Prompt personalizzati

💡TL;DR

Notemd ti permette di sovrascrivere il prompt predefinito LLM per ogni tipo di task. I prompt personalizzati ti danno il controllo su ciò che il modello priorizza: puoi limitare l’estrazione dei concetti a una disciplina specifica, modificare lo stile di collegamento o reindirizzare il tono della traduzione. Le variabili del prompt come {{content}} e {{concept}} vengono sostituite in tempo di esecuzione. La funzionalità relativa al dominio di apprendimento mirato aggiunge automaticamente il tuo campo di studio ai risultati dell’estrazione.

Questo fa parte della Obsidian Guida alla gestione delle conoscenze AI.

Panoramica

I prompt integrati di Notemd sono stati creati per attività di conoscenza a scopo generale. Funzionano bene in diversi ambiti, ma lasciano comunque spazio per miglioramenti specifici per ciascun dominio. I prompt personalizzati permettono di indicare esattamente a LLM come comportarsi nel proprio caso d’uso: che si tratti di estrarre soltanto terminologia medica, di collegare soltanto entità denominate o di tradurre in un registro formale.

I prompt personalizzati non sostituiscono l’intero prompt di sistema. Essi sovrappongono o integrano la parte delle istruzioni specifiche per il compito, mantenendo al contempo il formato strutturale dell’output (ad esempio le righe CONCEPT:, la sintassi dei link wiki) di cui Notemd ha bisogno per l’elaborazione.

Come funziona

Architettura del Prompt

Ogni task Notemd segue la stessa struttura di prompt:

[System role: You are a helpful assistant...]
[Domain constraint: Relevant Fields: [{domain}]]   <-- focused learning (optional)
[Custom task prompt]                                <-- your override (optional)
[Output format instructions]                        <-- always preserved
[Content: {{content}}]                              <-- runtime substitution

1. Prompt di sistema di base -- Imposta la personalità dell’assistente. Non può essere sovrascritto.
2. Dominio di apprendimento mirato -- Aggiunge Relevant Fields: [medicine / law / computer science / ...] all’inizio per limitare l’ambito. Si tratta di un interruttore di impostazioni, non di un prompt grezzo.
3. Prompt personalizzato per il compito -- Sostituisce le istruzioni di default del compito (ad esempio, quali tipi di concetti estrarre, con quanta aggressività effettuare i collegamenti).
4. Formato di output -- Regole strutturali (linee CONCEPT:, formato link wiki). Viene sempre aggiunto Notemd per garantire la parzializzabilità.
5. Contenuto -- Il testo effettivo della nota, sostituito in tempo di esecuzione tramite {{content}}.

Variabili del prompt

Le variabili vengono sostituite al momento dell’esecuzione. Le variabili disponibili variano in base al compito:

Variabile	Compiti	Sostituito con
{{content}}	Tutto	Il testo della nota o della selezione
{{concept}}	Modello di nota concettuale	Il nome del concetto estratto
{{description}}	Modello di nota concettuale	Descrizione del concetto generata da LLM
{{backlinks}}	Modello di nota concettuale	Elenco delle note di origine con link
{{date}}	Modello di nota concettuale	Data attuale (YYYY-MM-DD)
{{language}}	Traduzione	Lingua di output target
{{source}}	Modello di nota concettuale	Nota di origine nome del file

Dominio di apprendimento mirato

La funzione di apprendimento mirato è un’abbreviazione per la definizione dell’ambito di applicazione. Invece di scrivere un prompt personalizzato che menzioni il proprio campo, basta impostare focusedLearningDomain nelle impostazioni:

Settings → Advanced → Focused Learning Domain
Example: "medicine" or "computer science" or "Chinese philosophy"

Questo aggiunge Relevant Fields: [medicine] all’inizio della richiesta di estrazione, facendo sì che LLM dia priorità ai concetti rilevanti per il dominio e ne sopprima quelli generici. È più leggero di una richiesta personalizzata completa e funziona in tutti i compiti di estrazione.

Configurazione

Impostazioni	Predefinito	Effetto
customAddLinksPrompt	''	Sovrascrivere la richiesta predefinita del compito add-links
customExtractConceptsPrompt	''	Sovrascrivere la richiesta predefinita per l’estrazione dei concetti
customResearchPrompt	''	Sovrascrivere la richiesta di ricerca predefinita + riassumere
customTranslatePrompt	''	Sovrascrivere la richiesta di traduzione predefinita
customDiagramPrompt	''	Sovrascrivere la richiesta predefinita per la generazione del diagramma
focusedLearningDomain	''	Aggiungi il contesto della disciplina alle istruzioni di estrazione e collegamento
extractConceptsMinimalTemplate	true	Utilizza il modello di nota concettuale con solo il titolo (influenza l’ambito del modello {{concept}})
customConceptNoteTemplate	''	Sovrascrivere il modello del file di nota concettuale con pieno supporto per le variabili

Quando un campo di prompt personalizzato è vuoto, viene utilizzato il prompt predefinito integrato.

Esempio

Sei un ricercatore medico che estrae concetti dalle note di studi clinici. Il prompt predefinito estrae sostantivi generici insieme ai termini medici, il che appesantisce la tua cartella dei concetti.

Soluzione: Impostare un dominio di apprendimento specifico e una richiesta di estrazione personalizzata.

1. Imposta focusedLearningDomain su medicine
2. Imposta customExtractConceptsPrompt su:

Extract only clinically relevant concepts: diseases, drug names,
anatomical terms, measurement endpoints, and statistical methods.
Ignore generic English nouns, brand names, and institutional names.
Prioritize MeSH terminology where applicable.

Ora, quando si esegue “Extract concepts” su una nota clinica, il LLM produce:

CONCEPT: Randomized Controlled Trial
CONCEPT: Double-Blind Method
CONCEPT: Myocardial Infarction
CONCEPT: Creatine Kinase-MB
CONCEPT: Kaplan-Meier Estimate

Invece del comportamento predefinito che potrebbe estrarre anche termini generici indesiderati come “ospedale” o “mese”.

Consigli

• Inizia con il dominio di apprendimento specificato prima di scrivere una richiesta personalizzata completa. Con una sola impostazione è sufficiente per coprire l’80% dei casi d’uso.
• Mantieni il formato di output -- Non rimuovere mai le istruzioni di formattazione come "uno per riga" o "CONCEPT: prefix" dalle richieste personalizzate. Il parser di Notemd dipende da esse.
• Testare prima con un’unica nota -- I prompt personalizzati possono avere effetti inaspettati sull’ampiezza dell’estrazione. Verificare su una nota prima del processing batch.
• Mantieni i prompt concisi -- I prompt personalizzati eccessivamente lunghi consumano token e possono ridurre la concentrazione del modello.

---

Prossimi passi

• Wiki-Links -- Cosa viene collegato quando si personalizza la richiesta di aggiunta dei link
• Note di concetto -- Modelli di nota di concetto e la variabile {{concept}}
• Elaborazione batch -- Applicare prompt personalizzati a intere cartelle
• Resoluzione dei problemi -- Correggi i problemi in cui le istruzioni personalizzate producono output inaspettato