Prompt personnalisé

💡TL;DR

Notemd vous permet de remplacer la demande par défaut LLM pour chaque type de tâche. Des demandes personnalisées vous donnent le contrôle sur ce que le modèle privilégie : vous pouvez limiter l’extraction de concepts à une discipline spécifique, modifier le style de liaison ou rediriger le ton de la traduction. Les variables de demande telles que {{content}} et {{concept}} sont substituées au moment de l’exécution. La fonctionnalité de domaine d’apprentissage ciblé ajoute automatiquement votre domaine d’étude pour définir le champ des résultats d’extraction.

Ceci fait partie du Obsidian Guide de gestion des connaissances IA.

Aperçu général

Les prompts intégrés de Notemd sont conçus pour des tâches de connaissances à usage général. Ils fonctionnent bien dans différents domaines, mais ils laissent également place à des améliorations spécifiques à chaque domaine. Les prompts personnalisés vous permettent de dire à LLM exactement comment se comporter pour votre cas d’usage – que ce soit pour extraire uniquement la terminologie médicale, lier uniquement les entités nommées, ou traduire dans un registre formel.

Les prompts personnalisés ne remplacent pas l’ensemble du prompt système. Ils prennent le pas sur ou complètent la partie des instructions spécifiques à la tâche, tout en conservant le format de sortie structuré (par exemple, les lignes CONCEPT:, la syntaxe des liens wiki) dont Notemd a besoin pour le parsing.

Comment ça marche

Architecture du prompt

Chaque tâche Notemd suit la même structure de demande :

[System role: You are a helpful assistant...]
[Domain constraint: Relevant Fields: [{domain}]]   <-- focused learning (optional)
[Custom task prompt]                                <-- your override (optional)
[Output format instructions]                        <-- always preserved
[Content: {{content}}]                              <-- runtime substitution

1. Prompt de système de base -- Définit le personnage de l’assistant. Indépassable.
2. Domaine d’apprentissage ciblé -- Ajoute Relevant Fields: [medicine / law / computer science / ...] en préfixe pour limiter la portée. Il s’agit d’un interrupteur de paramètres, et non d’une instruction brute.
3. Prompt de tâche personnalisé -- Remplace les instructions par défaut de la tâche (par exemple, quels types de concepts extraire, à quel point être agressif dans les liens).
4. Format de sortie -- Règles structurelles (lignes CONCEPT:, format lien wiki). Toujours suivi de Notemd pour assurer la lisibilité.
5. Contenu -- Le texte réel de la note, remplacé au moment de l’exécution via {{content}}.

Variables de prompt

Les variables sont remplacées au moment de l’exécution. Les variables disponibles diffèrent selon la tâche :

Variable	Tâches	Remplacé par
{{content}}	Tout	Le texte de note ou de sélection
{{concept}}	Modèle de note conceptuelle	Le nom du concept extrait
{{description}}	Modèle de note conceptuelle	Description du concept générée par LLM
{{backlinks}}	Modèle de note conceptuelle	Liste des notes sources avec des liens
{{date}}	Modèle de note conceptuelle	Date actuelle (YYYY-MM-DD)
{{language}}	Traduction	Langue de sortie cible
{{source}}	Modèle de note conceptuelle	Note de source nom de fichier

Domaine d’apprentissage ciblé

La fonction d’apprentissage ciblé est un raccourci pour définir le domaine. Au lieu d’écrire une instruction personnalisée mentionnant votre domaine, vous configurez focusedLearningDomain dans les paramètres :

Settings → Advanced → Focused Learning Domain
Example: "medicine" or "computer science" or "Chinese philosophy"

Cela ajoute Relevant Fields: [medicine] en début de prompt d’extraction, ce qui amène LLM à privilégier les concepts pertinents pour le domaine et à supprimer ceux de nature générale. Il est plus léger qu’un prompt personnalisé complet et fonctionne pour toutes les tâches d’extraction.

Configuration

Configuration	Par défaut	Appliquer
customAddLinksPrompt	''	Surcharger l’invite par défaut de la tâche add-links
customExtractConceptsPrompt	''	Surcharger la invite par défaut d’extraction de concepts
customResearchPrompt	''	Surcharger la demande de recherche par défaut + résumer
customTranslatePrompt	''	Surcharger la demande de traduction par défaut
customDiagramPrompt	''	Surcharger la commande par défaut de génération de diagramme
focusedLearningDomain	''	Ajoutez le contexte de discipline aux prompts d’extraction et de mise en lien
extractConceptsMinimalTemplate	true	Utiliser le modèle de note conceptuelle uniquement avec titre (affecte la portée du modèle {{concept}})
customConceptNoteTemplate	''	Surcharger le modèle de fichier de note conceptuelle avec un soutien complet aux variables

Lorsqu’un champ de prompt personnalisé est vide, le prompt par défaut intégré est utilisé.

Exemple

Vous êtes un chercheur médical qui extrait des concepts à partir des notes d’essais cliniques. Le prompt par défaut extrait des noms communs ainsi que des termes médicaux, ce qui encombre votre dossier de concepts.

Solution : Définissez un domaine d’apprentissage ciblé ainsi qu’une instruction d’extraction personnalisée.

1. Définir focusedLearningDomain sur medicine
2. Définir customExtractConceptsPrompt sur :

Extract only clinically relevant concepts: diseases, drug names,
anatomical terms, measurement endpoints, and statistical methods.
Ignore generic English nouns, brand names, and institutional names.
Prioritize MeSH terminology where applicable.

Désormais, lorsque vous exécutez « Extract concepts » sur une note clinique, le LLM produit :

CONCEPT: Randomized Controlled Trial
CONCEPT: Double-Blind Method
CONCEPT: Myocardial Infarction
CONCEPT: Creatine Kinase-MB
CONCEPT: Kaplan-Meier Estimate

Au lieu du comportement par défaut qui pourrait également extraire des termes génériques indésirables tels que « hôpital » ou « mois ».

Conseils

• Commencez par le domaine d’apprentissage ciblé avant d’écrire une demande personnalisée complète. Il couvre 80 % des cas d’usage avec une seule configuration.
• Conserver le format de sortie -- Ne supprimez jamais les instructions de format telles que « un par ligne » ou « CONCEPT : préfixe » des prompts personnalisés. Le parseur de Notemd dépend d’elles.
• Testez d’abord avec une seule note -- Les prompts personnalisés peuvent avoir des effets inattendus sur l’étendue de l’extraction. Vérifiez sur une note avant de procéder au traitement en lot.
• Restez concis dans vos demandes -- Des demandes personnalisées trop longues consomment des tokens et peuvent affaiblir le focus du modèle.

---

Prochaines étapes

• Liens-Wiki -- Ce qui est lié lorsque vous personnalisez la demande d’ajout de liens
• Notes de concept -- Modèles de notes de concept et la variable {{concept}}
• Traitement par lots -- Appliquer des prompts personnalisés à l’ensemble des dossiers
• Dépannage -- Résoudre les problèmes où les prompts personnalisés génèrent des résultats inattendus