Un metodo che fa «allucinare» l’LLM per creare tag utili

Con 1.856 tag nel suo blog, Simon Willison non può passarli tutti a un LLM in un’unica richiesta. Il 14 agosto 2026 descrive la scorciatoia di Doug Turnbull: far “allucinare” nuovi tag al modello e poi mappare quei nomi inventati sui tag reali usando embeddings vettoriali.

Il problema è pratico. Willison ha “un bel po’ di contenuti vecchi” non ancora taggati. Portare in input l’intero vocabolario sarebbe poco gestibile. La soluzione evita di caricare la lista dei tag. Si chiede invece al modello di proporre etichette plausibili, indipendenti dal lessico esistente. Poi si fa il passo di collegamento: si calcolano embeddings per i tag inventati e si cercano, contro il corpus dei tag reali, quelli più vicini nello spazio semantico.

Turnbull suggerisce di aiutare il modello con la “forma” dei tag attesi. Non il contenuto del vocabolario, ma esempi di struttura. Nel prompt di esempio, le categorie appaiono come percorsi gerarchici. Per capirci: “Furniture / Living Room Furniture / Coffee Tables & End Tables / Coffee Tables”. O ancora: “Décor & Pillows / Decorative Pillows & Blankets / Throw Pillows”. E poi “Furniture / Bedroom Furniture / Dressers & Chests”. “Kitchen & Tabletop / Kitchen Organization / Food Storage & Canisters”. “School Furniture and Supplies / School Furniture / School Chairs & Seating / Stackable Chairs”. “Baby & Kids / Toddler & Kids”. Il modello vede lo schema e produce proposte nello stesso formato.

Il passaggio chiave sta nel non vincolare il modello al dizionario reale. In assenza di un elenco da selezionare, il modello genera etichette descrittive. Quelle etichette non diventano il vocabolario definitivo. Servono come ancore per una ricerca per similarità contro i tag del corpus. Gli embeddings fanno da ponte tra il linguaggio libero del modello e le etichette esistenti.

Il vantaggio è diretto: si evita di fornire al modello un elenco lungo e si delega la disambiguazione alla fase di matching per vicinanza. Il modello propone, gli embeddings allineano. La mappatura avviene dopo, contro i tag concreti che già popolano il sito.

Willison presenta l’idea come una “neat solution”. Il contesto è operativo: riorganizzare e taggare contenuti arretrati senza dover riversare nelle richieste un vocabolario enorme. L’uso delle embeddings mira a trovare la “cosa più vicina” nel set attuale. La scelta di non dare la lista dei tag non elimina il vocabolario esistente. Lo rende un bersaglio di ricerca invece che un vincolo del prompt.

Il dettaglio sul prompt conta. Mostrare la sagoma dei tag guida l’output del modello verso categorie compatibili con una mappatura successiva per similarità. L’esempio nel testo chiarisce la forma attesa e riduce il rischio di output inutilizzabili per lo step di matching.

La descrizione non introduce altri elementi operativi oltre a questa sequenza: far generare al modello etichette nuove, poi usare embeddings contro il corpus esistente per trovare i tag più vicini. L’attenzione resta sul trucco di flusso: prima creatività libera, poi allineamento con il dizionario reale.

Un’ultima implicazione pratica: anche con molti tag già presenti, si può sbloccare il retagging di contenuti storici senza esporre al modello l’intero inventario, usando come segnali solo la forma delle categorie e la vicinanza semantica calcolata a valle.