Livello 1 — Prompt & Context Engineering

7 capitoli · un capitolo al giorno, poi il quiz del livello.

1. Capitolo 1 — L'anatomia di un buon prompt — Ruolo, contesto, istruzioni, esempi, formato di output: la struttura che trasforma richieste vaghe in risposte utili.
2. Capitolo 2 — Tag XML: dare una struttura ai prompt complessi — Come separare materiali e istruzioni con i tag per evitare che il modello li confonda: la tecnica base dei prompt professionali.
3. Capitolo 3 — Few-shot: mostrare invece di spiegare — 2-5 esempi di input e output battono quasi sempre le istruzioni astratte: quando usarli e come sceglierli.
4. Capitolo 4 — Chain-of-thought: dare al modello lo spazio per pensare — Perché 'ragiona passo passo' riduce gli errori: i modelli pensano generando token, e il ragionamento distribuisce il calcolo.
5. Capitolo 5 — System prompt e prefilling: il controllo strutturale — Dove mettere le regole che valgono sempre e come forzare l'inizio della risposta: i due strumenti di controllo oltre il prompt utente.
6. Capitolo 6 — Il salto concettuale: context engineering — Il salto concettuale: la qualità della risposta dipende più da cosa metti nel contesto che da come formuli la domanda.
7. Capitolo 7 — Python quanto basta: il ponte verso il Livello 2 — Il capitolo ponte verso il Livello 2: variabili, funzioni, os.environ, requests e try/except. Il Python minimo per chiamare un LLM da codice, imparato usando l'AI come tutor.