From human intent
to efficient prompts.
Prompt Lab transforme une demande naturelle en structure IPL, prompt final, analyse de tokens et comparaison de modèles. Aucun framework requis. Le navigateur suffit.
Décris ton besoin
Écris comme tu parlerais à un collaborateur.
Prompt compiler
La sortie reste lisible, copiable et exportable.
Structured prompt
IPL — IBEN PROMPT LANGUAGE
Final model prompt
Colle un prompt existant
La V1 applique un nettoyage local transparent, sans prétendre remplacer une analyse sémantique complète.
Avant / après
Aucune analyse lancée.
Original
Optimized
Local findings
Prompt efficiency score
Une métrique expérimentale IBEN DIGITAL — pas un standard scientifique.
Score components
Token IDs — pédagogie
Un modèle convertit le texte en tokens puis en token IDs. Ces IDs dépendent du tokenizer. Ils ne sont pas une langue de rédaction pratique, portable ou lisible. L'optimisation se fait d'abord sur le langage, la structure et le contexte.
Compare models
Estimations locales paramétrables. Aucun modèle distant n'est appelé dans cette V1.
| Model | Estimated tokens | Estimated total cost | Context compatibility | Recommended mode | Action |
|---|---|---|---|---|---|
| Génère un prompt pour afficher la comparaison. | |||||
From intent to model
Les adaptateurs restent séparés de la génération. Un futur TOKEN LAB ou Octopus IA pourra consommer le payload JSON.
Le projet sélectionné est stocké dans le payload et pourra alimenter INDEX FIRST puis RAG SECOND dans une V2.
Export JSON avec original_tokens, optimized_tokens, reduction_percent, model, estimated_cost, prompt_score et timestamp.