Libreria di Pattern per i Prompt
Una cassetta degli attrezzi di pattern di prompting riutilizzabili. Ogni scheda: cos'è, quando ricorrervi e un template da copiare e incollare. Si combinano — mescolali liberamente. Sei nuovo? Parti prima dai Fondamenti del Prompting.
Zero-shot (chiedi e basta, con chiarezza)
Quando: compiti semplici e comuni. Perché: minimo sforzo, spesso sufficiente.
Summarize the text below in 5 bullets for a busy manager.
TEXT: """{paste}"""
Few-shot (mostra esempi)
Quando: ti serve un formato o uno stile specifico. Perché: gli esempi insegnano più in fretta delle descrizioni. Vedi Few-Shot fatto bene.
Classify the sentiment as positive/negative/neutral.
Review: "Loved it, shipped fast" → positive
Review: "Broke on day one" → negative
Review: "{new review}" →
Chain-of-thought (pensa passo dopo passo)
Quando: matematica, logica, ragionamento a più passaggi. Perché: ragionare prima di rispondere migliora l'accuratezza.
Work through this step by step, then give the final answer on its own line.
PROBLEM: {problem}
Decomposizione (scomponi il problema)
Quando: compiti grandi e nebulosi. Perché: i sotto-compiti più piccoli sono più facili e affidabili.
First, list the sub-tasks needed to {goal}. Then do them one at a time,
showing each result before moving on.
Role prompting (assegna una persona)
Quando: vuoi una prospettiva o uno standard specifico. Perché: indirizza il comportamento pertinente.
You are a meticulous senior copy editor. Edit the text for clarity and concision
without changing meaning. Show a bullet list of the changes you made.
Vincolo sul formato dell'output
Quando: il risultato alimenta un altro strumento, oppure vuoi coerenza. Perché: le forme prevedibili sono utilizzabili.
Reply with ONLY valid JSON matching: {"title": string, "tags": string[]}.
No prose, no markdown fences.
Self-consistency / self-critique
Quando: la correttezza conta. Perché: una seconda passata intercetta gli errori della prima.
Answer the question. Then, in a section called "Check", critique your own answer
for errors or missing cases and revise if needed.
Meta-prompting (lascia che l'AI migliori il tuo prompt)
Quando: il tuo prompt rende meno del previsto. Perché: il modello è bravo a individuare cosa gli manca.
Here's my prompt: "{prompt}". Ask me the 3 questions that would most improve it,
then rewrite it incorporating sensible defaults.
Affinamento iterativo
Quando: quasi sempre. Perché: il primo output è una bozza, non la destinazione.
{after a result} Shorter and more concrete. Keep the second paragraph. Add one
example. Drop the marketing tone.
:::tip Combinali Un prompt reale efficace è spesso: un ruolo + un esempio + un vincolo sull'output + il permesso di dire "non lo so". Sovrapponi le schede. :::