← Torna all'elenco

Best practice ingegneristiche tempestive

Tratta i prompt come codice: dai loro la struttura, la versione, valutali. Di seguito sono elencate sei pratiche sopravvissute a dozzine di percorsi di produzione su Starsg: quelle che hanno costantemente spostato l'ago della bilancia, nell'ordine in cui tendono ad avere importanza.

1. Stabilisci il ruolo e l'obiettivo

Le prime due righe dovrebbero ancorare la prospettiva del modello: chi è, per chi scrive, che aspetto ha il successo. La densità dei termini, il tono e la scelta di cosa includere cadono tutti fuori da quell'ancora: molto più economico che riprendere il modello in un secondo momento con «non troppo verboso» o «non troppo accademico». Un’apertura solida risponde a tre cose: identità, pubblico, obiettivo.

Modello di definizione dei ruoli

text
Sei un ingegnere delle relazioni con gli sviluppatori.
Destinatari: ingegneri backend a proprio agio con le API HTTP ma nuovi ai LLM e ai prezzi basati su token.
Obiettivo: in tre minuti, aiutare il lettore a decidere se vale la pena integrare Starsg e spiegargli il passaggio successivo.
Usa un tono semplice ma professionale. Evita le sciocchezze del marketing.

2. Scrivi l'attività in modo esplicito

«Scrivi una descrizione del prodotto» affida ogni decisione al modello: ogni esecuzione è un'ipotesi. Un'istruzione riutilizzabile ha almeno cinque elementi: azione (scrivere/riassumere/tradurre), oggetto (cosa), pubblico (per chi), tono/stile e lunghezza o forma. Spiegateli e la vostra stabilità di output salirà immediatamente di livello.

❌ Troppo vago

text
Scrivimi una descrizione del prodotto.

✅ Tutti e cinque gli elementi

text
In parole ~200, per gli ingegneri di backend, introdurre tre differenziatori di Starsg (gateway unificato, fatturazione per chiave, fallback multi-modello). Tono: professionale e sobrio. Evita parole come «potenziare» o «prossima generazione». Concludi con un invito concreto all'azione.

3. Fornire contesto ed esempi (pochi scatti)

Quanto più astratto è il requisito, tanto più gli esempi guadagnano terreno. Da una a tre coppie «input → output atteso» valgono dieci righe di spiegazione. Il Few-shot è particolarmente decisivo quando il formato è fisso (classificazione, estrazione, JSON), quando lo stile è difficile da descrivere a parole o quando il dominio ha le sue convenzioni (legali, mediche, sistemi interni). Fai in modo che gli esempi coprano la distribuzione reale, non solo i casi facili.

Esempio di estrazione a pochi colpi

text
Dal testo del ticket di supporto riportato di seguito, estrai tre campi: «type / scope / severity». Uscita solo JSON.

Esempio 1:
Input: gli utenti segnalano errori di accesso nella regione di Guangzhou; il supporto telefonico è sovraccarico.
Uscita: {"type":"login","scope":"Guangzhou region","severity":"P1"}

Esempio 2:
Input: un conto di prova mostra il saldo sbagliato; è interessato solo il QA interno.
Risultato: {"type":"account","scope":"internal QA","severity":"P3"}

Ora procedi:
Input: il gateway Pechino API restituisce 502; tutti gli utenti paganti sono interessati.

4. Vincolare il formato di output

Tutto ciò che consuma un sistema a valle deve essere analizzabile. JSON? Fornire uno schema e note sul campo. Lista? Appunta il conteggio e la forma per articolo. Lunghezza del cappuccio? Dillo così. Aggiungi una clausola del tipo «se manca il campo, impostalo su null - non inventare» e ridurrai sensibilmente le allucinazioni.

Vincolo di uscita JSON

text
Converti il curriculum qui sotto in JSON, rispettando rigorosamente questo schema:
{
  "name": string,
  "yearsOfExperience": number,
  "skills": string[],     // at most 5, lowercase
  "summary": string        // <= 60 words
}
Se la fonte non menziona un campo, impostalo su null: non inventare. Output solo JSON, senza testo circostante.

5. Scomporre compiti complessi (con catena di pensiero)

Chiedere a un modello di «analizzare + pianificare + produrre» in un colpo solo di solito perde i dettagli o considera il ragionamento come la risposta finale. Due opzioni: lasciargli pensare passo dopo passo internamente o suddividere tu stesso il lavoro in più turni. Per i flussi di lavoro verificabili preferiamo quest'ultimo: mantieni tutti gli elementi intermedi in modo da poter individuare successivamente quale passaggio non è riuscito.

Modello passo dopo passo

text
Ti darò le specifiche del prodotto. Elaboralo in tre passaggi e separa ciascuno con un'intestazione ##:

##1. Informazioni chiave
Elenco puntato: utente di destinazione, scenario principale, funzionalità indispensabili, elementi esplicitamente fuori dall'ambito.

##2. Rischi e punti poco chiari
Elenca qualsiasi cosa ambigua o contraddittoria nelle specifiche, una frase ciascuno.

##3. Prossimi passi
Assegnare al Primo Ministro tre azioni successive concrete ed eseguibili, ordinate per priorità.

Specifica:
<<<

>>>

6. Iterare e valutare

I buoni suggerimenti non vengono scritti, vengono ripetuti. Costruisci un set di valutazione fisso (casi 20–50 che coprano normale + bordo + avversario). Eseguilo a ogni modifica richiesta e registra il tasso di successo, la durata media e il costo del token. Trasforma i tuoi suggerimenti come codice: ogni modifica ha una ragione e una linea di base di regressione, no "questa volta sembra meglio".

Lista di controllo di valutazione
  • Set di dati fisso che copre casi normali, limite e contraddittori.
  • Cambia una variabile per iterazione (istruzione, conteggio degli esempi, vincolo di formato), altrimenti l'attribuzione è confusa.
  • Tieni traccia del tasso di successo/token medi/modalità di errore per versione in un unico foglio.
  • Testare diversi modelli: lo stesso messaggio spesso si comporta in modo molto diverso su Claude / GPT / Gemini.
ChiusuraNessuno dei sei è una soluzione miracolosa, ma messi insieme costituiscono il divario tra «pronti per la produzione, trasferibili, debuggabili» e «una specie di lavoro». Applica prima le sezioni 1, 2 e 4: sentirai immediatamente il cambiamento di stabilità. Quindi aggiungi pochi colpi e valutazione e la tua pratica tempestiva si trasforma da mestiere in ingegneria.