Contesto e scopo. Dai all’AI informazioni su chi sei, cosa stai cercando e perché.
📌 Esempio:
"Sto preparando un workshop per studenti universitari su come usare ChatGPT nello studio."
Sii preciso. Indica esattamente cosa ti serve: tipo di output, argomento, tono, stile, lunghezza, ecc.
📌 Esempio:
"Scrivi un post LinkedIn di max 500 caratteri sul valore della scrittura sintetica nella comunicazione aziendale."
Linguaggio semplice. Evita ambiguità e frasi troppo lunghe. Usa parole chiare e dirette.
📌 Esempio:
"Spiega cosa sono i prompt come se parlassi a un ragazzo di 14 anni."
Organizza il prompt. Usa elenchi puntati o sezioni per rendere la richiesta chiara e leggibile.
📌 Esempio:
"Genera una email professionale con queste caratteristiche: Destinatario: cliente interessato a un servizio Tono: cortese e informativo Obiettivo: fissare una call conoscitiva"
Dialoga con l’AI. Dai un feedback sulla risposta ricevuta o chiedi miglioramenti.
📌 Esempio:
"Puoi riscriverlo in modo più informale? È per un pubblico giovane."
Prompt:
Riassumi in tre frasi principali i contenuti di questo testo:
[inserisci qui il testo completo]
Spiegazione:
Senza fornire esempi, chiedi al modello di estrarre i punti chiave. Utile per verificare la capacità di sintesi “a freddo”.
Prompt:
Esempio:
Domanda: Qual è la capitale della Francia?
Risposta: Parigi.
Ora:
Domanda: Qual è il fiume più lungo d’Italia?
Risposta:
Spiegazione:
Mostri un solo esempio di domanda/risposta per guidare il formato, poi lasci che il modello risponda al nuovo quesito.
Prompt:
Esempi:
-
Traduci in inglese: “Buongiorno, come stai?” → “Good morning, how are you?”
-
Traduci in inglese: “Mi piace leggere libri” → “I like reading books”
Ora:
Traduci in inglese: “Oggi è una bella giornata” →
Spiegazione:
Fornendo più esempi di traduzione, migliori coerenza e correttezza stilistica.
Prompt:
Risolvi passo dopo passo questo problema di matematica e poi fornisci la risposta:
“Se Maria ha 5 mele e ne regala 2 a Luca, quante mele le restano?”
Spiegazione:
Inviti il modello a “pensare ad alta voce” e mostrare la catena di ragionamento prima dell’esito finale, aumentando l’accuratezza.
Prompt:
Genera tre differenti ragionamenti passo‑passo per rispondere a:
“Se un’auto percorre 60 km/h per 2 ore, quanti km percorre?”
Poi vota la risposta più plausibile.
Spiegazione:
Il modello produce più percorsi logici e ne seleziona per maggioranza la soluzione, riducendo gli errori di ragionamento occasionale.
Prompt:
Per sviluppare un’idea di marketing per un’app di fitness, genera:
- Tre concept diversi (pensiero 1, 2, 3).
- Per ciascun concept, elenca due possibili slogan.
- Valuta pro e contro di ogni slogan.
Spiegazione:
Struttura a “albero” che esplora e confronta più opzioni, ideale per brainstorming guidato.
Prompt:
[Contesto estratto da documento esterno: …]
In base alle informazioni fornite, riassumi i punti chiave riguardo ai vantaggi del 5G nelle telecomunicazioni.
Spiegazione:
Prima recuperi da una fonte esterna (database, documento), poi chiedi al modello di elaborare il contenuto in modo preciso.
Prompt:
Domanda: “Un treno parte da A alle 9:00 e viaggia a 80 km/h. Arriva a B alle 12:00. Qual è la distanza tra A e B?
Rispondi con ‘Pensiamo passo per passo’ e poi calcola.”
Spiegazione:
Senza fornire esempi, costringi il modello a ragionare internamente prima della risposta, usando il trigger “passo per passo”.
Prompt:
Scrivi un breve sommario (massimo 50 parole) dell’articolo seguente.
[Output modello]
Ora migliora il sommario aggiungendo dettagli su cause e effetti.
Spiegazione:
Iterativo: il modello genera una prima versione e poi la rifinisce in base alle istruzioni aggiuntive.
Prompt:
Estrai i seguenti dati dal testo e restituisci un JSON con chiavi “titolo”, “autore” e “anno”:
[inserisci qui testo contenente i dati]
Spiegazione:
Obblighi il modello a produrre un output strutturato (JSON), facilitando l’integrazione automatica.
Suggerimento generale:
- Chiarezza e contesto: specifica sempre cosa vuoi ottenere e, se serve, il formato.
- Iterazione: prova più versioni del prompt per ottenere il risultato ottimale.
- Controllo di qualità: verifica sempre l’output e, se necessario, aggiungi istruzioni di correzione.