Le strategie di prompt engineering sono fondamentali per ottenere gli output previsti e massimizzare il rendimento del modello. Questa pagina fornisce una panoramica delle strategie di prompt chiave per interagire con i modelli di AI generativa, in particolare Gemini.
Per saperne di più sulle strategie di prompt, consulta la sezione Panoramica delle strategie di prompt nella documentazione di Google Cloud .
Concetti fondamentali della progettazione dei prompt
Un prompt è l'input principale di un modello di AI generativa, che gli indica di produrre un output specifico. I prompt possono variare da singole query a istruzioni complesse in più parti che incorporano contesto, esempi e requisiti di formattazione specifici per l'output.
Di seguito sono riportate alcune considerazioni chiave per prompt efficaci:
- Fornisci istruzioni chiare e specifiche: quando progetti i prompt, è fondamentale essere chiari e specifici su ciò che vuoi che il modello faccia. Prompt ambigui o vaghi possono portare a risultati imprevisti e potenzialmente irrilevanti. Ad esempio, invece di chiedere "Scrivi una poesia", un prompt più specifico potrebbe essere "Scrivi una breve poesia sulla bellezza della natura nello stile di Robert Frost". Inoltre, fornire un contesto aiuta il modello a comprendere l'attività prevista e a generare risposte pertinenti.
- Suddividi le attività complesse: per le attività complesse, spesso è utile suddividere il prompt in attività secondarie più piccole e gestibili. Questa strategia consente al modello di concentrarsi su un aspetto alla volta e può portare a risultati più accurati e coerenti. Ad esempio, se vuoi che il modello scriva una storia, puoi suddividerla in prompt per generare separatamente i personaggi, l'ambientazione, la trama e i dialoghi.
- Sperimenta e itera con i risultati: la progettazione dei prompt è spesso un processo iterativo. Puoi sperimentare approcci, formulazioni e parametri diversi per trovare il risultato migliore per le tue esigenze. Questo processo prevede di provare diverse lunghezze del prompt, riformulare le istruzioni o modificare l'impostazione della temperatura del modello, che controlla la casualità dell'output. Valori di temperatura più elevati producono output più creativi e imprevedibili, mentre temperature più basse generano risposte più deterministiche e mirate.
Tecniche di prompt di base
Puoi utilizzare diverse tecniche per ottimizzare i prompt ed estrarre il comportamento previsto dai modelli di AI generativa.
La tabella seguente mostra i metodi di prompt essenziali per i modelli di IA generativa:
| Metodo di richiesta | Descrizione | Prompt di esempio |
|---|---|---|
| Prompt zero-shot | Esegui query direttamente sul modello senza esempi specifici, facendo affidamento sulle sue conoscenze preaddestrate e sulla sua capacità di generalizzazione. Efficace con dati di addestramento diversi e completi. | Translate "Hello, how are you?" into French. |
| Prompt few-shot | Fornisci alcuni esempi nel prompt per guidare l'output del modello, mostrando il formato o il pattern previsto per una maggiore precisione. | Translate the following sentences into Spanish: "My name is Alice." = "Me llamo Alice." / "I like to read." = "Me gusta leer." / "Where is the library?" = |
| Prompt dei ruoli | Assegna un ruolo specifico al modello (ad esempio "assistente utile" o "editor professionista") per influenzare il tono, lo stile e i contenuti, allineando l'output a quella persona. | You are a seasoned journalist. Write a brief news report on the latest advancements in renewable energy. |
| Prompt con istruzioni | Indica in modo chiaro ed esplicito l'attività o l'azione prevista utilizzando un linguaggio conciso e inequivocabile, specificando i requisiti di output, i vincoli e le esigenze di formattazione. | Summarize the following text into a three-sentence paragraph, focusing on the key arguments and conclusions: ... |
Strategie di prompting avanzate
Oltre alle tecniche di base, utilizza strategie più avanzate per perfezionare ulteriormente gli output:
- Chain-of-thought prompting: incoraggia il modello a pensare passo dopo passo fornendo una serie di passaggi di ragionamento intermedi come parte del prompt. Questa strategia può essere utile per le attività che richiedono ragionamento logico o risoluzione dei problemi. Ad esempio, se chiedi al modello un problema di matematica, includi una serie di prompt che lo guidino attraverso i passaggi per risolvere il problema.
- Fondatezza: fornisci al modello informazioni o conoscenze esterne per migliorare la sua comprensione e le sue capacità di generazione di risposte. Questo processo consente al modello di accedere a documenti, database o API pertinenti. Grazie alla fondatezza del modello, puoi migliorarne l'accuratezza, l'oggettività e la capacità di generare risposte più informate. Ad esempio, se vuoi che il modello risponda a domande su un argomento specifico, fornisci un articolo o un documento di ricerca pertinente come base.
- Retrieval-Augmented Generation (RAG): utilizza il modello per recuperare informazioni pertinenti da una knowledge base o da una fonte esterna. Quindi, incorpora queste informazioni recuperate nel prompt per guidare la generazione della risposta. La RAG può essere utile per attività che richiedono l'accesso a una grande quantità di informazioni o conoscenze, come la risposta a domande o il riepilogo di documenti.
Considerazioni principali
Quando progetti un prompt ben strutturato, tieni presente quanto segue:
- Punta alla chiarezza e alla concisione. Sebbene i prompt dettagliati possano essere utili, i prompt eccessivamente lunghi o complessi confondono il modello.
- Comprendere le caratteristiche specifiche del modello che utilizzi per creare prompt efficaci.
- Evita di fare affidamento sui modelli per generare informazioni fattuali.
- Utilizzalo con attenzione per problemi di matematica e logica.