Torna alla libreria prompt
Libreria promptPrompt chat

Chat per normalizzare segnalazioni di bug

Trasforma una segnalazione cliente grezza in passaggi riproducibili, comportamento atteso, comportamento effettivo e dati mancanti.

SupportoIngegneriaQualità
Anteprima

Prompt chat

Modello consigliato

Gemini 3 Flash

Formato output

Segnalazione di bug

Anteprima

Prompt chat

thread chat

L'utente dice che l'esportazione video si è bloccata due volte dopo il caricamento, poi i crediti sono cambiati. Ha usato Chrome ma non ha inviato l'ID attività.

Riepilogo: l'esportazione video si blocca dopo il caricamento e potrebbe influire sui crediti visibili. Passaggi per riprodurre: caricare il video, avviare l'esportazione, osservare il blocco dopo l'inizio dell'elaborazione. Comportamento atteso: l'esportazione viene completata oppure restituisce un errore chiaro. Comportamento effettivo: secondo la segnalazione dell'utente, la pagina si blocca due volte. Dati mancanti: ID attività, marca temporale, dimensione file, email dell'account, saldo crediti prima e dopo.

Output

Riepilogo / passaggi per riprodurre / comportamento atteso / comportamento effettivo / dati mancanti

Collega il linguaggio del cliente allo smistamento tecnico senza inventare una causa.

Prompt completo

Chat per normalizzare segnalazioni di bug

Trasforma una segnalazione cliente grezza in passaggi riproducibili, comportamento atteso, comportamento effettivo e dati mancanti.

Modello consigliato: Gemini 3 FlashFormato output: Segnalazione di bug
Prompt completo
Prompt chat
Sei un ingegnere del supporto prodotto che normalizza una segnalazione di bug. Trasforma il linguaggio grezzo dell'utente in un report che il team di ingegneria possa smistare. Restituisci la risposta con: riepilogo, passaggi per riprodurre, comportamento atteso, comportamento effettivo, dati mancanti. Non dichiarare una causa radice. Tieni separate le citazioni dell'utente dai passaggi di riproduzione dedotti.

Note d'uso

Mantieni nell'input la formulazione grezza del cliente, ma rimuovi i dati personali che il team engineering non deve ricevere.

FAQ prompt

Prima di usare questo prompt

Controlli rapidi su input, fit del modello e come adattare il template senza indebolire il risultato.

Quando dovrei usare la chat per normalizzare segnalazioni di bug?

Trasforma una segnalazione cliente grezza in passaggi riproducibili, comportamento atteso, comportamento effettivo e dati mancanti. Usala quando hai già note, vincoli o una bozza grezza e ti serve un passaggio successivo strutturato che il team possa revisionare.

Cosa dovrei includere prima di eseguirla?

Includi il materiale sorgente, il pubblico, i vincoli, i fatti chiave e i confini che la risposta non deve inventare. L'output è organizzato come riepilogo / passaggi per riprodurre / comportamento atteso / comportamento effettivo / dati mancanti.

Anteprima thread

L'utente dice che l'esportazione video si è bloccata due volte dopo il caricamento, poi i crediti sono cambiati. Ha usato Chrome ma non ha inviato l'ID attività.
Riepilogo: l'esportazione video si blocca dopo il caricamento e potrebbe influire sui crediti visibili. Passaggi per riprodurre: caricare il video, avviare l'esportazione, osservare il blocco dopo l'inizio dell'elaborazione. Comportamento atteso: l'esportazione viene completata oppure restituisce un errore chiaro. Comportamento effettivo: secondo la segnalazione dell'utente, la pagina si blocca due volte. Dati mancanti: ID attività, marca temporale, dimensione file, email dell'account, saldo crediti prima e dopo.

Output

Riepilogo / passaggi per riprodurre / comportamento atteso / comportamento effettivo / dati mancanti

Altri prompt in questa modalità

thread chat

Vogliamo creare un assistente IA per piccoli team ecommerce che trasformi foto prodotto in materiali di campagna.

Ipotesi di problema: i piccoli team ecommerce perdono tempo nel trasformare foto prodotto grezze in materiali di campagna pronti per i canali. Assunzioni più rischiose: la qualità delle foto è sufficiente, i team si fidano delle varianti create dall'IA e il vero collo di bottiglia è il tempo di revisione. Domande di ricerca: chi possiede la creazione dei materiali di campagna, dove si bloccano le revisioni e quale soglia qualità impedisce la pubblicazione. Piano di validazione: intervistare 5 operatori, testare 3 flussi di materiali guidati da prompt e confrontare il tempo al primo materiale approvato. Soglia decisionale: continuare solo se i team raggiungono una bozza pubblicabile più velocemente del flusso attuale.

thread chat

Stiamo esplorando un nuovo prodotto AI per note rivolto a consulenti indipendenti. Aiutami a trasformarlo in un brief di ricerca.

Obiettivo: capire se i consulenti indipendenti hanno bisogno di uno spazio IA per note o di uno strato più leggero per il seguito clienti. Assunzioni di lavoro: catturano già le note, ma sintesi e stesura dei prossimi passi sono incoerenti. Pubblico: consulenti indipendenti con chiamate ricorrenti con clienti e supporto operativo limitato. Domande chiave: quali note diventano lavoro fatturabile, cosa si perde dopo le chiamate e dove gli strumenti CRM risultano troppo pesanti. Piano di ricerca: condurre 6 interviste, rivedere 10 flussi recenti di note chiamata e testare un prototipo di brief di seguito.

thread chat

Ecco la scaletta della pagina di destinazione del nostro prodotto IA. Dimmi cosa non è chiaro prima di progettarla.

Promessa centrale: visibile, ma ancora formulata come una funzionalità invece che come un risultato concreto per l'utente. Punto poco chiaro: la pagina non spiega chi ottiene valore per primo né quale flusso di lavoro cambia dopo l'iscrizione. Lacuna negli esempi: aggiungi esempi prima-dopo, campioni di output del modello e un breve segnale di fiducia vicino alla sezione hero. Problema CTA: l'azione primaria appare dopo troppa spiegazione; sposta una CTA orientata all'uso più vicino alla sezione di uso rapido. Piano di revisione: rendi più incisiva la sezione hero, aggiungi schede di risultato, poi riscrivi le obiezioni prima di rifinire gli elementi visivi.