Questo studio esamina la capacità dei modelli linguistici di grandi dimensioni (LLM) nella generazione del codice per progetti software, con particolare focus sulla valutazione della correttezza e della qualità del codice prodotto. La ricerca è strutturata da fornire una panoramica sull'efficacia di diverse tecniche di prompt engineering utilizzate per guidare gli LLM verso una generazione di codice corretto e di qualità. Lo studio verifica le prestazioni di tre modelli (ClaudeSonnet, GPT e Gemini) attraverso una valutazione preliminare su sei esercizi (4 in Python e 2 in Rust) nel quale vengono utilizzate diverse tecniche di prompting e il codice prodotto viene analizzato attraverso dei test per la correttezza e tramite alcune metriche per la qualità; metriche che riflettono le migliori pratiche di programmazione attuali quali complessità ciclomatica, leggibilità e manutenibilità.