Gianpiero Ciacci
Nel panorama dell’ingegneria dei prompt, la scelta della strategia di istruzione determina l’accuratezza e la profondità della risposta del modello. Quattro delle tecniche più rilevanti per la redazione e l’ottimizzazione dei testi sono lo zero-shot, il few-shot, la Chain of Thought e il prompt chaining. Ciascuna risponde a specifiche esigenze di complessità logica e controllo stilistico.
Zero-shot
L’approccio zero-shot rappresenta la forma più diretta di interazione: si richiede al modello di eseguire un compito o generare un testo senza fornirgli alcun esempio preventivo del risultato atteso, affidandosi esclusivamente alle sue conoscenze pregresse. Questa tecnica si rivela ideale per compiti standardizzati, traduzioni lineari, sintesi di testi o quando si desidera testare la reattività spontanea dell’algoritmo su un argomento generale. Lo zero-shot mostra tuttavia i suoi limiti quando si cerca di ottenere uno stile di scrittura molto specifico o quando il compito richiede il rispetto di sfumature interpretative complesse che la macchina non può indovinare senza una traccia. Un esempio classico:
- Agisci come un copywriter professionista. Scrivi una meta description SEO accattivante e una breve caption per Instagram per un nuovo ristorante di specialità toscane.
Few-shot
Per superare questa rigidità si ricorre al few-shot prompting, una tecnica che consiste nell’inserire nel prompt uno o più esempi dettagliati di input e del relativo output desiderato prima di formulare la richiesta effettiva. Questo metodo non serve a insegnare nuove nozioni alla macchina, ma a modellarne il comportamento, il tono e la struttura sintattica. Nel contesto della scrittura di un libro, il few-shot è lo strumento d’elezione per garantire la coerenza stilistica: mostrando al modello due o tre paragrafi già scritti dall’autore, l’algoritmo sarà in grado di assimilare il ritmo della prosa, l’uso della punteggiatura e il livello di complessità del vocabolario, replicandoli fedelmente nel nuovo testo generato. Un esempio ricorrente tratto dallo studio Language Models are Few-Shot Learners.
- Il “whatpu” è un piccolo animale peloso originario della Tanzania. Un esempio di frase che utilizza la parola whatpu è:
Eravamo in viaggio in Africa e abbiamo visto questi simpaticissimi whatpu.
Fare un “farduddle” significa saltare su e giù molto velocemente.
Un esempio di frase che usa la parola farduddle è:
Risposta della AI: Quando abbiamo vinto la partita, abbiamo iniziato a fare farduddle tutti insieme.
Chain of Thought
Quando il compito richiede un ragionamento logico profondo, un calcolo o la risoluzione di un problema concettuale a più fasi, la tecnica ideale è la Chain of Thought (catena di pensiero). Questa metodologia forza il modello a esplicitare i passaggi intermedi del proprio ragionamento prima di arrivare alla conclusione. Invece di calcolare direttamente la risposta finale, l’algoritmo scompone il problema verbalizzando ogni singolo snodo logico. Questo approccio è fondamentale quando si scrive di argomenti tecnici o filosofici complessi, poiché riduce drasticamente il rischio di errori logici e di allucinazioni, permettendo al lettore (e all’autore) di seguire il filo del discorso in modo trasparente e rigoroso.
Un esempio di prompt realizzato mediante la tecnica Chain-of-Thought (tratto da Promptingguide.ai) è il seguente:
Devo valutare l’apertura di una nuova sede a Milano. Ragiona passo dopo passo:
- Analizza i costi medi di affitto in centro rispetto alla periferia.
- Stima i costi di ristrutturazione.
- Calcola quanti clienti dovrei acquisire per coprire i costi il primo anno.
- Fornisci una conclusione basata sui dati.”
Chain of Thought
Mentre la Chain of Thought si sviluppa all’interno di un singolo prompt, il prompt chaining (concatenazione di prompt) prevede la scomposizione di un flusso di lavoro complesso in una serie di passaggi sequenziali, dove l’output di un prompt diventa l’input di quello successivo. Questa tecnica è indispensabile per la gestione di compiti strutturati che richiedono un controllo qualitativo elevatissimo. Invece di chiedere alla macchina di documentarsi, strutturare e scrivere un intero capitolo in un unico passaggio, il prompt chaining divide il processo: il primo prompt estrae i fatti storici, il secondo organizza la sequenza narrativa, il terzo redige il testo discorsivo e il quarto effettua la revisione stilistica. Questo controllo granulare assicura che ogni singola fase riceva la massima attenzione computazionale dal modello, garantendo un risultato finale infinitamente più raffinato e coerente rispetto a una generazione a passaggio unico. Esempi di questa tipologia:
- Creazione di Contenuti (Es. Articolo per un Blog)
Step 1: “Scrivi 3 idee per un articolo del blog che parla di consigli di viaggio sostenibile in Italia.”
Step 2: “Prendi la seconda idea e crea una scaletta dettagliata di 5 punti.”
Step 3: “Scrivi l’introduzione dell’articolo basandoti solo sul primo punto della scaletta, mantenendo un tono coinvolgente.” - Analisi e Sintesi (Es. Revisione di un Contratto o Documento)
Step 1: Leggi il seguente documento ed estrai in un elenco puntato tutti gli obblighi principali.
Step 2: Prendi l’elenco appena generato e traducilo in un linguaggio semplice, adatto a un non-esperto.
Step 3: Verifica se ci sono potenziali rischi o clausole svantaggiose basandoti sulla versione semplificata. - Risoluzione di Problemi (Es. Programmazione o Matematica)
Step 1: Ho questo codice in Python che genera un errore [—inserisci codice—]. Analizzalo e spiega qual è la causa principale.
Step 2: Scrivi una versione corretta del codice tenendo conto della spiegazione precedente.
Step 3: Elenca i cambiamenti specifici che hai apportato e spiega perché prevengono l’errore.
Gianpiero Ciacci è nato nel 1973 a Siena. Laureato in Ingegneria Informatica nel 1998 presso l’Università degli Studi di Siena e abilitato alla professione di Ingegnere, è stato docente di materie informatiche presso l’Università degli Studi di Siena e l’Università per Stranieri di Siena dal 2000 in poi e ha ha tenuto corsi di aggiornamento professionale per enti pubblici e privati. L’attività professionale si incentra sulla progettazione ed allestimento di reti, sulla consulenza in ambito di sicurezza informatica ed è CTU per il Tribunale di Siena. Presso l’Università per Stranieri di Siena ricopre il ruolo di Direttore del Centro Servizi Informatici dal 2001. Recentemente ha pubblicato manuali sulla cybersecurity, intelligenza artificiale e reti neurali.
Leggi le altre puntate di PROMP LAB:
