🎯 Definicja
Prompting Techniques (Techniki tworzenia promptów) to zbiory strategii i wzorców stosowanych do skutecznego komunikowania się z dużymi modelami językowymi (LLM, np. GPT-4, Claude, Mistral, Llama) w celu uzyskania dokładnych, spójnych i przydatnych odpowiedzi. Właściwie zaprojektowany prompt definiuje nie tylko intencję, ale także kontekst, styl i format działania modelu.
🔑 Kluczowe koncepcje
- Odpowiednie zaprojektowanie promtu prowadzi do lepszego i bardziej użytecznego działania LLM.
- Techniki promptowania pozwalają:
- poprawić trafność odpowiedzi,
- zwiększyć kreatywność lub kontrolę,
- rozbić złożone zadania na kroki,
- wymusić określoną strukturę wyjściową.
- W zależności od przypadku użycia — inne techniki będą skuteczniejsze.
🧠 Techniki promptowania
| Technika | Opis |
|---|---|
| Zero-shot prompting | Model otrzymuje tylko instrukcję — bez przykładów |
| Few-shot prompting | Dodanie kilku przykładów, by „nauczyć” model struktury i kontekstu |
| Chain-of-Thought (CoT) | Model generuje odpowiedź krok po kroku jako proces rozumowania |
| Reframing promptów | Zmiana perspektywy pytania (np. jako ekspert, nauczyciel) |
| Role prompting | Wyznaczenie roli modelu (“Zachowuj się jak psycholog…“) |
| Instruction + context | Jasna komenda oraz dołączony materiał/kontekst do analizy |
| Refleksja / self-correction | Proszenie modelu o analizę lub poprawienie własnej odpowiedzi |
| Multi-turn (chained prompts) | Podzielone zadanie na wiele kroków i iteracyjna analiza |
📚 Przykłady zastosowania
1. Zero-shot Prompting
„Przeanalizuj sentyment zdania: »To jest najlepsze, co mnie dzisiaj spotkało!«”
→ ✅ model rozpozna pozytywny sentyment mimo braku przykładów.
2. Few-shot Prompting
Tekst: "Nie podobał mi się ten produkt."
Etykieta: Negatywny
Tekst: "Uwielbiam ten sklep!"
Etykieta: Pozytywny
Tekst: "Było w porządku."
Etykieta:→ model uczy się formatu i stylu klasyfikacji.
3. Chain-of-Thought
Pytanie: Anna ma 3 jabłka, kupiła jeszcze 2. Każde kosztowało 1 zł. Ile wydała?
Odpowiedź: Po pierwsze, Anna miała 3 jabłka. Kupiła jeszcze 2, więc ma łącznie 5. Kupiła 2 → wydała 2 zł.4. Role Prompt
„Jesteś ekspertem ds. bezpieczeństwa IT. Przeanalizuj poniższy atak i doradź jak się bronić.”
5. Prompt chaining
- Prompt 1: „Znajdź 3 problemy w tym tekście.”
- Prompt 2: „Dla każdego problemu zaproponuj poprawkę.”
- Prompt 3: „Zredaguj cały tekst z uwzględnieniem poprawionych fragmentów.”
💡 Dobre praktyki
| Praktyka | Rekomendacja |
|---|---|
| Zwięzłość i jednoznaczność | Jasno określ żądane działanie i wynik |
| Wyraźne formatowanie | Stosuj delimitery typu ###, JSON, Markdown, by ułatwić rozbiór |
| Testowanie różnych wersji | Sprawdzaj warianty promptu — zmiany pojedynczych słów mają znaczenie |
| Iteracyjne ulepszanie | Tweakuj, analizuj i poprawiaj prompt po analizie wyników |
✅ Podsumowanie
- Prompty są jak programy — ich składnia i struktura wpływają na wynik.
- Z pomocą technik promptowania zwiększasz kontrolę i precyzję wyników z LLM.
- Najlepsze zastosowania obejmują NLP, analitykę, interfejsy dialogowe, kodowanie i wiele innych.
📌 Źródła
- https://www.promptingguide.ai
- https://github.com/dair-ai/Prompt-Engineering-Guide
- https://openai.com/docs/guides/gpt
- https://huggingface.co/blog/prompt-templates
- https://towardsdatascience.com/few-shot-prompting-explained-5e70b625223e
👽 Brudnopis
- prompt engineering = UX dla LLM
- prompt chaining = pipeline logiczny → toolformer style
- tricki: quote, canonical form, instrukcja + dane wejściowe
- CoT = must przy reasoning, code, math
- Warto dodać: scoring promptów, feedback loop