AI System Prompt Analyzer
Analizza la qualita' del tuo system prompt LLM secondo le linee guida Anthropic e OpenAI: ruolo, formato output, esempi few-shot, edge case, safety guardrails. Score 0-100 + issue list + suggerimento di riscrittura. 100% client-side, nessun dato inviato.
System Prompt
Come funziona
Incolla il prompt
Incolla il tuo system prompt nella textarea. Il tool accetta prompt in italiano, inglese e qualsiasi altra lingua.
Analisi 7 dimensioni
Il tool verifica presenza di ruolo, formato output, esempi, edge case, safety guardrails, lunghezza ottimale e chiarezza.
Score + riscrittura
Ricevi uno score 0-100, la lista di issue con severita', e (se score sotto 70) uno scheletro di riscrittura con placeholder.
Come utilizzare AI System Prompt Analyzer
Incolla il tuo system prompt
Copia il system prompt del tuo agente AI o chatbot (max 8000 caratteri) nell'area di testo. E' il testo che definisce il comportamento del modello, solitamente passato come messaggio di sistema prima della conversazione.
Avvia l'analisi e leggi il punteggio
Clicca "Analizza Prompt" per ottenere un punteggio da 0 a 100 e una valutazione su 7 dimensioni: chiarezza del ruolo, formato dell'output, esempi, gestione dei casi limite, sicurezza, lunghezza e struttura.
Applica i suggerimenti di riscrittura
Lo strumento propone una versione migliorata del prompt con le issue principali corrette. Confronta la versione originale con quella suggerita, adatta le modifiche al tuo caso d'uso e re-testa il prompt aggiornato.
Suggerimenti
- Inizia sempre il system prompt definendo il ruolo con precisione (es. "Sei un assistente specializzato in diritto tributario italiano per PMI"). Un ruolo specifico riduce le allucinazioni e migliora la coerenza delle risposte.
- Aggiungi sempre almeno 2-3 esempi di input/output attesi (few-shot) per task complessi o non standard. Gli esempi sono il modo piu' efficace per comunicare al modello il formato e il tono desiderato.
- Separa il system prompt in sezioni con titoli (RUOLO, REGOLE, OUTPUT FORMAT, ESEMPI) per renderlo piu' leggibile e mantenibile. Un prompt strutturato e' anche piu' facile da aggiornare nel tempo.
Domande frequenti
Su quali criteri si basa il punteggio del prompt?
L'analisi e' basata su 7 dimensioni: chiarezza del ruolo (chi e' il modello), specificita' del compito, formato dell'output (strutturato vs. libero), presenza di esempi few-shot, gestione dei casi limite, guardrail di sicurezza e lunghezza appropriata. Ogni dimensione contribuisce al punteggio finale da 0 a 100.
L'analisi viene eseguita localmente o su server?
100% client-side. L'analisi viene eseguita nel browser tramite regole euristiche e regex, senza inviare il testo del prompt a nessun server esterno. I tuoi prompt rimangono completamente privati.
Un punteggio alto garantisce risposte migliori dal modello?
Il punteggio misura la qualita' strutturale del prompt secondo le best practice di prompt engineering, non le performance effettive del modello. Un prompt ben strutturato aumenta statisticamente la qualita' e la coerenza delle risposte, ma il risultato finale dipende anche dal modello usato e dalla complessita' del task.
Quali sono i segnali piu' comuni di un prompt mal strutturato?
I problemi piu' frequenti sono: assenza di un ruolo definito ("Sei un assistente" senza specificita'), mancanza di istruzioni sul formato dell'output, nessun esempio concreto per task complessi, prompt troppo lunghi con istruzioni contraddittorie, e assenza di guardrail su argomenti sensibili o fuori scope.