Vai al contenuto
TokIQ
Apprendimento

Imparare il prompt engineering: guida gratuita passo passo

Il modo migliore per imparare il prompt engineering: un percorso in 8 passi dalle basi agli agenti, le guide gratuite dei vendor e un esercizio per ogni passo.

TokIQ EditorialAggiornato 8 min di lettura
In questo articolo
  1. Qual è il percorso passo passo per imparare il prompt engineering?
  2. Quali guide e tutorial di prompt engineering valgono il tuo tempo?
  3. Perché leggere non basta
  4. Quali progetti conviene costruire?
  5. Come capisci di migliorare?
  6. Quanto tempo ci vuole?

Il modo migliore per imparare il prompt engineering è seguire un percorso fisso di otto passi, dalla scrittura di istruzioni chiare alla messa in sicurezza degli agenti AI, ed esercitare ogni passo su input reali invece di limitarti a leggere. Usa come tutorial le guide gratuite al prompting di OpenAI, Anthropic e Google, mettiti alla prova su singole decisioni di prompting e chiudi con due o tre piccoli progetti che misuri su un insieme di test.

Questa guida ti dà quel percorso in ordine, con cosa leggere e un esercizio per ogni passo, più i progetti che trasformano la conoscenza in competenza. Capisci cosa fa un prompt guardandolo fallire su input che non ti aspettavi, quindi ogni passo termina con un test.

Punti chiave

  • Impara in un ordine fisso: fondamenti, system prompt, esempi, ragionamento, output strutturato, grounding, strumenti, sicurezza.
  • Le guide al prompting di OpenAI, Anthropic e Google sono il miglior tutorial gratuito di prompt engineering disponibile.
  • Esercita le decisioni, non solo la lettura. Mettersi alla prova batte il rileggere (Roediger e Karpicke, 2006).
  • Costruisci due o tre piccoli progetti con un insieme di test di 20–30 input. È lì che la competenza si fissa.

Qual è il percorso passo passo per imparare il prompt engineering?

Il percorso passo passo per imparare il prompt engineering ha otto passi, e ognuno si appoggia su quello prima. Per ogni passo trovi cosa imparare, come capire di averlo assimilato e un esercizio per allenarlo.

Passo 1: fondamenti. Compiti chiari, contesto su pubblico e scopo, formato dell'output esplicito, vincoli. Hai assimilato questo passo quando, davanti a un prompt debole, sai dire cosa manca prima di lanciarlo. Esercizio: prendi tre prompt che hai scritto la settimana scorsa e riscrivili indicando pubblico, obiettivo e formato. Cos'è il prompt engineering copre il terreno, il tema fondamenti ha domande di pratica e come scrivere prompt migliori per ChatGPT mostra le riscritture in azione.

Passo 2: ruolo, contesto e system prompt. Cosa va nel system prompt, cosa nel messaggio dell'utente, perché una dichiarazione di ruolo senza contesto serve a poco. L'hai assimilato quando sai scrivere un system prompt con la gestione dei casi limite che regge a una serie di messaggi di test scomodi. Esercizio: scrivi un system prompt per un bot di assistenza, poi mandagli cinque messaggi pensati per metterlo in crisi. Vedi come scrivere un system prompt.

Passo 3: esempi. Zero-shot e few-shot, come gli esempi vengono copiati, bilanciamento delle etichette. L'hai assimilato quando riesci a prevedere come un esempio deformerà l'output prima di vederlo. Esercizio: lancia lo stesso prompt di classificazione con zero, uno e tre esempi sugli stessi dieci input e confronta. Approfondimento: zero-shot e few-shot a confronto.

Passo 4: ragionamento. Chain-of-thought, ragionare prima di rispondere, quando i modelli di ragionamento lo rendono superfluo. L'hai assimilato quando metti d'istinto il campo reasoning prima del campo answer. Esercizio: dai a un modello cinque problemi a più passaggi con e senza "ragiona passo dopo passo" e conta le risposte corrette. Vedi il chain-of-thought prompting spiegato.

Passo 5: output strutturato. Schemi JSON, le funzioni delle API che li impongono, validazione e nuovi tentativi. Esercizio: estrai cinque campi da dieci email disordinate in formato JSON e conta quanti output risultano validi. Vedi come ottenere JSON affidabile dagli LLM.

Passo 6: grounding. Retrieval-augmented generation, rispondere solo dalle fonti, citazioni, risposte "non trovato" esplicite. Esercizio: fai a un sistema di domande e risposte sui documenti dieci domande le cui risposte non sono nei documenti. Vedi cos'è RAG.

Passo 7: strumenti e agenti. Descrizioni degli strumenti, cicli dell'agente, condizioni di arresto. Esercizio: dai a un modello uno strumento che a volte restituisce un errore e guarda cosa fa dopo. Vedi le basi di tool calling e agenti AI.

Passo 8: sicurezza. Prompt injection, diretta e indiretta, e le mitigazioni architetturali. Lasciala per dopo aver capito gli strumenti, perché l'injection conta di più quando un modello può agire. Esercizio: nascondi un'istruzione dentro un documento che il sistema del passo 6 recupera e guarda se il modello la segue. Vedi la prompt injection spiegata.

Non serve finire ogni passo prima di iniziare il successivo. Ma se il passo 7 ti sembra confuso, la lacuna di solito sta nel passo 1 o nel 5. Se ti stai preparando anche a una certificazione, l'esame AWS Certified AI Practitioner mette alla prova le tecniche di prompt engineering nel suo dominio più grande; le nostre domande di esempio AIF-C01 mostrano come si presenta.

Quali guide e tutorial di prompt engineering valgono il tuo tempo?

Le guide di prompt engineering che valgono il tuo tempo sono quelle gratuite pubblicate dai produttori dei modelli, più una manciata di articoli di ricerca e una o due fonti sulla sicurezza. Sono meno di quanto suggerisca internet. Un elenco breve:

Guide al prompting dei vendor. La guida al prompt engineering di OpenAI, la documentazione sul prompt engineering di Anthropic e le strategie di prompt design di Google per Gemini. Sono gratuite, specifiche, aggiornate con una certa regolarità e scritte da persone che vedono moltissimi casi di errore reali. Leggile tutte e tre: ciò che si sovrappone ti insegna cosa è universale, le differenze ti insegnano cosa dipende dal modello. Anthropic ha pubblicato anche su GitHub un tutorial interattivo di prompt engineering che vale la pena seguire.

Una manciata di articoli. Non serve leggere ricerca per scrivere buoni prompt, ma alcuni articoli spiegano perché le tecniche funzionano:

  • Brown et al. (2020), "Language Models are Few-Shot Learners": da dove nasce il few-shot prompting.
  • Wei et al. (2022), "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models".
  • Lewis et al. (2020), l'articolo originale sulla retrieval-augmented generation.
  • Yao et al. (2022), "ReAct", per lo schema di ragionamento e azione dietro la maggior parte degli agenti.

Leggi l'abstract, le figure principali e gli esempi. A fini pratici basta.

Scritti sulla sicurezza. Il blog di Simon Willison, dove nel 2022 è stato coniato il termine "prompt injection", è la miglior fonte continuativa su questo tema. La OWASP Top 10 for LLM Applications offre una panoramica strutturata dei rischi.

Cosa saltare: elenchi di "100 prompt magici" e corsi il cui contenuto principale sono modelli di prompt. I modelli ti insegnano a copiare, non a diagnosticare.

Perché leggere non basta

Molti imparano il prompting leggendo consigli e annuendo. Poi si siedono a scrivere un prompt e i consigli non vengono in mente, perché riconoscere un buon consiglio è un'abilità diversa dal produrlo con le proprie forze.

La ricerca sull'apprendimento ha un nome per la soluzione. La pratica di recupero, o effetto del test, è la scoperta che richiamare attivamente un'informazione rafforza la memoria più che ristudiarla; lo studio "Test-Enhanced Learning" di Roediger e Karpicke del 2006 ne è una dimostrazione nota. Distanziare quella pratica nell'arco di più giorni aiuta ancora di più.

Per il prompting, l'equivalente di un test è una decisione in condizioni di incertezza:

  • Ecco un prompt e il suo output sbagliato. Cosa l'ha causato?
  • Ecco quattro possibili istruzioni. Quale risolve il problema?
  • Ecco un prompt RAG. Cosa succede quando il retrieval non restituisce nulla?

Rispondere a domande come queste, e sbagliare ogni tanto, costruisce l'istinto che ti serve davanti a un prompt vuoto. Puoi crearne di tue: prendi i prompt che ti hanno fallito, scrivi perché, e riprendili dopo una settimana senza guardare gli appunti.

È anche l'idea alla base di TokIQ, un'app di quiz che sviluppiamo (su Google Play, in arrivo su iPhone). Ogni domanda è una decisione di prompting e, se sbagli, puoi leggere una breve spiegazione e rispondere a domande di approfondimento sulla stessa idea. È un modo per avere pratica regolare e distanziata. Non sostituisce il costruire cose, che è il passo successivo.

Quali progetti conviene costruire?

Piccoli, reali e testabili. Alcune idee che insegnano molto:

Un classificatore per i tuoi dati. Smista le tue email, i messaggi di assistenza o gli appunti in categorie. Scrivi le definizioni delle etichette, raccogli 30 esempi con l'etichetta corretta, misura l'accuratezza e migliorala. Imparerai più su istruzioni ed esempi in un pomeriggio che in una settimana di lettura.

Versione 1: "Classifica questa email."
Versione 5: insieme fisso di etichette con definizioni, una regola per i
casi limite, due esempi vari per etichetta, output = solo l'etichetta.
L'accuratezza sulle tue 30 email di test dice quale versione è migliore.

Un estrattore che produce JSON. Ricava campi strutturati da fatture, ricette o annunci di lavoro. Usa uno schema, valida l'output e conta i fallimenti. Ti insegnerà l'output strutturato affidabile meglio di qualsiasi spiegazione.

Un piccolo sistema di domande e risposte sui documenti. Prendi 20 pagine che conosci bene (un manuale, la wiki del tuo team) e costruisci un retrieval di base. Poi fagli dieci domande le cui risposte non sono nei documenti e conta quante volte si inventa qualcosa. Quel solo esercizio insegna il nucleo del grounding.

Uno script che usa strumenti. Un modello con uno o due strumenti, come un'API meteo e un calendario. Osserva come decide quando chiamarli e cosa succede quando uno strumento restituisce un errore.

Tieni un registro per ogni progetto: versioni del prompt, cosa è cambiato e risultati sul tuo insieme di test. Quel registro è anche il portfolio che dimostra che sai fare il lavoro.

Come capisci di migliorare?

Alcuni segnali che tendono a comparire in quest'ordine:

  • Noti il contesto mancante in un prompt prima di lanciarlo.
  • Le tue prime bozze richiedono meno giri di correzione.
  • Quando l'output è sbagliato, sai nominare la causa invece di riscrivere a caso.
  • Inizi a scrivere casi di test prima di cambiare un prompt.
  • Smetti di cercare frasi magiche e inizi a cercare informazioni mancanti.

Quanto tempo ci vuole?

Con poche ore a settimana, le basi si sbloccano in poche settimane: i prompt di tutti i giorni migliorano in modo evidente. Costruire prompt affidabili dentro le applicazioni richiede più tempo, mesi invece di settimane, perché dipende dall'accumulare esperienza con i casi di errore.

Venti minuti al giorno di pratica attiva più un piccolo progetto al mese portano la maggior parte delle persone più lontano di un corso di un weekend. Se vuoi una panoramica strutturata delle fasi, la pagina come funziona mostra come TokIQ le organizza, e errori comuni di prompt engineering è un buon autocontrollo quando hai le basi.

Domande frequenti

Qual è il modo migliore per imparare il prompt engineering?

Segui un ordine fisso di argomenti, dalle istruzioni chiare e dal contesto agli esempi, al ragionamento, all'output strutturato, al retrieval, agli strumenti e alla sicurezza. Leggi le guide gratuite al prompting di OpenAI, Anthropic e Google, mettiti alla prova su singole decisioni di prompting e costruisci due o tre piccoli progetti con un insieme di input di test.

Quanto tempo serve per imparare il prompt engineering?

Le basi, come dare contesto, specificare il formato e usare esempi, si imparano in poche settimane di pratica regolare. Costruire prompt affidabili per le applicazioni, con test, retrieval e strumenti, richiede mesi di lavoro sul campo.

Posso imparare il prompt engineering gratis?

Sì. Le guide al prompting di OpenAI, Anthropic e Google sono gratuite e di alta qualità, i principali articoli di ricerca sono liberamente disponibili e puoi esercitarti con le versioni gratuite degli assistenti AI.

Serve un certificato per lavorare nel prompt engineering?

In genere i datori di lavoro danno più peso al lavoro dimostrabile, come i prompt che hai costruito e testato su compiti reali, che ai certificati. Un piccolo portfolio di progetti con risultati prima e dopo convince di più.

Cosa conviene imparare per primo nel prompt engineering?

Parti dalle basi: compiti chiari, contesto, formato dell'output ed esempi. Poi passa a ragionamento, output strutturato, retrieval, strumenti e sicurezza, più o meno in quest'ordine.

  • #imparare prompt engineering
  • #guida prompt engineering
  • #percorso di studio
  • #pratica
  • #richiamo attivo

Ora mettiti alla prova

TokIQ trasforma il prompt engineering in brevi quiz, con una spiegazione per ogni risposta.

Presto suApp StoreDisponibile suGoogle Play

Scrivi prompt migliori, poche domande al giorno.

Brevi quiz su vere decisioni di prompting, con una spiegazione per ogni risposta. Gratis per iniziare su iPhone e Android.

Presto suApp StoreDisponibile suGoogle Play