Grounded prompting (basato su fonte)
Struttura e output
Livello 2 · Ragionamento avanzatoIstruisci il modello a rispondere esclusivamente sulla base del materiale fornito, dichiarando quando non può.
Il grounded prompting limita il modello a usare solo le informazioni fornite esplicitamente nel prompt, invece della sua conoscenza generale di addestramento — e gli richiede di dichiararlo quando il materiale fornito non contiene la risposta, invece di colmare il vuoto con una supposizione plausibile. Questo conta ogni volta che la risposta deve essere tracciabile a una fonte specifica — un documento, una policy, un dataset — invece di 'qualsiasi cosa il modello sappia già.' Questo pattern è talvolta chiamato "prompting in stile RAG" (Retrieval-Augmented Generation) — è l'equivalente a livello di prompting di ciò che fanno i sistemi RAG: limitare le risposte al materiale recuperato/fornito e citare le fonti, senza richiedere l'infrastruttura di retrieval vera e propria.
Quando usarla
Usalo ogni volta che hai fornito materiale di riferimento — un documento, un estratto, una tabella di dati — e la risposta deve provenire solo da quel materiale: riassumere un contratto, rispondere a domande su un report, o qualsiasi compito in cui un dettaglio inventato sarebbe un problema reale.
Quando evitarla
Evitalo quando vuoi davvero che il modello attinga alla sua conoscenza generale oltre a quanto fornito — il grounding limita il modello più di quanto serva nella maggior parte dei compiti, e può produrre una risposta 'non trovato' inutilmente restrittiva quando una risposta ragionevole basata sulla conoscenza generale sarebbe andata bene.
Vantaggi
- Riduce direttamente i dettagli fabbricati ('allucinazioni') su compiti con un documento sorgente
- Rende possibile fidarsi che una risposta sia tracciabile al materiale fornito
- Si combina naturalmente con altre tecniche, specialmente formattazione dell'output e vincoli
Svantaggi
- Vale quanto il materiale sorgente — se la fonte è incompleta o sbagliata, la risposta grounded eredita il problema
- Può produrre una risposta 'non trovato' eccessivamente cauta anche quando un'inferenza ragionevole era possibile
- Una citazione indica quale parte della fonte supporta un'affermazione — non è una citazione garantita accurata; verificala rispetto alla fonte reale per qualsiasi cosa ad alto rischio
Esempi
Fonte: [estratto da un documento aziendale sulle policy di lavoro da remoto] Compito: Quanti giorni di lavoro da remoto alla settimana sono concessi ai dipendenti? Rispondi solo usando le informazioni nella fonte sopra. Per ogni affermazione, cita quale parte della fonte la supporta. Se la fonte non contiene la risposta, dichiaralo esplicitamente invece di indovinare.
Avanzato: quando la fonte copre solo parzialmente il compito, mantieni la regola 'rispondi solo dalla fonte' ma aggiungi un registro delle assunzioni esplicito — elenca, separatamente dalla risposta, ogni assunzione che hai dovuto fare per colmare una lacuna non coperta dalla fonte. Vedi Assumption Audit per il pattern completo applicato al ragionamento in generale, non solo al materiale sorgente.
Provala
Compila i placeholder qui sotto e guarda il prompt aggiornarsi in tempo reale.
Il materiale di partenza.
Cosa vuoi ottenere.
- 55
- Parole
- 333
- Caratteri
- 0/2
- 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.