IT
AccediInizia ora
Glossario

Metaprompt

Che cos’è Metaprompt?

Un metaprompt è un’istruzione con cui si chiede a un modello linguistico di redigere o migliorare autonomamente prompt o istruzioni di sistema. Si descrivono obiettivo, pubblico e tono desiderato e si forniscono esempi; il modello formula istruzioni strutturate con ruolo, regole e limiti. Si ottengono così più rapidamente buone prime versioni, che vengono poi testate e affinate da persone. Esempio: da “assistenza clienti per un negozio di biciclette” nasce una bozza completa di istruzioni.

Come aiuta KI.ordo

Il modello KI.ordo “Scrivere istruzioni per un agente (metaprompt)” crea nuove istruzioni a partire da obiettivo, pubblico ed esempi, comprese le regole su ciò che l’agente non deve fare.

Scopri di più →: Metaprompt

Modelli adatti

Temi

  • prompting
  • agenti
  • istruzioni

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo
← Tutti i termini

Termini correlati

Prompt

Un prompt è l'input con cui si dice a un modello di IA che cosa fare: una domanda, un compito o un'istruzione, spesso con contesto, esempi e formato desiderato. La qualità della risposta dipende molto da quanto il prompt è chiaro e completo. Ad esempio, invece di «Scrivi qualcosa sul nostro prodotto», meglio «Scrivi tre brevi vantaggi del prodotto X per le imprese artigiane, con tono oggettivo».

  • prompting
  • input
  • +1
Modello

Prompt negativo

Un prompt negativo stabilisce che cosa un modello di IA non deve esplicitamente generare o fare. Nella generazione di immagini, ad esempio con Stable Diffusion, è un campo di input separato per elementi indesiderati come “sfocato” o “testo nell’immagine”. Nei modelli linguistici si tratta di regole nelle istruzioni, ad esempio “Non inventare prezzi” o “Non fornire consulenza legale”. Questi limiti rendono i risultati più prevedibili, ma non sostituiscono la verifica.

  • prompting
  • istruzioni
  • +1

Prompting ricorsivo

Il prompting ricorsivo indica tecniche in cui l'output di un modello linguistico viene riutilizzato come nuovo input, ad esempio per far rivedere e migliorare una bozza o per scomporre passo dopo passo un compito grande in sottocompiti. Esempio: prima nasce la bozza di un'offerta, poi il modello la valuta con una checklist, infine la migliora. Spesso aumenta la qualità, ma richiede tempo di calcolo aggiuntivo e un chiaro criterio di arresto.

  • prompting
  • revisione
  • +1

Few-shot learning

Il few-shot learning è la capacità di un modello di svolgere un compito partendo da pochi esempi. Con i modelli linguistici avviene di solito direttamente nell’input: si mostrano due o tre coppie di domanda e risposta desiderata, e il modello applica formato e stile ai nuovi casi, senza ulteriore addestramento. Esempio: tre richieste di clienti classificate correttamente spesso bastano perché le successive vengano ordinate con lo stesso schema.

  • Prompting
  • Esempi
  • +1