Quando un prompt fa un punteggio basso, l'istinto è riscriverlo da capo. È la strada lenta, e di solito scambia un prompt debole con un altro prompt debole. La strada veloce è meccanica: si trova il singolo criterio portante più basso, si fa un'unica modifica mirata, si ri-valuta e si ripete. Qui sotto portiamo un prompt reale da 2.1 a 4.0 in quattro passaggi, sistemando esattamente un criterio per volta, e l'ultima abilità è sapere quando fermarsi prima di ingegnerizzarlo troppo. È la versione ripetibile del ciclo che avevamo promesso nella rubrica in 3 minuti.
Lo sbaglio è rincorrere il numero complessivo
Un punteggio non è un voto da massimizzare, ma una diagnosi che indica la parte portante più debole del prompt. Se lo tratti come un voto, vanno storte due cose. La prima: riscrivi tutto in una volta, cambi cinque variabili e non riesci più a capire quale modifica abbia aiutato, così sei di nuovo a fare debug con una slot machine. La seconda: insegui il 5 su ogni criterio, anche quelli che il compito non richiede, e gonfi il prompt di esempi e impalcature di ragionamento che peggiorano la risposta invece di migliorarla.
La disciplina è l'opposto della riscrittura totale. Cambiamo una cosa sola, il criterio portante più basso, e misuriamo: se il numero si è mosso la teniamo, se non si è mosso abbiamo comunque imparato qualcosa sul compito. In ogni caso non stiamo mai tirando a indovinare.
L'ordine conta perché i criteri non pesano allo stesso modo. Chiarezza, contesto e struttura valgono il doppio, quindi portare il contesto da 1 a 4 rende più che spingere i few-shot da 1 a 5, anche se sulla carta sono entrambi un salto di quattro punti. Sistemare per primo il criterio portante più basso è semplicemente l'intervento a più alto impatto disponibile a ogni passaggio. Il modello Prompt Score completo riporta i pesi esatti, ma la scorciatoia regge: parti dall'alto della lista dei portanti, sciogli i pareggi da sinistra a destra e passa oltre solo quando il numero conferma la modifica.
Il ciclo
Cinque passaggi, e solo due comportano scrittura.
Valuta il prompt sui sei criteri (la rubrica richiede circa tre minuti).
Trova il criterio portante più basso. Chiarezza, contesto e struttura pesano di più, quindi un 1 lì costa più di un 1 sui few-shot; i pareggi vanno al criterio che viene prima nella lista.
Fai un'unica modifica mirata che riguardi solo quel criterio, senza toccare il resto.
Ri-valuta, per confermare che il numero si è mosso e che nient'altro è peggiorato.
Salva la versione con il suo punteggio, così la salita resta visibile in seguito.
I tuoi prompt possono migliorare. Promptimizer li riscrive e li testa automaticamente.
Il ciclo di correzione del prompt: valuta, trova il criterio portante più basso, fai una modifica, ri-valuta, salva
Il ciclo. Ogni passaggio cambia esattamente un criterio, così sai sempre cosa ha mosso il numero. Il passo di salvataggio trasforma una correzione una tantum in una storia visibile.
Quattro passaggi, da 2.1 a 4.0
Ecco un prompt che un piccolo team ha davvero mandato a una casella di supporto:
Rispondi a questo cliente che chiede un rimborso.
Valutato a freddo, si ferma a 2.1: chiarezza 3, contesto 1, TCOF 3, ruolo 2, few-shot 1, chain-of-thought 2 (i primi tre pesati il doppio). Il criterio portante più basso è il contesto, a 1, e quindi è da lì che partiamo.
Passaggio 1, sistemare il contesto (da 1 a 4), punteggio 2.8. Il modello non ha idea di cosa sia stato comprato, di quale sia la politica di rimborso, né del perché il cliente stia scrivendo. Glielo diamo: "Il cliente ha acquistato il piano Pro annuale 40 giorni fa e chiede il rimborso perché ha dimenticato di disdire dopo la prova. La nostra politica prevede il rimborso totale entro 30 giorni, poi un rimborso proporzionale." Per ora non tocchiamo altro. La ri-valutazione conferma che il solo contesto ha alzato il prompt di sette decimi, il che ha senso: era il criterio portante più sottopeso, quindi aveva più margine per spostare il totale.
Passaggio 2, sistemare la chiarezza (da 3 a 5), punteggio 3.2. "Rispondi" resta vago: accettare o rifiutare, quanto lungo, che tono. Lo rendiamo esplicito: "Rifiuta il rimborso totale con garbo, offri l'importo proporzionale, resta entro quattro frasi, con un tono caldo e non difensivo."
Passaggio 3, sistemare la struttura TCOF (da 3 a 5), punteggio 3.7. A questo punto il prompt è un blocco unico. Lo dividiamo in Task, Contesto, Output e Format, così il modello smette di indovinare i confini: stesse informazioni, quattro blocchi etichettati.
Passaggio 4, aggiungere un ruolo (da 2 a 5), punteggio 4.0. Un assistente generico scrive risposte generiche. Nominiamo il ruolo: "Sei un responsabile senior del customer support che protegge la relazione senza creare un precedente sulla politica aziendale." Una riga, e il registro si sposta.
Il punteggio che sale da 2.1 a 4.0 lungo quattro passaggi, un criterio sistemato per volta
Le tecniche che stai leggendo funzionano. Testa subito i tuoi prompt con Prompt Score e vedi il punteggio in tempo reale.
La salita. Quattro passaggi, un criterio ciascuno: prima il contesto, poi la chiarezza, poi la struttura, infine il ruolo. Siccome a ogni passaggio cambia una cosa sola, ogni scatto del numero è attribuibile.
Il prompt finito:
[Ruolo] Sei un responsabile senior del customer support che protegge la relazione senza creare un precedente sulla politica aziendale.
[Task] Rispondi a un cliente che chiede un rimborso. Rifiuta con garbo il rimborso totale e offri l'importo proporzionale.
[Contesto] Il cliente ha acquistato il piano Pro annuale 40 giorni fa e ha dimenticato di disdire dopo la prova. Politica: rimborso totale entro 30 giorni, proporzionale dopo.
[Output] Quattro frasi, tono caldo e non difensivo, con la cifra proporzionale e un passo successivo chiaro alla fine.
[Format] Corpo dell'email in testo semplice, senza oggetto, senza elenchi puntati.
Quando la modifica non muove il numero
A volte sistemi il criterio più basso e il punteggio si sposta appena. È un'informazione, non un fallimento. O il criterio non era il vero collo di bottiglia, e allora ri-valuti e passi al successivo più basso, oppure è il compito stesso a essere sottospecificato in un modo che la rubrica non può vedere. Un prompt che chiede al modello di "prevedere quali clienti abbandoneranno il prossimo trimestre" può fare un pulito 5 sulla struttura e fallire lo stesso, perché il compito ha bisogno di dati che il prompt non può trasportare. Quando una correzione ben mirata smette di muovere il numero, di solito è il segnale che il problema ha lasciato il prompt ed è passato al compito: smetti di limare le parole e va' a cercare l'informazione che manca. È anche il momento di chiederti se questo prompt ha davvero bisogno di un eval, o se un punteggio strutturale basta ancora.
Dove fermarsi
Il prompt finito fa 4.0, non 5.0, ed è il punto giusto in cui fermarsi. I few-shot sono ancora a 1 e il chain-of-thought a 2, di proposito. Una risposta di rimborso da quattro frasi non ha bisogno di esempi svolti, e non ha bisogno di un'impalcatura di ragionamento; spingere in alto quei due aggiungerebbe lunghezza e abbasserebbe la qualità della risposta.
Prima e dopo: i sei criteri al passaggio 0 rispetto al prompt finito, con few-shot e chain-of-thought lasciati bassi di proposito
Prima e dopo. I tre criteri portanti sono saliti in cima, e il ruolo li ha seguiti. Few-shot e chain-of-thought sono rimasti bassi per scelta, perché il compito non dipende da loro.
È la parte che sfugge a molti. L'obiettivo non è il 5 su ogni riga, ma il 5 sui criteri da cui il compito dipende davvero. Ci fermiamo quando i criteri portanti sono coperti e i valori bassi rimasti sono quelli di cui il compito genuinamente non ha bisogno. Una risposta di rimborso che fa 4.0 con due bassi voluti è finita.
La forma dello stop è specifica del compito, ed è proprio per questo che "portare ogni criterio a 5" è l'obiettivo sbagliato. Un prompt di estrazione dati vive o muore sui few-shot: due o tre coppie input-output etichettate lo spostano più di qualsiasi role-play, quindi uno buono potrebbe stare a 5 sui few-shot e a 2 sul ruolo. Un prompt di analisi a più passaggi ha bisogno del chain-of-thought che una risposta di rimborso può saltare. Leggi su quali criteri il compito si appoggia, porta quelli in cima e lascia il resto dov'è.
Lascia che sia lo strumento a girare il ciclo
Il ciclo è meccanico, ed è esattamente questo a renderlo degno di automazione. Valutare, trovare il criterio più debole e ri-valutare dopo ogni modifica è lavoro ripetitivo, e il lavoro ripetitivo è dove la coerenza si perde quando lo fai a mano alla fine di una giornata lunga.
Keep My Prompts gira il ciclo al posto tuo: valuta il prompt, e Quick Optimize o Deep Optimize propongono la riscrittura mirata, poi ri-valutano così vedi il numero muoversi prima di tenere la modifica. Ogni versione è salvata con il suo punteggio, quindi la salita da 2.1 a 4.0 è una storia visibile e non qualcosa da ricordare a memoria. In un team la salita salvata mette anche fine alle discussioni: "il prompt è passato da 2.1 a 4.0" è un fatto, non un'opinione, e la persona successiva vede esattamente quale criterio ha sistemato ogni passaggio invece di rimettere in discussione le parole. Se preferisci non partire affatto da un punteggio basso, la libreria di template è piena di prompt che stanno già nei 4, costruiti sugli stessi sei criteri.
La disciplina
Sistemare un prompt debole non è questione di ispirazione o di riscrittura totale. È un ciclo: valuta, sistema il criterio portante più basso, ri-valuta, salva. Fanne qualche passaggio e fermati quando i criteri da cui il compito dipende sono coperti. I prompt che salgono da 2 a 4 non sono quelli che qualcuno ha riscritto in un lampo di intuizione, ma quelli che qualcuno ha misurato, cambiato di un criterio e misurato di nuovo.
