Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Le migliori pratiche per la creazione e la valutazione di agenti per l'uso del computer Un agente per l'uso del computer funziona in un ciclo continuo: guarda lo schermo, agisce e guarda di nuovo. Le seguenti pratiche consentono di creare agenti in grado di completare le attività in modo affidabile, in meno passaggi e a costi inferiori. Si applicano a tutti i flussi di lavoro e alle famiglie di modelli. I risultati variano in base al flusso di lavoro, al modello, ai prompt e all'ambiente, quindi misura ogni modifica in base alle tue attività. ## Progetta il ciclo d'azione La maggior parte dello sforzo di un agente consiste nel leggere lo schermo e digitare, non nello spostarsi tra le finestre. Riduci gli errori di lettura e il numero di passaggi prima di ottimizzare la navigazione. + **Fornisci all'agente del testo anziché dei pixel**. La lettura di valori esatti, come nomi, indirizzi e-mail e numeri di conto, da uno screenshot è una fonte comune di errori. Se i dati hanno una copia testuale, forniscila tramite uno strumento. Per i valori in tabelle o colonne, chiedi anche all'agente di visualizzare l'immagine, perché un livello di testo può mescolare le colonne. + **Metti le istruzioni prima dello screenshot**. Quando l'agente deve trovare e fare clic su qualcosa, posiziona le istruzioni davanti all'immagine nella richiesta, in modo che l'agente sappia cosa cercare. + **Inizia da un layout noto**. Ingrandisci ogni applicazione con una scorciatoia da tastiera prima che l'agente vi lavori. Un layout coerente rende i flussi ripetuti più prevedibili e riduce lo scorrimento. + **Preferisci la tastiera**. Usa le scorciatoie da tastiera per scorrere, ingrandire le finestre e aprire i menu, specialmente per i controlli piccoli o difficili da premere. Le scorciatoie non dipendono dalla posizione di un controllo sullo schermo. + **Conferma ogni azione**. Un'applicazione occupata può ignorare la pressione di un tasto. Attendi brevemente dopo ogni azione, tieni d'occhio alcune schermate recenti e chiedi all'agente di ripetere un'azione che non ha avuto alcun effetto. + **Usa Tab solo dove è sicuro**. Il tasto Tab funziona bene nei campi di testo normale. Fai clic sui campi in cui l'applicazione reagisce quando un campo perde lo stato attivo, ad esempio i campi con compilazione automatica, i menu a discesa o i selettori di date. + **Cambia, non riavviare**. Per spostarsi tra le applicazioni in esecuzione, utilizzare la barra delle applicazioni o il selettore di applicazioni. Il riavvio di un'applicazione comporta l'aggiunta di passaggi. + **Individua i controlli nella schermata corrente**. Le coordinate copiate da una schermata precedente diventano obsolete quando si sposta una finestra. Utilizzate le coordinate fisse solo in un layout ingrandito e fisso. + **Rileva le azioni che non cambiano nulla**. Quando due azioni di seguito lasciano lo schermo invariato, chiedi all'agente di cambiare approccio. Limita lo scorrimento ripetuto, in modo che un'esecuzione non spenda il suo budget per una singola azione. + **Azioni raggruppate con cura**. Un batch mostra all'agente solo la schermata dopo l'ultima azione, quindi termina un batch sull'unica schermata che l'agente deve leggere. Verifica se il batch consente di risparmiare tempo sull'intero flusso di lavoro prima di fare affidamento su di esso. Restituisci gli errori batch solo come testo, perché alcuni modelli rifiutano un risultato di errore che include un'immagine. ## Adattarsi alla famiglia di modelli Le famiglie di modelli utilizzano un desktop in modo diverso. Crea il ciclo di agenti una sola volta e adatta le competenze e le impostazioni per ogni famiglia. Un'abilità ottimizzata per una famiglia di solito necessita di correzioni prima di funzionare con un'altra. + **Invia una nuova schermata dopo ogni modifica**. Alcuni modelli continuano ad agire su una vecchia schermata senza segnalare un problema. Allega una nuova schermata dopo ogni azione che modifica la schermata. + **Gestisci le coordinate in modo esplicito**. Alcuni modelli riportano le coordinate dei pixel e altri riportano le coordinate su una griglia normalizzata che è necessario convertire in pixel. Indicate le dimensioni dello schermo e l'intervallo di coordinate valido nel prompt e verificate che ogni clic sia all'interno dello schermo. + **Dimensiona le schermate del modello**. Abbina la risoluzione dello screenshot al limite dell'immagine del modello. Se riduci la scala di uno screenshot, ridimensiona nuovamente le coordinate del modello prima di fare clic. + **Cancella i campi prima di digitare**. In alcuni modelli, la digitazione aggiunge un valore a un campo anziché sostituirne il valore. Metti a fuoco il campo, seleziona tutto, elimina, digita una volta e rileggi il valore. + **Controlla le chiamate parallele agli strumenti**. Se un modello invia diverse azioni in un messaggio indipendentemente dal prompt, disattiva le chiamate parallele agli strumenti nel client. Eseguite le azioni in batch in ordine e fermatevi al primo errore. + **Per impostazione predefinita, mantieni basso lo sforzo di ragionamento**. Le attività semplici spesso hanno successo con uno sforzo minimo e uno sforzo maggiore comporta costi senza migliorare la precisione. Aumenta l'impegno per attività ramificate o in più fasi. + **Abbina la lunghezza del prompt al modello**. I modelli più forti possono funzionare partendo da un obiettivo breve. Aggiungete regole solo laddove un modello ne ha bisogno e abbreviate il prompt man mano che i modelli migliorano. + **Continua a ragionare tra i turni**. Se chiami un modello di ragionamento tramite un framework o un'API di compatibilità, conferma che il ragionamento del modello viene eseguito da un turno all'altro. Un ciclo che lo interrompe può bloccarsi. + **Confronta il costo per attività completata**. I modelli si differenziano per il numero di token utilizzati per fase, quindi il prezzo per token da solo non consente di prevedere il costo. Confronta i modelli con la superficie dell'utensile che intendi utilizzare. ## Competenze e suggerimenti di scrittura L'abilità, le istruzioni che fornisci all'agente per un flusso di lavoro, hanno un grande effetto sulla precisione e sui costi. Un prompt generico mal progettato può avere prestazioni peggiori di nessun prompt. + **Includi alcune regole di funzionamento**. Ad esempio: ricorda ciò che hai letto, verifica prima di andare avanti, cambia approccio dopo due tentativi falliti e attendi che l'applicazione risponda. + **Fornisci fatti, non procedure**. I modelli attuali richiedono meno indicazioni dettagliate. Mantieni le competenze brevi e includi i fatti che l'agente non può scoprire, come i percorsi dei file, i formati dei campi e le stranezze delle applicazioni. + **Definisci campi ad alto valore**. Indica il formato esatto di campi come identificatori e numeri di conto e chiedi all'agente di verificare ogni valore in base a quel formato prima di digitare. + **Rendi la verifica obbligatoria e mirata**. Gli agenti possono inserire valori errati in tutta sicurezza, quindi non lasciate la verifica al giudizio dell'agente. Controlla ogni valore una volta, subito dopo averlo digitato, e rileggi i pochi campi ad alto valore prima di salvarli. Un nuovo controllo completo di ogni campo aggiunge passaggi senza migliorare la precisione. + **Correggi gli errori presenti**. Quando un valore è sbagliato, chiedi all'agente di correggere quel campo invece di cancellare e digitare nuovamente l'intero modulo. + **Consegnalo in modo pulito ai subagenti**. Fornisci a un subagente istruzioni complete e richiedi un rapporto alla fine, invece di controllarne il funzionamento in corso. + **Migliora le tue abilità partendo dalle tue corse**. Rivedi le schermate, le azioni e il ragionamento di ogni corsa, modifica una regola alla volta e mantieni una modifica solo se ogni corsa ha ancora successo. Dividi il flusso di lavoro in fasi cardine, in modo da poter vedere dove si fermano le esecuzioni non riuscite. ## Gestisci il contesto e i costi Il costo dipende principalmente dal contesto in cui si inserisce il modello e dal numero di fasi di esecuzione. Ogni chiamata invia nuovamente la cronologia, quindi ogni passaggio aggiuntivo costa più del precedente. Il modo più efficace per ridurre i costi è scegliere il modello e l'abilità che completano l'attività nel minor numero di passaggi. + **Reimposta il contesto tra le attività**. Avvia ogni attività indipendente da un contesto pulito e da uno stato dello schermo noto. + **Conserva solo le schermate recenti**. Conserva alcune schermate recenti, come le ultime tre, e sostituisci le immagini più vecchie con una breve nota di testo. Conservare una sola schermata può aumentare i costi, perché l'agente scorre indietro per vedere cosa ha perso. + **Comunica all'agente cosa rimuovi**. Spiega che le schermate precedenti vengono rimosse di proposito e chiedi all'agente di registrare ogni valore nella sua risposta mentre il valore è sullo schermo. La memorizzazione rapida nella cache può ridurre notevolmente i costi, ma solo se si costruisce il payload con attenzione: + Aggiungi solo alla fine della conversazione. La memorizzazione nella cache corrisponde al payload sin dall'inizio, quindi una modifica a un turno precedente invalida la cache. + Rimuovi le vecchie schermate in gruppi, non ogni turno, in modo che il prefisso memorizzato nella cache rimanga lo stesso tra una rimozione e l'altra. + Non ricostruire la conversazione ad ogni turno. Un payload che cambia a ogni turno può costare di più con la memorizzazione nella cache che senza. + Verifica che la memorizzazione nella cache sia attiva. I modelli hanno una dimensione minima del prefisso per la memorizzazione nella cache e un prefisso più piccolo non viene memorizzato nella cache e non restituisce un errore. ## Misura i risultati + **Esegui un numero sufficiente di prove**. I risultati variano tra esecuzioni identiche. Esegui molte prove, segnala la diffusione e utilizza un test statistico, ad esempio un test in coppia, prima di concludere che una versione è migliore. + **Calcola il costo per ogni tipo di token**. Includi nuovi input, output, scritture nella cache e letture della cache. I provider segnalano i token della cache in modo diverso, quindi controlla come ognuno di essi li conta. Segnala i token insieme ai costi. + **Segnala il costo con il punteggio**. Una modifica può mantenere la stessa percentuale di successo anche se aumenta i costi. Riporta insieme la percentuale di successo, il costo e le fasi e mantieni separati i costi relativi alle esecuzioni superate e non riuscite. + **Stabilisci il limite di passaggi con attenzione**. Imposta il limite al di sopra di ciò di cui ha bisogno il flusso di lavoro e segnala quante esecuzioni lo hanno raggiunto. Un'esecuzione che ha esaurito i passaggi richiede una correzione diversa da un'esecuzione che ha prodotto un risultato errato. Imposta anche limiti di tempo e costi e annulla l'assistenza. + **Cambia una cosa alla volta**. Tieni tutto il resto fisso, in modo da poter vedere l'effetto di ogni modifica. + **Ordina i guasti per causa**. Separa le mancanze nella lettura dello schermo dalle inadempienze nelle azioni. Un'abilità può migliorare il modo in cui l'agente agisce, ma non la capacità di lettura del modello. Prima di attribuire a una regola un miglioramento, verificate che l'agente l'abbia seguita. + **Valuta il risultato, non il rapporto dell'agente**. Controlla il record salvato e la schermata finale con un valutatore automatico che richiede la corrispondenza di ogni campo e include un controllo negativo. Un agente può segnalare che un'attività è stata completata quando non lo è. + **Controlla la configurazione del test**. Gli errori nel valutatore o nell'ambiente possono assomigliare a guasti degli agenti. Registra ogni prompt, screenshot e azione, in modo da poter tracciare le esecuzioni non riuscite. Non pubblicare risultati che non puoi riprodurre. ## Supervisione e sicurezza + **Tieni informata una persona**. Richiedi una conferma prima di azioni consequenziali o difficili da annullare, come pagamenti, cancellazioni o invii. Considera la digitazione di dati sensibili in un modulo come l'invio. Verifica la conferma richiesta prima di ogni azione in un batch e individua nuovamente la destinazione dopo l'approvazione di una persona, perché la schermata potrebbe essere cambiata. + **Passa le domande dell'agente a una persona**. Alcuni modelli si fermano e chiedono conferma da soli, ad esempio quando lo schermo suggerisce un sistema di produzione. Assicurati che il tuo loop possa mostrare la domanda a una persona. + **Limita ciò che l'agente può raggiungere**. Esegui l'agente in un ambiente isolato con autorizzazioni minime. Tieni le credenziali di accesso lontane dalla portata dell'agente, ove possibile, e limita l'accesso a Internet a una lista consentita di domini. + **Considera i contenuti sullo schermo come non attendibili**. Il testo su una pagina o in un documento non può concedere autorizzazioni o modificare l'attività. Non lasciare che le istruzioni sullo schermo reindirizzino l'agente. + **Tieni l'agente lontano dal web aperto**. Inserisci le informazioni di cui l'agente ha bisogno nella skill, invece di farle cercare sul Web, dove può trovare CAPTCHA e contenuti non attendibili. ## Risorse correlate I fornitori di modelli pubblicano linee guida sull'uso del computer per i loro modelli. La loro documentazione attuale descrive i dettagli specifici del modello, come le dimensioni dello schermo supportate, i sistemi di coordinate e gli strumenti. + [Strumento per l'uso del computer](https://platform.claude.com/docs/en/agents-and-tools/tool-use/computer-use-tool) nella documentazione antropica + [Uso del computer](https://developers.openai.com/api/docs/guides/tools-computer-use) nella documentazione di OpenAI + [Uso del computer](https://ai.google.dev/gemini-api/docs/computer-use) nella documentazione dell'API Gemini