Che cos'è il prompt engineering? Guida pratica per chi non programma
Il prompt engineering è la pratica di scrivere e perfezionare le istruzioni per un modello di AI, così da ottenere in modo affidabile ciò che vuoi. Un prompt è tutto ciò che dai al modello: una domanda, un compito, un po' di contesto, degli esempi. Fare prompt engineering significa scegliere con cura cosa inserire, verificare cosa esce e correggere il tiro. Riguarda meno le frasi magiche e più la comunicazione chiara.
Perché conta quando crei con l'AI
Con un builder di app basato sull'AI, i tuoi prompt sono la specifica. L'AI può costruire solo ciò che descrivi, e quando la richiesta lascia dei vuoti, li riempie con ipotesi plausibili. A volte vanno bene. Spesso no: i campi sbagliati in un modulo, una funzione che non volevi, un design che non si adatta al tuo pubblico.
Un prompt chiaro ti risparmia giri di correzioni, e ogni giro costa tempo e di solito crediti. Il prompt conta anche se aggiungi l'AI dentro la tua app: le istruzioni che dai a quel modello decidono come il tuo chatbot parla ai clienti, cosa rifiuta e se resta fedele ai tuoi dati. Per la creazione di app nello specifico, vedi come scrivere prompt per i builder di app AI.
Un'analogia quotidiana
Immagina di dare un brief a un bravo freelance che non ti ha mai incontrato, non conosce il tuo lavoro e inizia non appena smetti di parlare.
« Fammi un logo » ti porta un logo. « Un logo per una scuola di nuoto per bambini a Dubai; amichevole, non infantile; blu e arancione; deve funzionare in piccolo sulla cuffia; ecco due che ci piacciono e uno che non ci piace » ti porta qualcosa di molto vicino a ciò che vuoi.
Un modello di AI è quel freelance: bravo, veloce e completamente dipendente dal tuo brief. Il prompt engineering è imparare a scrivere un buon brief.
Le tecniche principali
| Tecnica | Cosa significa | Esempio |
|---|---|---|
| Sii specifico sull'obiettivo | Dì cosa vuoi e perché. | « Una pagina di prenotazione in cui i nuovi clienti scelgono una sessione da 30 o 60 minuti. » |
| Dai contesto | Per chi è, cosa esiste già, cosa conta. | « Gli utenti sono soprattutto clienti più anziani che usano il telefono. » |
| Definisci « fatto » | Descrivi il risultato finito. | « Fatto significa che un cliente può prenotare e a me arriva una email. » |
| Imposta dei vincoli | Cosa non fare e i limiti. | « Non aggiungere ancora il login. Mantieni i colori esistenti. » |
| Mostra degli esempi | Fornisci un campione di come è un buon risultato. | « Scrivi la risposta in questo stile: … » |
| Chiedi un formato | Indica come strutturare l'output. | « Rispondi con una tabella con le colonne X, Y, Z. » |
| Dividi in passi | Un pezzo alla volta per i lavori grandi. | « Prima il modello dei dati, poi il modulo, poi le email. » |
| Fai domande o pianifica prima | Ottieni un piano prima delle modifiche. | « Prima di costruire, elenca le tue domande e un piano. » |
| Itera | Controlla il risultato e perfezionalo. | « Il modulo funziona. Ora rendi il selettore della data più grande. » |
Un esempio pratico: prima e dopo
Prima:
Fammi un'app per palestra.
L'AI deve indovinare tutto: sono membri o personale? Lezioni di gruppo o allenamento personale? Pagamenti? Probabilmente otterrai una dashboard generica con allenamenti inventati.
Dopo:
Crea un'app web per una piccola palestra di boxe con circa 150 iscritti.
Chi la usa: gli iscritti prenotano le lezioni dal telefono. La titolare, Sam, gestisce il calendario da un portatile.
Gli iscritti possono: vedere le lezioni della settimana (orario, istruttore, posti liberi) e prenotare o disdire fino a 2 ore prima dell'inizio.
Sam può: aggiungere, modificare e annullare lezioni, e vedere chi è prenotato per ciascuna.
Regole: massimo 12 persone per lezione. Nessuna doppia prenotazione nello stesso orario.
Non adesso: pagamenti, tracciamento degli allenamenti, un'app mobile.
Stile: sfondo scuro, accenti rossi, pulsanti grandi da toccare.
Prima di costruire, elenca ciò che non è chiaro e descrivi le pagine che creerai.
Il secondo prompt non è astuto, è completo. Indica utenti, azioni, regole, cosa escludere e come iniziare. L'ultima riga invita l'AI a pianificare e a fare domande, il che intercetta i fraintendimenti prima che venga scritto del codice.
Prompt dentro la tua app
Quando la tua app stessa chiama un LLM, scrivi prompt che girano molte volte, per molti utenti. Valgono gli stessi principi, più qualche altro:
- System prompt: istruzioni permanenti che danno forma a ogni risposta: ruolo, tono, regole. « Sei l'assistente di Leaf & Pot, un negozio di piante. Rispondi solo a domande su ordini, piante e consegne. »
- Ancoraggio (grounding): includi i fatti che il modello deve usare, come le tue politiche o il catalogo prodotti, e digli di basarsi su di essi. Vedi cos'è un LLM per capire perché conta.
- Alternative di riserva: spiega cosa fare quando non è sicuro: « Se la risposta non è nelle informazioni fornite, dillo e proponi l'email di assistenza. »
- Formato dell'output: se il tuo codice legge la risposta, chiedi un formato rigido come JSON.
- Test: prova input difficili prima che lo facciano gli utenti reali: messaggi scortesi, domande fuori tema, tentativi di farlo ignorare le istruzioni (detti prompt injection).
Termini chiave spiegati
| Termine | Cosa significa |
|---|---|
| Prompt | L'input che dai a un modello di AI. |
| System prompt | Istruzioni permanenti impostate prima della conversazione. |
| Contesto | Informazioni di base incluse nel prompt. |
| Zero-shot / few-shot | Chiedere senza esempi, oppure con pochi esempi del risultato desiderato. |
| Catena di pensiero | Chiedere al modello di ragionare passo dopo passo prima di rispondere. |
| Ancoraggio (grounding) | Fornire al modello materiale di riferimento e chiedergli di basarsi su quello. |
| Prompt injection | Testo che cerca di scavalcare le istruzioni del modello, come « ignora le istruzioni precedenti ». |
| Finestra di contesto | Quanto testo il modello può considerare in una volta. |
| Iterazione | Perfezionare un prompt in base a ciò che è tornato indietro. |
Errori comuni e idee sbagliate
- Cercare parole magiche. « Sei un esperto di livello mondiale » conta molto meno che dire di cosa hai davvero bisogno.
- Chiedere tutto insieme. Una richiesta di 20 funzioni produce 20 funzioni a metà. Costruisci a fette.
- Descrivere la soluzione invece del problema. « Aggiungi una tabella con tre colonne » è meno utile di « Sam deve vedere a colpo d'occhio chi è prenotato in ogni lezione ».
- Dimenticare cosa non fare. Se non vuoi ancora login, pagamenti o un redesign, dillo.
- Non leggere il risultato. Verifica ciò che è stato creato rispetto alla tua definizione di « fatto » prima di andare avanti.
- Ricominciare invece di perfezionare. Di solito un breve seguito (« è quasi giusto; cambia X ») batte la riscrittura dell'intero prompt.
- Incollare segreti nei prompt. Non incollare password o chiavi API attive in chat, a meno che lo strumento non abbia un modo sicuro per conservarle.
Cosa chiedere al tuo builder AI
- « Prima di costruire, fammi qualsiasi domanda e mostrami il tuo piano. »
- « Ripeti con tre frasi cosa credi che voglia. »
- « Cambia solo il modulo di prenotazione; non toccare altro. »
- « Cosa hai dato per scontato che non avevo specificato? »
- « Trasforma i miei appunti in una specifica breve con utenti, funzioni, regole e voci « non adesso ». » Vedi come scrivere un documento dei requisiti di prodotto con l'AI.
- « Suggerisci come avrei potuto formulare meglio quella richiesta. »
Prompt in Mythex
Mythex ha tre modalità di chat adatte a questo modo di lavorare: Plan per concordare un approccio prima che cambi qualcosa, Build per apportare modifiche e Ask per le domande che non devono modificare i file. Puoi allegare screenshot o mockup come contesto, e se una modifica va male puoi tornare a un checkpoint. Le pagine della documentazione su prompt efficaci e iterare contengono altri esempi, e come iterare su un'app creata con l'AI spiega il ciclo dei seguiti.
Domande
Che cos'è il prompt engineering in parole semplici?
Il prompt engineering è la pratica di scrivere e perfezionare le istruzioni per un modello di AI, così da ottenere in modo affidabile il risultato desiderato. Riguarda cosa chiedi, il contesto che fornisci, gli esempi, i vincoli e il formato in cui vuoi la risposta.
Servono trucchi speciali o parole magiche?
Non davvero. I modelli di oggi rispondono meglio a istruzioni chiare, precise e ben organizzate, le stesse cose che aiutano un collega. Contesto, esempi e una descrizione chiara del risultato finale contano molto più di frasi particolari.
Che cos'è un system prompt?
Un system prompt è un insieme di istruzioni permanenti date al modello prima della conversazione, come il suo ruolo, le regole e il tono. Le app lo usano per dare forma a ogni risposta, mentre i messaggi dell'utente arrivano dopo.
Il prompt engineering serve ancora con AI sempre più intelligenti?
I modelli migliori hanno bisogno di meno accorgimenti, ma non possono leggerti nel pensiero. Dichiarare l'obiettivo, il pubblico, i vincoli e cosa significa « fatto » migliorerà sempre i risultati, perché il modello può lavorare solo con ciò che gli dici.