AI Prompt Engineering

Fondamenti degli LLM e Prompt Engineering

· Introduzione agli LLM: cosa è un Large Language Model, come funziona, concetti di token e contesto.

· Cosa è il Prompt Engineering: definizione, obiettivi e perché è importante.

· Perché il Prompt Engineering è una disciplina: motivazioni, casi d’uso e impatto sul lavoro.

· Inside LLMs, Architettura e Transformer Model: come ragionano i modelli, concetti di non-determinismo.

· System Message e User Message: differenza tra istruzioni di sistema e input utente.

· Context e Context Window: gestione del contesto, limiti e strategie.

· Personas e Tone of Voice: come impostare ruoli e stili nei prompt.

· Esercizi: scrittura di prompt base chiari e specifici.

Tecniche di Prompting

· Zero-Shot, One-Shot e Few-Shot Prompting: differenze e applicazioni.

· Chain-of-Thought Prompting: come guidare il ragionamento del modello.

· Prompt Chaining: creare sequenze di prompt per task complessi.

· Delimiters e Struttura del Prompt: uso di separatori e formattazione.

· In-Context Learning: come sfruttare esempi nel prompt.

· Gamification e Modalità Interattive: tecniche per rendere il prompting più efficace.

· Esercizi: creare prompt per casi reali (es. Customer Support).

· Laboratorio: prompt per generare output strutturati (Excel, Flowchart), hands-on con ChatGPT e Claude.

Prompt Engineering Avanzato

· Guardrails e Sicurezza: Many-shot jailbreak, Prompt Injection, Data Leaking.

· Gestione delle Hallucinations: strategie per ridurre errori e bias.

· Hyperparameters e Temperature: come influenzano la generazione del testo.

· Multi-Modality e Tools: prompting con immagini e audio.

· Function Calling e API Integration: come collegare LLM a API esterne.

· Prompt Variables e Auto-Priming: automatizzare la creazione di prompt.

· Laboratorio: creare un flusso di prompting complesso (esempio: workflow per analisi dati).

Testing e Valutazione dei Prompt

· Introduzione al Prompt Testing: perché testare i prompt e metriche di valutazione.

· Framework di Testing (PromptFoo): come strutturare test e benchmark.

· Golden Answer e Bias: valutazione qualitativa e quantitativa.

· Model Benchmarks (MMLU): come confrontare modelli e prompt.

· Esercizi: creare test per prompt complessi, hands-on con metriche e valutazione.

· Laboratorio: prompt testing con più modelli, confronto tra ChatGPT, Claude e LLM open source.

Applicazioni Avanzate e Futuro del Prompt Engineering

· Tree of Thoughts e Reasoning Acting (ReAct) Prompting: strategie per ragionamento complesso.

· Self-Consistency e Chain of Density: ottimizzare la qualità delle risposte.

· Applied Prompt Engineering: casi studio reali.

· Open Source LLMs e Setup Modelli Proprietari: LMStudio e modelli locali.

· Autonomous Agents e AutoGPT: come creare agenti autonomi con prompting.

· Scaling Laws e Implicazioni Future: evoluzione dei modelli e del prompting.

· Progetto finale: creazione di un prompt framework completo per un caso d’uso aziendale.