Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Cos'è un prompt?

Lezione 1 di 16 Aggiornata il 3 novembre 2026 Principiante
In questa pagina
  1. Il prompt: la tua interfaccia con l’intelligenza artificiale
  2. Come il modello elabora il tuo prompt
  3. L’impatto del prompt sulla qualità della risposta
  4. I componenti di un prompt efficace
  5. Le API Chat Completions di Mistral
  6. Punti chiave

Aggiornato il 2 novembre 2026 — Le Chat è ora Vibe. Dal 28 maggio 2026, Le Chat è diventato Vibe (sempre all’indirizzo chat.mistral.ai): un unico agente per lavoro e codice, con conversazioni, impostazioni e abbonamenti migrati. L’esperienza legacy di Le Chat rimane accessibile nella modalità Chat; nella modalità Work, gli agenti sono ora competenze (invocate con @), le memorie costituiscono la base di conoscenza e la ricerca approfondita è la competenza Deep Research. I piani si chiamano ora Mistral Free, Pro, Team ed Enterprise. Questa lezione utilizza il nome Vibe; alcuni menu qui descritti potrebbero aver cambiato nome o posizione.

Aggiornato il 2 novembre 2026 — modelli. Mistral Large 3 (mistral-large-2512) e Mistral Medium 3.5 sono stati deprecati dal 31 ottobre 2026 e verranno rimossi il 30 aprile 2027; il loro successore designato, Mistral Large 4 (mistral-large-4), è in anteprima pubblica dal 6 ottobre. Gli esempi in questo corso usano l’alias mistral-large-latest, che punta ancora a Mistral Large 3 secondo la sua documentazione ufficiale (verificata il 3 novembre 2026), proprio come mistral-medium-latest punta a Mistral Medium 3.5: questi alias rimarranno validi fino al 30 aprile 2027. Per un nuovo progetto, testa mistral-large-4, il loro successore designato.

Il prompt: la tua interfaccia con l’intelligenza artificiale

Quando interagisci con un modello linguistico Mistral, ogni messaggio che invii costituisce un prompt. Questo termine, preso in prestito dall’inglese, si riferisce all’istruzione o alla richiesta che sottoponi al modello per ottenere una risposta. Comprendere cos’è un prompt e come funziona è il primo passo per sfruttare al meglio i modelli Mistral, che tu utilizzi Vibe o le API.

Un prompt può essere semplice come una domanda diretta — «Qual è la capitale della Francia?» — o elaborato come un documento di più paragrafi contenente contesto, esempi, vincoli di formato e istruzioni dettagliate. Tra questi due estremi esiste un intero spettro, e sei tu a decidere dove posizionare il cursore in base alla posta in gioco. La qualità della risposta che ottieni dipende direttamente dalla qualità del prompt che formuli: questa è la tesi centrale di tutto il corso e la verificherai lezione dopo lezione.

Come il modello elabora il tuo prompt

Per scrivere buoni prompt, devi prima capire cosa accade lato modello. I modelli Mistral funzionano per completamento del testo: il modello riceve il tuo prompt e genera la continuazione più probabile, token per token. Un token corrisponde generalmente a una parola o a un frammento di parola — «ciao» potrebbe essere un singolo token, mentre una parola rara verrà suddivisa in più pezzi.

Concretamente, il ciclo è sempre lo stesso: invii il tuo prompt tramite le API Chat Completions di Mistral, il modello analizza tutto il contesto fornito, quindi genera la sua risposta token per token, scegliendo il token più appropriato ad ogni passo in base a tutto ciò che lo precede. La risposta completa ti viene poi restituita in un unico blocco o tramite streaming man mano che viene generata.

Questo meccanismo spiega perché la formulazione del tuo prompt è così importante. Il modello non «comprende» la tua intenzione nascosta: estende semplicemente il testo che gli fornisci. Se quel testo è vago, la continuazione più probabile sarà un testo altrettanto vago. Se il testo definisce un quadro preciso, la continuazione più probabile rispetterà quel quadro. Il tuo prompt determina letteralmente la direzione che prenderà la generazione.

L’impatto del prompt sulla qualità della risposta

La differenza tra un buon prompt e uno scadente può essere spettacolare e nulla convince più di un confronto diretto. Immagina di chiedere al modello:

Parlami del marketing.

Otterrai un saggio generico su cosa sia il marketing — accurato, ma inutile per il tuo lavoro quotidiano. Confrontalo ora con questa formulazione:

Sei un consulente di marketing digitale specializzato nelle PMI francesi.
Elenca 5 strategie di content marketing adatte a un budget inferiore a
500 € al mese. Per ogni strategia, indica:
- Il canale principale
- Il tempo settimanale richiesto
- Il ROI previsto a 6 mesi

Qui il modello sa chi deve essere, a chi si rivolge, sotto quale vincolo di budget opera e quale formato deve fornire. Genererà un piano concreto, strutturato e direttamente utilizzabile in una riunione. Tienilo a mente: la differenza tra questi due risultati non risiede nel modello, che è lo stesso in entrambi i casi, ma esclusivamente nella precisione dell’istruzione.

I componenti di un prompt efficace

Scomponendo il secondo prompt qui sopra, trovi i mattoni che manipolerai per tutto questo corso. Il contesto fornisce le informazioni di background necessarie per comprendere il compito — nel nostro esempio, il fatto che si parli di PMI francesi con un piccolo budget. L’istruzione stabilisce precisamente cosa ti aspetti dal modello: elencare cinque strategie, non consigli vaghi o una lezione. Il formato descrive la struttura desiderata per la risposta — elenco, tabella, JSON o paragrafo — ed è ciò che rende il risultato utilizzabile senza modifiche. I vincoli fissano i limiti da rispettare, come lunghezza, tono o vocabolario. Infine, gli esempi mostrano al modello una dimostrazione del risultato atteso, una tecnica così efficace che un’intera lezione le sarà dedicata più avanti.

Non devi includere tutti questi elementi ogni volta. Una domanda semplice richiede solo un’istruzione chiara e sovraccaricare un prompt banale sarebbe controproducente. Tuttavia, non appena il compito diventa complesso — scrivere per un pubblico specifico, analizzare dati, produrre un deliverable formattato — combinare questi componenti migliora considerevolmente il risultato.

Le API Chat Completions di Mistral

Con Mistral, i prompt transitano attraverso le API Chat Completions. Queste API utilizzano un formato di messaggio strutturato in cui ogni messaggio ha un ruolo (system, user, assistant) e un content. Approfondiremo questi ruoli nella prossima lezione; per ora, limita ti a vedere come appare una chiamata minimale con l’SDK Python di Mistral:

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Quali sono i 3 principi di un prompting efficace?"}
    ]
)

print(response.choices[0].message.content)

Questo codice invia un prompt semplice e visualizza la risposta del modello. Nient’altro, eppure c’è già tutto: un messaggio, un ruolo, un contenuto. Nelle prossime lezioni imparerai a sfruttare appieno la ricchezza di queste API per trasformare queste tre righe in vere applicazioni.

Punti chiave

  • Un prompt è l’istruzione che invii al modello Mistral per ottenere una risposta
  • La qualità del prompt determina direttamente la qualità della risposta
  • Un prompt efficace combina contesto, istruzione, formato e vincoli
  • I modelli Mistral elaborano i prompt tramite le API Chat Completions
  • Investire tempo nella formulazione dei tuoi prompt è la leva più potente per migliorare i tuoi risultati