Prompt engineering per la generazione di immagini IA

"Prompt engineering" suona come un titolo di lavoro inventato da qualcuno per farsi pagare di più all'ora. Togli la parola d'ordine e resta un'affermazione semplice: le parole che dai a un modello di immagini sono una specifica, e specifiche migliori producono risultati migliori. Quell'affermazione è vera, e questa guida copre ciò che sposta davvero l'ago.

Tutto qui vale per Google Gemini, per cui sviluppiamo, ma i principi si trasferiscono a qualsiasi modello di immagini moderno.

Il modello riempie ogni vuoto che lasci

Un modello di immagini deve restituire una scena completa: ogni superficie, ogni fonte di luce, ogni tessuto. Tutto ciò che il tuo prompt non specifica, lo decide il modello al posto tuo — e decide ripiegando sulla media statistica dei suoi dati di addestramento. Luce media. Composizione media. Vestiti medi.

Ecco perché i prompt vaghi risultano generici. Non perché il modello sia debole, ma perché gli hai delegato ogni decisione.

Il prompt engineering è semplicemente decidere più cose da solo. L'abbigliamento esatto del soggetto e il suo stato — giacca chiusa o aperta. L'ambiente con i materiali nominati — marmo, teak, acciaio spazzolato. La fonte di luce e la sua direzione. La distanza e l'angolazione della camera. Il formato e la finitura.

L'ordine conta meno della completezza

Ci si ossessiona sull'ordine dei token e sulle parole magiche. In pratica, un prompt completo in linguaggio semplice batte ogni volta un prompt incompleto con sintassi da iniziati. Il modello non ha bisogno di "8k, capolavoro, di tendenza" — ha bisogno di sapere che COS'È la scena.

Una verifica utile: rileggi il tuo prompt e chiediti cosa un fotografo umano dovrebbe ancora chiederti. "Uomo in giacca e cravatta in un hotel" lascia il fotografo a chiedere: quale abito, che colore, abbottonato o aperto, quale hotel, hall o rooftop, mattina o notte, primo piano o figura intera? Ogni domanda senza risposta è una decisione che hai appena consegnato alla media.

La struttura a cinque livelli

Quasi ogni prompt forte del nostro archivio segue lo stesso scheletro:

1. Inquadratura: "scatto spontaneo di me" — stabilisce che c'è un solo soggetto, fotografato in modo naturale anziché in posa da studio.

2. Azione e posa: mentre esce da, appoggiato a, mentre sistema un polsino, a metà passo. I verbi creano fotografie; stare in piedi crea foto tessera.

3. Guardaroba, voce per voce: ogni capo nominato con colore, materiale e stato. "Bomber nero leggermente aperto su una t-shirt bianca" — lo stato della zip sta facendo un lavoro reale lì.

4. Ambiente, materiali per primi: "hall in marmo con porte dell'ascensore in ottone" batte "hotel di lusso", perché il modello restituisce materiali, non aggettivi.

5. Finitura tecnica: formato, grana, condizione di luce. "Estetica granulosa, ora dorata, 9:16" imposta l'intera atmosfera in sette parole.

Anche i vincoli sono prompt

Metà del prompt engineering consiste nell'impedire cose. I modelli derivano verso i cliché — persone in più sullo sfondo, gioielli che non hai chiesto, gesti che sembrano inquietanti. Vincoli negativi espliciti scritti tra parentesi tengono la linea: "(nessun altro nella foto)" compare in quasi ogni prompt dell'archivio esattamente per questo motivo.

Se generi una serie, i vincoli la tengono coerente. Lo stesso taglio di capelli descritto allo stesso modo. Lo stesso orologio. La stessa correzione colore. La coerenza tra le immagini è ciò che rende un feed credibile, e nasce interamente da vincoli ripetuti.

Il ciclo di revisione

Le prime generazioni sono bozze. L'abilità sta nel diagnosticare cosa non va in termini di prompt:

L'immagine sembra piatta — non hai specificato una direzione della luce. I vestiti sembrano economici — hai nominato una categoria ("abito") invece di un capo ("abito doppiopetto in lana antracite, giacca aperta"). La scena è affollata — non hai mai detto cosa NON c'è. Il volto non torna — è la tua foto di riferimento, non il prompt; usa uno scatto pulito, ben illuminato, frontale.

Cambia un livello per revisione. Se riscrivi l'intero prompt a ogni tentativo, non impari nulla su quale modifica abbia contato.

Quando smettere di fare engineering e iniziare a copiare

Ecco l'economia onesta: mettere a punto un singolo prompt affidabile richiede dalle 20 alle 40 generazioni di iterazione. È un pomeriggio per scena. Il prompt engineering è un'abilità vera — ma per la maggior parte delle persone è un mezzo per un fine, e il fine è la foto.

È esattamente questa la premessa di PROMPTMVSTR: l'archivio raccoglie centinaia di prompt che quel ciclo l'hanno già attraversato, ciascuno mostrato accanto all'immagine esatta che ha prodotto. Copia il prompt alla lettera, inserisci il tuo viso, fatto. Studiali e assorbirai la struttura più in fretta di quanto qualsiasi guida possa insegnarla — questa compresa.