Versionare i prompt e valutare gli output
Tenga traccia delle modifiche ai prompt e valuti le risposte.
Versionare i prompt e valutare gli output è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 2 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 MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Prompts Are Code
A reworded prompt can change behavior overnight. So you treat each prompt as a versioned artifact, with history, review, and the ability to roll back. 📝
Store Prompts, Not Strings
Hard-coded strings scattered in code are impossible to track. Keep prompts in a registry or files so every change is visible and diffable.
prompts/summarize_ticket.v2.txt
prompts/summarize_ticket.v3.txtTag Each Version
Give every prompt a clear version id you can pin in code. Then you always know exactly which wording produced a given output.
PROMPT_VERSION = "summarize-v3"
template = load_prompt(PROMPT_VERSION)Build an Eval Dataset
Collect real inputs with the answers you want. This eval set is your yardstick for judging whether a prompt change actually helped.
cases = [
{"input": "ticket text...", "expected": "Refund requested"},
]Score Against References
For tasks with a known answer, compare output to the expected text. A simple metric like exact match or F1 gives you a fast pass-fail signal.
Use an LLM as Judge
For open-ended text, ask another model to grade the answer against a rubric. This LLM-as-judge pattern scales scoring beyond hand-written rules.
judge_prompt = "Rate 1-5 how well the summary captures the ticket:\n{output}"Watch the Judge Itself
Judges can be biased or inconsistent. You keep them honest by spot-checking scores against a few human ratings on the same cases.
Run Evals on Every Change
Before shipping a new prompt, run it across the whole eval set. You only promote it if the score holds or improves, never on a hunch.
old = run_eval("summarize-v2")
new = run_eval("summarize-v3")
assert new.score >= old.scoreTrack Regressions
A prompt that fixes one case can break another. Comparing per-case results catches these regressions before users ever see them.
Frameworks Help
Tools like promptfoo or OpenAI Evals run datasets, call models, and report scores for you. A framework turns ad-hoc testing into a repeatable suite.
Pin the Winner
Once a version wins on your evals, pin it in production and archive the rest. You now have a clear, auditable trail from prompt to result.
Quick Check
You need to score open-ended summaries with no single correct answer. What fits best?
Recap
You learned to version prompts, build an eval set, score with metrics or an LLM judge, and gate releases on results. No more guessing! 🎉
Domande Frequenti
La lezione «Versionare i prompt e valutare gli output» è gratuita?
Sì — il testo completo di «Versionare i prompt e valutare gli output» 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 MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.
Cosa imparerò in «Versionare i prompt e valutare gli output»?
Tenga traccia delle modifiche ai prompt e valuti le risposte. Eserciti MLOps Academy 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 MLOps Academy?
Non è richiesta alcuna esperienza precedente. MLOps Academy 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 2 di 4.
Quanto tempo richiede la lezione «Versionare i prompt e valutare gli output»?
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 MLOps Academy?
Sì. Ogni lezione MLOps Academy 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
- Come LLMOps differisce dal MLOps classico
- Versionare i prompt e valutare gli output
- Tracciare e monitorare le chiamate LLM
- Guardrail e valutazione RAG