API LLM pour les prompts : rédigez et affinez-les dans votre code
Ce guide montre comment utiliser une API textuelle pour rédiger, développer et réécrire des prompts pour d'autres outils, d'un seul appel à un lot de milliers.
Mis à jour le

Points clés
- Un appel chat transforme une idée brute en un prompt terminé ; l'ID du modèle est uncensored.
- Le mode JSON retourne des champs que votre script peut stocker et rechercher.
- Une clé complète exécute 8 requêtes simultanément et 300 par minute ; reprenez les erreurs 429 en utilisant Retry-After.
- L'API ne génère que du texte ; vous collez le prompt dans votre outil vidéo ou image.
Ce qu'une API LLM fait pour le travail de prompt
Une API LLM pour les prompts excelle dans la partie du travail de prompt qui épuise les gens : transformer une idée en trois mots en une description complète, rédiger dix variantes d'une même scène, ou réécrire un prompt pour qu'il suive un format de maison. Vous envoyez l'idée brute et un ensemble de règles, et vous recevez du texte de prompt terminé. Comme l'endpoint est compatible OpenAI, le code est le même appel chat que vous écririez pour n'importe quel autre modèle.
Une limite d'abord. Ce service ne retourne que du texte. Il ne rend pas de vidéo, d'images ou d'audio. Si votre objectif final est un extrait d'un outil de text-to-video, l'API rédige le prompt, et vous collez ou transférez ce prompt dans le générateur que vous utilisez. Cette séparation est utile en soi, car la rédaction de prompts est l'étape lente et répétitive, et les tokens textuels sont bon marché.
Le modèle est un modèle à poids ouverts ajusté pour répondre sans refus de contenu pour une utilisation adulte légale, donc un travail de rédaction de prompt sur une scène de thriller sombre ou une bataille de fantasy violente ne sera pas renvoyé avec un cours magistral. La seule limite stricte est que rien impliquant des mineurs dans du contenu sexuel ne sera produit.
Un premier appel de rédaction de prompt en Python
Installez le SDK avec pip install openai et pointez-le vers l'URL de base. L'ID du modèle est uncensored, et la clé s'envoie sous forme de jeton Bearer, ce que le SDK gère pour vous.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
SYSTEM = (
"You write prompts for a text-to-video tool. "
"Given a rough idea, reply with one prompt of 60 to 90 words. "
"Name the subject, the camera movement, the lighting and the mood. "
"Reply with the prompt only, no preamble."
)
def expand(idea: str) -> str:
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": idea},
],
temperature=0.8,
max_tokens=300,
)
return resp.choices[0].message.content.strip()
print(expand("a lighthouse during a storm, seen from a drone"))
Trois détails rendent cela plus performant qu'une première tentative habituelle. Le message système définit la longueur et les éléments que chaque prompt doit nommer, afin que les sorties restent comparables. Définir temperature autour de 0,8 donne de la variété entre les exécutions sans s'éloigner de l'idée. Et max_tokens est optionnel ici, mais une limite de 300 arrête une réponse bavarde de coûter plus que ce qu'elle devrait. Si vous l'omettez, la complétion peut utiliser tout ce qui reste de la fenêtre de 100 000 tokens.
Si vous voulez dix versions d'une idée, ne bouclez pas dix fois avec les mêmes paramètres et espérez. Augmentez plutôt la température et passez un seed différent par appel, ou demandez dix prompts numérotés dans une seule réponse et divisez-les dans le code. La deuxième option est moins chère car les instructions sont envoyées une seule fois.
Retournez des prompts structurés avec le mode JSON
Le texte libre est bien pour un humain. Une fois qu'un script consomme la sortie, vous voulez des champs. Le mode JSON rend la réponse un objet JSON valide, afin que vous puissiez lire le prompt, les éléments que vous voulez exclure et des balises sans écrire un analyseur fragile. Mentionnez le mot JSON et les clés que vous attendez dans le message système, et définissez response_format.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
import json
resp = client.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[
{
"role": "system",
"content": (
"Return a JSON object with the keys prompt (string), "
"avoid (string) and tags (list of at most five short strings)."
),
},
{"role": "user", "content": "a night market in the rain, handheld camera"},
],
)
data = json.loads(resp.choices[0].message.content)
print(data["prompt"])
print(data["tags"])
Stockez l'objet, pas seulement le texte. Une table avec des colonnes pour l'idée, le prompt final, les balises et la date vous permet de rechercher votre propre historique plus tard, et cela facilite la visualisation des instructions qui ont produit les prompts que vous avez conservés.
Lorsque la sortie doit respecter un format que JSON ne capture pas, comme un ordre fixe de lignes étiquetées, indiquez-le avec un exemple concret dans le message système. Les modèles copient les exemples plus sûrement qu'ils ne suivent des descriptions abstraites.
Diffusez le résultat pour des outils interactifs
Si une personne attend le résultat, par exemple dans un outil de prompt interne ou un panneau de chat, activez le streaming de la réponse pour que les premiers mots apparaissent immédiatement. Définissez stream: true ; la réponse arrive sous forme d'événements envoyés par le serveur (SSE), et l'utilisation est rapportée à la fin du flux.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
stream = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": "Rewrite the user's prompt to be more specific about camera and light."},
{"role": "user", "content": "a man walking through a foggy forest"},
],
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
print()
N'oubliez pas qu'une requête en streaming occupe son slot de concurrence jusqu'à la fin du flux. Une clé complète permet 8 requêtes simultanées, donc huit utilisateurs lisant des flux lents au même moment bloqueront un neuvième. Pour un petit outil interne, c'est largement suffisant. Pour tout ce qui est public, mettez les requêtes en file d'attente de votre côté.
Exécutez un lot dans les limites de débit
Les tâches de rédaction de prompt qui font gagner le plus de temps sont les lots : 500 photos de produits, 200 idées de scènes à partir d'un script, une feuille de calcul entière de lignes brutes. Une clé complète permet 8 requêtes simultanées et 300 requêtes par minute, et une clé d'essai en permet 2 et 60. Un pool de threads adapté à la clé est le moyen le plus simple de rester en dessous de ces deux nombres.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
import time
from concurrent.futures import ThreadPoolExecutor
from openai import RateLimitError
SYSTEM = "Turn the idea into one 60 to 90 word video prompt. Reply with the prompt only."
def expand(idea: str) -> str:
for attempt in range(4):
try:
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": idea},
],
max_tokens=300,
)
return resp.choices[0].message.content.strip()
except RateLimitError as err:
wait = int(err.response.headers.get("Retry-After", "5"))
time.sleep(wait)
raise RuntimeError("gave up on: " + idea)
ideas = ["a paper boat in a gutter", "a train crossing a salt flat", "a chef plating dessert"]
with ThreadPoolExecutor(max_workers=8) as pool:
prompts = list(pool.map(expand, ideas))
for idea, prompt in zip(ideas, prompts):
print(idea, "->", prompt[:80])
Un 429 peut signifier deux choses. Le code d'erreur rate_limited signifie que vous avez dépassé le nombre de requêtes par minute ; concurrency signifie qu'il y avait trop de requêtes en cours simultanément. Une surcharge temporaire renvoie également un 429 avec un en-tête Retry-After: 5. La boucle ci-dessus attend aussi longtemps que l'en-tête l'indique et réessaie. Les requêtes échouées ou refusées ne sont pas facturées, donc un nouvel essai ne double pas le coût.
Écrivez les résultats sur le disque au fur et à mesure, une ligne par prompt terminé. Un fichier JSON-lines fonctionne bien : un objet par ligne contenant l'idée, le prompt et l'heure, afin qu'une exécution interrompue puisse sauter ce qui est déjà fait lorsque vous le relancez. Un lot de quelques milliers d'appels finira par rencontrer un moment réseau défaillant, et vous ne voulez pas recommencer depuis le début.
Intégrez votre guide de style dans la fenêtre de contexte 100k
Les prompts s'améliorent lorsque le modèle connaît vos règles. Avec une fenêtre de 100 000 tokens, prompt plus complétion, vous pouvez mettre beaucoup dans le message système : un guide de style, une liste de phrases bannies, vingt prompts d'exemple approuvés, et un glossaire de la façon dont votre équipe nomme les mouvements de caméra.
Utilisez cet espace à dessein, et gardez une règle à l'esprit : le modèle suit ce qui est écrit, donc rédigez les règles comme si vous briefiez un nouveau collègue. Une courte liste de cinq excellents exemples vaut mieux que cinquante mélangés, car le modèle fait la moyenne de ce qu'il voit. Mettez les exemples dans le même format que vous voulez recevoir. Si un projet a un personnage récurrent, écrivez la fiche du personnage une fois, avec les cheveux, les vêtements et l'âge (personnages adultes uniquement) décrits dans un libellé fixe, et dites au modèle de copier ces mots mot pour mot dans chaque prompt. C'est l'astuce de cohérence la moins chère disponible : la même phrase apparaît dans chaque prompt, donc le générateur en aval voit la même description à chaque fois.
Les instructions longues sont renvoyées avec chaque appel, donc elles sont facturées avec chaque appel. À 0,15 $ par million de tokens d'entrée, un guide de style de 3 000 tokens coûte 0,00045 $ par requête en entrée seulement. C'est peu, mais sur 10 000 requêtes, cela fait 4,50 $, donc réduisez le guide une fois qu'il fonctionne. La page de tarification contient les tarifs complets si vous voulez faire vos propres calculs.
Problèmes courants et comment les résoudre
Quelques erreurs apparaissent encore et encore dans les pipelines de rédaction de prompts.
- Préambule dans la sortie. Les réponses qui commencent par « Voici votre prompt : » finissent dans le générateur. Terminez le message système par « Répondez uniquement avec le prompt » et nettoyez le résultat.
- Prompts trop longs. Plus de mots ne donnent pas toujours une meilleure vidéo ou des images meilleures. Définissez une plage de mots dans les instructions et vérifiez-la dans le code.
- Même idée, même sortie. Si vous passez
seedavec une valeur fixe, les exécutions se répètent. Changez la seed par élément, ou omettez-la lorsque vous voulez de la variété. - Mélange des rôles. Gardez les règles dans le message système et l'idée dans le message utilisateur. Mettre les deux dans un seul bloc fait que le modèle traite vos règles comme du contenu à réécrire.
- Dérive sur un long lot. La qualité peut diminuer lorsque les mêmes instructions s'exécutent des milliers de fois. Vérifiez au hasard des éléments au début, au milieu et à la fin de l'exécution, et gardez le message système sous contrôle de version pour savoir quelle formulation a produit quel lot.
- Pas d'étape de révision. Lisez un échantillon de chaque lot avant d'envoyer des prompts à un outil en aval coûteux. Dix minutes de lecture font économiser beaucoup de rendus gaspillés.
Pour commencer, créez un compte, obtenez le crédit d'essai de 0,50 $ sur la page clé API, et exécutez le premier script ci-dessus. L'essai est une réclamation par personne, dure 7 jours et ne nécessite pas de carte. La documentation liste tous les paramètres qui sont transmis, y compris top_p, stop et les pénalités.
Plus de guides
Questions et réponses
Cette API peut-elle générer la vidéo elle-même ?
Non. Elle ne génère que du texte. Utilisez-la pour rédiger le prompt, puis envoyez ce prompt à l'outil vidéo de votre choix.
Combien de prompts puis-je rédiger par minute ?
Une clé complète permet 300 requêtes par minute et 8 simultanées. Une clé d'essai permet 60 par minute et 2 simultanées.
Que se passe-t-il si j'envoie trop de requêtes ?
Vous recevez un HTTP 429 avec le code rate_limited ou concurrency. Attendez la valeur Retry-After, puis envoyez à nouveau la requête.
Mes prompts sont-ils utilisés pour l'apprentissage ?
Non. Les prompts ne sont pas utilisés pour l'entraînement.
Votre clé n'est qu'à un formulaire de distance
Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.