Cheat sheet di prompt engineering per l'AI
Una guida di riferimento rapido ai pattern e alle tecniche di prompting che vale la pena usare, per chi preferisce portare a termine il lavoro invece di leggerne la teoria.
Perché il prompt engineering è importante
La differenza tra una risposta mediocre dell'AI e una brillante è quasi sempre il prompt. Il prompt engineering è la capacità di formulare input che guidano i modelli AI a produrre output accurati, pertinenti e utili. È una delle competenze più preziose per chi oggi lavora con strumenti di AI.
Non serve essere tecnici. I migliori prompt engineer sono persone che pensano in modo chiaro e sanno dare buone istruzioni, una capacità che usi già ogni giorno.
I 7 principi fondamentali
Sii specifico
Prompt vaghi producono risultati vaghi. Includi dettagli su formato, lunghezza, tono e pubblico. Più specifico è il tuo input, più utile sarà l'output.
Assegna un ruolo
Indica all'AI chi deve essere: «Sei un responsabile HR esperto» oppure «Agisci come un analista di dati». Questo inquadra la risposta con la giusta competenza.
Fornisci il contesto
Dai all'AI le informazioni di base che le servono. Includi i dati rilevanti, i vincoli e la situazione. Il contesto trasforma risposte generiche in soluzioni su misura.
Usa esempi
Mostra all'AI cosa vuoi con uno o due esempi di output ideale. Si chiama «few-shot prompting» e migliora drasticamente la coerenza.
Scomponi il compito
Le attività complesse vanno suddivise in passaggi. Chiedi all'AI di «ragionare passo dopo passo» oppure concatena più prompt per un ragionamento migliore.
Imposta dei vincoli
Definisci dei limiti: «Resta sotto le 200 parole», «Usa elenchi puntati», «Scrivi per un pubblico non tecnico». I vincoli mettono a fuoco l'output.
Itera e perfeziona
Tratta il tuo primo prompt come una bozza. Leggi l'output, individua cosa manca e perfeziona. I grandi risultati nascono dalla conversazione.
Modello di prompt
Usa questo modello universale come punto di partenza per qualsiasi compito:
RuoloSei un [ruolo/tipo di esperto] con competenze in [ambito]. Compito[Descrizione chiara di cosa vuoi che faccia l'AI] Contesto[Informazioni di base, dati rilevanti o dettagli della situazione] Formato[Come vuoi che sia strutturato l'output: elenchi puntati, tabella, paragrafo, ecc.] Vincoli[Limite di parole, tono, pubblico, cosa evitare] Esempio (opzionale)[Un esempio di come dovrebbe essere l'output ideale]
Tecniche di riferimento rapido
Prompting zero-shot
Chiedi all'AI di svolgere un compito senza fornire esempi. Funziona meglio con compiti semplici in cui il modello ha una solida conoscenza di base.
// Zero-shot: nessun esempio necessario Prompt: «Classifica la seguente recensione come Positiva, Negativa o Neutra: “Il prodotto è arrivato puntuale ma la confezione era danneggiata.”»
Prompting few-shot
Fornisci 2–3 esempi del pattern input/output che vuoi. L'AI impara il pattern e lo applica a nuovi input.
// Few-shot: mostra il pattern Recensione: «Qualità straordinaria, la ricomprerò!» → Positiva Recensione: «Si è rotto dopo due giorni.» → Negativa Recensione: «Funziona come descritto, niente di speciale.» → Neutra Recensione: «Il prodotto è arrivato puntuale ma la confezione era danneggiata.» →
Chain-of-Thought (CoT)
Chiedi all'AI di spiegare il suo ragionamento passo dopo passo. Questo migliora drasticamente l'accuratezza sui problemi complessi o a più passaggi.
Basta aggiungere «Ragioniamo passo dopo passo» alla fine del prompt per migliorare sensibilmente l'accuratezza sui compiti complessi e a più passaggi.
Errori comuni da evitare
- Essere troppo vago: «Scrivi qualcosa sul marketing» vs. «Scrivi un post LinkedIn di 300 parole sulle tendenze dell'email marketing B2B per le aziende SaaS».
- Sovraccaricare un singolo prompt: se ti servono più output, suddividili in prompt separati.
- Ignorare l'output: rivedi e perfeziona sempre quello che l'AI ti dà, prima di usarlo.
- Non dare indicazioni sul formato: se vuoi una tabella, dillo. Se vuoi elenchi puntati, chiedili.
- Dimenticare il pubblico: un prompt per un dirigente C-suite deve produrre un output molto diverso da uno per uno stagista.