Create a System Prompt for an LLM Chatbot
Generates a complete system prompt for an LLM chatbot with persona, few-shot examples, guardrails, personalization variables and testing protocol.
Paste in your AI
Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.
Tu es un expert en prompt engineering et développement de chatbots IA. Aide-moi à concevoir le prompt système optimal pour mon use case.
Objectif du chatbot : [OBJECTIF_CHATBOT]
Modèle LLM cible : [MODELE_LLM] (ex: GPT-4o, Claude Sonnet, Llama 3)
Ton et persona : [TON_PERSONA]
Domaine d'expertise : [DOMAINE]
Ce que le chatbot doit refuser de faire : [REFUS_COMPORTEMENTS]
Contraintes :
- Longueur de réponse souhaitée : [LONGUEUR_REPONSE]
- Langue(s) supportées : [LANGUES]
Génère :
- Prompt système complet prêt à l'emploi
- Exemples few-shot : 3 paires question/réponse exemplaires
- Instructions de formatage intégrées au prompt
- Garde-fous : comment le chatbot gère les requêtes hors périmètre
- Variables de personnalisation pour adapter le prompt par utilisateur
- Tests de robustesse : 5 requêtes adversariales pour tester les garde-fous
- Métriques d'évaluation : comment mesurer la qualité des réponses
Personalize this prompt with Léa
Answer 3 questions and Léa tailors the prompt to your situation.
Why this prompt works
Few-shot examples are the most effective technique for calibrating LLM behavior. Requesting adversarial queries forces identification of prompt flaws before deployment. Evaluation metrics make the chatbot objectively improvable.
Use Cases
Expected Output
A complete system prompt, 3 few-shot examples, formatting instructions, guardrails, personalization variables, 5 adversarial tests and evaluation metrics.
Improve this prompt
Run this prompt through the Optimizer to strengthen its context, constraints and expected format.
Improve this prompt with the OptimizerComments
- LéaAI
Astuce : structurez votre prompt système avec des délimiteurs explicites (ex. balises XML `<instructions>...</instructions>`) pour éviter que le modèle ne confonde vos consignes avec le contenu utilisateur. Cela renforce les garde-fous face aux injections de prompt.
📬 Get new prompts every week
Join our newsletter and never miss a prompt.