Smetti di riscrivere le istruzioni: modelli, personaggi ed esempi in pochi istanti

Chiunque usi regolarmente un modello linguistico ha lo stesso problema archeologico: da qualche parte nella cronologia della chat c'è il prompt che ha prodotto esattamente l'output che volevi, tre settimane fa, e non riesci a trovarlo. Quindi riscrivi un'approssimazione, ottieni qualcosa di simile e aggiusti, ogni volta, per la stessa attività ricorrente. La soluzione non è un ricordo migliore. Significa trattare un prompt che funziona come un artefatto che conservi.

Separa ciò che cambia da ciò che non cambia

Guarda un prompt che esegui settimanalmente e troverai due parti. C'è una parte stabile - il ruolo, i vincoli, il formato di output, le cose che vuoi evitare - e una parte variabile, che di solito è costituita da un documento e due o tre dettagli. Riscrivere ogni volta la parte stabile è da dove viene la deriva: ogni riscrittura è leggermente diversa e non si sa mai se l'output è cambiato perché è cambiato l'input o perché hai riformulato un'istruzione senza volerlo.

Scrivilo invece una volta con i segnaposto. IL modello di richiesta prende un modello con {{placeholder}} marcatori e un elenco di key = value coppie e li compila. Memorizza il modello, fornisci i valori, incolla il risultato. La parte stabile è ora identica in byte ad ogni esecuzione, il che rende significative le differenze di output e, come vantaggio collaterale, mantiene funzionante la memorizzazione nella cache del prompt del provider, poiché la memorizzazione nella cache dipende da un prefisso invariato.

Alcuni segnaposto che vale la pena avere anche quando pensi di non averne bisogno: il pubblico, la durata dell'output, il formato e il tono. Questi sono esattamente i parametri che finisci per correggere in un messaggio di follow-up, e un follow-up costa un viaggio di andata e ritorno extra dell'intera conversazione.

Il blocco della persona

La parte stabile di solito si apre con una descrizione di chi dovrebbe essere il modello. Scritto casualmente, questo si traduce in tre frasi vaghe che fanno meno di quanto si pensa. Scritta deliberatamente, è la parte più efficace del prompt, poiché imposta i valori predefiniti per tutto ciò che non specifichi in seguito.

Ciò che effettivamente aiuta: un ruolo specifico piuttosto che lusinghiero ("un redattore tecnico che taglia il 30% di ogni bozza" batte "un esperto di scrittura di livello mondiale"), il pubblico e il suo livello, un formato di output esplicito e, cosa più sottovalutata, un breve elenco di cose da non fare. I vincoli negativi non sono affascinanti e funzionano: "nessun preambolo, nessun riassunto alla fine, nessun elenco puntato più lungo di cinque elementi" rimuove i tre fastidi più comuni in una riga.

IL Generatore di prompt dei personaggi AI assembla quel blocco da pochi campi, quindi il risultato ha ogni volta la stessa struttura anziché dipendere da cosa ti è venuto in mente. Conserva il blocco assemblato nelle tue note e riutilizzalo come intestazione di ogni modello che condivide un pubblico.

Gli esempi battono gli aggettivi

Quando l'attività è una trasformazione con uno stile specifico (riscrivere risposte di supporto, estrarre campi, classificare ticket, convertire note in un formato interno) le istruzioni si stabilizzano rapidamente. Puoi scrivere tre paragrafi sul tono che desideri e ottenere un risultato quasi corretto in un modo che non riesci ad articolare del tutto. Due esempi funzionanti risolvono immediatamente il problema, perché il modello può vedere la mappatura invece di dedurla dalla descrizione.

La formattazione è importante qui più di quanto le persone si aspettino. Gli esempi necessitano di delimitatori coerenti, etichette coerenti e lo stesso ordine dei campi ogni volta, oppure il modello dedica attenzione all'elaborazione della convenzione anziché del contenuto. IL costruttore di prompt con pochi colpi genera un modello vuoto con blocchi di input/output numerati in modo che la struttura sia fissa prima di iniziare a riempirla, che è esattamente la disciplina che manca agli esempi scritti a mano nel terzo.

Tre regole pratiche. Usa da due a cinque esempi; oltre a ciò stai pagando gettoni per rendimenti decrescenti. Includi un caso limite – un campo vuoto, un input ambiguo, qualcosa che dovrebbe produrre la risposta “Non lo so” – perché gli esempi definiscono i confini tanto quanto il centro. E rendi gli esempi reali: quelli inventati tendono ad essere più ordinati dei dati reali e il modello impara l'ordine.

Quando l'input è più grande della finestra

Un modello sopravvive al contatto con un documento lungo solo se il documento si adatta. In caso contrario, la suddivisione è la risposta, e una suddivisione corretta è una questione di limiti del blocco: un blocco che termina a metà della frase costringe il modello a indovinare, e un blocco che termina a metà del record produce un'estrazione parziale che riporterà con sicurezza come completa.

IL divisore rapido divide il testo in blocchi sequenziali sotto un limite di caratteri impostato, rompendo i limiti ragionevoli e numerando le parti, in modo che ognuno possa uscire con lo stesso blocco di istruzioni allegato. Due cose rendono i risultati notevolmente migliori: dichiarare il totale nell'istruzione di ciascun blocco ("parte 3 di 7, non riassumere fino all'ultima parte") e mantenere l'istruzione identica tra i blocchi anziché modificarla man mano che si procede.

Estrai la tua storia

La migliore fonte di modelli sono le istruzioni che hai già scritto e che hanno funzionato. Le trascrizioni delle chat copiate da un'interfaccia web sono un pasticcio: ruoli interfogliati, artefatti dell'interfaccia utente, timestamp, pulsanti di copia resi come testo vagante - e quel pasticcio è il motivo per cui nessuno li esamina.

IL Analizzatore del registro della chat AI pulisce una trascrizione ChatGPT o Claude incollata in un dialogo utente/assistente ordinato che puoi effettivamente leggere e cercare. Una volta alla settimana, esegui le sessioni che hanno prodotto qualcosa che hai utilizzato, estrai le istruzioni che hanno funzionato e trasformale in modelli. Questa è un'abitudine di quindici minuti che si accumula più velocemente di qualsiasi quantità di consigli di ingegneria tempestiva.

Tratta i prompt come un codice

Tre pratiche a cui le persone prima o poi arrivano e che dovrebbero adottare fin dall’inizio:

• Versione loro. Conserva le richieste nei file, nel repository, accanto al codice che le invia. Un prompt in una pagina wiki è un prompt che nessuno può distinguere.
• Mantieni gli input di test fissi. Tre o quattro documenti rappresentativi da rieseguire ogni volta che si modifica il prompt o il modello. Senza di essi, "la nuova versione sembra migliore" non è falsificabile e ogni aggiornamento del modello è un cambiamento silenzioso del comportamento.
• Registra rispetto a quale modello è stato scritto. Un prompt sintonizzato sulle peculiarità di un modello può comportarsi in modo diverso su quello successivo e sapere per cosa è stato creato ti dice dove guardare quando l'output cambia.

Niente di tutto ciò richiede una piattaforma. Una cartella di file di testo, un modello con segnaposto e l'abitudine di salvare quelli che hanno funzionato supereranno indefinitamente le prestazioni di una cronologia chat non strutturata. Ogni strumento qui menzionato viene eseguito localmente nel tuo browser, quindi i prompt e le trascrizioni che stai organizzando, che di solito contengono materiale del cliente e dettagli interni, rimangono sul tuo computer.