Itera e affina i tuoi prompt
In questa pagina
Il prompting è un processo iterativo
Un prompt è raramente perfetto al primo tentativo. I professionisti esperti sanno che il vero lavoro inizia dopo la prima risposta: analizzi il risultato, identifichi le lacune tra l’output e le tue aspettative e aggiusti il prompt di conseguenza.
Questa iterazione metodica è il cuore dell’ingegneria dei prompt. Trasforma un risultato accettabile in uno eccellente.
Il ciclo di miglioramento
Il ciclo di iterazione si svolge in quattro passaggi:
- Formula: Scrivi il prompt iniziale con i tuoi tre pilastri (chiarezza, contesto, struttura)
- Testa: Invia il prompt e osserva la risposta
- Diagnostica: Identifica cosa non va (formato, contenuto, tono, lunghezza, precisione)
- Aggiusta: Modifica il prompt per risolvere il problema identificato
Ripeti questo ciclo finché non ottieni un risultato soddisfacente. Ogni iterazione dovrebbe modificare un solo aspetto alla volta per comprendere l’impatto di ogni cambiamento.
Diagnosi dei problemi comuni
La risposta è troppo lunga
Il modello genera paragrafi quando ti aspettavi un breve elenco.
Prima:
What are the advantages of remote work?
Dopo:
List the 5 main advantages of remote work. Maximum 1 sentence per advantage.
La risposta è fuori tema
Il modello risponde accanto alla tua domanda invece che direttamente. Aggiungi contesto e specifica l’ambito.
Prima:
Explain limits.
Dopo:
Explain mathematical limits for an advanced high school student. Focus on limits of polynomial functions, not sequences.
Il formato non è quello previsto
Il modello restituisce testo libero quando volevi del JSON. Sii esplicito sul formato e fornisci un esempio.
Prima:
Analyze this text and extract the entities.
Dopo:
Analyze this text and return the entities in JSON format:
{"entities": [{"name": "...", "type": "person|location|organization"}]}
Return only the JSON, no additional text.
Il tono è inappropriato
Il modello è troppo formale o troppo informale. Specifica il registro nel messaggio di sistema o nell’istruzione.
Prima:
Write a response to this unhappy client.
Dopo:
Write an empathetic and professional response to this unhappy client. Warm tone but not informal. Start by acknowledging the problem, then propose a concrete solution.
Tecniche di affinamento
Aggiungi vincoli negativi
Quando il modello fa qualcosa che non vuoi, vietalo esplicitamente:
Explain machine learning to a beginner.
Do not use technical jargon.
Do not mention mathematical formulas.
Do not refer to other AI models.
Fornisci un controesempio
Mostra al modello cosa non vuoi:
Write a summary of this document.
Good summary: "The report shows a 15% increase in sales in Q3, driven by the B2B segment."
Bad summary: "This report presents the company's financial results for the third quarter of the current year, including various metrics..."
Adopt the style of the good summary.
Riformula progressivamente
Quando una riscrittura non basta, procedi per step:
- Testa il tuo prompt base
- Aggiungi il formato di output desiderato
- Aggiungi vincoli di contenuto
- Aggiungi vincoli di tono
- Aggiungi esempi se necessario
Usa il parametro seed per confrontare
Con lo stesso seed, puoi confrontare l’effetto di due formulazioni diverse eliminando la variabilità dovuta alla casualità:
{"seed": 42, "temperature": 0.5, "messages": [{"role": "user", "content": "Version A of the prompt"}]}
{"seed": 42, "temperature": 0.5, "messages": [{"role": "user", "content": "Version B of the prompt"}]}
Documenta le tue iterazioni
Tieni traccia dei tuoi prompt e dei loro risultati. Annota per ogni versione:
- Il testo esatto del prompt
- I parametri utilizzati (modello, temperatura, seed)
- Cosa ha funzionato
- Cosa necessita di miglioramento
Questa documentazione ti fa risparmiare molto tempo quando devi tornare su un prompt o adattarlo a un nuovo caso d’uso.
Esercitazione
Prendi un prompt che hai già usato e che non ha dato un risultato perfetto. Applica il ciclo di miglioramento in tre iterazioni:
- Identifica il problema principale nella risposta attuale
- Modifica un singolo aspetto del prompt per risolvere questo problema
- Testa e confronta con il risultato precedente
Ripeti fino a ottenere un risultato soddisfacente.
Punti chiave
- Il prompting è iterativo: il primo tentativo è raramente l’ultimo
- Cambia un solo aspetto per iterazione per comprendere l’impatto di ogni modifica
- I problemi comuni (lunghezza, argomento, formato, tono) hanno ciascuno soluzioni specifiche
- I vincoli negativi e i controesempi sono potenti strumenti di affinamento
- Usa il parametro
seedper confrontare oggettivamente due formulazioni - Documenta le tue iterazioni per capitalizzare sulla tua esperienza