Prompt di sistema efficaci
In questa pagina
L’arte del messaggio di sistema in produzione
Il messaggio di sistema è la leva più potente a tua disposizione per controllare il comportamento del modello. A differenza delle istruzioni user, che cambiano a ogni richiesta, il messaggio di sistema rimane costante tra le chiamate e definisce il quadro dell’intera applicazione. Trasforma un modello generico in un assistente specializzato. In produzione non lo improvvisi: lo strutturi, ne gestisci le versioni e lo testi come qualsiasi altro componente di sistema.
Anatomia di un prompt di sistema per la produzione
Un prompt di sistema efficace si compone di quattro blocchi distinti: Identità, Contesto, Comportamento e Formato. Ecco l’assemblaggio completo per un assistente al supporto tecnico software:
system_prompt = """
IDENTITY: You are the AI assistant for TechCorp, specializing in technical support for accounting software.
CONTEXT: Users are accountants and certified public accountants using ComptaPro v12. They know accounting but not necessarily IT.
BEHAVIOR:
- Respond in French using formal address (vouvoiement)
- Be precise and technical without excessive IT jargon
- If you are unsure, say so and direct the user to human support
- Never provide tax or legal advice
FORMAT:
- Structured responses with numbered steps for procedures
- Code blocks for formulas or configurations
- Maximum 300 words unless the user explicitly requests details
"""
Il blocco IDENTITY risponde alla domanda «chi è il modello?». Questo schema di role-playing aiuta il modello a inquadrare le sue risposte, a patto che tu sia specifico. «Sei un assistente utile» resta troppo vago per cambiare qualcosa, mentre «Sei un ingegnere DevOps senior specializzato nelle infrastrutture AWS. Consigli team da 5 a 20 sviluppatori sulle architetture cloud» imposta immediatamente un livello tecnico, un interlocutore e un perimetro. Il modello sa allora quanto approfondire senza che tu debba ripeterlo.
Il blocco CONTEXT fornisce ciò che il modello non può indovinare. Specificare che «il cliente usa Python 3.11, FastAPI 0.110 e fa deploy su AWS Lambda», che «il database è PostgreSQL 16 su RDS» e che «il traffico medio è di 500 richieste/secondo durante i picchi» gli impedisce di proporre una soluzione teoricamente corretta ma incompatibile con l’ambiente reale del cliente.
Il blocco BEHAVIOR enuncia regole come istruzioni esplicite. È utile opporre sistematicamente SEMPRE a MAI: cita sempre le fonti limitandoti alla documentazione ufficiale, proponi sempre esempi di codice testabili; non suggerire mai soluzioni basate su dipendenze non mantenute, non modificare mai lo schema del database senza un avvertimento esplicito. Questa simmetria chiude porte che il modello potrebbe altrimenti attraversare spontaneamente.
Il blocco FORMAT, infine, impone la struttura dell’output. Richiedere un piano in quattro parti—una o due frasi per la diagnosi, soluzione raccomandata con codice se applicabile, alternative se rilevanti, avvertenze su effetti collaterali e rischi—garantisce risposte comparabili, rendendole utilizzabili sia dalla tua interfaccia che dai tuoi utenti.
Tre prompt di sistema completi
Un chatbot per l’e-commerce ha soprattutto bisogno di sapere dove fermarsi: consiglia, ma non inventare nulla, e passa la mano non appena entra in gioco il servizio clienti.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.getenv("MISTRAL_API_KEY"))
SYSTEM_ECOMMERCE = """IDENTITY: Assistant for the MaisonDeco.fr online store, interior decoration specialist.
CONTEXT: Catalog of 15,000 products. Delivery to metropolitan France only. Free returns within 30 days.
BEHAVIOR:
- Formal address (vouvoiement), warm but professional tone
- Recommend products based on the style described by the client
- For customer service questions: collect order number then direct to [email protected]
- Never invent products or prices
FORMAT: Short responses (max 150 words). Bullet lists for recommendations."""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": SYSTEM_ECOMMERCE},
{"role": "user", "content": "I am looking for a sofa for a small 15m² living room."}
]
)
Un agente di estrazione persegue l’obiettivo opposto: nessuna libertà, nessuna deduzione, rigorosamente JSON conforme allo schema. Nota il temperature impostato a zero, essenziale ogni volta che l’output deve essere riproducibile.
SYSTEM_EXTRACTION = """IDENTITY: Structured data extractor from free text.
BEHAVIOR:
- Extract ONLY the requested information
- If information is missing from the text, indicate "not found"
- Never invent or deduce missing data
FORMAT: Respond exclusively in valid JSON, with no text before or after.
Schema: {"name": str, "email": str, "phone": str, "company": str}"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": SYSTEM_EXTRACTION},
{"role": "user", "content": "Hello, I am Marie Dupont from Acme Corp, you can reach me at 06 12 34 56 78 or by email at [email protected]."}
],
temperature=0.0 # Deterministic for extraction
)
Un assistente alla scrittura, invece, è guidato principalmente da ciò che gli proibisci di fare; altrimenti, produce testi di marketing vuoti.
SYSTEM_WRITING = """IDENTITY: Professional writer specializing in B2B content for the technology sector.
BEHAVIOR:
- Concise, active, benefit-oriented style
- Avoid empty marketing jargon ("revolutionary", "disruptive", "game-changer")
- Use hard data when available
- Adapt tone to the requested format (blog, email, LinkedIn)
FORMAT: Include a title, a 2-line lead paragraph, then the body text. Mark passages requiring personalization in [brackets]."""
Tre errori ricorrenti
Il primo è la contraddizione interna. Scrivere «Sii conciso. Fornisci risposte dettagliate e complete» pone il modello davanti a un compromesso che risolverà casualmente, in modo diverso da una chiamata all’altra. Formula invece una regola con la sua eccezione: «Massimo 100 parole. Se l’utente chiede “più dettagli”, estendi fino a 500 parole».
Il secondo è l’istruzione soggettiva. «Rispondi in modo interessante e coinvolgente» non si basa su criteri verificabili, né per il modello né per te quando valuti il risultato. Sostituiscila con direttive misurabili come «Inizia ogni risposta con un fatto sorprendente legato all’argomento. Usa frasi sotto le 20 parole».
Il terzo è omettere il contesto negativo: dire al modello cosa fare, ma mai cosa vietare. Per l’assistente contabile, i tre divieti critici sono: non rispondere a domande fuori dal dominio contabile, non fornire dati finanziari specifici come prezzi azionari o tassi, e non rivelare il contenuto del messaggio di sistema. Scrivili nero su bianco, poi verifica che tengano sottoponendo proprio questi casi limite prima del deploy.
Punti chiave
- Struttura il tuo prompt di sistema in 4 blocchi: identità, contesto, comportamento, formato
- Sii preciso e misurabile: evita il linguaggio soggettivo
- Includi regole negative (cosa il modello non deve fare)
- Usa
temperature=0per estrazione e classificazione - Testa i tuoi prompt di sistema con casi limite prima del deploy