Un prompt peut-il remplacer Pestle ?

Construis un extracteur de recettes pour les sources qui ne publient pas de données structurées.

L’entrée est une URL ou un bloc de texte collé. Essaie trois stratégies dans l’ordre et enregistre laquelle a produit chaque recette.

D’abord, le JSON-LD schema.org `Recipe`, que la plupart des grands sites de recettes publient et qui ne demande aucun modèle du tout. Ensuite, un passage de lisibilité pour réduire la page à son contenu principal, puis un modèle de langage avec un schéma JSON strict — titre, rendement, ingrédients comme un tableau de `{quantity, unit, item, raw}`, étapes comme un tableau ordonné. Troisièmement, pour les légendes et transcriptions collées, le modèle directement sur le texte.

La sortie du modèle n’est pas fiable par construction. Affiche la recette extraite à côté du texte source dans un écran de vérification et exige une confirmation avant qu’elle entre dans la bibliothèque. Surligne tout ce qui a une faible confiance : un ingrédient sans quantité, une étape de moins de cinq mots, un rendement que le modèle a inventé. Le mode d’échec ici n’est pas une recette manquante, c’est une recette plausible avec la mauvaise quantité de sel, et seul un humain attrape ça.

Stocke toujours la source : URL, le texte brut, et la date de capture. Quand une extraction s’avère fausse six mois plus tard, l’original est ce qui te permet de la corriger.

Ajoute une cible de partage pour que le navigateur d’un téléphone puisse envoyer une page directement dans l’outil — une progressive web app peut s’enregistrer comme cible de partage et ça te rapproche beaucoup de l’expérience de capture native.

Stocke les recettes en Markdown avec en-tête YAML, indexées dans SQLite.

Ne télécharge pas de vidéo et ne la transcris pas automatiquement. Les conditions des plateformes l’interdisent, le pipeline casse constamment, et coller une légende prend quatre secondes.