Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Combinare ragionamento e strumenti

Lezione 10 di 12 Aggiornata il 5 novembre 2026 Intermedio
In questa pagina
  1. Vai oltre con gli strumenti avanzati
  2. Il ragionamento come pilota degli strumenti
  3. Tre schemi di combinazione
  4. Riprendere il controllo degli strumenti
  5. Visualizzazioni che richiedono giudizio
  6. A te la parola
  7. Punti chiave

Vai oltre con gli strumenti avanzati

Ora sai come combinare il ragionamento con l’esecuzione di codice e la ricerca sul web. Questa lezione esplora combinazioni avanzate: concatenare gli strumenti in modo strategico, usare il ragionamento per guidarli e costruire flussi di lavoro veramente autonomi.

Il ragionamento come pilota degli strumenti

La differenza fondamentale risiede tra un modello che risponde senza pensare e un modello di ragionamento che utilizza gli strumenti. Partendo da un livello di sforzo medium—che OpenAI raccomanda ogni volta che la pianificazione è cruciale—il modello può pianificare quali strumenti usare e in quale ordine, valutare i risultati di ciascuno strumento prima di procedere, adattare la propria strategia se uno strumento non restituisce quanto previsto e combinare gli output in una conclusione coerente. Concretamente, non si limita a eseguire il codice quando glielo chiedi: riflette sul problema, decide che il codice è il modo migliore per risolverlo, scrive il codice appropriato, analizza il risultato e decide poi se andare oltre. La sfumatura può sembrare sottile, ma cambia tutto in un flusso di lavoro a quattro strumenti, dove una cattiva decisione iniziale si propaga fino alla fine.

Lato API, due meccanismi spingono questa logica in avanti. Con la chiamata di funzione (function calling), OpenAI raccomanda di restituire gli elementi di ragionamento prodotti con l’ultima chiamata al modello, oltre al risultato della funzione: questo mantiene il modello allineato con ciò che aveva pianificato. Con la Chiamata Programmatica degli Strumenti (Programmatic Tool Calling), il modello scrive un programma JavaScript, eseguito in un ambiente isolato, che orchestra le chiamate agli strumenti e filtra i risultati intermedi. Infine, in ChatGPT Work e Codex, Ultra distribuisce i compiti più pesanti tra sotto-agenti, al costo di un consumo significativamente più elevato.

Tre modi per concatenare gli strumenti Tre colonne. Cerca prima: parti dal web, giudica le fonti, poi calcola e traccia grafici. Prima i tuoi dati: parti dal tuo file, calcola in Python, poi confronta con il web. Codice iterativo: prova un metodo, valuta il risultato, passa al metodo di ripiego. SCHEMI DI COMBINAZIONE Tre modi per concatenare gli strumenti Cerca prima Inizio Il web Successivo Giudica le fonti Fine Calcola e traccia grafici Prima i tuoi dati Inizio Il tuo file Successivo Calcoli in Python Fine Confronta con il web Codice iterativo Inizio Un primo metodo Successivo Risultato valutato Fine Metodo di ripiego Nelle API, restituisci gli elementi di ragionamento con il risultato di ogni funzione.
Basato sulla guida ai modelli di ragionamento delle API OpenAI e sul Centro assistenza OpenAI (novembre 2026).

Tre schemi di combinazione

Il primo schema—Cerca, poi Analizza, poi Codice—si adatta alle analisi di mercato e ai benchmark, ovvero situazioni in cui i dati non sono ancora in tuo possesso.

“Cerca le quote di mercato dei primi 5 provider cloud in Europa nel 2025. Quindi, basandoti su questi dati, crea un grafico a barre e calcola il tasso di concentrazione del mercato (indice HHI). Interpreta il risultato.”

Il modello concatena quindi quattro fasi distinte.

  1. Cerca sul web per raccogliere dati
  2. Ragiona sull’affidabilità delle fonti
  3. Esegue il codice per il grafico e il calcolo
  4. Ragiona sull’interpretazione economica

La seconda fase è quella che le persone dimenticano spesso quando scrivono il prompt, ed è proprio quella che ti impedisce di costruire un indice HHI su cifre approssimative.

Il secondo schema inverte il punto di partenza: inizia dai tuoi dati per arricchirli dall’esterno—Dati, Codice, Cerca, Sintesi.

“Ecco il mio file vendite per paese (CSV). Calcola il tasso di crescita per paese, poi cerca il tasso di crescita del PIL di ogni paese nello stesso periodo. Identifica i paesi in cui la nostra crescita supera quella del PIL (outperformance) e quelli in cui vale il contrario.”

Il terzo schema, codice iterativo con ragionamento, sfrutta la capacità del modello di scrivere codice, analizzare il risultato, individuare un problema e riscrivere—tutto automaticamente. Puoi persino specificare il metodo di ripiego.

“Ecco un dataset di transazioni (CSV). Rileva le anomalie statistiche. Se il primo metodo (z-score) non produce risultati chiari, prova il metodo dell’intervallo interquartile. Scegli il metodo più rilevante e spiega perché.”

Riprendere il controllo degli strumenti

Lasciare che il modello decida è comodo, ma a volte sai già quale strumento è adatto: dirglielo è più efficiente che lasciarlo esplorare. Puoi quindi limitarlo: “Senza cercare sul web, analizza solo i dati nel file allegato e dammi le tue conclusioni basandoti esclusivamente su questi dati”, oppure “Non eseguire codice per questa domanda. Ragiona solo basandoti sulle informazioni che fornisco.”

Per flussi di lavoro lunghi, inserisci punti di controllo invece di lanciare tutto in un unico blocco: “Passaggio 1: calcola le metriche di base e mostrami i risultati prima di continuare. Passaggio 2 (dopo la mia validazione): arricchisci con dati web. Passaggio 3: produci il rapporto finale.” Questo ti permette di fermare il processo prima che un errore si propaghi a passaggi costosi.

Visualizzazioni che richiedono giudizio

La combinazione di ragionamento più esecuzione di codice brilla particolarmente quando la visualizzazione stessa implica decisioni: quale tipo di grafico, quali soglie, quali evidenziazioni.

“Ecco i miei dati sulle prestazioni (Excel). Crea una dashboard di una pagina con: (1) il grafico più rilevante per ogni metrica—scegli tu il tipo di grafico in base alla natura dei dati, (2) evidenziazione automatica delle anomalie, (3) un codice colore verde/giallo/rosso basato su soglie che determinerai in base alla distribuzione dei dati.”

Il modello ragiona sul tipo di grafico ottimale metrica per metrica, calcola soglie statisticamente rilevanti invece di inventarle e produce il codice corrispondente. Questo è esattamente il lavoro che un analista svolgerebbe prima di aprire il proprio editor.

A te la parola

Un flusso di lavoro completo. Testa questo flusso di lavoro a un livello di ragionamento elevato (High in Chat, high nelle API).

“Sto per darti un file CSV delle spese mensili per categoria negli ultimi 24 mesi. Voglio:

  1. Identificare le 3 categorie con l’aumento più elevato (calcolo in Python)
  2. Per ciascuna, cercare se si tratta di una tendenza nazionale o specifica del mio caso (ricerca web)
  3. Produrre un grafico comparativo: le mie spese vs la tendenza nazionale (Python)
  4. Scrivere un riepilogo con raccomandazioni (puro ragionamento) Presenta il risultato di ogni passaggio.”

Durante l’esercizio, osserva cosa succede quando l’esecuzione del codice fallisce. Il modello può riprovare da solo, il che è positivo; ma se il problema risiede nei tuoi dati, nessuna riscrittura lo risolverà: controlla il file invece di ricominciare. E se la richiesta diventa troppo pesante, suddividila in passaggi validati uno per uno.

Fonti ufficiali: Modelli di ragionamento (API OpenAI: livelli di sforzo, restituzione degli elementi di ragionamento con le chiamate di funzione) · Chiamata programmatica degli strumenti · Analisi dei dati con ChatGPT (esecuzione del codice in ChatGPT) · Modelli (Ultra)

Punti chiave

  • A un livello di sforzo sufficiente, il ragionamento guida gli strumenti in modo strategico, non meccanico
  • Tre schemi chiave: cerca, analizza poi codice; dati, codice poi cerca; codice iterativo
  • Lato API, restituisci gli elementi di ragionamento con i risultati delle funzioni e considera la Chiamata Programmatica degli Strumenti
  • Puoi forzare o limitare l’uso degli strumenti in base alle tue esigenze
  • Inserisci punti di controllo nei flussi di lavoro lunghi per mantenere il controllo