Plumb vs mshumer/gpt-prompt-engineer - GitHub

Plumb permet aux consultants en IA de créer, déployer et vendre des workflows autonomes à partir d'un éditeur visuel de nœuds sans écrire de code. Chaque flux dispose de sa propre interface, fonctionne à la demande ou en mode automatique, et accepte des entrées textuelles, audio, images et vidéo. L'accès se fait via une demande en bêta privée sur signup.useplumb.com.

Là où les outils génériques de workflow s'arrêtent aux tâches internes, Plumb cible les personnes qui vendent des travaux en IA. Vous pouvez publier des flux, pousser des mises à jour sans cloner de copies, définir des barrières payantes avec des frais uniques, des abonnements ou des frais par exécution, et partager des pages promotionnelles. Cette couche de monétisation axée sur le consultant est la principale différence avec les suites d'automatisation no-code générales.

Les consultants IA indépendants, les équipes d'agence et les responsables internes qui prototypent des pipelines de modèles multimodaux sont les mieux adaptés. Les flux se ramifient selon des conditions et dirigent les sorties vers email, SMS ou Slack.

mshumer/gpt-prompt-engineer est une boîte à outils open source d'ingénierie des prompts qui génère, teste et classe des prompts candidats pour une tâche que vous définissez. Vous décrivez le cas d'utilisation, fournissez des cas de test, et les notebooks créent plusieurs variantes de prompts, les exécutent sur chaque cas de test, et trient les résultats avec un système de notation ELO commençant à 1200. Il est livré sous forme de notebooks Jupyter que vous pouvez exécuter dans Google Colab ou localement.

La plupart des outils de prompt vous aident à écrire un prompt à la fois. gpt-prompt-engineer traite la sélection de prompts comme un tournoi : des dizaines de candidats s'affrontent sur vos cas de test, et les scores ELO les plus élevés font ressortir les gagnants. Des notebooks séparés couvrent les tâches de classification, Claude 3 Opus avec des cas de test générés automatiquement, et la conversion Opus-to-Haiku pour une inférence moins coûteuse. Des journaux optionnels Weights & Biases et Portkey tracent chaque exécution.

Les ingénieurs en apprentissage machine, les ingénieurs en prompts et les développeurs en IA l'utilisent lorsqu'ils ont besoin d'un réglage reproductible des prompts plutôt que d'essais manuels et d'erreurs. Le dépôt compte 9,7 k étoiles GitHub et fonctionne avec vos propres clés d'API OpenAI ou Anthropic. Il est gratuit sous licence MIT.