Un prompt è l'insieme di istruzioni e contesto consegnato a un modello al momento dell'inferenza. Poiché i modelli di grandi dimensioni sono capaci di apprendimento in contesto (Brown et al., 2020), è il prompt, e non un nuovo addestramento, il modo principale con cui la maggior parte degli utenti orienta il comportamento del modello. Lo studio sistematico dei metodi di prompting è passato in rassegna da Liu et al. (2023).
I prompt efficaci enunciano chiaramente il compito, forniscono contesto o esempi pertinenti e specificano il formato desiderato. Piccole modifiche alla formulazione possono cambiare sensibilmente i risultati: ed è proprio per questo che esiste il prompt engineering.
Cos'è il prompt engineering?
Il prompt engineering è la capacità di scrivere, testare e iterare sui prompt in modo mirato anziché per tentativi. Invece di cambiare il modello, cambi il suo input: rendi esplicito il compito, dai al modello il contesto di cui ha bisogno, mostri com'è una buona risposta e indichi come deve essere strutturato il risultato.
Vale per la chat di tutti i giorni tanto quanto per gli sviluppatori che lavorano tramite API. Nelle applicazioni, il prompt engineering comprende anche il prompt di sistema, che stabilisce ruolo e regole del modello, e la difesa dalla prompt injection. OpenAI, Anthropic e Google pubblicano ciascuna guide al prompting per i propri modelli (vedi i riferimenti più sotto).
Tecniche di prompt engineering che funzionano
La stessa richiesta, scritta in modo vago e poi applicando ciascuna tecnica:
| Tecnica | Prompt vago | Prompt migliore |
|---|---|---|
| Sii specifico | «Riassumi questo.» | «Riassumi questo report per un CFO molto impegnato in cinque punti elenco, concentrandoti sui costi.» |
| Dai contesto | «Rispondi a questa email.» | «Declina gentilmente questa riunione e proponi in alternativa martedì pomeriggio. Ecco l'email: …» |
| Mostra un esempio | «Classifica queste recensioni.» | «Etichetta ogni recensione come Positiva, Negativa o Mista. Esempio: “Consegna veloce, coperchio rotto” → Mista.» |
| Chiedi il ragionamento | «Qual è la risposta?» | «Ragiona passo dopo passo, poi scrivi la risposta finale su una riga a parte.» |
| Definisci il formato | «Confronta questi piani.» | «Confronta i tre piani in una tabella: prezzo, limiti, ideale per.» |
Aggiungere esempi svolti si chiama few-shot prompting; per i compiti semplici spesso basta un'istruzione chiara (zero-shot). Chiedere un ragionamento passo dopo passo (chain of thought) tende ad aiutare nei problemi di matematica e logica in più passaggi. Qualunque cosa provi, rivedi il risultato e perfeziona il prompt in base a ciò che non ha funzionato.
Il prompt engineering in MultipleChat
Il Prompt Optimizer di MultipleChat migliora un prompt abbozzato prima che tu lo invii. E poiché lo stesso prompt può essere eseguito fianco a fianco su ChatGPT, Claude, Gemini, Grok e Perplexity, puoi anche vedere come una modifica alla formulazione cambia la risposta di ciascun modello.