Comment j'utilise l'IA avec Python : un workflow de développement web
Une question dans un groupe Telegram m'a poussé à repenser tout mon processus.
Quelqu'un a demandé : « Comment utilisez-vous réellement l'IA avec Python ? Utilisez-vous le prompt engineering ou des modèles ? »
La plupart des gens éprouvent des difficultés avec cela car l'IA évolue trop vite. Je n'utilise pas d'API payantes ni de modèles locaux. J'utilise des services web gratuits. Mon workflow se concentre sur le développement web avec Django.
Voici ma méthode exacte.
Étape 1 : Construire le contexte Avant toute tâche, je fournis au modèle l'arborescence des fichiers de mon projet et une courte description. Le modèle doit connaître l'environnement.
Étape 2 : Tout sauvegarder Je sauvegarde l'URL de chaque conversation avec l'IA. Si je reviens sur un projet une semaine plus tard, je colle le lien. Le modèle connaît déjà le projet. Je ne perds pas de temps à répéter le contexte.
Étape 3 : La vérification visuelle Je ne me contente pas de demander du code. Je donne au modèle mes modèles d'interface utilisateur (UI) approuvés et mes spécifications techniques, comme les versions de Bootstrap et les palettes de couleurs.
Je demande ensuite au modèle de décrire mon interface. Si sa description correspond à mon projet réel, c'est qu'il a compris.
Étape 4 : Créer un guide de style Je demande au modèle d'agir comme un designer UI/UX et de rédiger un guide de style détaillé basé sur le projet. Cela force le modèle à consolider ses connaissances.
Étape 5 : Construire des prompts réutilisables Je demande au modèle de rédiger un prompt pour moi. Par exemple, je lui demande de créer un prompt qui redessine le style des templates Django sans toucher à la logique.
Une fois que ce prompt fonctionne, le relooking d'une page devient une opération en une seule ligne. Je colle le prompt, je colle le code, et j'obtiens le résultat.
Mes deux principaux prompts de production :
Le prompt de composant Web : Utilisé pour transformer des données JSON en Web Components natifs. Il inclut des règles spécifiques pour l'architecture, les couleurs et les icônes.
Le prompt de restylage de template : Utilisé pour mettre à jour l'apparence des templates Django existants. Il protège strictement les balises et la logique côté serveur tout en injectant du nouveau CSS.
Pourquoi cela fonctionne :
- Rapidité : J'écris la logique de l'application pendant que l'IA s'occupe de la couche visuelle.
- Apprentissage : L'étape de contexte m'enseigne de nouvelles approches techniques.
- Portabilité : Comme c'est le modèle qui rédige les prompts, ils fonctionnent sur différents services d'IA.
La réalité :
Vous ne pouvez pas sauter la phase de configuration. La qualité du résultat dépend de la qualité de votre contexte. Le premier prompt est rarement parfait. Vous devez l'exécuter, identifier les erreurs et ajouter des règles pour les corriger.
Ce workflow me permet de me concentrer sur la logique et les données plutôt que de lutter avec le CSS.
Communauté d'apprentissage optionnelle : https://t.me/GyaanSetuAi