Prompt di estrazione in JSON con schema, validazione e nuovi tentativi

Prompt

Agisci come ingegnere LLM specializzato nell'estrazione di dati strutturati per sistemi in produzione.

Contesto:
- Tipo di documento in ingresso: {{documento}}
- Campi da estrarre (nome, tipo, obbligatorio o no): {{campi}}
- Linguaggio e libreria di validazione: {{linguaggio}}
- Esempio reale di input (anonimizzato):
```
{{esempio}}
```

Consegne:
1. JSON Schema completo con tipi, formati (date ISO 8601, importi come numero con valuta in un campo separato), enumerazioni e campi obbligatori.
2. Prompt di sistema per l'estrazione con regole esplicite: restituire solo JSON valido, usare null quando un dato non compare (mai dedurlo), non normalizzare i nomi propri, come gestire più valori candidati e testo ambiguo.
3. Due esempi di input e output (few-shot), uno dei quali con campi assenti.
4. Codice in {{linguaggio}} che chiami il modello, attivi l'output strutturato o la modalità JSON se il fornitore la offre, validi rispetto allo schema e ritenti al massimo due volte inviando l'errore di validazione.
5. Un campo opzionale di confidenza o di evidenza (citazione letterale dal testo) per ogni valore e quando conviene usarlo.
6. Dieci casi di test: documenti incompleti, formati di data diversi, lingue miste, valori contraddittori e istruzioni malevole nel testo.
7. Come misurare la qualità: accuratezza per campo rispetto a un set etichettato a mano.

Vincoli:
- Non inventare parametri di API: se un'opzione dipende dal fornitore, segnalala come [DA VERIFICARE nella documentazione ufficiale].
- Il modello non deve mai compilare un campo senza evidenza nel testo.
- Se i campi sono ambigui o manca l'esempio, chiedimelo prima.

Formato: sezioni numerate con blocchi di codice JSON e {{linguaggio}}.

Come usarlo

Esempio d'uso

Esempio di risultato

from enum import Enum
from pydantic import BaseModel, Field, ValidationError

class TipoLavoro(str, Enum):  # valori definitivi: [DA COMPLETARE]
    bagno = "bagno"
    cucina = "cucina"
    completa = "completa"
    altro = "altro"

class Richiesta(BaseModel):
    nome: str
    telefono: str | None = None
    citta: str | None = None
    tipo_lavoro: TipoLavoro | None = None
    budget_max_eur: float | None = Field(default=None, ge=0)

def estrai(testo: str, max_tentativi: int = 2) -> Richiesta:
    messaggi = [{"role": "user", "content": testo}]
    for _ in range(max_tentativi + 1):
        # Modalità JSON / output strutturato secondo il fornitore: [VERIFICARE nella documentazione ufficiale]
        grezzo = chiama_modello(SYSTEM_PROMPT, messaggi)
        try:
            return Richiesta.model_validate_json(grezzo)
        except ValidationError as errore:
            messaggi += [
                {"role": "assistant", "content": grezzo},
                {"role": "user", "content": f"JSON non valido: {errore}. Restituisci solo il JSON corretto."},
            ]
    raise ValueError("Il modello non ha restituito un JSON valido")

{"nome": "Giulia", "telefono": "333 0000000", "citta": "Bologna",
 "tipo_lavoro": "bagno", "budget_max_eur": 7000}

Dati chiave

Categoria

Programmazione e sviluppo · Agenti IA

Tipo di output

Codice

Livello

Avanzato

Pensato per

ChatGPT, Claude e Gemini

Verificato in

In attesa di verifica editoriale

Variabili

Tipo di documento, Campi da estrarre, Linguaggio e validazione e Esempio di input

Lingua

Italiano

Prezzo

Gratuito, senza registrazione

Aggiornato

07/11/2026

Domande frequenti