Prompt engineering dla każdego

Dobry prompt to połowa sukcesu w pracy z AI. W tym artykule poznasz zasady, które działają niezależnie od tego, czy piszesz kod, czy planujesz newsletter.

Zasada 1: kontekst przed poleceniem

Model nie zna Twojej sytuacji — im więcej istotnego kontekstu podasz, tym trafniejsza odpowiedź.

Wersja dla początkujących

Zamiast pytać „napisz mi ogłoszenie“, opisz najpierw: co ogłaszasz, dla kogo, jakim tonem i gdzie ogłoszenie się pojawi. Dopiero potem poproś o tekst.

Wersja dla developerów

Zamiast „napraw ten błąd“, wklej stack trace, fragment kodu i opisz, co powinno się wydarzyć. Przykład dobrze skonstruowanego promptu:

Kontekst: aplikacja Astro 7, build statyczny.
Błąd: poniższy stack trace pojawia się przy `pnpm build`.
Oczekiwanie: build przechodzi, strona /blog renderuje się poprawnie.

[stack trace]
[fragment kodu]

Zasada 2: pokaż przykład oczekiwanego wyniku

Jeden dobry przykład działa lepiej niż trzy akapity opisu. Technika nazywa się few-shot prompting — pokazujesz wzorzec, model go naśladuje.

Kiedy przykład jest konieczny

Gdy zależy Ci na konkretnym formacie: tabela, lista, ustrukturyzowany plik.

Kiedy przykład może zaszkodzić

Gdy chcesz kreatywnej odpowiedzi — zbyt konkretny wzorzec ją usztywni.

Zasada 3: iteruj zamiast zaczynać od nowa

Pierwsza odpowiedź rzadko jest idealna. Zamiast pisać nowy prompt od zera, doprecyzuj: „skróć o połowę“, „zmień ton na bardziej formalny“, „dodaj przykład“.

Podsumowanie

Kontekst, przykład, iteracja — te trzy zasady wystarczą na dobry początek. W kolejnych artykułach ścieżki zobaczysz, jak zbudować na nich całe workflow.