Saper scrivere un buon prompt e' diventata una competenza pratica quanto saper cercare bene su Google. La differenza tra una risposta mediocre e una risposta utile, da parte di ChatGPT, Claude o Gemini, dipende molto piu' da come formuli la richiesta che dal modello che usi. Questa guida raccoglie le tecniche che fanno davvero la differenza, con esempi copiabili e pronti all'uso.

A chi serve e cosa otterrai

E' pensata per chi gia' usa l'IA ma ottiene risultati incostanti: professionisti, studenti, chi scrive, chi programma, chi prepara documenti. Non servono competenze tecniche. Alla fine saprai costruire prompt che producono risposte piu' precise, ripetibili e nel formato che ti serve. Le tecniche valgono per i principali assistenti: ChatGPT (GPT-5.5), Claude (Sonnet e Opus) e Gemini.

Tecnica 1: dai un ruolo e un contesto chiaro

I modelli rispondono meglio quando sanno "chi sono" e per chi scrivono. Invece di una domanda secca, definisci ruolo, obiettivo, destinatario e vincoli. Confronta:

Debole: "Scrivi una mail per il cliente."
Forte: "Agisci come responsabile customer care di un e-commerce italiano. Scrivi una mail a un cliente che ha ricevuto un prodotto danneggiato. Tono: cortese ma professionale. Obiettivo: scusarti, proporre sostituzione gratuita o rimborso, chiedere una foto. Massimo 120 parole, niente formule eccessive."

Piu' definisci il contesto e i vincoli (lunghezza, tono, cosa includere ed escludere), meno il modello deve indovinare.

Tecnica 2: il few-shot, ovvero insegnare con gli esempi

Se vuoi un formato o uno stile preciso, mostralo con uno o piu' esempi. E' la tecnica piu' sottovalutata e una delle piu' efficaci. Esempio per classificare recensioni:

Classifica il sentiment come POSITIVO, NEGATIVO o NEUTRO.

Testo: "Spedizione velocissima, prodotto perfetto." -> POSITIVO
Testo: "Arrivato in ritardo e con una graffiatura." -> NEGATIVO
Testo: "Fa il suo lavoro, niente di che." -> NEUTRO
Testo: "Assistenza gentile ma il prezzo e' alto." ->

Risultato atteso: il modello completa con l'etichetta corretta, seguendo esattamente il formato degli esempi. Con due o tre esempi ben scelti, la coerenza delle risposte aumenta moltissimo.

Esempi ben scelti nel prompt valgono piu' di lunghe spiegazioni.

Tecnica 3: far ragionare il modello prima di rispondere

Per problemi che richiedono piu' passaggi (calcoli, analisi, decisioni), chiedere al modello di ragionare per gradi migliora sensibilmente l'accuratezza. Una formula efficace:

"Ragiona passo per passo prima di darmi la risposta finale. Elenca i passaggi, poi scrivi 'RISPOSTA:' seguita dalla conclusione."

Sui modelli moderni dotati di ragionamento integrato non e' sempre necessario, ma resta utile quando vuoi vedere e verificare i passaggi. Una variante avanzata e' chiedere al modello di controllare il proprio lavoro: "Dopo aver risposto, rileggi e segnala eventuali errori o assunzioni non verificate".

Tecnica 4: imporre un formato di output

Se la risposta deve essere riusata (in un foglio di calcolo, in un programma, in un documento), specifica il formato esatto. Funzionano molto bene tabelle, elenchi puntati e JSON:

"Restituisci una tabella con colonne: Attivita', Priorita' (Alta/Media/Bassa), Tempo stimato. Non aggiungere testo prima o dopo la tabella."

Per usi tecnici puoi chiedere direttamente JSON: "Rispondi solo con un oggetto JSON con i campi titolo, riassunto, tag (array)". Imporre il formato riduce le risposte prolisse e rende l'output immediatamente utilizzabile.

Tecnica 5: il prompt chaining (scomporre i compiti)

I compiti complessi vengono meglio se li dividi in piu' prompt collegati, invece di chiedere tutto in una volta. Esempio per scrivere un articolo:

  1. Prompt 1: "Proponi 5 possibili scalette per un articolo su [tema], ognuna con un taglio diverso."
  2. Prompt 2: "Sviluppa la scaletta numero 3 in paragrafi, mantenendo un tono divulgativo."
  3. Prompt 3: "Rileggi il testo e accorcia del 20% eliminando le ripetizioni."

Ogni passaggio e' piu' controllabile e correggibile del classico "scrivimi un articolo su X". E' lo stesso principio con cui lavorano gli agenti automatici.

Tecnica 6: delimitatori e gestione dei testi lunghi

Quando dai in pasto al modello un testo da analizzare (un contratto, un articolo, un blocco di codice), separa chiaramente le istruzioni dal materiale. Usare dei delimitatori riduce il rischio che il modello confonda le tue indicazioni con il contenuto da elaborare:

Riassumi in 5 punti il testo qui sotto, racchiuso tra i tag.
Non aggiungere opinioni, attieniti al testo.

<testo>
[incolla qui il documento]
</testo>

Con documenti molto lunghi, conviene lavorare a tappe: prima chiedi un riassunto per sezioni, poi un riassunto dei riassunti. Questa tecnica, oltre a migliorare la qualita', ti aiuta a restare entro i limiti di contesto del modello ed evita che le istruzioni iniziali vengano "dimenticate" in mezzo a un testo enorme. E' anche il modo piu' sicuro per evitare le cosiddette prompt injection, cioe' istruzioni nascoste dentro il materiale che potrebbero dirottare il comportamento del modello.

Differenze tra ChatGPT, Claude e Gemini

  • ChatGPT: ottimo nell'uso quotidiano e con gli strumenti (file, web, immagini). Risponde bene a istruzioni dettagliate e ruoli ben definiti.
  • Claude: molto solido sui testi lunghi e sull'analisi di documenti; apprezza istruzioni strutturate e l'uso di delimitatori (per esempio racchiudere il testo da analizzare tra tag come <testo>...</testo>).
  • Gemini: forte sull'integrazione con i servizi Google e sul multimodale; risponde bene a richieste con contesto ricco e riferimenti espliciti.

La buona notizia e' che le cinque tecniche viste sopra funzionano su tutti e tre: cambiano le sfumature, non i principi.

Errori comuni da evitare

  • Prompt troppo vaghi: "scrivi qualcosa di carino" non da' al modello abbastanza informazioni. Specifica sempre obiettivo, destinatario e vincoli.
  • Troppe richieste in un colpo solo: meglio scomporre con il prompt chaining.
  • Non dare esempi: quando il formato conta, mostralo invece di descriverlo.
  • Fidarsi senza verificare: i modelli possono sbagliare con sicurezza. Per dati e citazioni, chiedi le fonti e controllale.

Un modello di prompt da riutilizzare

Tieni a portata di mano questa struttura, da adattare a quasi tutto:

RUOLO: chi deve essere il modello
OBIETTIVO: cosa deve produrre e per chi
CONTESTO: informazioni e materiali utili
VINCOLI: lunghezza, tono, cosa includere/escludere
FORMATO: come deve essere strutturata la risposta
ESEMPIO (se serve): un esempio del risultato desiderato

Partendo da questo schema e applicando le tecniche viste, otterrai risposte piu' costanti e di qualita' superiore. Il prompt engineering non e' magia: e' la disciplina di dire con precisione cosa vuoi, e di mostrarlo quando le parole non bastano.