Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Migliori pratiche per il prompting multi-agente

Lezione 12 di 14 Aggiornata il 29 luglio 2026 Sviluppatore
In questa pagina
  1. Scrivere prompt per un’architettura multi-agente
  2. Specifica cosa cercare e quanto approfondire
  3. Chiedi la forma, non solo la sostanza
  4. Richiedi esplicitamente le fonti
  5. Distribuisci la ricerca su più turni
  6. Fornisci un contesto che il modello non può indovinare
  7. Punti chiave

Scrivere prompt per un’architettura multi-agente

Scrivere un prompt per più agenti non significa più rivolgersi a un modello, ma fare un briefing a un caposquadra che distribuirà il lavoro tra diversi ricercatori. Un prompt che funzionava bene con un singolo modello spesso produce qui una risposta più lunga, ma non più approfondita, perché il leader non sapeva come suddividere l’argomento in filoni distinti. Tre parametri governano la qualità del briefing.

Ambito
Definisci l'ambito
Struttura
Richiedi un formato
Fonti
Specifica i riferimenti

Specifica cosa cercare e quanto approfondire

Il leader ha bisogno di due informazioni prima di distribuire i ruoli: cosa copre la ricerca e quale livello di dettaglio è richiesto. Senza questi marcatori, produrrà una panoramica: e sedici agenti si limiteranno a rendere quella panoramica sedici volte più verbosa. Confronta:

Dimmi qualcosa sull’IA in Europa.

Confronta i primi 3 produttori europei di chip per IA in base a tecnologia, prestazioni, finanziamenti e partnership industriali nel 2026.

Il secondo prompt nomina l’argomento, delimita l’ambito a tre attori europei, elenca le dimensioni dell’analisi e fissa l’arco temporale. Questi quattro elementi si traducono in una scomposizione del lavoro: un agente per produttore, oppure un agente per dimensione. Il primo non offre alcuna linea di frattura, ed è esattamente ciò che genera una risposta piatta.

Chiedi la forma, non solo la sostanza

Il leader sintetizza meglio quando sa quale aspetto deve avere il risultato. Un’istruzione sul formato alla fine del prompt migliora spesso la leggibilità più di una riformulazione della domanda.

Presenta i risultati in una tabella comparativa con una riga per produttore e una colonna per criterio. Aggiungi una sezione di analisi sotto la tabella.

A seconda delle tue esigenze, chiedi una tabella comparativa con categorie fisse, un elenco numerato con un livello di dettaglio specificato, sezioni gerarchizzate con titoli H2 e H3, oppure una conclusione accompagnata da raccomandazioni. Tutte queste istruzioni hanno lo stesso effetto: costringono il leader a organizzare il materiale invece di limitarsi ad allinearlo.

Richiedi esplicitamente le fonti

Senza istruzioni, il leader potrebbe fornire una sintesi fluida senza alcun modo per risalire all’origine delle informazioni. Se i riferimenti sono importanti per te, esigili nel prompt.

Cita le tue fonti per ogni affermazione. Dai priorità ad articoli accademici recenti e comunicati stampa ufficiali.

Questa istruzione stabilisce le aspettative fin dall’inizio: i sotto-agenti sanno da subito che devono conservare i riferimenti per ciò che trovano. Richiedere le fonti dopo coup non le farà riapparire.

Distribuisci la ricerca su più turni

I sistemi multi-agente gestiscono conversazioni multi-turno, una leva per la qualità tanto quanto per l’economia. Invece di porre una domanda monumentale, procedi per affinamenti: un turno per delineare il panorama delle soluzioni RAG aziendali nel 2026, un secondo per approfondire il punto che ti interessa, ad esempio le architetture ibride, e un terzo per confrontare due soluzioni sul tuo caso d’uso. Ogni turno eredita il contesto del precedente, e il vantaggio è ancora più chiaro con use_encrypted_content=True.

Fornisci un contesto che il modello non può indovinare

Un agente che ignora la tua situazione produce raccomandazioni valide per tutti, il che significa valide per nessuno. I vincoli che già conosci valgono più di qualsiasi istruzione di stile.

Sto sviluppando un’applicazione fintech per il mercato asiatico. Il mio stack tecnico è Python/FastAPI con PostgreSQL. Il mio budget mensile per le API di IA è di 500 euro.

Quali soluzioni di rilevamento delle frodi basate sull’IA sarebbero le più adatte?

Con queste tre righe, gli agenti escludono le soluzioni incompatibili con il tuo stack, adattano le proposte al tuo budget e danno priorità in base al tuo mercato. Senza di esse, riceverai la classifica generica che trovi in qualsiasi confronto online.

Ci sono due trappole opposte da evitare. Un prompt troppo vago disperde gli agenti e fa impennare i consumi senza aggiungere valore; un prompt troppo blindato li priva del margine di esplorazione che giustificava proprio l’uso del multi-agente. Il giusto equilibrio fissa la destinazione e lascia la scelta del percorso ai sotto-agenti.

Punti chiave

  • Definisci sempre ambito, profondità e formato di output
  • Chiedi esplicitamente le fonti se le desideri
  • Suddividi in turni per ricerche complesse
  • Fornisci contesto per raccomandazioni pertinenti
  • Un buon prompt multi-agente guida il leader senza vincolare i sotto-agenti