BroadRouter
Inizia

Prompt engineering (ingegneria dei prompt)

Aggiornato

Il prompt engineering è il processo con cui si scrivono, strutturano e testano le istruzioni date a un modello linguistico, perché produca in modo costante un output che rispetta i tuoi requisiti. Comprende messaggi di ruolo, istruzioni chiare, esempi, formattazione e la misura dei risultati su casi di test.

Detto anche: ingegneria dei prompt, progettazione dei prompt, tecniche di prompting, scrivere prompt, prompt engineering, prompt design, prompting techniques

Un prompt è una specifica. Il prompt engineering consiste nello scriverla bene e nel verificare che il modello la rispetti.

Come funziona

La guida di OpenAI definisce il prompt engineering come “the process of writing effective instructions for a model” (traduzione: il processo di scrivere istruzioni efficaci per un modello), così che “consistently generates content that meets your requirements” (traduzione: generi in modo costante contenuti che rispettano i tuoi requisiti). Le tecniche di base si somigliano tra i vari vendor:

Tecnica Cosa fare
Ruoli Metti le regole nel system prompt (o nel messaggio developer) e la richiesta nel messaggio utente
Struttura Ordina il system prompt in identità, istruzioni, esempi, contesto; usa titoli Markdown e tag XML per separare le sezioni
Esempi Aggiungi alcune coppie di input e output (few-shot prompting) che coprano casi diversi
Ragionamento Chiedi un ragionamento passo passo (chain of thought), oppure usa un modello di ragionamento
Formato di output Chiedi un formato fisso, oppure usa l’output strutturato dove l’API lo supporta
Stabilità Fissa una versione del modello, così il comportamento non cambia a tua insaputa

La panoramica di Anthropic consiglia di partire da tre cose: criteri di successo chiari, un modo per testarli e una prima bozza di prompt. In pratica significa un set di eval.

Un breve esempio, prima e dopo (il prompt resta in inglese: chiede un riassunto in tre punti, problema, impatto sul cliente e passo successivo, senza ipotesi sulle cause):

Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>

Per gli agenti, il prompt è solo una parte di un contesto più ampio. L’articolo di Anthropic sul context engineering distingue il prompt engineering, “methods for writing and organizing LLM instructions” (traduzione: metodi per scrivere e organizzare le istruzioni per un LLM), dal context engineering, che gestisce tutto il resto di ciò che il modello vede.

Perché è importante

  • Qualità senza addestramento. Un prompt migliore è la correzione più economica da provare, prima del fine-tuning o di un modello più grande.
  • Costo. Il system prompt viene rimandato a ogni richiesta. Taglia ciò che non cambia l’output; vedi come ridurre i token del prompt.
  • Migrazione. Un prompt ottimizzato per un modello può comportarsi diversamente su un altro. Quando cambi modello, rilancia il tuo set di eval.

Su BroadNet Inference

I modelli di chat di BroadNet accettano l’elenco messages standard di Chat Completions, quindi ruoli system, user e assistant ed esempi few-shot funzionano come al solito. Puoi provare i prompt nel playground prima di scrivere codice. Per l’output in arabo, il prompt engineering in arabo tratta registro, dialetto, numeri e formattazione da destra a sinistra.

L’output strutturato è documentato per GLM 5.3 e Qwen3.8 27B. Su DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B il ragionamento conta in max_tokens, quindi anche un prompt del tipo “think step by step” (ragiona passo passo) ha bisogno di spazio nel budget.

Domande frequenti

Con i modelli più recenti serve ancora il prompt engineering?

Sì, anche se i trucchi cambiano. I modelli più recenti seguono bene istruzioni semplici e specifiche, quindi gran parte del lavoro sta nel dichiarare chiaramente i requisiti, dare esempi e testare su input reali.

Quando conviene fare fine-tuning?

Quando un prompt ben testato e con esempi sbaglia ancora una quota ampia di casi, o è troppo lungo da inviare a ogni richiesta. La documentazione di Anthropic nota anche che alcuni obiettivi, come latenza o costi più bassi, si raggiungono più facilmente scegliendo un altro modello.

Per un output in arabo devo scrivere il prompt in arabo?

Possono funzionare entrambe le strade. Indica quale registro o dialetto vuoi e come gestire i numeri e il testo misto. L’articolo sul prompt engineering in arabo confronta i due approcci.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity