Tecniche
Tecniche
Sfoglia le tecniche di prompting per categoria.
Fondamentali
Prompting zero-shotChiedi al modello di svolgere un compito direttamente, senza alcun esempio.Prompting one-shotMostra al modello esattamente un esempio svolto prima di chiedergli di ripetere lo schema.Prompting few-shotMostra al modello alcuni esempi (in genere 2-5) prima del compito vero e proprio.Prompting contestualeFornisci al modello lo sfondo rilevante prima del compito, invece di chiedere direttamente.Prompting contrastivo / negativoMostra un esempio corretto e uno sbagliato fianco a fianco, così il modello impara il confine tra i due.KERNELUn semplice framework di partenza a 5 campi — Task, Input, Vincoli, Output, Verifica — che costruisce un prompt solido in un unico passaggio guidato.
Ragionamento
Chain of thought (ragionamento a catena)Chiedi al modello di ragionare passo dopo passo prima di dare la risposta finale.Tree of thoughts (albero di pensieri)Esplora in parallelo più percorsi di ragionamento diversi, valutali, poi sviluppa il migliore.ReAct (ragiona e agisci)Alterna passaggi di ragionamento ad azioni (chiamate a strumenti) e ai loro risultati osservati.Step-back prompting (fare un passo indietro)Fai prima una domanda più ampia e generale, poi usa la risposta per risolvere quella specifica.Self-Consistency (autocoerenza)Genera più percorsi di ragionamento indipendenti per lo stesso problema e prendi la risposta più frequente.Least-to-Most Prompting (dal più semplice al più complesso)Scomponi un problema complesso in una sequenza ordinata di sotto-problemi più semplici, risolvendoli uno alla volta.Self-Critique / Refine (autocritica e revisione)Genera una prima risposta, criticala rispetto a criteri espliciti, poi produci una versione migliorata.Generate-and-Rank (genera e classifica)Genera più risposte candidate, valutale, e restituisci la migliore — un'alternativa più semplice a Tree of Thoughts.Chiamata a strumenti (Tool calling)Definisci quali strumenti può usare il modello, quando usarli e come gestire gli errori — distinto dal ciclo di ragionamento di ReAct.Skeleton-of-Thought (scheletro del ragionamento)Genera prima uno scheletro (scaletta) della risposta, poi sviluppa ogni punto — migliore organizzazione, specialmente per output lunghi.Analogical Prompting (prompting per analogia)Chiedi al modello di richiamare problemi simili già risolti in passato, poi applica lo stesso approccio al nuovo problema.Debate / Multi-agent prompting (dibattito tra prospettive)Simula due o più prospettive che argomentano il problema, poi raggiungi una conclusione basata sugli argomenti più forti.Socratic prompting (prompting socratico)Il modello pone domande di chiarimento prima di tentare di risolvere il problema, invece di rispondere subito.Plan-and-Execute (pianifica ed esegui)Separa la pianificazione dell'intero approccio dall'esecuzione e dalla verifica del risultato — utile per compiti con strumenti o più passaggi.Assumption Audit (verifica delle assunzioni)Elenca le assunzioni chiave dietro il tuo ragionamento prima di rispondere, notando quanto la risposta dipende da ciascuna.Reframe Test (test di riformulazione)Riformula il problema da un'altra angolazione prima di risolverlo, per verificare se l'impostazione originale era quella giusta.Failure Mode Analysis (analisi delle modalità di fallimento)Identifica sistematicamente come un piano potrebbe fallire — sul tuo lavoro, o applicato all'analisi di un concorrente.Adversarial Review (revisione avversariale)Fai criticare la risposta al modello come una terza parte scettica che cerca difetti, non come l'autore che la difende.Chain-of-Verification (CoVe, catena di verifica)Scrivi una bozza di risposta, genera domande di verifica su di essa, rispondi a quelle domande, poi rivedi la risposta.Confidence-Weighted Prompting (prompting pesato per fiducia)Chiedi al modello quanto è sicuro della sua risposta, e cosa gli farebbe cambiare idea.Generated Knowledge Prompting (conoscenza generata)Chiedi al modello di generare prima le conoscenze di base rilevanti, poi di usarle per rispondere — invece di rispondere direttamente da un'assunzione implicita su ciò che sa.Program-Aided Language Models (PAL, ragionamento assistito da codice)Fai scrivere al modello del codice per calcolare la risposta invece di calcolarla direttamente nel suo ragionamento — riduce gli errori aritmetici e logici.Reflexion (riflessione e ritentativo)Tenta il compito, verificalo rispetto a criteri di successo, rifletti sui fallimenti e riprova — ripetendo finché non riesce.Automatic Prompt Engineer (APE, generazione automatica di prompt)Genera più formulazioni candidate di un prompt, valutale, e scegli o combina la migliore.
Ruolo e persona
Struttura e output
Meta promptingChiedi al modello di progettare o migliorare la strategia del prompt stesso prima di affrontare il compito.Formattazione dell'outputSpecifica la forma esatta che la risposta deve assumere — JSON, una tabella, un template fisso — non solo il contenuto.Prompting con vincoliDichiara esplicitamente le regole non negoziabili che l'output deve rispettare, come elenco puntato.Grounded prompting (basato su fonte)Istruisci il modello a rispondere esclusivamente sulla base del materiale fornito, dichiarando quando non può.Directional Stimulus Prompting (stimolo direzionale)Guida la direzione della risposta con poche parole chiave, senza riscrivere l'intera istruzione.Markdown/Symbol Structuring (struttura a simboli Markdown)Usa un insieme coerente di simboli Markdown — parentesi quadre per le variabili, trattini per le sezioni, grassetto per i vincoli — per rendere un prompt più facile da interpretare.XML/Tag Structuring (struttura a tag XML)Racchiudi le parti distinte di un prompt in tag in stile XML — particolarmente efficace con Claude.