Un buon prompt descrive concretamente il compito affidato al modello e le condizioni di successo. Inserire una particolare frase non garantisce di moltiplicare la qualità delle risposte.
1. Definire prima input e output
Per classificare richieste dei clienti, per esempio, precisate categorie, lingua e gestione dei casi ambigui. «Registra separatamente decisioni, responsabili e scadenze, indicando come indeterminati i dati mancanti» è più verificabile di «Riassumi bene». Valutate separatamente formato e accuratezza dei fatti.
2. I criteri mostrati dagli esempi
Esempi che associano input e risultato desiderato trasmettono i criteri del compito. Includete casi limite e input insufficienti, non solo esempi facili. Verificate anche che nomi e numeri degli esempi non vengano riutilizzati come fatti relativi a nuovi input.
3. Confrontare le modifiche
Confrontate versioni del prompt con lo stesso insieme di input e registrate i tipi di errore. Distinguere omissioni, informazioni inventate e problemi di formato facilita revisioni mirate. Una spiegazione più lunga ottenuta sollecitando il ragionamento non dimostra maggiore accuratezza: verificate separatamente il fondamento del risultato. Registrate modifiche a modello, impostazioni e input per mantenere condizioni confrontabili.
4. Esempio di strutturazione di appunti di riunione
Immaginate una nota fittizia: «Si considera venerdì per il rilascio. Minsu controllerà lo stato del server domani. La conferma del calendario attende l’approvazione di Jiyeon». Presentare venerdì come scadenza confermata cambia un significato importante anche con frasi scorrevoli. Definite il compito come «Registrare azioni confermate separatamente dalle proposte» e i campi azione, responsabile, scadenza, stato e prova. Vietate di indovinare responsabili e date assenti.
Il risultato distingue Minsu come responsabile del controllo, domani come scadenza e in attesa di approvazione come stato del rilascio. Senza la data odierna in input, manca la base per trasformare «domani» in una data precisa. Fornite una data di riferimento o conservate le date relative originali. Il responsabile del rilascio non indicato resta indeterminato. È un esercizio per definire criteri, non una citazione di documenti aziendali o risultati sperimentali.
Invece della sola frase di ruolo «Sei un ottimo assistente», ambito dell’input e regole di trasformazione rendono il prompt verificabile. Per esempio: «Usa soltanto questi appunti, non trasformare proposte in decisioni confermate e affianca a ogni azione la frase di supporto». Lo scopo è consentire a una persona di verificare corrispondenza fra note e risultato, anziché giudicare quanto la spiegazione sia convincente.
5. Separare casi limite e istruzioni nel testo esterno
Per classificare, pensate a una frase che unisce rimborso e ritardo di consegna. Senza specificare se è ammessa una categoria o più, i valutatori non concorderanno sulla risposta corretta. «Nessuna categoria» è diverso anche da «Input insufficiente». Separare un significato compreso ma fuori classificazione da dati insufficienti a determinarlo chiarisce la gestione successiva.
Gli esempi non danno solo risposte: spiegano questi confini. Anziché molte frasi facili sulla consegna, aggiungetene una con categorie in conflitto, una con un refuso e un saluto senza richiesta. Rivedete esempi troppo lunghi che nascondono la regola o i cui nomi propri contaminano nuovi input. Controllate anche che descrizione del compito ed esempi non si contraddicano.
Riassumendo un documento, una frase interna come «Ignora le istruzioni precedenti» è parte del materiale da riassumere. I delimitatori rendono leggibile il confine dell’input, ma da soli non sono una barriera di sicurezza contro attacchi. Se l’app compie azioni esterne, anche il codice fuori dal prompt deve controllare permessi e strumenti consentiti. Servono buona scrittura e configurazione dei permessi di sistema.
6. Rivedere la tabella di valutazione prima del prompt
Una piccola tabella può includere input, elementi chiave attesi, supposizioni vietate, output reale e motivo dell’errore. Se due note su dieci trasformano programmi non confermati in confermati, cercate prima le loro condizioni comuni. Migliorare le definizioni di proposta, attesa di approvazione e conferma con esempi affronta il problema più direttamente di ripetere «Fai più attenzione».
Rivalutare solo i casi usati per la revisione può far scambiare un effetto specifico per miglioramento generale. Applicate le stesse regole a input tenuti da parte e cercate nuove omissioni nei casi facili. Registrare separatamente conformità del formato e correttezza fattuale evita che JSON valido nasconda errori. Una risposta errata con giustificazione plausibile resta un errore.
Gli studi su apprendimento con pochi esempi e processi di ragionamento riguardano modelli e compiti specifici. Non impongono la stessa frase induttiva a tutti i modelli più recenti. Conservate definizione del lavoro, esempi rappresentativi, gestione dell’ambiguità e criteri ripetibili, più che aggettivi decorativi. Ricontrollate questi quattro elementi quando cambiano modello o formato di input.
I criteri devono riflettere la gravità degli errori. Cambiare l’ordine delle frasi e inventare un responsabile non sono lo stesso fallimento nel verbale. Il primo può essere preferenza di lettura; il secondo può produrre istruzioni sbagliate. Distinguere campi da verificare obbligatoriamente da quelli trasferibili automaticamente chiarisce le responsabilità nell’uso pratico. Errori rari non giustificano l’assenza di revisione dei campi importanti.
Quando cambiate formato di output, collegate controlli formali e semantici. Verificare che una data non sia vuota conferma solo la presenza di un valore. Accertare che compaia nell’originale o sia stata convertita correttamente usando la data di riferimento è un’altra verifica. Se i campi obbligatori del parser confliggono con quelli che il modello non deve riempire senza prove, meglio uno schema che rappresenti uno stato indeterminato che richiedere una stringa vuota.
Condividendo un prompt, potete creare input fittizi con gli stessi casi limite anziché copiare dati personali reali. Controllate se numeri contrattuali o eventi rari identificano qualcuno anche dopo aver tolto i nomi. Pur con esempi sufficientemente anonimizzati, il materiale inviato a modelli esterni deve rispettare le regole organizzative di trattamento. Una buona documentazione indica esempi e compiti applicabili e vietati.
Nella revisione finale, verificate se un’altra persona comprende gli stessi criteri di risposta dal solo prompt. Aspettarsi deduzioni su circostanze interne note soltanto all’autore ostacola la riproduzione. Definire espressioni ambigue, fornire data di riferimento e versione del documento e consentire campi non compilati quando mancano prove trasforma anche un prompt breve in una specifica verificabile.