Większość osób traktuje ChatGPT czy Gemini jak wyszukiwarkę: wpisują krótkie pytanie i liczą na najlepszy możliwy wynik za pierwszym razem. Eksperci od sztucznej inteligencji zgodnie twierdzą, że to błąd. Dobry prompt to nie zaklęcie, tylko precyzyjna instrukcja, a różnica między przeciętną a świetną odpowiedzią zwykle sprowadza się do kilku prostych zasad.
Sedno problemu tkwi w tym, że model językowy nie czyta w myślach. Im mniej kontekstu dostanie, tym więcej musi sam dopowiedzieć, a efektem bywa ogólnikowa, mało przydatna odpowiedź.
1. Nadaj AI konkretną rolę i kontekst
Zamiast pytać wprost o temat, warto najpierw określić, kim ma być model w tej rozmowie i dla kogo powstaje odpowiedź. Dobry prompt zawiera pięć elementów: rolę, zadanie, kontekst, ograniczenia oraz format wyjściowy. Zamiast pytania „jaki jest stan technologii baterii”, lepiej sformułować polecenie, które każe modelowi wyszukać aktualne informacje z ostatnich miesięcy, opierać się na sprawdzonych źródłach, podać źródło przy każdym ważniejszym twierdzeniu, oddzielić fakty od interpretacji i na końcu wskazać, co pozostaje niepewne.
2. Rozróżniaj zadania kreatywne od tych wymagających źródeł
Przy burzy mózgów czy dopracowywaniu stylu tekstu swoboda modelu bywa zaletą. Inaczej wygląda to przy tematach z prawa, medycyny czy ekonomii, gdzie liczy się precyzja i aktualność. W takich przypadkach warto wprost zażądać wyszukiwania w oficjalnych źródłach, zamiast polegania wyłącznie na wiedzy wewnętrznej modelu. Przy obliczeniach czy analizie danych dobrze też poprosić o odtwarzalny proces z bieżącą kontrolą wyników pośrednich.
3. Rozbij złożone zadanie na etapy
Zamiast jednego, ogromnego polecenia, lepiej sprawdza się stopniowy dialog, w którym kolejne kroki wynikają jeden z drugiego. Przykładowo: najpierw poproś o propozycję grup docelowych, potem o kanały komunikacji, a dopiero na końcu o konkretną kampanię marketingową łączącą oba elementy.
4. Zapobiegaj halucynacjom
Model językowy potrafi brzmieć pewnie siebie nawet wtedy, gdy się myli. Kilka technik realnie ogranicza to ryzyko. Warto pozwolić modelowi przyznać się do niewiedzy, dodając instrukcję, żeby napisał wprost, że nie wie, jeśli nie ma pewnej odpowiedzi. Pomaga też żądanie źródła przy każdym twierdzeniu i odrzucanie tych, których nie da się niczym podeprzeć. Przy dłuższych dokumentach dobrze najpierw poprosić o wypisanie cytowanych fragmentów, a dopiero potem o syntezę, bo to mocniej kotwiczy odpowiedź w realnym materiale.
5. Pokaż, czego oczekujesz, na przykładzie
Jeśli zależy ci na konkretnym stylu wypowiedzi, najskuteczniejsze jest pokazanie dwóch lub trzech przykładów tego, jak ma wyglądać efekt końcowy, zanim poprosisz o właściwe zadanie. Ta technika, znana jako few-shot, znacznie ułatwia modelowi trafienie w oczekiwany ton i format.
6. Strukturyzuj długie prompty przez Markdown
Przy bardziej rozbudowanych poleceniach warto sięgnąć po prosty format Markdown: nagłówki, listy punktowane, numerowane sekcje. Markdown sam w sobie nie zwiększa inteligencji modelu, ale porządkuje polecenie na czytelne części, dzięki czemu model łatwiej rozpoznaje, co jest zadaniem, a co dodatkowym kontekstem.
7. Określ, dla kogo powstaje odpowiedź
Ta sama informacja wymaga zupełnie innego wytłumaczenia dyrektorowi firmy niż studentowi czy programiście. Jeśli nie podasz grupy docelowej odpowiedzi, model wybierze uśredniony styl, który rzadko idealnie pasuje komukolwiek. Konkretne wskazanie odbiorcy, na przykład właściciela małej firmy produkcyjnej bez wykształcenia technicznego, od razu zawęża sposób tłumaczenia i dobór przykładów.
8. Poproś o kilka niezależnych odpowiedzi przy zadaniach wymagających precyzji
Przy pytaniach, gdzie liczy się poprawność, pomaga wygenerowanie tej samej odpowiedzi kilka razy niezależnie od siebie i wybranie wariantu, który powtarza się najczęściej. Zgodność między kilkoma niezależnymi próbami jest bardziej wiarygodna niż pojedyncza odpowiedź, bo błędy zwykle są przypadkowe, a poprawne rozwiązanie stabilne. Podobnie działa sprawdzenie tego samego pytania w dwóch różnych modelach: jeśli ChatGPT, Claude i Gemini zgadzają się ze sobą, to solidny filtr przeciwko fabrykowanym informacjom.
9. Żądaj wariantów, nie jednej odpowiedzi
Pierwsza propozycja modelu rzadko jest najlepsza z możliwych. Przy zadaniach kreatywnych i strategicznych warto poprosić o kilka wersji naraz, na przykład trzy różne warianty odpowiedzi na maila: formalny, przyjazny i krótki biznesowy, a na końcu zapytać model, którą wersję uważa za najlepszą i dlaczego. Taki zestaw daje nie tylko gotowe teksty do wyboru, ale też wyjaśnienie różnic między podejściami.
10. Powiedz AI, czego nie chcesz
Negatywne instrukcje działają równie dobrze jak pozytywne. Polecenie w stylu „napisz tekst bez anglicyzmów” albo „unikaj emotikonów” bywa równie skuteczne co precyzyjny opis pożądanego stylu, a czasem po prostu szybsze do sformułowania.
Czego unikać przy pisaniu promptów
Trzy błędy powtarzają się najczęściej i najbardziej obniżają jakość odpowiedzi. Pierwszy to zbyt ogólne zadanie, jak „napisz coś o AI” czy „zrób prezentację”, które zmusza model do domyślania większości kontekstu, a efektem bywa generyczna treść daleka od oczekiwań.
Drugi błąd to przekonanie, że długość promptu równa się jego jakości. Krótkie polecenie zawierające cel, kontekst, odbiorcę i format wyjściowy działa często lepiej niż rozwlekły akapit bez jasnej struktury. Trzeci, być może najważniejszy błąd, to bezrefleksyjne kopiowanie wyników. Model potrafi brzmieć pewnie nawet przy błędnej odpowiedzi, dlatego przy ważniejszych tematach warto sprawdzić jej treść z taką samą uwagą, z jaką sprawdziłbyś pracę asystenta czy młodszego kolegi z zespołu.
