Scrivere prompt di follow-up efficaci

Un prompt di follow-up non è una lamentela: è un segnale correttivo che guida il modello verso un output migliore.

I prompt di follow-up efficaci specificano che cosa non andava e che cosa si desidera ottenere invece. Follow-up vaghi come "Riprovi" o "Non è proprio corretto" non forniscono al modello indicazioni utili.

Imparare un piccolo insieme di pattern per la correzione di rotta consente di risolvere rapidamente quasi ogni tipo di problema dell'output.

Quando una risposta è troppo lunga, prolissa o piena di contenuti superflui, utilizzi pattern per ridurne la lunghezza:

• "Lo renda più breve: punti a 100 parole."
• "Rimuova il paragrafo introduttivo e tutte le frasi superflue."
• "Riassuma quanto sopra in tre frasi."
• "Riduca il testo della metà senza perdere i punti chiave."

La specificità è utile: indicare al modello un numero di parole obiettivo o un elemento preciso da rimuovere è più efficace che limitarsi a dire "più breve".

Quando una risposta è troppo generica o superficiale, utilizzi pattern che aggiungono specificità:

• "Sia più specifico sul modello di prezzo."
• "Fornisca numeri concreti, non percentuali."
• "Si concentri sul caso in cui l'utente sia il titolare di una piccola impresa, non sulle aziende."
• "I consigli sulla sicurezza sono troppo vaghi: indichi la vulnerabilità specifica e come risolverla."

Questi pattern restringono l'attenzione del modello all'aspetto sul quale Lei ha bisogno di maggiore profondità.

Quando una risposta include contenuti che non desidera, utilizzi pattern per rimuoverli:

• "Rimuova la parte relativa al contesto storico: mi interessa solo la situazione attuale."
• "Elimini gli ultimi due punti dell'elenco: sono fuori tema."
• "Riscriva il testo senza il paragrafo finale con le avvertenze."
• "Tagli tutto ciò che viene dopo il terzo punto e termini lì."

Indichi la sezione specifica da rimuovere. Dire "rimuova le parti irrilevanti" è ambiguo: il modello potrebbe non concordare su ciò che è irrilevante.

Quando una risposta è corretta ma astratta, utilizzi pattern per aggiungere esempi:

• "Aggiunga un esempio concreto dopo ogni punto dell'elenco."
• "Illustri il terzo punto con uno scenario realistico."
• "Fornisca un frammento di codice prima/dopo per ogni buona pratica."
• "Aggiunga un controesempio che mostri che cosa NON fare per ogni raccomandazione."

Gli esempi rendono operativi i consigli astratti. Questo pattern è particolarmente utile per i contenuti didattici e le guide pratiche.

Quando una risposta contiene le informazioni giuste ma ha una struttura errata, utilizzi pattern di riformattazione:

• "Riscriva il testo sotto forma di elenco puntato."
• "Lo trasformi in una guida numerata, passo passo."
• "Lo suddivida in sezioni con intestazioni H2."
• "Formatti il testo come tabella comparativa: Funzionalità | Opzione A | Opzione B."

I follow-up di riformattazione mantengono il contenuto e ne modificano soltanto la presentazione. Sono a basso rischio: il contenuto sostanziale è già valido.

Può combinare più pattern di correzione in un singolo prompt di follow-up:

"Riscriva la risposta precedente sotto forma di elenco puntato, rimuova la sezione sul contesto storico e aggiunga un esempio di codice per ogni punto. Mantenga il testo entro le 300 parole."

È più efficiente che inviare quattro messaggi di follow-up separati. Tuttavia, mantenga il follow-up combinato chiaro e leggibile: se diventa complesso, lo divida in due follow-up invece di inviarne uno confuso.

Può automatizzare la correzione tramite follow-up in una pipeline Python aggiungendo istruzioni di correzione alla cronologia della conversazione:

I prompt di follow-up più efficaci fanno riferimento a parti specifiche della risposta precedente. In questo modo si elimina l'ambiguità:

• Debole: "Può migliorare la seconda parte?"
• Efficace: "Nella sezione intitolata 'Considerazioni sulla sicurezza', i consigli sono troppo generici. Riscriva quella sezione includendo tre regole specifiche del firewall."

Citare o nominare una sezione, una frase o un punto specifico costringe il modello a concentrarsi esattamente su ciò che intende.

A volte un pattern di follow-up non produce il miglioramento desiderato. Ecco alcuni segnali di una conversazione bloccata:

• Il modello torna alla stessa struttura dopo due correzioni
• Riconosce la correzione, ma continua a commettere lo stesso errore
• Ogni correzione crea un nuovo problema mentre risolve quello precedente

A questo punto, spesso è più rapido ricominciare da capo con un prompt originale riscritto, invece di continuare a correggere. Affronteremo questa decisione in una lezione successiva.

Poiché i pattern di correzione sono riutilizzabili, vale la pena conservare una piccola libreria personale di frasi di follow-up da utilizzare ripetutamente:

• "Renda il testo più breve: punti a X parole."
• "Aggiunga un esempio concreto per ogni punto."
• "Riscriva il testo come elenco puntato, con un riepilogo di una riga in cima."
• "Rimuova le avvertenze / il contesto storico / i riempitivi introduttivi."
• "Sia più specifico su [X]: fornisca numeri / passaggi / codice concreti."

Conservare queste frasi in un file di testo o in un'app per prendere appunti fa risparmiare tempo in ogni sessione futura.

Lei ha chiesto al modello di scrivere la descrizione di un prodotto per un'app di gestione dei progetti. Il modello ha restituito un saggio di 600 parole sulla storia, la filosofia, le funzionalità principali, i prezzi e il confronto con i concorrenti dell'app. Lei aveva bisogno soltanto di una descrizione di 100 parole delle funzionalità principali per la hero section di un sito web.

Quale prompt di follow-up è più efficace?

I prompt di follow-up sono segnali correttivi, non lamentele. I cinque pattern fondamentali — accorciare, specificare, rimuovere, aggiungere esempi, riformattare — coprono la maggior parte dei problemi dell'output che incontrerà.

I principi fondamentali sono: specifichi che cosa non andava, faccia riferimento alla sezione pertinente e combini più pattern quando necessario. Quando i follow-up non funzionano più, valuti la possibilità di ricominciare da capo.

Nella prossima lezione, farà pratica con conversazioni multi-turno che sviluppano le risposte precedenti invece di correggerle.