Secondo gli sviluppatori di Anthropic, risultati IA migliori partono dai tuoi punti ciechi, non da prompt più lunghi
Uno sviluppatore di Anthropic condivide alcune tecniche per lavorare con Fable 5 e rivela che l’azienda ha tagliato l’80 percento del prompt di sistema di Claude Code, perché i modelli più recenti richiedono meno istruzioni.
Se i risultati della tua IA continuano a essere quasi, ma non del tutto, corretti, il problema potrebbe non essere più l’IA. Lo sviluppatore di Anthropic Thariq Shihipar sostiene che, con Fable 5, il modello più recente di Claude, la qualità dell’output sia limitata soprattutto da qualcosa che il modello non può vedere: ciò che non hai pensato di menzionare.
Shihipar divide in quattro categorie ciò che porti in un prompt. Le certezze note sono ciò che si trova nel prompt. Le incognite note sono le domande aperte di cui sei consapevole. Le certezze ignote sono gli aspetti che per te sono talmente ovvi da non pensare mai di metterli per iscritto. Poi c’è la categoria pericolosa: le incognite ignote, ovvero le considerazioni alle quali non hai pensato affatto. La sua osservazione: essere troppo specifici è dannoso quanto essere troppo vaghi. Prompt eccessivamente dettagliati vincolano il modello a un piano difettoso; quelli vaghi producono impostazioni predefinite e generiche del settore, inadatte al tuo caso.
La soluzione proposta consiste nell’usare l’IA per individuare le tue lacune prima che inizi il vero lavoro. Durante un «passaggio sui punti ciechi», chiedi letteralmente a Claude di identificare ciò che ti manca. Per esempio: «Non so nulla dei moduli di autenticazione in questa base di codice. Puoi fare un passaggio sui punti ciechi per aiutarmi a formulare meglio il prompt?». Shihipar consiglia anche interviste strutturate, Claude ti pone domande una alla volta, cominciando da quelle che cambierebbero l’intero approccio, e rapide sessioni di brainstorming con diversi prototipi radicalmente differenti sui quali esprimere una reazione.
Che cosa c’è dietro? Non è soltanto il metodo di lavoro di un singolo sviluppatore: riflette un cambiamento nel modo in cui Anthropic stessa guida i propri modelli. Durante un recente intervento a una conferenza, Shihipar ha rivelato che l’azienda ha tagliato l’80 percento del prompt di sistema di Claude Code, cioè le istruzioni permanenti che lo strumento fornisce al modello. I modelli più recenti «vogliono un prompt di sistema più piccolo», ha detto, e gli esempi «tendono a limitarli perché in realtà sono più fantasiosi degli esempi che forniamo». Per anni il consiglio era: più istruzioni, più esempi. Quell’epoca sembra avviarsi alla fine. I modelli colmano bene le lacune, purché tu abbia spiegato qual è davvero il tuo punto di partenza.
Cosa significa per te: Se hai appena iniziato a usare gli strumenti IA, è una buona notizia: non devi padroneggiare formule elaborate per i prompt. Spiega da dove parti, «Non l’ho mai fatto, fammi le domande necessarie»e lascia che il modello ti intervisti. Se sei un utente avanzato, prova il passaggio sui punti ciechi nel prossimo compito complesso e valuta di accorciare i mega-prompt che conservi gelosamente. Una precisazione doverosa: queste indicazioni sono ottimizzate per i modelli più recenti di Anthropic; i modelli più vecchi o piccoli continuano a trarre vantaggio da istruzioni più esplicite.
Fonti
Fonti: https://thariqs.github.io/html-effectiveness/unknowns/
La Settimana dell’IA di Ginevra inizia domani: il primo vero tentativo dell’ONU di governare insieme l’IA
Il primo Dialogo globale dell’ONU sulla governance dell’IA si tiene il 6 e 7 luglio, seguito dall’AI for Good Summit. Ecco perché questa settimana conta più del consueto spettacolo dei vertici.
