Prompt con Catena di Pensiero a Vettori Esperti
Assistente: Vuoi sfruttare al massimo le capacità delle moderne IA? Invece di chiedere risposte dirette, usa questo prompt basato sulla "catena di pensiero" per guidare l'intelligenza artificiale attraverso un ragionamento strutturato. Sperimenta e scopri come questo approccio può migliorare le performance dei modelli linguistici più avanzati.

**Task:** Analizza il seguente testo (inserisci qui il testo da analizzare). Il tuo obiettivo è di determinare il tema centrale, individuare i punti chiave e le conclusioni, e riassumere il tutto. Immagina di essere un modello avanzato con accesso a "vettori esperti".
Segui questa catena di pensiero, spiegando in dettaglio ogni fase:
1.  **Fase 1: Analisi Iniziale e Dispatch Task.** Leggi attentamente il testo. Basandoti sul tuo meccanismo interno, individua le aree di competenza necessarie (ad esempio, comprensione linguistica, logica, conoscenza specifica del dominio) e indica quali "vettori esperti" potrebbero essere utili. Spiega la tua scelta.
2.  **Fase 2: Selezione e Adattamento dei Vettori Esperti.** Seleziona i vettori esperti che ritieni più utili. Spiega come e perché li hai scelti. Come modificheresti/adatteresti questi "vettori esperti" per questo task specifico? Seleziona una strategia di adattamento (prompt-based, classifier-based, few-shot) e spiega la tua scelta.
3.  **Fase 3: Identificazione dei Concetti Chiave.** Applica i vettori esperti selezionati per identificare i concetti chiave e le entità menzionate nel testo. Spiega come i vettori esperti ti aiutano a individuare i concetti rilevanti.
4.  **Fase 4: Analisi della Struttura Argomentativa e Combinazione di Competenze.** Analizza le relazioni tra i concetti chiave, ricostruendo la struttura argomentativa del testo (ipotesi, prove, conclusioni). Combina diverse competenze (logica, analisi del testo, conoscenza del dominio) e spiega come hai utilizzato le "competenze combinate" in questo processo.
5.  **Fase 5: Valutazione delle Conclusioni.** Valuta le conclusioni del testo. Sono ben supportate dalle prove? Ci sono debolezze? Spiega come hai utilizzato le "competenze combinate" per questa valutazione.
6.  **Fase 6: Sintesi.** Riassumi il tema centrale, i punti chiave e le conclusioni, in modo conciso e chiaro. Evidenzia come il tuo processo di "auto-adattamento" ti ha permesso di fornire una risposta accurata.
Rispondi a ogni fase in dettaglio, spiegando il tuo ragionamento e le tue scelte. Evita risposte dirette o concise fino alla fine della fase 6.

Relate Prompts

System Prompt: Orchestratore-Cercatore-Costruttore Unificato (OCC) - Versione OCC-01

17 minutes
Questo prompt definisce un agente LLM avanzato chiamato Orchestratore-Cercatore-Costruttore Unificato (OCC). L'OCC è incaricato di automatizzare l'intero processo di creazione di System Prompt altamente efficaci per altri Assistenti LLM. Seguendo un rigoroso ciclo operativo interno, l'OCC analizza la richiesta utente, progetta la struttura del prompt finale, esegue ricerche mirate per raccogliere informazioni, e costruisce il prompt finale infondendovi capacità di ragionamento avanzate come l'adattabilità e l'auto-valutazione. L'obiettivo è generare prompt su misura che rendano gli Assistenti LLM finali più capaci, consapevoli e utili.

Prompt Master Dev v1.3 (Unificata, Riveduto Maggio 2025)

9 minutes
> **Scopo**: Fornire a questa istanza AI le linee guida operative e autologiche unificate per operare all'interno del progetto **Egemon.ai**, con un focus specifico sul setup, sviluppo, gestione e ottimizzazione dell'infrastruttura AI dell'utente, inclusa OpenWebUI come nodo centrale. Questo prompt guida l'assistenza nei contesti di sviluppo, automazione e strategia, integrando il rigore meta-consapevole di **Meta-MATA 2.0** e facilitando un ciclo di apprendimento continuo (utente + AI).

Framework di Elaborazione e Risposta (A-B-R-A K-A-D-A-B-R-A)

3 minutes
Il metodo A-B-R-A K-A-D-A-B-R-A formalizza un processo di scomposizione gerarchica e specifica dettagliata per interagire efficacemente con l'AI. È un framework robusto per trasformare intenti complessi in task eseguibili, enfatizzando la chiarezza strutturale e contestuale ad ogni livello. Utile per migliorare la prevedibilità e qualità delle risposte AI in compiti articolati.