Prompt engineering

Few-shot prompting: mostrare esempi all'IA per guidarla meglio

Il few-shot prompting consiste nel dare 2-5 esempi all'IA prima della tua richiesta. Guida pratica con esempi concreti per principianti.

Di Jérémie Chiari

7 luglio 2026 10 min di lettura

Hai chiesto a ChatGPT di scrivere email professionali, ma il tono non ti piace mai? Vuoi che Claude generi titoli accattivanti, ma i risultati sono troppo generici? Il few-shot prompting risolve questo problema mostrando all'IA esattamente quello che vuoi, piuttosto che semplicemente descriverlo. Questa tecnica consiste nel fornire 2-5 esempi concreti prima della tua richiesta vera e propria. L'IA analizza questi esempi, identifica il pattern e riproduce lo stesso stile per il tuo caso. È come mostrare a qualcuno come piegare una camicia piuttosto che spiegarglielo verbalmente: il risultato è immediato e preciso. In questa guida scoprirai come usare il few-shot prompting per ottenere risposte che corrispondono esattamente alle tue aspettative, senza gergo tecnico né competenze di programmazione.

Cos'è il few-shot prompting e come funziona?

Il few-shot prompting è una tecnica che consiste nel dare più esempi all'IA prima di farle la tua domanda o richiesta vera e propria. A differenza dello zero-shot (senza esempi) dove descrivi semplicemente quello che vuoi, il few-shot mostra concretamente il formato, il tono e la struttura attesi.

Il termine "few-shot" significa letteralmente "pochi esempi": generalmente tra 2 e 5. Oltre questo numero, rischi di sovraccaricare il contesto senza guadagnare in efficienza. Al di sotto, l'IA potrebbe non cogliere il pattern completo.

Concretamente, ecco la struttura di un prompt few-shot:

Dai 2-5 esempi del risultato atteso
Presenti il tuo caso reale
L'IA genera una risposta che segue lo stesso pattern

Facciamo un esempio semplice. Vuoi che l'IA trasformi descrizioni di prodotti in frasi accattivanti per Instagram:

Senza few-shot (risultato casuale): "Scrivi una frase accattivante per Instagram per questo prodotto: scarpe da running leggere."

Con few-shot (risultato coerente): "Trasforma queste descrizioni in frasi Instagram:

Prodotto: zaino impermeabile Frase: La tua avventura non si ferma mai. Nemmeno sotto la pioggia. 🎒

Prodotto: borraccia termica Frase: 24 ore di freschezza. Zero compromessi. La tua nuova alleata. 💧

Prodotto: lampada frontale ricaricabile Frase: La notte diventa il tuo terreno di gioco. Illumina la tua strada. 🔦

Ora, fai lo stesso per: Prodotto: scarpe da running leggere"

Con il few-shot, l'IA capisce immediatamente il tono (dinamico, breve), la struttura (3 frasi brevi) e lo stile (tu informale, emoji alla fine). Il risultato sarà coerente con i tuoi esempi.

Perché il few-shot prompting è più efficace della descrizione

Il few-shot prompting funziona meglio perché gli esempi eliminano ogni ambiguità su quello che vuoi davvero. Parole come "professionale", "creativo" o "conciso" hanno significati diversi da persona a persona. Un esempio vale mille spiegazioni.

Secondo la documentazione ufficiale di Anthropic (creatore di Claude), il few-shot prompting migliora la precisione delle risposte dal 30 al 50% per i compiti strutturati. OpenAI conferma risultati simili con GPT-4.

Ecco perché questa tecnica è così potente:

Risparmio di tempo immediato Piuttosto che iterare 5 volte per spiegare cosa significhi "tono professionale ma accessibile", mostri 2 esempi e ottieni il risultato giusto al primo colpo.

Coerenza garantita Quando devi generare 20 descrizioni di prodotti, il few-shot assicura che tutte seguano esattamente lo stesso formato. Perfetto per i compiti ripetitivi.

Apprendimento dello stile L'IA cattura sfumature sottili: lunghezza delle frasi, vocabolario specifico, struttura dei paragrafi, livello di formalità. Elementi difficili da descrivere con le parole.

Riduzione degli errori Mostrando cosa è corretto, mostri anche cosa non lo è. L'IA evita formati o toni inappropriati.

Un esempio concreto: vuoi estrarre informazioni da fatture. Senza few-shot, devi descrivere precisamente ogni campo, il suo formato, come gestire i casi particolari. Con few-shot, mostri 3 esempi di fatture elaborate, e l'IA riproduce esattamente lo stesso trattamento per le seguenti.

Come costruire un buon prompt few-shot: il metodo passo dopo passo

Un prompt few-shot efficace segue sempre la stessa struttura: contesto + esempi + istruzione + il tuo caso. Questa sequenza garantisce che l'IA capisca esattamente quello che ti aspetti.

Ecco il metodo completo:

Passo 1: Definire il contesto

Inizia con una frase che spiega il compito globale. Questo aiuta l'IA a capire l'obiettivo generale.

Esempio: "Devi trasformare le recensioni dei clienti in testimonianze brevi per il sito web."

Passo 2: Fornire 2-5 esempi

Scegli esempi che rappresentino bene la varietà dei casi che incontrerai. Se tratti testi lunghi e brevi, mostra entrambi. Se alcuni casi sono complessi, includine uno.

Formato consigliato:

Input: [il tuo esempio di input]
Output: [il risultato atteso]

Separa chiaramente ogni esempio. Usa salti di riga o separatori come "---".

Passo 3: Dare l'istruzione finale

Una frase semplice che introduce il tuo caso reale: "Ora, fai lo stesso per questa nuova recensione:" o "Applica la stessa trasformazione a:".

Passo 4: Presentare il tuo caso

Dai l'input per il quale vuoi un output, nello stesso formato dei tuoi esempi.

Ecco un esempio completo per trasformare descrizioni tecniche in linguaggio semplice:

Trasforma queste descrizioni tecniche in frasi comprensibili da tutti:

Tecnica: Processore octa-core cadenzato a 2,8 GHz con architettura ARM Cortex-A78
Semplice: Un processore 8 core ultra-veloce che gestisce tutte le tue app senza rallentamenti.

Tecnica: Batteria litio-polimero 5000 mAh con ricarica rapida 65W
Semplice: Una batteria che dura tutto il giorno e si ricarica completamente in 45 minuti.

Tecnica: Schermo AMOLED 6,7 pollici risoluzione 2400x1080 pixel, frequenza di aggiornamento 120 Hz
Semplice: Un grande schermo luminoso e fluido, perfetto per video e giochi.

Ora, semplifica questa descrizione:
Tecnica: Sensore fotografico 50 megapixel con stabilizzazione ottica OIS e apertura f/1.8

L'IA seguirà naturalmente il pattern: evitare il gergo, spiegare il beneficio concreto, mantenere una frase breve.

Gli errori frequenti da evitare con il few-shot prompting

L'errore più comune è dare esempi incoerenti tra loro, il che confonde l'IA invece di guidarla. Se i tuoi esempi seguono formati diversi, l'IA non saprà quale pattern seguire.

Ecco i tranelli classici e come evitarli:

Esempi troppo diversi tra loro

Se il tuo primo esempio è di 2 righe, il secondo di 10 righe e il terzo di 1 frase, l'IA non sa quale lunghezza adottare. Mantieni coerenza nella struttura.

Sbagliato:

Domanda: Cos'è una VPN?
Risposta: Una VPN cripta la tua connessione.

Domanda: Come funziona il Bluetooth?
Risposta: Il Bluetooth è una tecnologia di comunicazione wireless che consente di collegare dispositivi a breve distanza, generalmente fino a 10 metri, utilizzando onde radio nella banda di frequenza 2,4 GHz.

Giusto:

Domanda: Cos'è una VPN?
Risposta: Una VPN cripta la tua connessione internet per proteggere i tuoi dati e nascondere il tuo indirizzo IP.

Domanda: Come funziona il Bluetooth?
Risposta: Il Bluetooth collega dispositivi senza fili a breve distanza utilizzando onde radio sicure.

Troppi esempi (più di 5)

Oltre 5 esempi, stai sprecando token senza migliorare la qualità. L'IA ha già capito il pattern. Privilegia 3 esempi ben scelti piuttosto che 8 mediocri.

Esempi che non coprono i casi limite

Se tratti dati che possono essere mancanti o incompleti, mostra come gestire questi casi. Altrimenti, l'IA improvviserà.

Dimenticare di separare chiaramente gli esempi

Senza separazione netta, l'IA può confondere dove un esempio finisce e dove inizia il successivo. Usa doppi salti di riga o separatori.

Mescolare few-shot e istruzioni lunghe

Se dai 3 esempi poi 2 paragrafi di istruzioni dettagliate, annulli il vantaggio del few-shot. Lascia che gli esempi parlino da soli. Un'istruzione finale breve è sufficiente.

Un buon test: rileggi i tuoi esempi. Se tu, umano, capisci immediatamente il pattern da seguire, l'IA lo capirà anche. Se esiti, chiarisci i tuoi esempi.

Casi d'uso concreti del few-shot prompting per principianti

Il few-shot prompting eccelle in tutti i compiti ripetitivi dove vuoi un formato o uno stile costante. Ecco applicazioni pratiche che puoi usare da oggi, anche senza esperienza.

Redazione di email professionali

Devi inviare email di follow-up ai clienti. Mostra 2 esempi del tono che vuoi (cordiale ma conciso) e l'IA genera i seguenti nello stesso stile.

Creazione di post sui social media

Gestisci un account Instagram per la tua attività. Dai 3 esempi di post che hanno funzionato bene, e l'IA crea nuovi post che rispettano il tuo tono e la tua struttura.

Trasformazione di dati

Hai una lista di 100 indirizzi da formattare in modo coerente. Mostra 3 esempi del formato finale, e l'IA elabora il resto automaticamente.

Riassunti di riunioni

Prendi appunti durante le riunioni e vuoi trasformarli in verbali strutturati. Dai 2 esempi di verbali ben fatti, e l'IA trasforma i tuoi prossimi appunti nello stesso formato.

Traduzione con stile specifico

Tradisci contenuti marketing dall'inglese al francese. La traduzione letterale non funziona. Mostra 3 esempi di traduzioni adattate (che mantengono l'impatto), e l'IA seguirà questo approccio.

Categorizzazione di commenti clienti

Ricevi centinaia di recensioni. Mostra 4 esempi di recensioni già categorizzate (positivo/neutro/negativo + tema), e l'IA classifica automaticamente le nuove.

Tabella riepilogativa:

Compito	Numero di esempi	Risparmio di tempo
Email tipo	2-3	70%
Post social media	3-4	60%
Formattazione dati	2-3	85%
Riassunti strutturati	2-3	50%
Traduzione adattata	3-5	65%
Categorizzazione	4-5	80%

Il few-shot prompting trasforma compiti che richiederebbero ore in pochi minuti. L'investimento iniziale (creare buoni esempi) si ripaga velocemente.

Few-shot vs zero-shot vs one-shot: quale tecnica scegliere?

Il few-shot (2-5 esempi) è adatto ai compiti dove vuoi un formato o stile preciso, lo zero-shot (0 esempi) per domande semplici, e l'one-shot (1 esempio) quando il pattern è ovvio. Ogni approccio ha i suoi punti di forza.

Zero-shot: quando usarlo

Lo zero-shot significa dare un'istruzione senza alcun esempio. Usalo per:

Domande fattuali semplici ("Qual è la capitale del Portogallo?")
Compiti evidenti ("Traduci questo testo in inglese")
Brainstorming senza vincoli di formato

Vantaggio: veloce, nessuna preparazione Svantaggio: risultati variabili, meno controllo

One-shot: il giusto mezzo

Un solo esempio basta quando il pattern è semplice e ripetitivo. Ad esempio, per formattare date:

Formatta questa data: 15/03/2024 → 15 marzo 2024
Ora: 22/07/2024

Vantaggio: risparmia token, veloce da scrivere Svantaggio: rischio di ambiguità se il pattern è complesso

Few-shot: quando usarlo

Il few-shot è ideale per:

Compiti con sfumature di stile o tono
Formati complessi con più elementi
Situazioni dove la coerenza è cruciale
Situazioni con eccezioni o casi particolari

Vantaggio: precisione massima, risultati coerenti Svantaggio: consuma più token, richiede buoni esempi

Come scegliere?

Fatti questa domanda: "Se spiegassi questo compito a un collega, avrei bisogno di mostrare degli esempi?"

Se sì, usa il few-shot
Se un esempio basterebbe, usa l'one-shot
Se le istruzioni verbali bastano, usa lo zero-shot

In caso di dubbio, inizia con lo zero-shot. Se il risultato non ti soddisfa, passa al few-shot. Vedrai immediatamente la differenza di qualità.

Per approfondire le tue competenze nel prompt engineering, consulta la nostra guida completa sulle 10 tecniche che funzionano davvero. Scoprirai come combinare il few-shot con altri metodi come il chain-of-thought per far ragionare l'IA passo dopo passo.

Conclusione

Il few-shot prompting è la tecnica più semplice per ottenere risultati coerenti e precisi con l'IA. Mostrando 2-5 esempi concreti piuttosto che descrivere quello che vuoi, elimini ogni ambiguità e risparmi un tempo considerevole. Questo approccio funziona per tutti i compiti ripetitivi: email, post social media, trasformazione dati, riassunti strutturati. Inizia identificando un compito che ripeti spesso, crea 3 esempi del risultato ideale, e lascia che l'IA riproduca questo pattern. I risultati ti sorprenderanno già dal primo utilizzo.

Se stai iniziando con l'IA, scopri come usare ChatGPT da principiante ed esplora 50 prompt utili da usare ogni giorno per ispirarti.

Domande frequenti

Quanti esempi devo dare per il few-shot prompting?

Tra 2 e 5 esempi sono sufficienti nella maggior parte dei casi. Al di sotto di 2, l'IA potrebbe non cogliere il pattern completo. Al di sopra di 5, consumi token senza migliorare significativamente la qualità. Per compiti semplici con un pattern ovvio, 2-3 esempi funzionano perfettamente. Per formati complessi o sfumature di stile, punta a 4-5 esempi che coprano diversi casi di figura.

Il few-shot prompting funziona con tutti i modelli di IA?

Sì, il few-shot prompting funziona con ChatGPT (GPT-3.5, GPT-4), Claude (tutte le versioni), Gemini, Mistral e praticamente tutti i modelli di linguaggio moderni. È una tecnica universale che sfrutta la capacità naturale di questi modelli di identificare pattern. I modelli più avanzati come GPT-4 o Claude 3 generalmente danno risultati migliori con meno esempi, ma il principio rimane identico.

Qual è la differenza tra few-shot e fine-tuning?

Il few-shot prompting consiste nel dare esempi direttamente nel tuo prompt, senza modificare il modello. È immediato e non richiede competenze tecniche. Il fine-tuning, invece, consiste nel riaddestrare il modello su migliaia di esempi per modificare i suoi comportamenti di base. Il fine-tuning è più potente ma richiede competenze di programmazione, tempo e spesso un budget. Per il 99% dei casi d'uso, il few-shot è più che sufficiente.

I miei esempi devono essere reali o posso inventarli?

Puoi inventare i tuoi esempi, purché rappresentino fedelmente il risultato che vuoi ottenere. L'importante è che gli esempi siano coerenti tra loro e mostrino chiaramente il pattern da seguire. Se tratti dati sensibili, inventare esempi anonimizzati è addirittura consigliato. Assicurati semplicemente che i tuoi esempi inventati coprano bene la varietà dei casi reali che incontrerai.

Il few-shot prompting consuma molti token?

Sì, il few-shot prompting consuma più token dello zero-shot poiché includi più esempi in ogni prompt. Tuttavia, questo costo è ampiamente compensato da due fattori: ottieni il risultato giusto al primo colpo (non hai bisogno di rigenerare 5 volte), e per i compiti ripetitivi, crei i tuoi esempi una volta e poi li riutilizzi centinaia di volte. Il ritorno sull'investimento è eccellente per qualsiasi compito che ripeti regolarmente.

Posso combinare il few-shot con altre tecniche di prompting?

Assolutamente, il few-shot si combina molto bene con altre tecniche. Ad esempio, puoi usare few-shot + chain-of-thought mostrando esempi dove l'IA ragiona passo dopo passo. O combinare few-shot + ruolo chiedendo all'IA di agire come un esperto mentre le mostri esempi dello stile atteso. Queste combinazioni sono particolarmente potenti per compiti complessi. Inizia a padroneggiare il few-shot da solo, poi sperimenta le combinazioni.