I modelli di linguaggio di oggi — GPT-5.5, Claude, Gemini, DeepSeek — sono molto più bravi di qualche anno fa a capire richieste vaghe. Ma il salto di qualità vero, quello che separa una risposta «ok» da una risposta davvero utile, sta ancora nel modo in cui formuli la richiesta. Questa guida raccoglie otto tecniche di prompt engineering che usano i professionisti, ciascuna con un esempio copiabile. Non è teoria: sono schemi che puoi applicare oggi, sia nella chat sia via API. Livello: intermedio. Prerequisiti: un account su almeno uno tra ChatGPT, Claude o Gemini (i piani gratuiti bastano per provare quasi tutto).

Prima di tutto: quale modello per quale compito

  • ChatGPT (GPT-5.5): ottimo tuttofare, veloce, forte su scrittura, codice e ricerca; le varianti «Thinking» per ragionamento difficile. Piano gratuito generoso.
  • Claude (Sonnet/Opus): tende a seguire le istruzioni alla lettera ed è molto solido su testi lunghi, analisi di documenti e codice multi-file. Contesto ampio.
  • Gemini: integrato nell'ecosistema Google, contesto molto lungo, comodo per analizzare PDF/video e per chi vive in Workspace.
  • DeepSeek: rapporto qualità/prezzo aggressivo, pesi scaricabili: interessante per chi sviluppa e bada ai costi.

Regola pratica: per scrittura e brainstorming è quasi indifferente; per ragionamento rigoroso scegli un modello «Thinking/Reasoning»; per documenti enormi guarda la finestra di contesto. Le tecniche qui sotto funzionano su tutti.

1. Dai un ruolo e un contesto, non solo un comando

Invece di «scrivi un'email», definisci chi parla, a chi, con quale obiettivo e quali vincoli. Il modello calibra tono, lunghezza e contenuto.

Sei il responsabile assistenza clienti di un'azienda di software gestionale.
Destinatario: un cliente arrabbiato perché un aggiornamento ha rotto una funzione.
Obiettivo: scusarti, spiegare che la correzione esce entro 48 ore, offrire un mese gratuito.
Vincoli: massimo 120 parole, tono umano e diretto, niente gergo tecnico, niente emoji.
Scrivi l'email.

2. Mostra esempi (few-shot)

Per compiti di formato o classificazione, due o tre esempi valgono più di mille spiegazioni. È la tecnica più sottovalutata.

Classifica il sentiment delle recensioni come POSITIVO, NEUTRO o NEGATIVO.
Esempi:
"Spedizione velocissima, prodotto perfetto" -> POSITIVO
"È arrivato, fa il suo lavoro" -> NEUTRO
"Si è rotto dopo due giorni, assistenza assente" -> NEGATIVO
Ora classifica, rispondendo solo con l'etichetta:
"Imballo decente ma il manuale è solo in inglese" ->

3. Chiedi il ragionamento, poi la risposta (chain-of-thought)

Per problemi di logica, matematica, pianificazione: chiedere al modello di ragionare passo passo prima di concludere riduce gli errori. Con i modelli «Thinking» lo fanno già da soli, ma esplicitarlo aiuta comunque, e ti permette di controllare il procedimento.

Un magazzino ha 1.250 pezzi. Ne escono 3 ordini da 180, 215 e 90 pezzi,
poi entra una fornitura pari al 20% della giacenza iniziale.
Ragiona passo passo, mostra i calcoli, e alla fine scrivi "GIACENZA FINALE: X".

4. Imponi un formato di output (anche JSON)

Se la risposta deve essere riusabile da un altro programma o da un foglio di calcolo, chiedi una struttura precisa. Via API, molti modelli hanno una modalità «JSON» o «structured output» che garantisce la sintassi.

Estrai i dati da questo annuncio immobiliare e restituisci SOLO questo JSON,
senza testo prima o dopo:
{"tipo": "", "locali": 0, "mq": 0, "prezzo_euro": 0, "citta": "", "piano": ""}
Se un dato non c'è, lascia il valore vuoto o 0.
Annuncio: [incolla qui]

5. Scomponi i compiti complessi

Un prompt che chiede dieci cose insieme produce risposte mediocri su tutte. Meglio una catena: prima fai produrre una scaletta, poi sviluppi sezione per sezione, poi chiedi una revisione. In chat puoi farlo a turni; via API con più chiamate (è esattamente ciò che fanno gli «agenti»).

Passo 1: proponi 5 titoli e una scaletta in 6 punti per un articolo su [tema].
[dopo aver scelto] Passo 2: scrivi solo l'introduzione (120 parole) e il punto 1.
[poi] Passo 3: rileggi quanto scritto e segnala 3 punti deboli, poi correggili.

6. Fai autocriticare e correggere il modello

Dopo una prima risposta, chiedi: «trova gli errori o le debolezze in ciò che hai scritto, poi riscrivi tenendone conto». Funziona sorprendentemente bene su codice, testi e ragionamenti. Variante «due ruoli»: fagli scrivere come Autore, poi come Revisore severo, poi come Autore che recepisce.

Hai scritto la funzione qui sopra. Ora fai il revisore: elenca bug potenziali,
casi limite non gestiti e problemi di sicurezza. Poi riscrivi la funzione corretta
e spiega in 2 righe cosa hai cambiato.

7. Ancora il modello ai fatti che gli dai

Per ridurre le invenzioni: incolla tu il materiale (testo, dati, documentazione) e ordina di usare solo quello, dichiarando quando un'informazione non c'è. È il principio del RAG, ma vale anche in chat.

Rispondi alla domanda usando ESCLUSIVAMENTE il testo tra i delimitatori.
Se la risposta non è nel testo, scrivi "Non presente nel documento".
Non usare conoscenze esterne. Cita la frase su cui ti basi.
<<<
[incolla qui il documento]
>>>
Domanda: ...

8. Usa i «system prompt» e i delimitatori

Via API (e nelle «istruzioni personalizzate» delle chat) c'è un messaggio di sistema che fissa regole valide per tutta la conversazione: tono, lingua, cosa non fare, formato. Mettici le regole stabili e lascia al messaggio dell'utente solo il compito del momento. E separa sempre le tue istruzioni dai dati dell'utente con delimitatori chiari (<<< ... >>>, o tag tipo <documento>): riduce gli errori e rende più difficile la «prompt injection», cioè istruzioni malevole nascoste dentro un testo che incolli.

// messaggio di sistema
Rispondi sempre in italiano, in modo conciso. Non inventare dati: se non sai, dillo.
Quando ti chiedo codice, includi solo il codice e un commento breve. Mai emoji.

Errori comuni di chi scrive prompt

  • Troppo vago: «fammi un piano marketing». Manca prodotto, budget, canale, obiettivo, vincoli: la risposta sarà generica.
  • Troppe richieste in un colpo: dieci domande → dieci risposte superficiali. Scomponi.
  • Negazioni isolate: «non essere prolisso» funziona male da solo; meglio dare un limite positivo («massimo 150 parole»).
  • Niente formato: se ti serve una tabella o un JSON, dillo, altrimenti otterrai prosa.
  • Fidarsi a scatola chiusa: anche con tecniche perfette il modello può sbagliare. Su numeri, citazioni, leggi e codice: verifica.
  • Riusare un thread infinito: conversazioni lunghissime confondono il modello con contesto vecchio. Per un compito nuovo, apri una chat nuova.

Come continuare

Costruisciti una piccola libreria di prompt che funzionano (un file di testo basta) e affinali nel tempo: il prompt engineering è iterativo, non si «indovina» al primo colpo. Se lavori via API, leggi le guide ufficiali di OpenAI, Anthropic e Google: ognuna ha accorgimenti specifici per i propri modelli (per esempio Claude risponde bene ai tag XML, Gemini gestisce contesti enormi, GPT-5.5 è già tarato per essere conciso). E quando un compito diventa ripetitivo, il passo successivo non è un prompt migliore: è trasformarlo in un'automazione — con uno script o con uno strumento come n8n — in cui il prompt ben fatto diventa un mattone riutilizzabile.