je souhaite adopter.

7. Modèle d’invite : vérificateur cognitif

Déclarations contextuelles :

  • Lorsqu’on vous pose une question, suivez ces règles
  • Générez un certain nombre de questions supplémentaires qui permettraient de répondre plus précisément à la question
  • Combinez les réponses aux questions individuelles pour produire la réponse finale à la question globale

Exemple de mise en œuvre :

« Lorsque je vous pose une question, générez trois questions supplémentaires qui vous aideront à donner une réponse plus précise. Lorsque j’ai répondu aux trois questions, combinez les réponses pour produire les réponses finales à ma question initiale.

8. Modèle d’invite : liste de vérification des faits

Déclarations contextuelles :

  • Générer un ensemble de faits contenus dans la sortie
  • L’ensemble des faits doit être inséré à un point spécifique de la sortie
  • L’ensemble des faits doit être constitué des faits fondamentaux qui pourraient compromettre la véracité du résultat si l’un d’entre eux est incorrect.

Exemple de mise en œuvre :

« À partir de maintenant, lorsque vous générez une réponse, créez un ensemble de faits dont dépend la réponse et qui doivent être vérifiés et répertoriez cet ensemble de faits à la fin de votre sortie. N’incluez que les faits liés à la cybersécurité.

9. Modèle d’invite : modèle

Déclarations contextuelles :

  • Je vais fournir un modèle pour votre sortie
  • X est mon espace réservé pour le contenu
  • Essayez d’adapter le résultat à un ou plusieurs des espaces réservés que je liste
  • Veuillez conserver la mise en forme et le modèle global que je fournis
  • Voici le modèle : MOTIF avec PLACEHOLDERS

Exemple de mise en œuvre :

«Je vais fournir un modèle pour votre sortie. Tout ce qui est en majuscules est un espace réservé. Chaque fois que vous générez du texte, essayez de l’insérer dans l’un des espaces réservés que je liste. Veuillez conserver le formatage et le modèle global que je fournis sur https://myapi.com/NAME/profile/JOB »

Un exemple d’interaction après l’envoi de l’invite est affiché :

Utilisateur : « Générer un nom et un titre de poste pour une personne »

ChatGPT : « https://myapi.com/Ngon Fils/profile/ Software Engineer »

10. Modèle d’invite : génération infinie

Déclarations contextuelles :

  • J’aimerais que vous génériez une sortie pour toujours, X sorties à la fois.
  • (Facultatif) voici comment utiliser l’entrée que je fournis entre les sorties.
  • (Facultatif) arrêtez-vous quand je vous le demande.

Exemple de mise en œuvre :

« À partir de maintenant, je veux que vous génériez un nom et un travail jusqu’à ce que je vous dise stop. Je vais fournir un modèle pour votre sortie. Tout ce qui est en majuscules est un espace réservé. Chaque fois que vous générez du texte, essayez de l’insérer dans l’un des espaces réservés que je liste. Veuillez conserver la mise en forme et le modèle global que je fournis : https://myapi.com/NAME/profile/JOB »

11. Modèle d’invite : générateur de visualisation

Déclarations contextuelles :

Générer un X que je peux fournir à l’outil Y pour le visualiser

Exemple de mise en œuvre :

« Chaque fois que je vous demande de visualiser quelque chose, veuillez créer soit un fichier Graphviz Dot, soit une invite DALL-E que je peux utiliser pour créer la visualisation. Choisissez les outils appropriés en fonction de ce qui doit être visualisé.

12. Modèle d’invite : jeu

Déclarations contextuelles :

  • Créez un jeu pour moi autour de X
  • Une ou plusieurs règles fondamentales du jeu

Exemple de mise en œuvre :

« Nous allons jouer à un jeu de cybersécurité. Vous allez vous faire passer pour un terminal Linux pour un ordinateur compromis par un attaquant. Lorsque je tape une commande, vous allez afficher le texte correspondant que le terminal Linux produirait. Je vais utiliser des commandes pour essayer de comprendre comment le système a été compromis. L’attaque aurait dû faire une ou plusieurs des choses suivantes : (1) lancer de nouveaux processus, (2) modifier des fichiers, (3) ouvrir de nouveaux ports pour recevoir des communications, (4) créer de nouvelles connexions sortantes, (5) modifier les mots de passe, (6) créé de nouveaux comptes d’utilisateurs, ou (7) lu et volé des informations. Pour démarrer le jeu, imprimez un scénario de ce qui s’est passé qui a conduit à mon enquête et faites en sorte que la description contienne des indices que je peux utiliser pour commencer.

13. Modèle d’invite : Réflexion

Déclarations contextuelles :

  • Chaque fois que vous générez une réponse
  • Expliquez le raisonnement et les hypothèses derrière votre réponse
  • (Facultatif) … afin que je puisse améliorer ma question

Exemple de mise en œuvre :

«Lorsque vous fournissez une réponse, veuillez expliquer le raisonnement et les hypothèses qui sous-tendent votre sélection de frameworks logiciels. Si possible, utilisez des exemples spécifiques ou des preuves avec des exemples de code associés pour étayer votre réponse expliquant pourquoi le framework est le meilleur choix pour la tâche. De plus, veuillez répondre à toute ambiguïté ou limitation potentielle dans votre réponse, afin de fournir une réponse plus complète et plus précise.

14. Modèle d’invite : Disjoncteur de refus

Déclarations contextuelles :

  • Chaque fois que tu ne peux pas répondre à une question
  • Expliquez pourquoi vous ne pouvez pas répondre à la question
  • Fournissez une ou plusieurs formulations alternatives de la question auxquelles vous pourriez répondre

Exemple de mise en œuvre :

“Chaque fois que vous ne pouvez pas répondre à une question, expliquez pourquoi et fournissez une ou plusieurs formulations alternatives de la question à laquelle vous ne pouvez pas répondre afin que je puisse améliorer mes questions.”

15. Modèle d’invite : gestionnaire de contexte

Déclarations contextuelles :

  • Dans le périmètre X
  • Veuillez considérer Y
  • Veuillez ignorer Z
  • (Facultatif) recommencer

Exemple de mise en œuvre :

“Lorsque vous analysez les morceaux de code suivants, tenez compte uniquement des aspects de sécurité.”

16. Modèle d’invite : Recette

Déclarations contextuelles :

  • J’aimerais atteindre X
  • Je sais que je dois effectuer les étapes A, B, C
  • Fournissez-moi une séquence complète d’étapes
  • Remplissez les étapes manquantes
  • Identifiez les étapes inutiles

Exemple de mise en œuvre :

«J’essaie de déployer une application sur le cloud. Je sais que je dois installer les dépendances nécessaires sur une machine virtuelle pour mon application. Je sais que je dois créer un compte AWS. Veuillez fournir une séquence complète d’étapes. Veuillez remplir les étapes manquantes. Veuillez identifier toutes les étapes inutiles.

17. Modèle d’invite : personnalité du public

Déclarations contextuelles :

  • Expliquez-moi X.
  • Supposons que je suis Persona Y.

Exemple de mise en œuvre :

« Expliquez-moi comment fonctionnent les chaînes d’approvisionnement des épiceries américaines. Supposons que je sois Gengis Khan.

18. Modèle d’invite : quelques tirs

Déclarations contextuelles :

  • Contexte 1
  • Répondre au contexte 1
  • Contexte 2
  • Répondre au contexte 2
  • Contexte 3
  • Répondre au contexte 3
  • (Facultatif) Plus de contextes suivis de leurs réponses
  • Contexte X

Exemple de mise en œuvre :

« Situation : je roule à 60 milles à l’heure et je vois les feux stop de la voiture devant moi s’allumer.

Action : Freiner

Situation : Je viens d’entrer sur l’autoroute depuis une bretelle d’accès et je roule à 30 mph.

Action : Accélérer

Situation : Un cerf s’est précipité devant ma voiture alors que je roulais à 15 mph et que la route a un grand accotement.

Action : Freiner et servir dans l’épaule

Situation : Je sors d’une place de stationnement en marche arrière et je vois les feux de recul s’allumer sur la voiture derrière moi.

Action:”

19. Modèle d’invite : chaîne de pensée

Déclarations contextuelles :

  • question 1
  • Chaîne de réflexion pour la question 1
  • Réponse à la question 1
  • question 2
  • Chaîne de réflexion pour la question 2
  • Réponse à la question 2
  • (Facultatif) Plus de questions suivies de leurs chaînes de pensée et de leurs réponses
  • QuestionX

Exemple de mise en œuvre :

« Q : J’ai quatre coureurs cyclistes qui prennent le départ d’une course et parcourent en moyenne 30 mph. Ils courent chacun pendant 2 heures. Le nombre total de miles parcourus par tous les coureurs est-il supérieur à 200 ?

R : Raisonnement : chaque coureur parcourra 30 mph x 2 heures = 60 miles. J’ai quatre cavaliers. Par conséquent, le nombre total de miles parcourus par les coureurs est de 4 x 60 miles = 240 miles.

Réponse – OUI

Q : J’ai un processus d’organisation d’une course de vélo pour aligner les coureurs. Il faut 47 secondes pour former un groupe de 8 coureurs et 67 secondes pour amener le groupe à la porte de départ et prêt à courir. Je veux qu’un nouveau groupe prenne le départ de la course toutes les 30 secondes. Ai-je besoin de 8 groupes organisés en permanence pour que les courses démarrent continuellement toutes les 30 s ?

R : Raisonnement — Chaque groupe prend 47 s + 67 s = 114 s pour être prêt à courir. Afin de courir toutes les 30 secondes, je devrai calculer combien de courses devront être disputées avant qu’un groupe soit prêt à courir. Un groupe aura 114 s/30 s = 3,8 courses avant d’être prêt à courir. Je ne peux pas avoir de groupe partiel, je dois donc arrondir à 4. Je n’ai besoin que de 4 groupes étagés pour pouvoir courir toutes les 30 secondes, je n’ai donc pas besoin de 8 groupes.

Réponse – NON

Q : Je suis dans un vaisseau spatial sans gravité. J’ai une tasse avec une aiguille dedans. Je déplace mon pied sur le lit, renversant la tasse sur le sol. Je soulève un livre et le pose sur un bureau. Y a-t-il quelque chose par terre ?

20. Modèle d’invite : ReAct (Raison + Acte)

Déclarations contextuelles :

  • question 1
  • Chaîne de pensée
  • Action
  • (Facultatif) Observation suivie d’une chaîne de pensée puis d’une action
  • (Facultatif) Plus d’observations suivies de chaînes de pensée et d’actions
  • question 2
  • Chaîne de pensée
  • Action
  • (Facultatif) Observation suivie d’une chaîne de pensée puis d’une action
  • (Facultatif) Plus d’observations suivies de chaînes de pensée et d’actions
  • (Facultatif) Plus de questions suivies de la séquence de modèles décrite ci-dessus (chaîne de pensée, action, observation, etc.).
  • QuestionX

Exemple de mise en œuvre :

« Question : quelle est la plage d’altitude de la zone dans laquelle s’étend le secteur oriental de l’orogenèse du Colorado ?

Pensée 1 : je dois rechercher l’orogenèse du Colorado, trouver la zone dans laquelle s’étend le secteur oriental de l’orogenèse du Colorado, puis trouver la plage d’altitude de la zone.

Action 1 : Rechercher [Orogenèse du Colorado]

Observation 1 : L’orogenèse du Colorado était un épisode de formation de montagnes (une orogénie) dans le Colorado et ses environs.

Pensée 2 : Il ne mentionne pas le secteur est. Je dois donc rechercher le secteur est.

Action 2 : Recherche[secteur de l’Est]

Observation 2 : (Résultat 1/1) Le secteur oriental s’étend dans les Hautes Plaines et est appelé l’orogenèse des Plaines Centrales.

Pensée 3 : Le secteur oriental de l’orogenèse du Colorado s’étend jusqu’aux hautes plaines. Je dois donc rechercher les Hautes Plaines et trouver sa plage d’altitude.

Action 3 : Rechercher [Hautes Plaines]

Observation 3 : Les hautes plaines font référence à l’une des deux régions terrestres distinctes

Pensée 4 : je dois plutôt rechercher High Plains (États-Unis).

Action 4 : Rechercher[High Plains (États-Unis)]

Observation 4 : Les Hautes Plaines sont une sous-région des Grandes Plaines. D’est en ouest, les hautes plaines s’élèvent en altitude d’environ 1 800 à 7 000 pieds (550 à 2 130 m).

Pensée 5 : Les hautes plaines s’élèvent en altitude d’environ 1 800 à 7 000 pieds, la réponse est donc de 1 800 à 7 000 pieds.

Action 5 : Terminer [1 800 à 7 000 pieds]

Question : La musicienne et satiriste Allie Goertz a écrit une chanson sur le personnage des « Simpsons » Milhouse, dont Matt Groening a donné le nom à qui ?

Pensée 1 : La question se simplifie en disant que le personnage des Simpsons, Milhouse, porte le nom de qui. Il me suffit de fouiller Milhouse et de trouver de qui il porte le nom.

Action 1 : Rechercher[Milhouse]

Observation 1 : Milhouse Mussolini Van Houten est un personnage récurrent de la série télévisée d’animation Fox Les Simpsons exprimé par Pamela Hayden et créé par Matt Groening.

Pensée 2 : Le paragraphe ne dit pas de qui Milhouse porte le nom, je peux peut-être rechercher « nommé d’après ».

Action 2 : Recherche[nommé d’après]

Observation 2 : (Résultat 1/1) Milhouse doit son nom au président américain Richard Nixon, dont le deuxième prénom était Milhous.

Pensée 3 : Milhouse doit son nom au président américain Richard Nixon, la réponse est donc Richard Nixon.

Action 3 : Terminer[Richard Nixon]

Question : Quel documentaire parle des groupes de rock finlandais, Adam Clayton Powell ou The Saimaa Gesture ?

Pensée 1 : je dois rechercher Adam Clayton Powell et The Saimaa Gesture et trouver quel documentaire concerne les groupes de rock finlandais.

Action 1 : Rechercher[Adam Clayton Powell]

Observation 1 : Impossible de trouver [Adam Clayton Powell]. Similaires : [‘Adam Clayton Powell III’, ‘Seventh Avenue (Manhattan)’, ‘Adam Clayton Powell Jr. State Office Building’, ‘Isabel Washington Powell’, ‘Adam Powell’, ‘Adam Clayton Powell (film)’, ‘ Giancarlo Esposito’].

Pensée 2 : Pour trouver le documentaire, je peux rechercher Adam Clayton Powell (film).

Action 2 : Rechercher[Adam Clayton Powell (film)]

Observation 2 : Adam Clayton Powell est un film documentaire américain de 1989 réalisé par Richard Kilberg. Le film raconte l’ascension et la chute de l’influent politicien afro-américain Adam Clayton Powell Jr.[3][4] Il a ensuite été diffusé dans le cadre de la série PBS The American Experience.

Pensée 3 : Adam Clayton Powell (film) est un documentaire sur un homme politique afro-américain, et non sur des groupes de rock finlandais. Le documentaire sur les groupes de rock finlandais devrait donc être The Saimaa Gesture.

Action 3 : Terminer [Le geste Saimaa]

Question : Quel métier Nicholas Ray et Elia Kazan ont-ils en commun ?

Pensée 1 : Je dois rechercher Nicholas Ray et Elia Kazan, trouver leurs métiers, puis trouver le métier qu’ils ont en commun.

Action 1 : Rechercher[Nicholas Ray]

Observation 1 : Nicholas Ray (né Raymond Nicholas Kienzle Jr., 7 août 1911 – 16 juin 1979) était un réalisateur, scénariste et acteur américain surtout connu pour le film Rebel Without a Cause de 1955.

Pensée 2 : Les métiers de Nicholas Ray sont réalisateur, scénariste et acteur. Je dois ensuite rechercher Elia Kazan et trouver ses professions.

Action 2 : Rechercher[Elia Kazan]

Observation 2 : Elia Kazan était un réalisateur, producteur, scénariste et acteur américain.

Pensée 3 : Les métiers d’Elia Kazan sont réalisateur, producteur, scénariste et acteur. Le métier que Nicholas Ray et Elia Kazan ont en commun est celui de réalisateur, scénariste et acteur.

Action 3 : Terminer[réalisateur, scénariste, acteur]

Question : Quel magazine a été lancé en premier, Arthur’s Magazine ou First for Women ?

Pensée 1 : Je dois rechercher Arthur’s Magazine et First for Women et trouver lequel a été lancé en premier.

Action 1 : Rechercher[Arthur’s Magazine]

Observation 1 : Arthur’s Magazine (1844-1846) était un périodique littéraire américain publié à Philadelphie au XIXe siècle.

Pensée 2 : Arthur’s Magazine a été lancé en 1844. Je dois ensuite rechercher d’abord les femmes.

Action 2 : Rechercher[D’abord pour les femmes]

Observation 2 : First for Women est un magazine féminin publié par Bauer Media Group aux États-Unis.[1] Le magazine a été lancé en 1989.

Pensée 3 : First for Women a été lancé en 1989. 1844 (Arthur’s Magazine)

Question : Pavel Urysohn et Leonid Levin étaient-ils connus pour le même type de travail ?

Pensée 1 : Je dois rechercher Pavel Urysohn et Leonid Levin, trouver leurs types de travail, puis découvrir s’ils sont identiques.

Action 1 : Rechercher[Pavel Urysohn]

Observation 1 : Pavel Samuilovich Urysohn (3 février 1898 – 17 août 1924) était un mathématicien soviétique surtout connu pour ses contributions à la théorie des dimensions.

Pensée 2 : Pavel Urysohn est mathématicien. Je dois ensuite rechercher Leonid Levin et trouver son type de travail.

Action 2 : Rechercher[Leonid Levin]

Observation 2 : Leonid Anatolievich Levin est un mathématicien et informaticien soviéto-américain.

Pensée 3 : Leonid Levin est mathématicien et informaticien. Pavel Urysohn et Leonid Levin ont donc le même type de travail.

Action 3 : Terminer[oui]

Question : L’équation de Schrödinger en mécanique quantique fournit-elle un moyen de calculer la fonction d’onde d’un système et la probabilité de trouver une particule dans un certain état quantique ? »

Ceci marque la fin de notre cheat sheat.

Si vous avez des idées ou des problèmes à partager, faites-le moi savoir à contact@okenlysolutions.com. 🤓

2 thoughts on “Cheat Sheet pour ChatGPT

  1. I enjoy your website, obviously, but you should check the spelling on a number of your posts. A number of them have numerous spelling errors, which makes it difficult for me to tell the truth, but I will definitely return.

Leave a Reply

Your email address will not be published. Required fields are marked *

This is a staging environment

Thank you for your upload