Casi d’Uso e Creazione di Prompt Efficaci nel Prompt Engineering

Il prompt engineering è essenziale per guidare i modelli linguistici di grandi dimensioni (LLMs) come GPT nell’esecuzione di compiti diversi in modo accurato ed efficiente. Creando prompt ben strutturati, gli utenti possono sfruttare al massimo il potenziale di questi modelli per applicazioni che vanno dalla generazione creativa di testi alla risoluzione di problemi in vari settori. Vediamo alcuni casi d’uso interessanti e come costruire buoni prompt per ciascuno di essi.

---

1. Riepilogo del Testo

Caso d’Uso: Riassumere articoli lunghi, documenti di ricerca o rapporti in sintesi concise.
Esempio:

Immagina di avere un documento lungo sull’impatto degli antibiotici sulla resistenza batterica. L’obiettivo è estrarre un breve riassunto.

Prompt:

“Riassumi il seguente testo in una frase: Gli antibiotici sono un tipo di farmaco utilizzato per trattare le infezioni batteriche. Funzionano uccidendo i batteri o impedendo loro di riprodursi, ma sono inefficaci contro le infezioni virali. L’uso improprio o eccessivo degli antibiotici può portare a resistenza agli antibiotici.”

Risposta:

“Gli antibiotici trattano le infezioni batteriche uccidendo o bloccando la crescita dei batteri, ma l’uso improprio può causare resistenza, e non funzionano contro i virus.”

Suggerimenti per la Creazione del Prompt:

• Sii esplicito nella richiesta (es. “Riassumi in una frase”).
• Includi tutto il contesto rilevante per aiutare il modello a concentrarsi sui punti chiave.
• Per riassunti più dettagliati, specifica la lunghezza o il livello di dettaglio desiderato.

---

2. Risposte a Domande

Caso d’Uso: Fornire risposte specifiche e concise basate su un contesto dato, come rispondere a domande da una base di conoscenza o FAQ.
Esempio:

Stai creando un sistema che risponde alle domande dei clienti basato su un manuale del prodotto.

Prompt:

“Rispondi alla domanda in base al contesto sottostante. Mantieni la risposta breve e concisa. Contesto: La batteria del laptop dura fino a 12 ore con una singola carica. Domanda: Quanto dura la batteria?”

Risposta:

“12 ore.”

Suggerimenti per la Creazione del Prompt:

• Fornisci istruzioni chiare su come rispondere (es. “Mantieni la risposta breve”).
• Assicurati che il contesto necessario sia fornito in un formato compatto.
• Chiedi al modello di rispondere “Non sicuro della risposta” se c’è ambiguità nel contesto.

---

3. Ruoli per l’Assistenza Clienti

Caso d’Uso: Far svolgere all’AI il ruolo di un assistente clienti che può gestire domande comuni o problemi tecnici.
Esempio:

Vuoi che l’AI simuli una conversazione di assistenza tecnica su problemi di connessione Wi-Fi.

Prompt:

“Sei un agente di supporto tecnico. Il tuo tono è amichevole e disponibile. Un cliente dice che non riesce a connettersi al Wi-Fi. Quali passaggi consiglieresti?”

Risposta:

“Mi dispiace che tu abbia problemi di connessione Wi-Fi. Prima di tutto, proviamo a riavviare il router scollegandolo per 30 secondi e poi ricollegandolo. Se non funziona, puoi verificare se il tuo dispositivo è connesso alla rete corretta?”

Suggerimenti per la Creazione del Prompt:

• Definisci chiaramente il ruolo e il tono dell’AI (es. “amichevole e disponibile”).
• Fornisci la situazione specifica o il contesto (es. “Non riesce a connettersi al Wi-Fi”).
• Considera il flusso tipico della conversazione quando progetti il prompt.

---

4. Generazione di Codice

Caso d’Uso: Generare automaticamente frammenti di codice in base a prompt in linguaggio naturale per ottimizzare il processo di sviluppo software.
Esempio:

Hai bisogno di una query SQL per trovare studenti iscritti al dipartimento di Informatica.

Prompt:

“Genera una query MySQL che elenca tutti gli studenti del dipartimento di Informatica. Gli studenti sono memorizzati in una tabella chiamata ‘students’, e le informazioni sui dipartimenti sono nella tabella ‘departments’.”

Risposta:

 SELECT StudentId, StudentName FROM students WHERE DepartmentId IN (SELECT DepartmentId FROM departments WHERE DepartmentName = 'Informatica'); 

Suggerimenti per la Creazione del Prompt:

• Sii specifico sulla struttura del database e sul compito richiesto.
• Identifica chiaramente i nomi delle tabelle, delle colonne e delle condizioni.
• Specifica il linguaggio di programmazione o il tipo di query, se necessario.

---

5. Scrittura Creativa e Generazione di Contenuti

Caso d’Uso: Generare storie creative, poesie o descrizioni di prodotti per marketing o intrattenimento.
Esempio:

Vuoi creare una breve storia basata su un personaggio e un’ambientazione.

Prompt:

“Scrivi una breve storia su un cavaliere coraggioso che affronta un drago per salvare un villaggio. La storia dovrebbe avere un tono drammatico e speranzoso.”

Risposta:

“In una terra devastata dalla paura, Sir Elric si ergeva davanti al drago torreggiante, la sua spada brillava alla pallida luce del sole. Il villaggio alle sue spalle aveva a lungo sofferto sotto l’ira infuocata della bestia, ma oggi sarebbe stato diverso. Con il coraggio che ardeva nel suo cuore, Elric avanzò deciso, determinato a liberare il suo popolo dal terrore una volta per tutte…”

Suggerimenti per la Creazione del Prompt:

• Definisci l’ambientazione o il contesto e il tono (es. “drammatico e speranzoso”).
• Fornisci istruzioni specifiche su personaggi, trama o struttura.
• Usa aggettivi per guidare lo stile o l’umore del risultato.

---

6. Compiti di Ragionamento

Caso d’Uso: Risolvere problemi logici o eseguire un ragionamento passo passo per compiti complessi.
Esempio:

Vuoi risolvere un problema matematico con un ragionamento chiaro e logico.

Prompt:

“Risolvi il seguente problema passo dopo passo: Sono andato al mercato e ho comprato 10 mele. Ho dato 3 mele al mio amico, ho comprato altre 5 mele e ne ho mangiate 2. Quante mele mi rimangono?”

Risposta:

“Scomponiamo il problema passo dopo passo. Hai iniziato con 10 mele. Dopo averne dato via 3, te ne sono rimaste 7. Poi hai comprato altre 5, quindi ora hai 12 mele. Dopo averne mangiate 2, te ne rimangono 10.”

Suggerimenti per la Creazione del Prompt:

• Specifica che desideri un ragionamento passo dopo passo.
• Definisci chiaramente il problema in modo che il modello consideri ogni passaggio.
• Per compiti più complessi, puoi chiedere al modello di pensare “passo dopo passo”.

---

7. Analisi dei Dati e Visualizzazione

Caso d’Uso: Aiutare gli analisti a generare insight o visualizzare dati da set di dati grezzi.
Esempio:

Vuoi che l’AI riassuma gli insight principali da un dataset di vendite.

Prompt:

“Basandoti sui seguenti dati di vendita, riassumi le tendenze principali: Le vendite sono aumentate del 15% a gennaio, ma sono diminuite del 10% a febbraio. A marzo si è verificata una ripresa stabile con un aumento del 12%.”

Risposta:

“Le tendenze delle vendite indicano una forte performance a gennaio con un aumento del 15%, seguita da un calo del 10% a febbraio. Tuttavia, a marzo è iniziata una ripresa con una crescita del 12%, suggerendo che il calo di febbraio è stato temporaneo.”

Suggerimenti per la Creazione del Prompt:

• Fornisci dati chiari nel contesto e specifica il tipo di insight desiderati (es. tendenze, modelli).
• Puoi richiedere visualizzazioni specifiche (grafici, diagrammi) se utilizzi strumenti integrati.

---

8. Applicazioni Basate su Conoscenza

Caso d’Uso: Rispondere a domande basate su una base di conoscenza, utilizzando dati esterni o riferimenti.
Esempio:

Il modello può rispondere a domande storiche o fattuali utilizzando informazioni fornite.

Prompt:

“Basandoti sul seguente contesto, rispondi alla domanda: La Torre Eiffel fu completata nel 1889 e rimane una delle strutture più iconiche di Parigi. Domanda: Quando è stata completata la Torre Eiffel?”

Risposta:

“La Torre Eiffel è stata completata nel 1889.”

Suggerimenti per la Creazione del Prompt:

• Fornisci sempre il contesto necessario per risposte basate su conoscenze.
• Chiedi risposte fattuali e concise per garantire precisione.
• Per domande più approfondite, puoi chiedere al modello di citare le fonti se applicabile.

---

Tecniche Avanzate di Prompting: Sbloccare il Potenziale

Oltre alle basi del prompt engineering, esistono tecniche avanzate che permettono di sfruttare al massimo le capacità dei modelli linguistici di grandi dimensioni (LLMs). Queste metodologie migliorano significativamente le prestazioni dei modelli, soprattutto in compiti più complessi come il ragionamento logico, la generazione di codice e le risposte basate su esempi. Ecco alcune delle tecniche più efficaci:

1. Few-Shot Prompting

Il few-shot prompting consente di fornire al modello alcuni esempi per guidarlo verso prestazioni migliori. Questa tecnica è utile quando il modello potrebbe non essere in grado di dedurre correttamente la risposta in modalità zero-shot (senza esempi).
Esempio:

“Determina se la somma dei numeri dispari in un gruppo è pari o dispari.

• Esempio 1: Numeri: 1, 3, 5. Somma: 9 (dispari).
• Esempio 2: Numeri: 2, 4, 6. Somma: 12 (pari).
• Esempio 3: Numeri: 5, 7, 9. Somma: 21 (dispari).
• Problema: I numeri dispari in questo gruppo sommano a un numero pari: 15, 32, 5, 13, 82, 7, 1.”

Risposta:
“Falso.”

2. Chain-of-Thought (CoT) Prompting

Questa tecnica richiede al modello di spiegare il proprio ragionamento prima di fornire una risposta. È particolarmente efficace per compiti che richiedono logica o ragionamenti multi-step.
Esempio:

“Risolvi il seguente problema passo dopo passo: Sono andato al mercato e ho comprato 10 mele. Ho dato 2 mele al mio vicino e 2 al riparatore. Poi ho comprato altre 5 mele e ne ho mangiata 1. Quante mele mi rimangono?”

Risposta:

“Pensiamo passo dopo passo. Hai iniziato con 10 mele. Dopo averne dato via 4, te ne rimangono 6. Poi hai comprato altre 5 mele, quindi ora ne hai 11. Dopo averne mangiata 1, ti restano 10 mele.”

3. Self-Consistency

La self-consistency migliora il ragionamento del modello generando multiple soluzioni e scegliendo quella più coerente. È utile per compiti complessi come la risoluzione di problemi logici o matematici.
Esempio:

“Quando avevo 6 anni, mia sorella aveva la metà della mia età. Ora ho 70 anni. Quanti anni ha mia sorella?”

Risposta:

“Quando avevi 6 anni, tua sorella aveva 3 anni (metà della tua età). La differenza di età è quindi di 3 anni. Ora che hai 70 anni, tua sorella ha 67 anni.”

4. Zero-Shot Chain-of-Thought

In questa variante, si chiede al modello di “pensare passo dopo passo” senza fornire esempi. È efficace quando non si hanno esempi da offrire ma si desidera comunque un approccio metodico.
Esempio:

“Sono andato al mercato e ho comprato 10 mele. Ho dato 2 mele al vicino e 2 al riparatore. Poi ho comprato altre 5 mele e ne ho mangiata 1. Quante mele mi rimangono?”

Prompt:

“Pensiamo passo dopo passo.”

Risposta:

“Hai iniziato con 10 mele. Dopo averne dato via 4, ne hai 6. Aggiungendo 5 mele, arrivi a 11. Mangiandone 1, rimani con 10 mele.”

5. Program-Aided Language Models (PAL)

Questa tecnica utilizza il modello per generare codice come passaggio intermedio per risolvere compiti complessi, delegando la soluzione a un interprete o runtime.
Esempio:

“Calcola la somma dei numeri dispari tra 1 e 10 usando Python.”

Risposta:

 somma = sum([x for x in range(1, 11) if x % 2 != 0]) print(somma) # Output: 25 

6. ReAct

ReAct combina il ragionamento con l’azione, permettendo al modello di eseguire azioni specifiche come recuperare informazioni da fonti esterne durante il processo di risposta.
Esempio:

“Cerca su Internet l’età attuale di Elon Musk e rispondi alla domanda.”

Risposta:

“Dopo aver verificato le informazioni aggiornate, Elon Musk ha 52 anni.”

---

Come Progettare un Buon Prompt: Principi Chiave

• Sii Chiaro e Specifico: Assicurati che il compito sia ben definito ed esplicito.
• Usa il Contesto in Modo Efficace: Fornisci sempre il contesto necessario.
• Guida con Tono e Stile: Indica il tono, la voce o lo stile desiderato.
• Specifica il Formato Desiderato: Richiedi chiaramente il formato dell’output.
• Sperimenta e Itera: Prova diverse formulazioni per trovare il prompt ottimale.

---

Conclusione: L’Arte della Creazione di Prompt Efficaci

Il prompt engineering è uno strumento potente che consente agli utenti di sfruttare appieno le capacità dei modelli linguistici. Che si tratti di riassumere contenuti, rispondere a domande o generare output creativi, il segreto del successo risiede nella progettazione di prompt precisi, ricchi di contesto e strutturati. Padroneggiando sia le basi che le tecniche avanzate di prompting, gli utenti possono costruire applicazioni AI più affidabili ed efficaci che soddisfano una vasta gamma di casi d’uso.

---

Questo post del blog distilla approfondimenti dalla lezione sul Prompt Engineering di Elvis Saravia presso DAIR.AI.

dair-ai/Prompt-Engineering-Guide: 🐙 Guides, papers, lecture, notebooks and resources for prompt engineering (github.com)