Per due anni "prompt engineering" è stata l'unica competenza di cui si parlasse, come se scrivere l'istruzione giusta bastasse a far funzionare un sistema AI in produzione. Non basta, e da quando ho iniziato a costruire agenti veri — non demo — è diventato chiaro che la parte difficile comincia dopo il prompt.
Questa raccolta segue il percorso che ho fatto io stesso, dal livello più familiare a quello più trascurato: prima cosa dici al modello, poi cosa gli fai vedere, poi come lo fai ragionare nel tempo, poi come coordini più agenti insieme, e infine come costruisci gli strumenti che quegli agenti useranno per agire nel mondo reale.
Si parte da prompt, context, loop e graph engineering, l'articolo che mette in fila i quattro livelli e spiega perché non sono uno l'evoluzione dell'altro, ma competenze che si sommano. La context engineering, in particolare, è il pezzo che nel 2026 conta più della prompt engineering stessa: con i modelli frontier ormai vicini in performance, il vantaggio si è spostato su cosa il modello ha davvero a disposizione per rispondere, non su come formuli l'istruzione.
Da lì, il passo naturale è capire perché i sistemi che si costruiscono con l'AI tendono tutti a somigliarsi. Ne parlo in La trappola dello stack di default: un modello propone quello che è più rappresentato nei suoi dati di addestramento, non necessariamente quello giusto per il tuo progetto. Vale per gli stack tecnici quanto per l'architettura di un agente — ed è il motivo per cui in entrambi gli articoli insisto sul ragionare prima di implementare, invece di accettare il primo output plausibile.
L'ultimo pezzo della serie, finora, è tool engineering: come si progettano i tool che dai in mano a un agente. È la parte più sottovalutata di tutte, perché un tool mal descritto non produce solo una singola chiamata sbagliata — inquina lo stato che l'agente porta con sé nel resto del ciclo, e in un sistema multi-agente il danno si propaga ben oltre il punto dove è stato commesso l'errore.
Se stai costruendo qualcosa di simile — un agente, una pipeline RAG, un sistema multi-agente — trovi in questi articoli sia il quadro concettuale sia gli errori concreti in cui è facile cadere. Aggiungo un pezzo nuovo ogni volta che trovo qualcosa che vale la pena mettere per iscritto, non secondo un calendario fisso.
Il glossario raccoglie gli stessi termini in forma più sintetica, se ti serve solo un ripasso veloce.
