Une chaîne d'épiceries développe un chatbot qui doit interroger l'inventaire en temps réel et renvoyer l'emplacement des articles dans le magasin. Quel modèle d'ingénierie d'invite est le plus approprié pour construire ce chatbot ?

Le prompting ReAct (Reasoning and Acting) est le plus approprié car il permet au chatbot de raisonner sur la tâche à accomplir (où trouver l'article) et d'agir en conséquence (interroger l'inventaire et fournir l'emplacement). Il combine le raisonnement en chaîne de pensée (CoT) avec des actions spécifiques, ce qui est essentiel pour des tâches nécessitant des interactions avec des outils externes comme une base de données d'inventaire en temps réel. Le zero-shot prompting et le few-shot prompting sont moins adaptés car ils ne permettent pas au modèle de générer des actions ou d'interagir avec des systèmes externes de manière structurée. Le least-to-most prompting est utile pour décomposer des problèmes complexes en sous-problèmes, mais il ne fournit pas la capacité d'action nécessaire pour interroger un inventaire.