Sviluppare le risposte precedenti
Conversazioni multi-turno: fare riferimento all'output precedente nei prompt successivi
Sviluppare le risposte precedenti è una lezione AI Prompt Engineering gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento AI Prompt Engineering, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso AI Prompt Engineering include 4 lezioni in totale.
Conversazioni multi-turno
Una conversazione multi-turno con un modello di IA è uno sviluppo collaborativo: ogni scambio aggiunge qualcosa di nuovo invece di sostituire ciò che è stato detto prima.
È diverso dall'utilizzare prompt di follow-up per correggere gli errori. Sviluppare le risposte precedenti significa usare l'output precedente del modello come materiale di partenza: ampliarlo, selezionarne alcune parti, ricombinarle o applicarvi una nuova prospettiva.
Padroneggiare questo pattern consente di produrre output complessi e stratificati, impossibili da ottenere con un singolo prompt.
Fare riferimento all'output precedente
Il modello di costruzione più semplice consiste nel fare riferimento a ciò che il modello ha appena scritto:
- "Basandosi su ciò che ha scritto sopra, quali sono i tre rischi maggiori?"
- "Prenda il framework che ha descritto e lo applichi a un contesto sanitario."
- "Usando il tono dell'ultima risposta, riscriva questo nuovo paragrafo."
- "Dall'elenco che ha generato, quale elemento metterebbe al primo posto e perché?"
Questi riferimenti mantengono il modello ancorato al proprio lavoro precedente, creando continuità tra i vari turni.
Selezionare ed espandere
Quando il modello produce un elenco o una serie di opzioni, può selezionare un elemento e chiederne un approfondimento:
- "Prenda la seconda opzione del suo elenco e la sviluppi in un piano completo."
- "Il terzo approccio è quello che preferisco. Scriva una guida all'implementazione di 300 parole."
- "L'opzione B è quella che si avvicina di più a ciò di cui ho bisogno. La sviluppi ulteriormente con passaggi e tempistiche specifiche."
Questo modello è molto efficace nei flussi di lavoro di ideazione: generare opzioni in un turno, quindi selezionarle e svilupparle nel successivo.
Usare la struttura di una risposta precedente
Può chiedere al modello di applicare a nuovi contenuti la struttura di una risposta precedente:
- "Usando la stessa struttura della sua ultima risposta, analizzi il concorrente B."
- "Applichi lo stesso formato in cinque sezioni a questo nuovo prodotto."
- "Segua lo schema che ha creato sopra, ma lo compili per un pubblico B2B invece che B2C."
Questo è estremamente utile per creare documenti coerenti e paralleli — report, confronti e analisi che devono seguire lo stesso modello per più soggetti.
Approfondimento iterativo: andare più a fondo a ogni turno
Le conversazioni su più turni consentono di aumentare progressivamente il livello di approfondimento:
- Turno 1: "Mi fornisca una panoramica di alto livello delle pipeline di machine learning."
- Turno 2: "Approfondisca la fase di pre-elaborazione dei dati."
- Turno 3: "Fornisca un esempio di codice Python per gestire i valori mancanti in quella fase di pre-elaborazione."
- Turno 4: "Ora aggiunga la gestione degli errori e il logging a quell'esempio di codice."
Ogni turno esamina il tema a un livello di dettaglio maggiore. È un approccio più controllato rispetto a chiedere tutto in una volta con un unico prompt complesso.
Fare riferimento a più turni precedenti
Nelle conversazioni più lunghe, può riunire elementi provenienti da diversi turni precedenti:
- "Combini le personas degli utenti del turno 2 con le funzionalità del prodotto del turno 4 per scrivere un pitch mirato per ogni persona."
- "Prenda i rischi individuati in precedenza e le strategie di mitigazione della sua ultima risposta e crei una matrice dei rischi."
Questo funziona al meglio quando ogni turno precedente ha prodotto un contenuto distinto e chiaramente etichettato. Turni precedenti disorganizzati rendono i riferimenti incrociati confusi sia per Lei sia per il modello.
Limiti della finestra di contesto
Le conversazioni su più turni hanno un limite pratico: la finestra di contesto del modello. Ogni messaggio — il Suo e quello del modello — viene incluso nel contesto inviato all'API. Man mano che la conversazione si allunga, i messaggi meno recenti possono essere troncati.
Strategie pratiche:
- Riassuma e comprima i turni precedenti quando non servono più nei loro dettagli completi
- Avvii una nuova conversazione quando l'argomento cambia sostanzialmente
- Mantenga concise le singole risposte, così il modello potrà vedere più messaggi indietro
Gestire il contesto su più turni nel codice
In Python, mantiene il contesto su più turni aggiungendo ogni coppia di messaggi alla lista della cronologia della conversazione:
import openai
client = openai.OpenAI(api_key='sk-...')
conversation = []
def chat(user_message):
conversation.append({'role': 'user', 'content': user_message})
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=conversation
)
reply = response.choices[0].message.content
conversation.append({'role': 'assistant', 'content': reply})
return reply
# Turn 1: Generate options
print(chat('Give me 3 app name ideas for a meditation app.'))
# Turn 2: Select and expand
print(chat('Take the second option and write a tagline and a 50-word app description for it.'))
# Turn 3: Apply structure to another item
print(chat('Now do the same for the first option: tagline and 50-word description.'))Specificare chiaramente i riferimenti
Quando fa riferimento a un output precedente, sia preciso su ciò che intende. I riferimenti vaghi inducono il modello a fare supposizioni:
- Vago: "Approfondisca ciò che ha detto prima."
- Chiaro: "Approfondisca il terzo punto elenco della sua risposta precedente, quello relativo alle difficoltà durante l'onboarding."
Se una risposta precedente aveva più sezioni, indichi la sezione. Se conteneva un elenco, faccia riferimento al numero dell'elemento. Più precisamente individua il riferimento, più affidabilmente il modello lo seguirà.
Costruire documenti per fasi
La costruzione su più turni è ideale per creare documenti strutturati come report, piani o proposte:
- Turno 1: Generare lo schema
- Turno 2: Scrivere la sezione 1
- Turno 3: Scrivere la sezione 2, mantenendo il tono della sezione 1
- Turno 4: Scrivere il riepilogo esecutivo basandosi sulle sezioni 1 e 2
Questo approccio per fasi consente di controllare ogni sezione prima di passare alla successiva e di modificare la direzione a metà del documento senza perdere tutto.
Quando la costruzione fallisce: perdere il filo
La costruzione su più turni può andare storta quando il modello perde di vista il contesto precedente. Segnali che indicano che ha perso il filo:
- Il modello contraddice qualcosa che aveva detto due turni prima
- Ignora un vincolo stabilito all'inizio della conversazione
- Torna a fornire consigli generici invece di seguire il framework specifico costruito
Soluzione: riformuli esplicitamente il contesto chiave nel messaggio successivo invece di dare per scontato che il modello lo ricordi. "Come abbiamo stabilito, il pubblico è composto da dirigenti non tecnici. Tenendo presente questo..."
Verifica delle conoscenze: costruzione su più turni
Ha una conversazione di tre turni. Il turno 1 ha prodotto uno schema in cinque sezioni per un report aziendale. Il turno 2 ha prodotto il testo completo della sezione 1 (Analisi di mercato). Ora desidera che la sezione 2 (Panorama competitivo) segua la stessa struttura e lo stesso tono della sezione 1.
Quale prompt del turno 3 è più efficace?
Riepilogo: costruire sulle risposte precedenti
Le conversazioni su più turni sono un modo efficace per costruire progressivamente output complessi. Le tecniche principali sono: fare riferimento all'output precedente indicandone il nome o il numero, selezionare ed espandere elementi specifici, applicare a nuovi contenuti la struttura di una risposta e aumentare progressivamente il livello di approfondimento a ogni turno.
Specificare con precisione i riferimenti e conoscere i limiti della finestra di contesto sono le competenze principali per evitare che le conversazioni su più turni perdano coerenza.
Nella lezione successiva imparerà quando abbandonare una conversazione e iniziarne una nuova invece di continuare a costruire su quella esistente.
Impara AI Prompt Engineering con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 53
- Lezioni
- 199
Domande Frequenti
La lezione «Sviluppare le risposte precedenti» è gratuita?
Sì — il testo completo di «Sviluppare le risposte precedenti» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso AI Prompt Engineering, passa a CoddyKit PRO. Il corso AI Prompt Engineering include 4 lezioni in totale.
Cosa imparerò in «Sviluppare le risposte precedenti»?
Conversazioni multi-turno: fare riferimento all'output precedente nei prompt successivi Eserciti AI Prompt Engineering con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare AI Prompt Engineering?
Non è richiesta alcuna esperienza precedente. AI Prompt Engineering su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Sviluppare le risposte precedenti»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione AI Prompt Engineering?
Sì. Ogni lezione AI Prompt Engineering include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Leggere e valutare gli output dell'IA
- Scrivere prompt di follow-up efficaci
- Sviluppare le risposte precedenti
- Quando perfezionare o ricominciare da capo