Un buon prompt è conciso ma completo: esprime l'obiettivo, i vincoli, il formato di output atteso e il contesto minimo rilevante fin dall'inizio — in modo che il modello possa rispondere correttamente al primo tentativo invece di forzare un dialogo continuo.
Vague:
"Fix my date function."
→ The model has to guess the language, the bug, and what "fixed" means.
Sharp:
"In this TypeScript function, parseDate returns NaN for 'DD/MM/YYYY' input.
Fix it to parse day-first dates. Return only the corrected function.
function parseDate(s: string) { return Date.parse(s); }"
→ goal (fix day-first parsing), constraint (TypeScript), context (the function),
output format (only the function) — all in four lines.
La versione efficace elimina ogni ipotesi. Il modello conosce il linguaggio, l'errore esatto, il comportamento desiderato e come restituire il risultato — quindi ottieni una risposta utilizzabile immediatamente.
I prompt concisi e ben specificati riducono il lento dialogo ripetitivo dove il modello indovina male e tu lo correggi. Esprimere fin dall'inizio l'obiettivo, i vincoli, il formato di output e il contesto sufficiente fa risparmiare token, tempo e frustrazione — e rende la risposta del modello molto più probabile che sia corretta al primo tentativo.