Analogical Prompting (prompting per analogia)
Ragionamento
Livello 2 · Ragionamento avanzatoChiedi al modello di richiamare problemi simili già risolti in passato, poi applica lo stesso approccio al nuovo problema.
L'analogical prompting chiede al modello di richiamare prima uno o due problemi simili e come venivano tipicamente risolti, prima di affrontare il problema vero e proprio — facendo emergere uno schema di risoluzione utile a cui il modello ha già accesso ma che non applicherebbe altrimenti. A differenza del few-shot, l'utente non fornisce gli esempi — è il modello a generare la propria analogia pertinente.
Quando usarla
Usalo per problemi che assomigliano a una categoria o uno schema noto — il modello probabilmente ha esperienza rilevante con casi simili, e farla emergere prima spesso migliora la risposta finale.
Quando evitarla
Evitalo per problemi genuinamente nuovi senza un'analogia utile, o per compiti molto semplici dove richiamare un caso simile aggiunge lunghezza senza aggiungere valore.
Vantaggi
- Fa emergere conoscenza rilevante senza che l'utente debba fornire esempi (a differenza del few-shot)
- Funziona bene per problemi che rientrano in uno schema riconoscibile
- Può rivelare un approccio genuinamente utile che il modello non avrebbe usato direttamente
Svantaggi
- L'analogia richiamata può essere superficiale o fuorviante se il problema le assomiglia solo in superficie
- Aggiunge un passaggio di ragionamento extra rispetto a una risposta diretta
Esempi
Come dovrei strutturare un rate limiter per un'API pubblica con traffico estremamente irregolare? Richiama prima 1-2 problemi simili di cui sei a conoscenza e descrivi brevemente come venivano tipicamente risolti. Poi applica l'approccio più pertinente a questo problema specifico.
Si abbina bene con
Provala
Compila i placeholder qui sotto e guarda il prompt aggiornarsi in tempo reale.
Cosa vuoi ottenere.
- 24
- Parole
- 165
- Caratteri
- 0/1
- Placeholder compilati
- 1 min
- Tempo di lettura
- Completezza0
- Chiarezza0
- Contesto0
- Specificità0
- Vincoli0
- Formato0
- Output0
- Sezione vincoli0
- Criteri di successo0
- Focus scope100
- Step di verifica0
- Esempio negativo0
- Confidenza0
- Sintassi placeholder100
- Struttura Markdown0
- Compila i placeholder rimasti.
- Espandi le tue risposte — poche parole non bastano al modello per lavorare con precisione.
- Aggiungi contesto di sfondo perché il modello capisca la situazione.