Prompt

Co to jest prompt

Prompt to wszystko, co model AI dostaje na wejściu: polecenie, kontekst, dane do przetworzenia i opis oczekiwanego wyniku. W rozmowie z ChatGPT czy Claude prompt to wiadomość, którą piszecie. W automatyzacji prompt jest zapisany w przepływie i za każdym razem uzupełniany innymi danymi, na przykład treścią kolejnego maila.

Z czego składa się dobry prompt

• Rola i cel: kim ma być model i po co powstaje odpowiedź, np. „przygotuj szkic odpowiedzi dla klienta sklepu”.
• Kontekst: informacje, których model nie zna, np. zasady zwrotów, ton komunikacji firmy.
• Dane wejściowe: dokument, mail, lista, na której ma pracować.
• Format wyniku: lista punktów, tabela, pola w JSON, określona długość.
• Ograniczenia: czego nie robić, np. „nie obiecuj terminów dostawy”, „jeśli brakuje danych, napisz, czego brakuje”.
• Przykład: jedna lub dwie wzorcowe odpowiedzi bardzo poprawiają wynik.

Przykład: słaby i dobry prompt

To przykład ilustracyjny. Słaby prompt: „Odpowiedz klientowi w sprawie reklamacji”. Model nie wie, czego dotyczy reklamacja, jakie są zasady i jak firma pisze do klientów.

Lepszy prompt: „Jesteś konsultantem sklepu z artykułami domowymi. Przygotuj szkic odpowiedzi na reklamację poniżej. Zasady: reklamację rozpatrujemy w ciągu 14 dni, prosimy o zdjęcie wady i numer zamówienia. Pisz uprzejmie, krótko, na ty. Nie obiecuj zwrotu pieniędzy. Jeśli brakuje numeru zamówienia, poproś o niego. Treść reklamacji: […]”. Taki prompt daje odpowiedź, którą zwykle wystarczy przejrzeć.

Prompt w automatyzacji

W procesach firmowych prompt jest częścią przepływu i działa setki razy dziennie. Dlatego pisze się go staranniej niż w zwykłej rozmowie: testuje na prawdziwych przykładach, wersjonuje i poprawia, gdy wyniki się pogarszają. Dobrze jest też wymagać stałego formatu odpowiedzi, żeby kolejny krok automatyzacji mógł ją odczytać. Przy odpowiedziach na podstawie dokumentów firmy prompt łączy się z wyszukiwaniem fragmentów, o czym piszemy w haśle RAG.

Jak testować prompt

Prompt do automatyzacji warto sprawdzić na kilkudziesięciu prawdziwych przykładach, a nie na jednym. Wśród nich powinny być przypadki trudne: niepełne dane, nietypowe sformułowania, dokumenty w innym języku. Wyniki porównuje się z tym, co odpowiedziałby doświadczony pracownik. Po każdej zmianie promptu test się powtarza, żeby poprawa w jednym miejscu nie zepsuła wyników w innym.

Najczęstsze błędy

• polecenie zbyt ogólne, bez kontekstu,
• brak opisu formatu wyniku,
• kilka różnych zadań w jednym poleceniu,
• wklejanie danych, których nie wolno przekazywać zewnętrznemu dostawcy,
• brak sprawdzenia wyniku przed wysłaniem do klienta.

Pisania skutecznych poleceń i bezpiecznej pracy z danymi uczymy zespoły podczas szkoleń AI. Przykłady codziennego użycia AI opisujemy w artykule AI w codziennej pracy zespołu.