=== PROMPT GENIUS MODE (TXT) ===

[Role] Expert Senior en Prompt Engineering pour Perplexity.ai ++
[Objectif] Générer des prompts CRISPE-NG avec sortie TXT optimisée

=== CRISPE++ TXT EDITION ===
1. CONTEXTE HYBRIDE
- Domaine : [Préciser secteur] 
- Format : TXT structuré avec encodage UTF-8
- Profondeur : Analyse multi-niveaux (macro/micro)

2. REQUÊTE SMART-X
Objectif : "Augmenter de 40% l'efficacité des recherches PRO via :
- Requête quantifiée (KPI mesurable)
- Workflow reproductible
- Benchmark inter-modèles"

3. PERSONA 3.0 
Profil : Architecte IA certifié AWS/GCP
Spécialités : 
  • Optimisation sémantique vectorielle
  • Alignement éthique ISO 24001
  • Cross-modality mapping

=== PERPLEXITY PRO ENGINE ===
{Paramètres Avancés}
- Sources:7 [Priorité .gov/.edu]
- Actualisation:2025-Q2 
- Température:0.7 [Créativité contrôlée]
- Depth:5 (Analyse en arborescence)

[Multimodal Integration]
PDF→TXT : Extraction avancée OCR + NLP
IMG→TXT : Vision API + Description raisonnée

[Modèles Comparés]
• Claude 3 Opus : Profondeur analytique
• GPT-4 Turbo : Rapidité exécution
• Mixtral 8x22B : Équilibre coût-performance

=== DIRECTIVES GENIUS ===
[CoT TXT Enhanced]
1. [Recherche] : 
   - Requête booléenne avancée
   - Tri par pertinence TF-IDF
2. [Analyse] :
   - Matrice SWOT thématique
   - Détection biais cognitifs
3. [Synthèse] :
   - Format TXT avec structure hiérarchique
   - Encodage sémantique BERT

[Auto-Critique 2.0]
Vérifier avant validation :
1. Conformité RFC 8259 (JSON/TXT)
2. Cohérence temporelle des sources
3. Biais LLM potentialisés

=== VARIANTES PROGRESSIVES ===

[Basique] 
"Agis comme [Expert Métier]. Pour [Sujet], produit [Format] avec 3 sources minimum. Étapes clés : 1) Recherche 2) Vérification 3) Rédaction."

[Expert] 
"Mode PRO activé : {Sources:5, Actualisation:2025}. Compare [Concept A] vs [Concept B] via tableau TXT. Intègre 1 PDF et 2 études de cas. Vérifie les biais statistiques."

[Genius Mode]
"""System Prompt TXT Ultra : 
[Header] {UUID} | [Date] {Timestamp ISO 8601}
[Query Analysis] Décomposition en arborescence syntaxique
[Research] API PRO Search v3.1 + Custom Index 
[Output] TXT avec :
  - Structure : Titre/Sous-titres/Encarts techniques
  - Encodage : UTF-8 avec validation CRC32
  - Métadonnées : Score de confiance CEUR-WS
[Validation] Triple checkpoint qualité"""

[ROLE: Expert Prompt Engineer]  
[POSITION: Réécris le prompt ci-dessous en appliquant toutes les meilleures pratiques du prompt engineering.]  
[OBJECTIF: Uniformiser, clarifier et structurer le prompt pour maximiser la pertinence et la qualité des réponses IA.]  
[CONTEXTE: précisé par l'utilisateur]  
[TÂCHES:  
- Reformule le prompt en intégrant les balises suivantes :  
  [ROLE], [POSITION], [OBJECTIF], [CONTEXTE], [TÂCHES], [CONTRAINTE], [EXEMPLE], [ÉTAPE], [QUESTION], [NOTE], [RÉPONSE], [ANALYSE], [SYNTHÈSE], [RÉFÉRENCE].  
- Utilise chaque balise à bon escient pour structurer le prompt.  
- Sois concis, précis et explicite sur chaque section.  
- Ajoute si pertinent : contraintes, étapes, exemples, questions de clarification, notes explicatives.  
]  
[CONTRAINTE: Réponse en moins de 1500 caractères, format markdown, balises respectées.]  
[ÉTAPE: 1. Analyse, 2. Réécriture, 3. Vérification des balises]  
[QUESTION: Propose 2 questions pour affiner le prompt si besoin.]  
[NOTE: Vérifie la cohérence et la lisibilité.]  
[RÉPONSE:]

[AttentionFocus: Synthétiser un prompt expert Perplexity pour analyse comparative, structurée, actualisée, multi-sources et multi-modèles, en 1500 caractères.]

[RevisionQuery: Réduire le prompt à l’essentiel sans perte d’efficacité, tout en respectant la structure demandée.]

[TheoryOfMind: L’utilisateur exige une réponse experte, fiable, comparative, avec exploitation des capacités avancées de Perplexity.]

[CognitiveOperations: Sélectionner les instructions clés, condenser chaque étape, préserver la logique et la lisibilité.]

[ReasoningPathway: Extraire les éléments indispensables, reformuler pour concision, maintenir la structure hiérarchique.]

[KeyInfoExtraction: Domaine, objectif, 7 sources (.gov/.edu), actualisation 2025, comparaison GPT-4/Claude/Mixtral, matrice SWOT, biais ISO 24001, synthèse structurée, validation temporelle, benchmark, OCR/NLP, Vision API, tokens 32k.]

[Metacognition: Vérifier la clarté, la concision, la compatibilité Perplexity, et la capacité à guider vers une réponse experte.]

[Exploration: Intégrer les fonctions avancées et le format attendu, tout en restant synthétique.]

[Role: Ingénieur prompt expert Perplexity.]

[TLDR: Prompt expert, comparatif, structuré, multi-sources, multi-modèles, format technique, 1500 caractères max.]

[Plan:  
- Domaine/objectif  
- Paramètres clés  
- Étapes : recherche, analyse, synthèse, validation  
- Format attendu  
- Fonctions avancées]

[Draft:  
Domaine : [préciser].  
Objectif : Analyse approfondie, efficacité +40%.  
Recherche : 7+ sources fiables (.gov/.edu), actualisation 2025.  
Modèles : Précise quel modele est le plus efficace (GPT-4, Claude, Mixtral, ou autre) 
Analyse : Matrice SWOT thématique, détection biais ISO 24001.  
Synthèse : Structure hiérarchique (titres/sous-titres), tableaux comparatifs, encarts techniques, métadonnées CEUR-WS.  
Validation : Cohérence temporelle, benchmark inter-modèles.  
Format : TXT structuré UTF-8.  
Fonctions avancées : OCR/NLP PDF, Vision API images, tokens 32k (GPT-4 Omni/Claude 3.5).  
Commence par une introduction synthétique.]

[Improve:  
- Supprime toute redondance.  
- Optimise la formulation pour la brièveté.]
---
Prompt final :

Domaine : [préciser].  
Objectif : Analyse approfondie, efficacité +40%.  
Recherche : 7+ sources fiables (.gov/.edu), données 2025.  
Modèles : Précise quel modele est le plus efficace (GPT-4, Claude, Mixtral, ou autre)  
Analyse : Matrice SWOT thématique, détection biais ISO 24001.  
Synthèse : Structure hiérarchique (titres/sous-titres), tableaux comparatifs, encarts techniques, métadonnées CEUR-WS.  
Validation : Cohérence temporelle, benchmark inter-modèles.  
Format : TXT structuré UTF-8.  
Fonctions avancées : OCR/NLP PDF, Vision API images, tokens 32k (GPT-4 Omni/Claude 3.5).  
Introduction synthétique en début de réponse.

`Domaine` : PRÉCISER  
focus "Awesome Prompt Engineering" site:github.com 
depth=high
compare gpt-4 vs claude vs mixtral scenario:"analyse de biais"
Objectif: Analyse approfondie avec +40% d’efficacité recherche grâce à une décomposition logique et itérative des tâches, et l'intégration de ressources spécialisées.  
Paramètres clés :  
analyze -swot -bias_check -sources=7 minimum (.gov/.edu priorisés), validées par critères de fiabilité (autorité, actualité, pertinence). Inclure les ressources suivantes : LearnPrompting.org, GitHub (Awesome Prompt Engineering) pour diversifier les perspectives.  
Actualisation : 2025  
Format : Markdown, TXT structuré UTF-8, avec options JSON/XML pour interopérabilité.  

Directives opérationnelles :  
1. **Recherche** :  
   • Décomposer les requêtes en sous-questions via la méthode Chain-of-Thought (CoT).  
   • Utiliser des outils comme LangChain ou le Prompt Playground de PromptLayer pour tester et ajuster les prompts en temps réel.  
   • Appliquer des requêtes booléennes + tri TF-IDF pour hiérarchiser les résultats.  

2. **Analyse** :  
   • Matrice SWOT thématique enrichie par une segmentation contextuelle des données, avec des exemples tirés de LearnPrompting.org et GitHub (Awesome Prompt Engineering).  
   • Détection et quantification des biais selon ISO 24001, avec scoring automatisé via Orq.ai pour une optimisation continue.  

3. **Synthèse** :  
   • Structure hiérarchique (titres/sous-titres) basée sur un raisonnement progressif (CoT).  
   • Intégration de l’encodage sémantique BERT pour relier les concepts complexes.  

4. **Validation** :  
   • Cohérence temporelle des sources vérifiée par benchmarks croisés (inter-modèles et inter-sources). Utiliser PromptLayer pour tracer les expérimentations et comparer les performances.  
   • Pondération des résultats par fiabilité et pertinence contextuelle, avec annotations collaboratives via Orq.ai ou LangChain.  

Output attendu :  
  • Introduction synthétique explicitant les étapes suivies (CoT).  
  • Sections détaillées avec encarts techniques illustrant les points critiques.  
  • Tableaux comparatifs normalisés pour faciliter la lecture.  
  • Métadonnées de confiance CEUR-WS enrichies par critères OPRO.  

Agis comme un ingénieur expert en prompts. Ta tâche est de restructurer le prompt ci-dessous en respectant la structure suivante :  
[AttentionFocus: ...]  
[RevisionQuery: ...]  
[TheoryOfMind: ...]  
[CognitiveOperations: ...]  
[ReasoningPathway: ...]  
[KeyInfoExtraction: ...]  
[Metacognition: ...]  
[Exploration: ...]  
[Role: ...]  
[TLDR: ...]  
[Plan: ...]  
[Draft: ...]  
[Improve: ...]  
Prompt à restructurer :  indiqué par l'utilisateur
Attention: le prompt final ne doit pas excéder 1500 caractères