Nello script #279 abbiamo visto come con il nuovo portale di Azure AI Studio ci vengono forniti una serie di strumenti per provare i modelli e testare la nostra AI. Il playground è sicuramente lo strumento principale che andiamo ad utilizzare per sperimentare il modello e prevede che si inserisca il system prompt, cioè le principali indicazioni che regolano il comportamento e le capacità del modello quando risponderà alle interrogazioni.
Il system prompt è la parte più importante e delicata perché delimita lo spazio dell'utente che poi andrà a lavorare con la nostra intelligenza artificiale. Troviamo alcuni esempi di system prompt i quali si inseriscono e poi si applicano alle nuove conversazioni premendo Apply changes.

E' perciò fondamentale dare le indicazioni giuste in modo da prevedere ed inibire anche attacchi da parte dell'utente, volti a dare informazioni sensibili, violare regole, fornire il prompt originale o far rispondere l'AI in maniera adeguata. Ci viene in aiuto un nuovo pulsante Safety system messages che ci aiuta ad inserire frasi specifiche volte ad inibire questi comportamenti.

I prompt sono dedicati alla protezione del copyright, alla manipolazione e alla gestione dei contenuti e sono minimizzati per utilizzare il minor numero di token che vanno poi ad influire sul contesto e sul prezzo di ogni richiesta.
Commenti
Per inserire un commento, devi avere un account.
Fai il login e torna a questa pagina, oppure registrati alla nostra community.
Approfondimenti
Bloccare l'esecuzione di un pod in mancanza di un'artifact attestation di GitHub
Ottimizzazione dei block template in Angular 17
Persistere la ChatHistory di Semantic Kernel in ASP.NET Core Web API per GPT
Supportare lo HierarchyID di Sql Server in Entity Framework 8
.NET Conference Italia 2024
Anonimizzare i dati sensibili nei log di Azure Front Door
Utilizzare DeepSeek R1 con Azure AI
Sfruttare GPT-4o realtime su Azure Open AI per conversazioni vocali
Ottimizzare le performance usando Span<T> e il metodo Split
Fissare una versione dell'agent nelle pipeline di Azure DevOps
Creare agenti facilmente con Azure AI Agent Service