Cos'è il Prompt Engineering in parole semplici
Un prompt è un'istruzione di testo fornita a un modello e il prompt engineering è la capacità di comporlo in modo che la risposta sia accurata e applicabile. Il modello linguistico non legge nel pensiero: completa la continuazione più probabile del tuo testo. Più sfocato è l'input, più mediocre e inutile è l'output. Un prompt di lavoro è quasi sempre composto da cinque blocchi: ruolo (chi dovrebbe essere il modello), contesto (che tipo di situazione e dati), compito (cosa fare esattamente), formato (in quale forma dare la risposta) e restrizioni (volume, tono, cosa evitare). Non devi tenerlo a mente: basta confrontare rapidamente la tua richiesta con la lista di controllo prima di inviarla. Non appena aggiungi specificità a ciascun blocco, la qualità della risposta aumenta notevolmente e il numero di riscritture scende quasi a zero.
Cosa costituisce un suggerimento forte: contesto e formato
Due cose hanno il maggiore impatto sul risultato: quanto contesto fornisci e quanto chiaramente descrivi il formato desiderato. Il contesto sono fatti che il modello non conosce: chi è il pubblico, qual è l'obiettivo, quali sono i limiti, quale esempio di buon risultato esiste già. Invece di "scrivere una lettera al cliente", fornisci l'essenza: chi è il cliente, cosa è successo, quale tono è appropriato, cosa stiamo cercando di ottenere. Il formato è la struttura della risposta: un elenco di cinque punti, una tabella con colonne, una lettera di tre paragrafi, una risposta non più lunga di cento parole. Chiedere direttamente: “Dai la risposta in una tabella con le colonne Problema, Causa, Soluzione”. Il modello mantiene perfettamente la forma data se è chiaramente definita. Questi due blocchi trasformano una vaga richiesta in un compito tecnico, per il quale è facile dare subito ciò di cui si ha bisogno, senza dieci cerchi chiarificatori.
Tecnica a pochi colpi: mostra un esempio della risposta richiesta
La tecnica più sottovalutata è mostrare al modello un esempio di ciò che desideri invece di descriverlo a parole. Questo si chiama "pochi colpi": fornisci da uno a tre campioni della coppia "input → output desiderato", quindi un nuovo input. Il modello cattura tono, lunghezza, struttura e logica dallo schema in modo più accurato che da qualsiasi istruzione. Ad esempio, per contrassegnare le recensioni, fornisci due recensioni contrassegnate con i campi obbligatori: lei eseguirà la terza nello stesso modulo. Per le lettere, mostra una lettera nel tuo stile e quella successiva sarà simile. La tecnica è particolarmente utile quando il risultato è difficile da descrivere a parole, ma facile da mostrare: tono aziendale, formato specifico, logica non standard. Se le risposte “fluttuano” da una richiesta all'altra, aggiungi un esempio: la stabilità aumenta notevolmente senza un solo paragrafo di spiegazione in più.
Iterazione e debug: perché la prima risposta non è l'ideale
L'ingegneria rapida è un dialogo, non una singola inquadratura chiara. Se la risposta è sbagliata, non iniziare da zero: risolvi il problema specifico. Troppo lungo? Aggiungi “non più di centoventi parole”. Troppo generale? Richiedi numeri ed esempi. Sei andato nel posto sbagliato? Chiarire cosa esattamente non va: “togli l’introduzione, inizia subito con i passaggi”. Per problemi complessi è utile chiedere al modello di ragionare passo dopo passo prima della risposta finale: in questo modo si commettono meno errori logici. Un altro trucco è impostare i criteri di qualità direttamente nel prompt: “una buona risposta contiene X, Y e non contiene Z”. Salva le formulazioni che hanno funzionato: nel tempo si accumulerà una serie di modelli collaudati. Il debug di una query richiede pochi secondi e la differenza nel risultato è simile a quella tra la bozza di uno stagista e il lavoro di uno specialista.
Come evitare la finzione e ottenere una risposta affidabile
Il modello può inventare con sicurezza fatti, collegamenti e cifre: questo è il suo punto debole e deve essere controllato. Primo trucco: permettere esplicitamente di non sapere. La frase “se non ci sono abbastanza dati, scrivili, non inventarli” riduce significativamente il numero di invenzioni. Secondo: racconta tu stesso i fatti. Non chiedete “quanto costa la nostra tariffa”, ma inserite i dati nel prompt e chiedete di lavorare solo con loro. Terzo: chiedere di evidenziare le ipotesi separatamente dai fatti o mostrare su cosa si basa la conclusione. Per compiti importanti, aggiungi un passaggio di verifica: “rileggi la risposta e segna le affermazioni di cui non sei sicuro”. E ricontrolla sempre numeri, nomi e citazioni manualmente: il modello è buono come bozza e assistente, ma la responsabilità dei fatti rimane con te. È questa abilità che separa il dilettante da qualcuno di cui ci si può fidare per un compito lavorativo.