Prompt AI per programmare: esempi pronti per scrivere, correggere e spiegare codice

I prompt AI per programmare funzionano bene quando danno al modello il contesto che gli manca: linguaggio, errore verbatim, comportamento atteso, vincoli. Un prompt vago produce codice generico che probabilmente non compila. Un prompt preciso — anche di due righe — produce codice usabile al primo colpo nella maggior parte dei casi.

Questa guida raccoglie esempi pronti da usare con ChatGPT, Claude e altri modelli: non solo per chi sviluppa ogni giorno, ma anche per chi usa l'AI per automatizzare piccole task, scrivere script Python, costruire formule o esplorare il codice senza essere uno sviluppatore di professione. Per capire come funzionano i prompt in generale, il punto di partenza è la guida al prompt engineering.

Perché i prompt generici non funzionano con il codice

"Scrivi una funzione che ordina una lista" è un prompt che funziona. "Aggiusta il mio codice" è un prompt che spreca tempo. La differenza sta nel contesto: un modello AI non ha accesso al tuo ambiente, al tuo stack, ai tuoi errori — a meno che tu non glieli dia.

I problemi più comuni con i prompt per il codice sono tre:

• Manca il linguaggio o la versione. "Scrivi una funzione" in Python 3.10 è diversa da Python 2.7 o da JavaScript. Senza questa informazione, il modello sceglie da solo e spesso sbaglia contesto.
• Non c'è l'errore verbatim. Se scrivi "non funziona", il modello deve indovinare. Se incolli TypeError: unsupported operand type(s) for +: 'int' and 'str', sa esattamente dove guardare.
• Non è chiaro cosa deve fare il codice. Input e output attesi sono la specifica minima. Aggiungere casi limite (cosa succede se la lista è vuota? se il valore è null?) riduce drasticamente le iterazioni.

Se vuoi approfondire le basi per costruire prompt efficaci, parti dalla guida sui prompt AI e poi quella sui prompt per Claude.

Tabella: prompt pronti per i task di sviluppo più comuni

Ogni riga mostra il task, il pattern di prompt e cosa aspettarsi in output. Adatta la parte tra [ ] al tuo caso.

Esempi pratici

1. Studio legale — script per rinominare file automaticamente

Un avvocato non developer riceve centinaia di documenti con nomi casuali e li deve rinominare seguendo una convenzione (YYYY-MM-DD_cliente_tipo.pdf). Non sa programmare, ma vuole automatizzare la cosa con Python.

Prompt usato:

"Scrivi uno script Python 3 che legge tutti i file .pdf in una cartella, chiede all'utente di inserire il nome del cliente, e li rinomina nel formato AAAA-MM-DD_cliente_originale.pdf usando la data odierna. Usa solo librerie standard. Aggiungi un messaggio di conferma prima di rinominare."

Output: script funzionante in circa 25 righe, con os, datetime e input(). L'avvocato lo ha fatto girare da Terminale senza toccare il codice. Tempo per arrivare a una versione usabile: meno di 5 minuti.

2. Team e-commerce — debug di una query SQL lenta

Un analyst nota che una query su ordini degli ultimi 30 giorni impiega 8 secondi su un database Postgres con 500k righe. Non è un DBA, ma sa usare Claude.

Prompt usato:

"Questa query Postgres è molto lenta (~8s su 500k righe). Analizza il piano di esecuzione e suggerisci ottimizzazioni — indici da aggiungere, riscrittura, ecc. Query: [SQL]. Piano EXPLAIN ANALYZE: [output]"

Output: Claude ha identificato un full table scan su created_at (niente indice), ha suggerito l'indice e proposto una versione riscritta della query. Il tempo è sceso a meno di 200ms dopo aver creato l'indice. Per una panoramica di quale modello usare in questi casi, vedi migliori modelli AI per programmare.

Come scegliere tra ChatGPT e Claude per il codice

Prompt per chi non è developer

Non serve scrivere codice ogni giorno per usare l'AI in modo produttivo. Questi prompt sono pensati per chi vuole automatizzare piccole task senza un background tecnico.

Script Python semplici

"Scrivi uno script Python 3 che [task preciso]. Non usare librerie esterne. Aggiungi commenti che spiegano ogni passaggio. Alla fine mostra un esempio di come si esegue da terminale."

Formule Excel / Google Sheets

"Scrivi una formula Excel/Sheets che [obiettivo]. I dati sono in colonna A (intestazione: [nome]), colonna B (intestazione: [nome]). La formula va nella colonna C. Spiega cosa fa ogni parte."

Query SQL di base

"Scrivi una query SQL per [obiettivo] dalla tabella [nome] che ha queste colonne: [lista colonne con tipo]. Filtra per [condizione]. Ordina per [colonna]."

Automazioni no-code

"Voglio creare un'automazione in Zapier/Make che fa: [trigger], poi [azione 1], poi [azione 2]. Quali step devo configurare? Ci sono casi limite a cui fare attenzione?"

Per chi vuole un punto di riferimento sull'uso di ChatGPT in questi scenari, la guida su ChatGPT per programmare entra nel dettaglio delle funzionalità di Code Interpreter.

Errori da evitare

• Incollare codice senza contesto. "Cosa c'è che non va qui?" senza linguaggio, errore o obiettivo è un prompt che genera risposte generiche. Il contesto minimo è sempre: linguaggio, cosa deve fare, cosa succede invece.
• Accettare il codice senza leggerlo. L'AI produce il codice più probabile, non quello certamente corretto. Su script che toccano file, database o API, leggere prima di eseguire è necessario — non opzionale.
• Usare versioni di librerie sbagliate. Se non specifichi la versione, il modello usa quella più comune nei dati di training, che potrebbe essere obsoleta. Specifica "usa Python 3.11 e pandas 2.x" se rilevante.
• Chiedere refactoring senza test. Refactoring che cambia il comportamento non è refactoring. Se non hai test, chiedi prima all'AI di scriverne un set base, poi fai il refactoring e controlla che i test passino ancora.
• Mandare in produzione senza revisione. Per script personali o formule, il rischio è basso. Per codice in produzione che tocca dati di clienti o transazioni, serve una revisione umana. L'AI per il codice si usa come un collaboratore veloce, non come un sistema autonomo. Per costruire workflow AI strutturati, il nostro team di sviluppo software su misura può aiutarti.

Come applicarlo in azienda

L'AI per il codice non riguarda solo i developer. In un'azienda di 10-50 persone ci sono decine di piccole automazioni in attesa di essere costruite: script di import/export dati, formule nei fogli di calcolo, query per estrarre report, automazioni tra software diversi.

• Identifica le task manuali ripetitive che implicano dati strutturati: export CSV, rename massivo, trasformazione di formato.
• Parti da script Python o formule Sheets: task brevi, output verificabile, rischio basso.
• Documenta i prompt che funzionano: crea una raccolta interna dei prompt verificati per i task ricorrenti del tuo team.
• Forma chi non è developer sui prompt base per SQL e Python — riduce il collo di bottiglia sull'IT per richieste semplici.
• Usa l'AI per code review: "Rivedi questo codice per problemi di sicurezza o performance" è un prompt che funziona anche per un codice scritto da umani.

Per i team che vogliono integrare l'AI nei processi in modo strutturato — non solo nei prompt manuali — Giallo Studio progetta agenti e automazioni su misura che operano in modo continuo e integrato con i sistemi esistenti.

Conclusione

I prompt AI per programmare più efficaci condividono una struttura semplice: contesto (linguaggio, versione, ambiente), obiettivo preciso (input → output), vincoli (librerie, performance, stile), e dove rilevante il messaggio di errore verbatim. Con questa base, la maggior parte dei task quotidiani — scrivere una funzione, correggere un bug, documentare, scrivere test — si risolve al primo o al secondo tentativo.

Non serve essere developer per trarne vantaggio: script Python semplici, formule, query e automazioni no-code sono alla portata di chiunque sappia costruire un prompt preciso. L'importante è leggere l'output prima di usarlo. Se vuoi approfondire come strutturare prompt complessi, parti da prompt engineering e poi esplora le differenze tra modelli nella guida a migliore AI per programmare.

Se vuoi passare dai test con ChatGPT a un sistema AI integrato nei processi aziendali, Giallo Studio progetta agenti e automazioni su misura.