Prompting Techniques: Jak pisać lepsze prompty

Dobry prompt to nie „magiczna formułka”, tylko krótka specyfikacja: cel, kontekst, ograniczenia i format wyniku. Im mniej model musi zgadywać, tym częściej dostajesz odpowiedź, którą da się od razu wkleić do kodu, artykułu albo dokumentu.

Spis treści

Anatomia promptu (4 elementy)

W praktyce najczęściej działają prompty, które zawierają:

  1. Cel – co ma powstać i po co.
  2. Kontekst – dane wejściowe, tło, odbiorca, ograniczenia domenowe.
  3. Oczekiwania – format odpowiedzi (np. JSON, tabela, lista kroków), ton i kryteria jakości.
  4. Źródło / materiał – wklejony tekst, fragment kodu, wymagania, linki (jeśli model ma korzystać z narzędzi).

Pro tip: jeśli to zadanie „produkcyjne”, ustal format na sztywno (nagłówki, JSON Schema, pola tabeli). To ogranicza losowość i ułatwia automatyzację.

Techniki, które realnie poprawiają wyniki

1) Jasne i konkretne instrukcje

  • Napisz co ma powstać, dla kogo i jakim stylem.
  • Dodaj kryteria: długość, poziom szczegółowości, zakazy (np. „bez lania wody”).

2) Struktura i separatory (delimitery)

Oddziel instrukcje od danych wejściowych separatorami. Model lepiej „widzi”, co jest poleceniem, a co materiałem.

INSTRUKCJE:
- Stwórz streszczenie w 8 punktach.
- Dodaj 3 rekomendacje.

DANE:
---
(wklej tekst)
---

3) Role prompting (ustaw rolę / perspektywę)

Rola działa jak „profil pracy”: redaktor SEO, architekt backendu, analityk danych, QA. Zyskujesz spójność i mniej dygresji.

4) Few-shot (pokaż 1–3 przykłady)

Jeśli zależy Ci na stałym formacie, przykłady są najlepszym skrótem do jakości. Często możesz nawet skrócić instrukcje, gdy przykłady są jasne.

5) Rozbijanie złożonych zadań na etapy

Zamiast „zrób wszystko”, poproś o plan → wykonanie → kontrolę jakości. Przykład:

Najpierw: wypisz plan w 5 krokach.
Potem: wykonaj kroki 1–5.
Na koniec: sprawdź wynik wg checklisty i popraw błędy.

6) Iteracja i feedback loop

Prompt to proces. Jeśli wynik jest „prawie dobry”, doprecyzuj: co poprawić, co zostawić, czego nie robić. To najtańsza metoda na stabilną jakość w czasie.

Uniwersalny szablon promptu (kopiuj-wklej)

ROLA:
Jesteś [rola], pracujesz dla [branża/odbiorca].

CEL:
Wygeneruj [co], aby [po co].

KONTEKST:
- Odbiorca: [...]
- Ton: [...]
- Ograniczenia: [...]
- Zakazy: [...]

FORMAT WYJŚCIA:
Zwróć dokładnie w formacie:
1) ...
2) ...
3) ...

MATERIAŁ / DANE:
---
[wklej dane]
---

Przykłady promptów (gotowce)

Prompt do kodowania (bez zgadywania)

ROLA: Jesteś senior full-stack dev.
CEL: Napisz funkcję + testy jednostkowe.
KONTEKST:
- Język: TypeScript
- Runtime: Node 20
- Styl: czyste nazwy, małe funkcje, obsługa błędów
FORMAT:
1) Kod funkcji
2) Kod testów (Jest)
3) Krótka instrukcja uruchomienia
DANE:
Opis: Waliduj numer telefonu PL. Akceptuj +48 lub bez, spacje i myślniki. Zwróć format E.164.

Prompt do artykułu SEO (z sekcjami i intencją)

ROLA: Jesteś redaktorem SEO.
CEL: Napisz artykuł pod frazę: "prompt engineering".
KONTEKST:
- Kraj/Język: Polska / PL
- Intencja: informacyjna + praktyczna
- Unikaj lania wody, dawaj przykłady promptów
FORMAT:
H1, następnie H2: definicja, techniki, przykłady, błędy, FAQ.
DODATKOWO:
Podaj 5 pytań do FAQ (krótkie odpowiedzi).
DANE:
Grupa docelowa: osoby, które używają ChatGPT/Gemini/Claude do pracy.

Prompt do ekstrakcji danych (JSON pod automatyzację)

ROLA: Jesteś parserem danych.
CEL: Wyciągnij dane z tekstu do JSON.
FORMAT:
Zwróć WYŁĄCZNIE JSON zgodny ze schematem:
{
  "company": string,
  "date": string,
  "amounts": [{"label": string, "value": number, "currency": "PLN|EUR|USD"}],
  "notes": string
}
DANE:
---
(wklej fakturę / mail / umowę)
---

Prompt do analizy i rekomendacji (z kryteriami)

ROLA: Jesteś konsultantem.
CEL: Oceń 3 opcje i wybierz najlepszą.
KONTEKST:
- Kryteria: koszt (35%), czas wdrożenia (25%), ryzyko (25%), utrzymanie (15%)
FORMAT:
Tabela porównawcza + rekomendacja + ryzyka + plan wdrożenia na 7 dni.
DANE:
Opcja A: ...
Opcja B: ...
Opcja C: ...

Debugowanie promptu (gdy wynik jest słaby)

  • Za ogólnie? Dodaj przykład (few-shot) i format wyjścia.
  • Model „odpływa”? Dopisz zakazy i ogranicz długość.
  • Halucynuje fakty? Wymuś pracę wyłącznie na dostarczonym materiale i pozwól powiedzieć „nie wiem”.
  • Nie trzyma formatu? Wymuś szablon i poproś o „wyłącznie JSON / wyłącznie tabela”.
  • Zadanie zbyt złożone? Podziel na etapy: plan → wykonanie → kontrola jakości.

Checklista jakości promptu

  • Czy cel jest jednozdaniowy i mierzalny?
  • Czy podałeś kontekst: odbiorca, ton, ograniczenia, dane?
  • Czy format wyjścia jest jednoznaczny?
  • Czy dałeś przykłady (jeśli format ma być stały)?
  • Czy zadanie jest podzielone na kroki (jeśli jest złożone)?
  • Czy wskazałeś, co robić przy brakach danych (np. „napisz: brak danych”)?

FAQ

Jaka jest najlepsza struktura promptu?

Najczęściej wygrywa układ: rola → cel → kontekst → format → dane wejściowe. Minimalizuje zgadywanie i stabilizuje format.

Czy few-shot zawsze pomaga?

Jeśli zależy Ci na stałym formacie i stylu – zwykle tak. Nawet 1–2 przykłady potrafią podnieść powtarzalność odpowiedzi.

Jak ograniczyć „halucynacje”?

Wymuś pracę na podanym materiale, poproś o oznaczanie niepewności i o listę założeń, jeśli danych brakuje.

Dlaczego model nie trzyma formatu?

Bo format jest zbyt luźny. Wymuś dokładny szablon (np. JSON Schema) i dodaj regułę „zwróć wyłącznie…”.

Jak pisać prompty do kodu, żeby nie było chaosu?

Podaj język, runtime, bibliotekę, styl, format odpowiedzi (kod + testy + instrukcja), oraz dane wejściowe (API/IO). To jest „kontrakt” dla modelu.