Créer une bibliothèque de prompts réutilisables

prompts/
├── README.md                 # Documentation de la bibliothèque
├── _templates/               # Templates de base réutilisables
│   ├── base-article.md
│   ├── base-email.md
│   └── base-analysis.md
├── marketing/
│   ├── email-prospection.md
│   ├── email-relance.md
│   ├── landing-page.md
│   └── social-media/
│       ├── linkedin-post.md
│       └── twitter-thread.md
├── content/
│   ├── blog-seo.md
│   ├── newsletter.md
│   └── case-study.md
├── code/
│   ├── code-review.md
│   ├── refactoring.md
│   └── api-design.md
├── analysis/
│   ├── data-analysis.md
│   ├── competitor-analysis.md
│   └── market-research.md
└── system-prompts/
    ├── support-agent.md
    ├── seo-writer.md
    └── code-assistant.md

# Email de prospection B2B SaaS

## Métadonnées
- **ID** : MKT-001
- **Version** : 2.3
- **Catégorie** : Marketing > Email
- **Auteur** : Nicolas
- **Dernière modification** : 2025-02-20
- **Modèle testé** : Claude 3.5 Sonnet, GPT-4
- **Score qualité** : 8.5/10
- **Tags** : email, prospection, B2B, SaaS

## Variables
| Variable | Description | Exemple |
|----------|-------------|---------|
| [[NOM_PROSPECT]] | Nom du prospect | Jean Dupont |
| [[ENTREPRISE]] | Entreprise du prospect | TechCorp |
| [[POSTE]] | Poste du prospect | CTO |
| [[PAIN_POINT]] | Problème identifié | Coûts d'infrastructure |
| [[PRODUIT]] | Notre produit | CloudOptim |
| [[HOOK]] | Accroche personnalisée | Votre post LinkedIn sur... |

## System Prompt
Tu es un commercial B2B senior spécialisé en SaaS. Tu écris
des emails de prospection qui obtiennent >30% de taux d'ouverture
et >10% de taux de réponse.

## Prompt
Rédige un email de prospection pour [[NOM_PROSPECT]],
[[POSTE]] chez [[ENTREPRISE]].

Contexte :
- Pain point identifié : [[PAIN_POINT]]
- Notre solution : [[PRODUIT]]
- Accroche : [[HOOK]]

Contraintes :
- Max 5 lignes de corps
- Objet : max 6 mots, curiosité sans clickbait
- Pas de "je me permets", pas de "n'hésitez pas"
- CTA : une seule question simple
- Ton : professionnel mais humain

## Exemple de sortie attendue
[Un exemple concret du résultat idéal]

## Historique des versions
- v2.3 (2025-02-20) : Ajout variable HOOK pour personnalisation
- v2.2 (2025-02-10) : Réduction à 5 lignes (meilleur taux réponse)
- v2.1 (2025-01-28) : Ajout contrainte anti-clichés
- v2.0 (2025-01-15) : Refonte complète, structure AIDA
- v1.0 (2024-12-01) : Version initiale

# Template : Article de blog SEO

Tu es un rédacteur web SEO senior.

Rédige un article pour le blog de [[ENTREPRISE]].

**Sujet** : [[SUJET]]
**Mot-clé principal** : {{MOT_CLÉ}}
**Mots-clés secondaires** : {{MOTS_CLÉS_SECONDAIRES[]}}
**Audience** : [[AUDIENCE]]
**Longueur** : {{NB_MOTS:1500}} mots
**Ton** : {{TON:professionnel|conversationnel|expert}}

Structure :
- Titre H1 optimisé (max 60 caractères)
- Introduction avec le problème du lecteur (150 mots)
{{#SI INCLURE_FAQ}}
- FAQ (5 questions schema.org friendly)
{{/SI}}
- Méta title (≤60 caractères)
- Méta description (150-160 caractères)

import re

def fill_prompt(template: str, variables: dict) -> str:
    """Remplace les variables dans un template de prompt."""
    result = template
    for key, value in variables.items():
        if isinstance(value, list):
            value = ", ".join(value)
        result = result.replace(f"{{{[[key]]}}}", str(value))

    # Gestion des valeurs par défaut {{VAR:default}}
    result = re.sub(
        r'\{\{(\w+):([^}]+)\}\}',
        lambda m: variables.get(m.group(1), m.group(2)),
        result
    )
    return result

# Utilisation
template = open("prompts/content/blog-seo.md").read()
prompt = fill_prompt(template, {
    "ENTREPRISE": "TechFlow",
    "SUJET": "Les 10 erreurs de pricing SaaS",
    "MOT_CLÉ": "pricing SaaS",
    "MOTS_CLÉS_SECONDAIRES": ["tarification", "modèle freemium", "pricing strategy"],
    "AUDIENCE": "fondateurs de startups SaaS",
    "TON": "conversationnel"
})

marketing/      → Tout ce qui concerne acquisition et conversion
content/        → Rédaction de contenu (blog, social, newsletter)
code/           → Développement, review, architecture
analysis/       → Analyse de données, marché, concurrence
operations/     → Process, documentation, gestion de projet
sales/          → Prospection, qualification, closing
hr/             → Recrutement, onboarding, évaluation
system-prompts/ → Prompts système pour agents/chatbots

## Compatibilité
- Claude 3.5 Sonnet : ✅ Testé, score 9/10
- GPT-4 Turbo : ✅ Testé, score 7/10 (tendance à être trop long)
- Llama 3 70B : ⚠️ Fonctionne mais perd des contraintes
- Mistral Large : ✅ Testé, score 8/10

# Initialiser le repo
git init prompts-library
cd prompts-library

# Structure initiale
mkdir -p {marketing,content,code,analysis,system-prompts,_templates}
touch README.md

# Commit initial
git add .
git commit -m "init: structure de la bibliothèque de prompts"

# Nouvelle version d'un prompt
git commit -m "feat(marketing): email-prospection v2.3 - ajout variable HOOK"

# Tag pour les versions stables
git tag -a v1.0 -m "Version 1.0 - 25 prompts testés et validés"

feat(catégorie): description     → Nouveau prompt ou feature
fix(catégorie): description      → Correction d'un prompt
perf(catégorie): description     → Amélioration de performance
test(catégorie): description     → Ajout de tests/exemples
docs(catégorie): description     → Documentation

                    ┌──────────┐
                    │ Brouillon│
                    │  (draft) │
                    └────┬─────┘
                         │ Test avec 10 cas
                         ▼
                    ┌──────────┐
                    │  Beta    │
                    │ (v0.x)   │
                    └────┬─────┘
                         │ Validation par pair
                         ▼
                    ┌──────────┐
                    │  Stable  │
                    │ (v1.0)   │
                    └────┬─────┘
                         │ Feedback d'usage réel
                         ▼
                    ┌──────────┐
                    │ Itération│
                    │ (v1.x)   │
                    └──────────┘

import random
import json
from datetime import datetime

class PromptABTest:
    def __init__(self, name: str, variants: dict):
        self.name = name
        self.variants = variants  # {"A": prompt_a, "B": prompt_b}
        self.results = {"A": [], "B": []}

    def get_variant(self) -> tuple:
        """Retourne un variant aléatoire."""
        variant = random.choice(["A", "B"])
        return variant, self.variants[variant]

    def log_result(self, variant: str, score: int, notes: str = ""):
        """Enregistre le résultat d'un test."""
        self.results[variant].append({
            "score": score,
            "notes": notes,
            "timestamp": datetime.now().isoformat()
        })

    def get_winner(self) -> str:
        """Détermine le meilleur variant."""
        avg_a = sum(r["score"] for r in self.results["A"]) / len(self.results["A"]) if self.results["A"] else 0
        avg_b = sum(r["score"] for r in self.results["B"]) / len(self.results["B"]) if self.results["B"] else 0
        return "A" if avg_a >= avg_b else "B", avg_a, avg_b

# _templates/base-article.md (template parent)

Tu es un rédacteur expert pour [[PUBLICATION]].

Style :
- Phrases courtes (max 20 mots)
- Voix active
- Exemples concrets
- Pas de jargon non expliqué

Structure standard :
- Titre optimisé
- Introduction (hook + promesse)
- Corps structuré en H2/H3
- Conclusion avec CTA

{{INSTRUCTIONS_SPÉCIFIQUES}}

# content/blog-tech.md (hérite de base-article)

{{HÉRITE_DE: _templates/base-article.md}}

PUBLICATION: Blog TechFlow
INSTRUCTIONS_SPÉCIFIQUES:
- Inclure des blocs de code quand pertinent
- Ajouter une section "En résumé" avec 3 bullet points
- Cibler un développeur junior-mid
- Lier vers la documentation officielle

# Prompt composé : Rapport mensuel complet

## Étape 1 — Analyse des données
{{INCLURE: analysis/data-analysis.md}}
Variables : DATASET={{DONNÉES_MOIS}}, PÉRIODE=[[MOIS]]

## Étape 2 — Insights et tendances  
{{INCLURE: analysis/trend-identification.md}}
Variables : DONNÉES_ANALYSÉES={{RÉSULTAT_ÉTAPE_1}}

## Étape 3 — Recommandations
{{INCLURE: analysis/recommendations.md}}
Variables : INSIGHTS={{RÉSULTAT_ÉTAPE_2}}, BUDGET=[[BUDGET]]

## Étape 4 — Rédaction du rapport
{{INCLURE: content/report-template.md}}
Variables : SECTIONS={{RÉSULTATS_1_2_3}}

# Exemple de workflow OpenClaw
name: "Newsletter hebdomadaire"
steps:
  - name: "Collecte des sujets"
    prompt_template: "content/newsletter-topics.md"
    variables:
      SECTEUR: "tech"
      NB_SUJETS: 5

  - name: "Rédaction"
    prompt_template: "content/newsletter-body.md"
    variables:
      SUJETS: "{{step1.output}}"
      TON: "conversationnel"
      LONGUEUR: 800

  - name: "Optimisation"
    prompt_template: "_templates/optimize-copy.md"
    variables:
      TEXTE: "{{step2.output}}"
      OBJECTIF: "taux de clic"

# Exemple de tracking simple
import json
from pathlib import Path

METRICS_FILE = Path("prompts/_metrics/usage.jsonl")

def log_usage(prompt_id: str, score: int, model: str, 
              modified: bool, notes: str = ""):
    entry = {
        "prompt_id": prompt_id,
        "score": score,
        "model": model,
        "modified": modified,
        "notes": notes,
        "timestamp": datetime.now().isoformat()
    }
    with open(METRICS_FILE, "a") as f:
        f.write(json.dumps(entry) + "\n")

def get_prompt_stats(prompt_id: str) -> dict:
    entries = []
    with open(METRICS_FILE) as f:
        for line in f:
            entry = json.loads(line)
            if entry["prompt_id"] == prompt_id:
                entries.append(entry)

    if not entries:
        return {"uses": 0}

    return {
        "uses": len(entries),
        "avg_score": sum(e["score"] for e in entries) / len(entries),
        "modification_rate": sum(e["modified"] for e in entries) / len(entries),
        "models_tested": list(set(e["model"] for e in entries))
    }

Chaque mois :
1. Identifiez les 5 prompts les plus utilisés
2. Vérifiez leur score moyen
3. Pour ceux < 8/10 : planifiez une itération
4. Pour ceux ≥ 9/10 : documentez pourquoi ils marchent
5. Archivez les prompts non utilisés depuis 3 mois
6. Partagez les meilleurs avec l'équipe

# CONTRIBUTING.md

## Règles pour contribuer à la bibliothèque

### Avant de créer un prompt
1. Vérifiez qu'il n'existe pas déjà (cherchez par tags)
2. Identifiez s'il peut hériter d'un template existant
3. Discutez du besoin avec l'équipe si c'est un nouveau domaine

### Format obligatoire
- Utiliser le template standard (voir _templates/prompt-template.md)
- Remplir TOUTES les métadonnées
- Inclure au moins 2 exemples de variables
- Inclure au moins 1 exemple de sortie attendue

### Process de validation
1. Créer une branche : prompt/categorie-nom-du-prompt
2. Tester avec au moins 5 cas différents
3. Demander une review à un collègue
4. Merger après approbation + score ≥ 7/10

### Nommage
- Fichiers : kebab-case (email-prospection-b2b.md)
- Variables : UPPER_SNAKE_CASE ([[NOM_PROSPECT]])
- IDs : CATÉGORIE-NNN (MKT-001, CTN-015)

# README.md de la bibliothèque

## 🚀 Quick Start

1. Cloner le repo
2. Parcourir les catégories
3. Choisir un prompt
4. Remplir les variables
5. Copier dans Claude / votre LLM

## 📊 Stats
- 47 prompts validés
- 12 system prompts
- 8 contributeurs
- Score moyen : 8.2/10