🎯 Definicja
Dobry Prompt to nie tylko pytanie. To strukturalne polecenie, które powinno zawierać kluczowe komponenty: Rolę, Kontekst, Instrukcję, Dane Wejściowe i Format Wyjściowy. Im lepiej zdefiniujesz te elementy, tym lepszą odpowiedź uzyskasz od modelu AI.
🔑 Kluczowe punkty
- Rola (Persona): Kim ma być AI? (np. “Jesteś Senior Python Developerem”).
- Kontekst: Tło sytuacji (np. “Piszę aplikację dla banku”).
- Instrukcja (Task): Co dokładnie zrobić (np. “Napisz funkcję walidującą IBAN”).
- Constraint (Ograniczenia): Czego nie robić (np. “Nie używaj bibliotek zewnętrznych”).
- Format: Jak oddać wynik (np. “Tylko kod, bez wyjaśnień, w bloku markdown”).
📚 Szczegółowe wyjaśnienie
Wzór na idealny prompt (często zwany “MEGA Prompt”):
[ROLA] + [KONTEKST] + [ZADANIE] + [DANE] + [OGRANICZENIA] + [FORMAT]
Modele LLM są stochastyczne. Dając im strukturę, zawężasz przestrzeń prawdopodobieństwa do tych odpowiedzi, na których ci zależy.
💡 Przykład zastosowania
Słaby prompt: “Napisz maila do klienta.” Dobry prompt: “Jesteś Specjalistą ds. Obsługi Klienta (Rola). Klient jest zdenerwowany opóźnieniem paczki (Kontekst). Napisz przeprosiny i zaoferuj 10% rabatu (Zadanie). Bądź uprzejmy, ale konkretny (Styl). Nie obiecuj daty dostawy (Ograniczenie). Wynik jako czysty tekst maila (Format).”
📌 Źródła
- “Prompt Engineering Guide” - promptingguide.ai.
👽 Brudnopis
- Warto eksperymentować z kolejnością (czasem instrukcja na końcu działa lepiej - Recency Bias).
- Technika “Few-Shot” polega na dodaniu do elementów promptu kilku przykładów (Input → Output).