Prompt jak specyfikacja: polecenia, które działają od razu

Znasz to: wpisujesz do czatu „napisz ofertę dla klienta”, dostajesz poprawny, gładki i kompletnie bezużyteczny tekst. Dopisujesz „bardziej konkretnie”. Potem „krócej”. Potem „nie tak formalnie”. Po dziesięciu minutach masz coś znośnego i poczucie, że szybciej napisałbyś sam.

Problem zwykle nie leży w modelu. Leży w poleceniu. Jeśli prompt ma jedno zdanie, model musi zgadnąć dziesięć rzeczy, których mu nie powiedziałeś: dla kogo pisze, w jakim tonie, jak długo, co wolno obiecać, czego unikać. Zgaduje średnią z internetu. A średnia z internetu to właśnie ten gładki ogólnik.

W serii „AI dla Kowalskiego” pisaliśmy o promptowaniu „po ludzku”. Tu idziemy krok dalej. Potraktujemy prompt jak specyfikację, czyli zlecenie, które dałbyś nowemu, zdolnemu współpracownikowi pierwszego dnia w pracy.

Model to zdolny stażysta bez kontekstu

Najlepsza metafora, jaką znam: duży model językowy to bardzo oczytany stażysta, który właśnie wszedł do biura. Zna gramatykę, zna świat, pisze szybko. Ale nie wie nic o Twojej firmie, Twoim kliencie, Twoich wcześniejszych ustaleniach ani o tym, co dla Ciebie znaczy „dobrze”.

Jak pracujesz z takim stażystą? Nie mówisz mu „ogarnij ofertę”. Mówisz: to jest klient X, rozmawialiśmy o Y, zależy mu na Z, budżet jest taki, nie obiecujemy terminu krótszego niż dwa tygodnie, wyślij mi szkic na pół strony. Dokładnie tego samego potrzebuje model.

Firmy, które tworzą modele, piszą to wprost w swoich poradnikach. Zarówno dokumentacja Anthropic, jak i OpenAI powtarzają tę samą radę: bądź jasny, bezpośredni i daj kontekst. To nie jest magia słów kluczowych. To zwykła komunikacja.

Pięć części dobrego promptu

Dobry prompt do poważnego zadania ma zwykle pięć części. Nie zawsze wszystkie, ale warto je znać, żeby świadomie wybierać.

1. Rola i odbiorca

„Jesteś doświadczonym redaktorem” albo „Wyjaśniasz to jak nauczyciel fizyki w liceum”. Rola nie daje modelowi nowej wiedzy, ale ustawia słownictwo, poziom szczegółów i styl. Jeszcze ważniejszy jest odbiorca: „piszesz dla właściciela małej piekarni, który nie zna żargonu marketingowego” zmienia odpowiedź bardziej niż jakakolwiek rola.

2. Kontekst

To część, którą pomijamy najczęściej, bo nam wydaje się oczywista. Model nie wie, że klient już raz zrezygnował. Nie wie, że szef nie znosi długich maili. Nie wie, że to trzecia wersja i dwie poprzednie odrzucono za zbyt sztywny ton.

Prosty test: wyobraź sobie, że dajesz ten prompt komuś z innego działu. Czy zrozumiałby, o co chodzi, bez dopytywania? Jeśli nie, dopisz brakujący kontekst.

Warto też pisać, po co coś robisz. „Streść ten raport” daje inne streszczenie niż „Streść ten raport, bo jutro muszę w dwie minuty przekonać zarząd do przedłużenia projektu”. Cel podpowiada modelowi, co jest ważne, a co można pominąć.

3. Zadanie

Jedno główne polecenie, najlepiej zaczynające się od czasownika: napisz, porównaj, wypisz, oceń, przeredaguj. Jeśli masz trzy zadania, rozpisz je jako kroki albo zrób trzy osobne prompty. Kilka różnych próśb wrzuconych do jednego zdania to przepis na odpowiedź, która każdą z nich realizuje w połowie.

4. Przykład

Jeden przykład tonu albo struktury często działa lepiej niż trzy zdania opisu. To zjawisko jest dobrze opisane w badaniach. Już praca Browna i współpracowników z 2020 roku, przedstawiająca model GPT-3, pokazała, że kilka przykładów w poleceniu (tzw. few-shot) wyraźnie poprawia wyniki w wielu zadaniach.

W praktyce: zamiast pisać „ma być swobodnie, ale profesjonalnie”, wklej fragment maila, który kiedyś napisałeś i który Ci się podobał. Dopisz: „Pisz w takim tonie jak ten przykład, ale nie kopiuj jego treści”.

Uwaga: model lubi naśladować przykłady za dokładnie. Jeśli dasz jeden wzór, kolejne teksty będą miały tę samą długość, ten sam początek i te same zwroty. Dlatego przy powtarzalnych zadaniach dawaj dwa lub trzy różne przykłady albo wprost zaznacz, co ma być wspólne (ton), a co ma się różnić (treść, budowa).

5. Format i kryteria

Na końcu powiedz, jak ma wyglądać wynik i po czym poznasz, że jest dobry. Długość („do 150 słów”), układ („tabela z kolumnami: zadanie, termin, osoba”), rzeczy zakazane („bez wykrzykników, bez sformułowań typu «w dzisiejszych czasach»”).

Kryteria to sekretna broń. Jeśli napiszesz: „Dobry tekst: klient po przeczytaniu wie, ile zapłaci, kiedy dostanie usługę i co ma zrobić dalej”, model sam sprawdzi swój szkic pod tym kątem. Ty zresztą też będziesz wiedział, jak go ocenić.

Ten sam temat, dwa polecenia

Zobacz różnicę na prostym przykładzie. Właściciel serwisu rowerowego chce post na Facebooka o promocji.

Druga wersja promptu ma może 60 słów więcej. Napisanie jej zajmuje minutę. Oszczędza pięć rund poprawek.

Oto jak taki prompt wygląda w całości:

Piszesz posty na Facebooka dla małego serwisu rowerowego w Poznaniu. Odbiorcy to rowerzyści z okolicy, 30-50 lat, jeżdżą rekreacyjnie, cenią konkret.

Zadanie: napisz post o promocji. Przeglądy rowerów są tańsze o 20% do 15 kwietnia. Przegląd trwa jeden dzień, zapisy telefonicznie.

Ton: swobodny, jak sąsiad z warsztatu. Bez wykrzykników, bez hashtagów, bez słów „wyjątkowa okazja”.

Format: do 80 słów, na końcu jedno pytanie do czytelników. Daj trzy różne wersje.

Zauważ ostatnie zdanie. Prośba o kilka wersji to jeden z najprostszych trików: zamiast poprawiać jedną odpowiedź, wybierasz najlepszą z trzech i ewentualnie łączysz fragmenty.

Niech model zada pytania, zanim zacznie

Przy większych zadaniach (oferta, plan projektu, ważny mail) dodaj na końcu promptu jedno zdanie:

Zanim zaczniesz, zadaj mi do pięciu pytań o rzeczy, których potrzebujesz, żeby zrobić to dobrze.

To odwraca role. Model, który zna typowe zadania tego rodzaju, sam wskaże luki w Twoim zleceniu: „Czy klient zna już cennik?”, „Jaki jest termin?”, „Czy mam wspomnieć o gwarancji?”. Odpowiadasz w trzech linijkach i dopiero wtedy dostajesz tekst.

To szczególnie przydatne, gdy sam jeszcze nie wiesz, czego chcesz. Pytania modelu pomagają Ci to sprecyzować.

Myślenie krok po kroku: kiedy pomaga, a kiedy nie

Słyszałeś pewnie o magicznej formułce „pomyśl krok po kroku”. Ma solidne podstawy: Wei i współpracownicy w 2022 roku pokazali, że proszenie modelu o rozpisanie rozumowania (chain of thought) poprawia wyniki w zadaniach matematycznych i logicznych.

Dziś to wygląda trochę inaczej. Najnowsze modele mają wbudowany tryb rozumowania (w różnych aplikacjach nazywa się to „myśleniem”, „rozszerzonym rozumowaniem” albo po prostu wyborem mocniejszego modelu). Same rozpisują problem, zanim odpowiedzą. Formułka „krok po kroku” daje więc mniej niż kiedyś.

Co nadal działa:

• Rozbijanie zadania na etapy: „Najpierw wypisz argumenty za i przeciw. Potem oceń każdy w skali 1-5. Na końcu daj rekomendację”. To nie jest trik, tylko lepsza specyfikacja.
• Prośba o uzasadnienie: „Przy każdej rekomendacji podaj jedno zdanie, dlaczego”. Łatwiej wtedy wyłapać błędne rozumowanie.
• Włączenie trybu rozumowania przy zadaniach analitycznych: porównania, obliczenia, plany. Przy prostym mailu to strata czasu.

Struktura promptu: nagłówki i znaczniki

Gdy prompt robi się długi (wklejasz dokument, dane, przykłady), pomaga wyraźna struktura. Model lepiej odróżnia polecenie od materiału, na którym ma pracować.

Możesz użyć zwykłych nagłówków:

ZADANIE: Przygotuj streszczenie dla zarządu.
MATERIAŁ: (tu wklejony raport)
FORMAT: 5 punktów, każdy do 2 zdań.

Albo znaczników w nawiasach ostrych, które dobrze rozumie wiele modeli, a dokumentacja Anthropic wprost je poleca:

Przeczytaj raport w znacznikach <raport> i wypisz trzy największe ryzyka.
<raport> … </raport>

Przy długich materiałach jest jeszcze jedna praktyczna zasada: polecenie umieść na końcu, po wklejonym tekście, albo powtórz je tam krótko. Badanie Liu i współpracowników z 2023 roku („Lost in the Middle”) pokazało, że modele najsłabiej korzystają z informacji ukrytych w środku długiego kontekstu. Najlepiej pamiętają początek i koniec. Nowsze modele radzą sobie z tym lepiej, ale nawyk nic nie kosztuje.

Pozytywnie, nie zakazami

Częsty błąd: lista zakazów pisana wielkimi literami. „NIE UŻYWAJ ŻARGONU. NIGDY NIE PISZ DŁUGICH ZDAŃ”. Krzyk nie pomaga, a czasem szkodzi: nowsze modele traktują takie polecenia zbyt dosłownie i np. przestają używać jakichkolwiek terminów, nawet potrzebnych.

Lepiej powiedzieć, co ma być, i dlaczego:

• zamiast „NIE UŻYWAJ ŻARGONU” napisz „pisz zrozumiale dla osoby bez wykształcenia technicznego; jeśli termin jest niezbędny, wyjaśnij go w pół zdania”,
• zamiast „NIGDY NIE PISZ DŁUGO” napisz „tekst będzie czytany na telefonie, więc krótkie akapity, maksymalnie trzy zdania”.

Wyjaśnienie „dlaczego” pozwala modelowi poradzić sobie w sytuacjach, których nie przewidziałeś.

Kiedy przestać poprawiać i przepisać prompt

Masz za sobą pięć rund „popraw to”, „nie, inaczej”, a wynik dalej nie jest dobry? Zatrzymaj się. Długa rozmowa z poprawkami ma dwa minusy. Po pierwsze, model ciągnie za sobą wszystkie wcześniejsze wersje i zaczyna mieszać. Po drugie, Ty tracisz z oczu, czego właściwie chcesz.

Lepsza metoda:

1. Przeczytaj, co Ci się nie podobało we wszystkich wersjach.
2. Dopisz to do pierwotnego promptu jako kontekst albo kryterium.
3. Otwórz nową rozmowę i wklej poprawiony prompt.

Możesz nawet poprosić model o pomoc: „Na podstawie naszej rozmowy napisz jeden kompletny prompt, który dałby od razu ostateczną wersję”. Wynik zapisz, bo to Twój nowy szablon.

Własny szablon do powtarzalnych zadań

Jeśli co tydzień robisz to samo (raport, newsletter, odpowiedzi na zapytania klientów), nie pisz promptu od zera. Zrób szablon z lukami:

Piszesz odpowiedzi na zapytania klientów firmy [nazwa], która [czym się zajmuje].
Nasz ton: [2-3 przymiotniki + przykład zdania].
Zasady: [czego nie obiecujemy, jakie są terminy, ceny].
Zapytanie klienta: [wklej].
Napisz odpowiedź do 120 słów. Jeśli klient pyta o coś, czego nie ma w zasadach, napisz to wprost i zaproponuj telefon.

Szablon trzymaj w notatkach albo, jeszcze lepiej, wbuduj w stałego asystenta. O tym, jak zrobić z takiego szablonu asystenta z instrukcjami i plikami, piszemy w następnym odcinku.

Trzy wzory na co dzień

Na koniec trzy gotowe szkielety do zadań, które większość z nas robi co tydzień. Uzupełnij nawiasy i masz prompt, który od razu daje użyteczny wynik.

Streszczenie do decyzji:

Przeczytaj poniższy materiał. Jestem [rola] i muszę zdecydować [o czym]. Wypisz: 1) trzy najważniejsze fakty, które wpływają na tę decyzję, 2) czego w materiale brakuje, 3) jedno pytanie, które warto zadać autorowi. Nie streszczaj rzeczy nieistotnych dla decyzji.

Redakcja cudzego lub własnego tekstu:

Popraw poniższy tekst pod kątem jasności i długości zdań. Nie zmieniaj faktów ani tonu. Zaznacz pogrubieniem miejsca, które zmieniłeś, a pod tekstem wypisz trzy najważniejsze zmiany z jednozdaniowym uzasadnieniem.

Analiza za i przeciw:

Rozważam [decyzja]. Kontekst: [sytuacja, budżet, ograniczenia]. Wypisz najmocniejsze argumenty za i przeciw, każdy oceń w skali 1-5 pod względem wagi. Potem wskaż, jakiej informacji brakuje, żeby zdecydować z większą pewnością. Nie dawaj rekomendacji, dopóki nie zadasz mi pytań.

Zwróć uwagę, że każdy wzór mówi modelowi nie tylko, co ma zrobić, ale też czego nie robić i jak pokazać pracę. Prośba o zaznaczenie zmian albo o uzasadnienie każdego punktu sprawia, że szybciej ocenisz wynik i wyłapiesz miejsca, w których model poszedł w złą stronę.

Jak sprawdzić, czy prompt jest dobry

Dobry prompt to taki, który daje dobry wynik powtarzalnie, nie raz na pięć prób. Prosty test:

• uruchom ten sam prompt trzy razy (w nowych rozmowach),
• porównaj wyniki z kryteriami, które sam wypisałeś,
• jeśli wszystkie trzy spełniają kryteria, prompt jest gotowy; jeśli jeden odstaje, zobacz dlaczego i doprecyzuj.

To brzmi jak dużo pracy, ale robisz to raz dla zadania, które potem wykonujesz dziesiątki razy. Przy pojedynczym mailu nie ma sensu. Przy szablonie na cały rok jak najbardziej.

Najczęstsze pytania

Czy długi prompt nie „rozprasza” modelu? Długi prompt z konkretami nie, chaotyczny tak. Model dobrze radzi sobie z kilkuset słowami jasnych instrukcji. Problemem są sprzeczności („krótko, ale wyczerpująco”) i polecenia rozrzucone po całym tekście. Struktura z nagłówkami rozwiązuje większość z nich.

Czy prompt musi być po angielsku? Nie. Współczesne modele bardzo dobrze rozumieją polski. Jeśli wynik ma być po polsku, pisz po polsku, bo zmniejszasz ryzyko kalek z angielskiego w odpowiedzi.

Czy grzecznościowe „proszę” coś zmienia? Na jakość odpowiedzi wpływa niewiele, a na pewno mniej niż kontekst i kryteria. Pisz tak, jak Ci wygodnie. Ważniejsze od tonu jest to, czy model wie, czego od niego oczekujesz.

Gdzie trzymać dobre prompty? W jednym miejscu poza czatem: w notatkach, w dokumencie, w menedżerze tekstów. Opisz krótko, do czego służy każdy prompt i kiedy ostatnio go testowałeś. Najlepsze przenieś do stałych asystentów, o czym w kolejnym odcinku.

Najważniejsze w skrócie

Prompt nie jest zaklęciem. To zlecenie. Im lepiej opiszesz sytuację, cel, odbiorcę i to, co uznasz za dobry wynik, tym mniej model musi zgadywać. Pięć części (rola, kontekst, zadanie, przykład, format z kryteriami) to nie sztywny wzór, tylko lista kontrolna. Przy prostym pytaniu wystarczy jedno zdanie. Przy ważnym tekście zatrzymaj się na minutę i rozpisz zlecenie porządnie.

Ćwiczenie na dziś: weź zadanie, które ostatnio robiłeś z AI i które wymagało wielu poprawek. Napisz do niego prompt według pięciu części, dodaj prośbę o pytania na początku i uruchom w nowej rozmowie. Porównaj wynik z tym, co miałeś wcześniej.