Ti è mai capitato di chiedere a un LLM di scrivere del codice e poi passare ore a correggere i suoi errori?
Beh, non sei solo. Anzi, è una situazione così comune che un recente articolo su Hacker News ha deciso di fare chiarezza: se vuoi che il tuo modello di linguaggio funzioni come si deve, devi definire i tuoi criteri di accettazione prima di iniziare.
Sì, lo so, sembra ovvio. Ma quanto spesso lo facciamo davvero?
Il problema è che molti di noi, soprattutto noi smanettoni, tendiamo a buttare là una richiesta vaga e poi ci lamentiamo quando il risultato è un disastro. “Scrivimi un algoritmo per il controllo di temperatura”, “Generami un codice per il mio Raspberry Pi”, e via dicendo. Il risultato? Codice spaghetti, logiche contorte e qualche bug che ti fa perdere il sonno.
L’articolo cita un esempio semplice ma efficace: fare un test su un database. Se non sai esattamente cosa vuoi ottenere, come puoi aspettarti che un LLM lo faccia al posto tuo?
Ma allora, cosa possiamo fare noi che amiamo mettere le mani in pasta?
1. **Sii specifico come un laser**: Prima di chiedere all’LLM di fare qualcosa, scrivi esattamente cosa vuoi. Esempio: “Scrivimi una funzione in Python che legga i dati da un sensore DHT22 e li salvi in un file CSV, con timestamp in formato ISO e gestione degli errori per i valori fuori scala”.
2. **Usa esempi concreti**: Se stai lavorando su un progetto con Arduino, mostra all’LLM un pezzo di codice simile a quello che vuoi e chiedigli di migliorarlo.
3. **Verifica e valida**: Non fidarti mai ciecamente del risultato. Esegui test, fai debug e, se necessario, modifica il codice generato.
4. **Sperimenta**: Prova diversi modelli e prompt fino a trovare la combinazione che funziona meglio per il tuo progetto.
Certo, ci sono delle critiche da fare. Non tutti gli LLM sono uguali, e alcuni tendono a generare codice poco ottimizzato o addirittura sbagliato. Inoltre, il rischio di vendor lock-in è sempre in agguato. Ma se usato con intelligenza, un LLM può essere un alleato prezioso per accelerare lo sviluppo dei tuoi progetti.
E poi, ammettiamolo: c’è qualcosa di soddisfacente nel vedere il proprio codice funzionare alla perfezione, soprattutto quando è stato generato da un modello che inizialmente sembrava non capirci un accidente.
Quindi, la prossima volta che ti metti a smanettare con il tuo Raspberry Pi o il tuo nuovo progetto IoT, ricordati: definisci i tuoi criteri di accettazione prima di chiedere aiuto all’IA. Il tuo futuro io, quello che dovrà correggere i bug, ti ringrazierà.
Source: LLMs work best when the user defines their acceptance criteria first