Co je prompt engineering a jak psát zadání, kterým AI rozumí

Prompt engineering je dovednost formulovat zadání pro AI tak, aby vrátila použitelný výsledek. Prompt je text, kterým modelu říkáte, co má udělat. Engineering je ta část, kdy zadání nepíšete náhodně, ale skládáte ho z předvídatelných částí: role, úkol, kontext, formát výstupu, omezení. Nejde o programování a nepotřebujete k tomu technické vzdělání. Potřebujete umět srozumitelně popsat, co chcete, což je paradoxně těžší, než to zní.

Důvod, proč tahle dovednost vůbec vznikla, je jednoduchý. Jazykový model neví, co máte v hlavě. Vidí jen ten text, který jste mu poslali, a na jeho základě odhaduje, jaké pokračování je nejpravděpodobnější. Když napíšete „napiš text na web“, model si domyslí zbytek sám a domyslí si průměr. Když napíšete, pro koho text je, jak dlouhý má být, jaký má mít tón a co v něm nesmí chybět, dostanete něco, co se dá reálně použít. Rozdíl mezi špatným a dobrým výstupem je skoro vždy v zadání, ne v modelu.

Z čeho se dobrý prompt skládá:

• Role: komu zadání dáváte. „Jsi zkušený copywriter pro české e-shopy“ posune slovník, tón i to, na co se model zaměří. Role není kouzlo, jen zúžení prostoru, ve kterém model hledá odpověď.
• Úkol: co konkrétně má vzniknout. Jedno sloveso, jeden výsledek. „Přepiš tenhle odstavec“ je zadání. „Pomoz mi s webem“ není.
• Kontext: vstupní materiál a situace. Kdo je cílový zákazník, co firma prodává, jaké jsou ceny, jaký styl už používáte. Bez kontextu model doplní obecnosti, protože nic jiného nemá.
• Formát výstupu: tabulka, odrážky, tři varianty, maximálně 200 slov, JSON. Tohle je nejrychlejší způsob, jak snížit počet iterací.
• Omezení: co model dělat nemá. Žádné superlativy, nepoužívat slovo „revoluční“, nevymýšlet si čísla, držet se dodaných podkladů.
• Příklady: dva nebo tři vzorky požadovaného výstupu. Tohle funguje líp než jakýkoli popis stylu, protože styl se popisuje mizerně a ukazuje skvěle.

Techniky, které stojí za to znát:

Většina pojmenovaných technik jsou jen varianty toho, jak moc modelu ukážete cestu.

• Zero-shot: zadáte úkol bez příkladů. Pro jednoduché věci naprosto stačí a je zbytečné to komplikovat.
• Few-shot: přiložíte dva až pět příkladů dvojice vstup a požadovaný výstup. Nejsilnější nástroj pro konzistentní formát a tón. Kvalita příkladů rozhoduje víc než jejich počet.
• Chain of thought: necháte model rozepsat postup po krocích, než dá odpověď. U výpočtů, porovnávání variant a logických úloh to znatelně snižuje chybovost. Novější modely s vlastním uvažováním to dělají samy, takže tuhle instrukci u nich vynechejte.
• Prompt chaining: rozdělíte složitou práci na sérii kroků, kde výstup jednoho je vstupem dalšího. Nejdřív rešerše, pak osnova, pak text, pak korektura. Jeden mamutí prompt, který má udělat všechno naráz, skončí kompromisem ve všech krocích.
• Self-refine: necháte model vlastní výstup zkritizovat a přepsat. Druhý průchod obvykle odstraní vatu a nepodložená tvrzení.
• System prompt: trvalá instrukce, která platí pro celou konverzaci nebo pro celou aplikaci. Sem patří pravidla, která se nemění: kdo model je, čeho se drží, co nikdy nedělá.

Prompt engineering v praxi:

V běžné firmě se to nejčastěji projeví jako knihovna hotových zadání. Marketing má prompt na produktový popis, který obsahuje strukturu textu, tón značky a zákaz prázdných frází. Podpora má prompt na shrnutí ticketu do tří vět a návrh odpovědi. Obchod má prompt, který z přepisu hovoru vytáhne námitky a další krok. Nikdo nezačíná od nuly a výstupy vypadají stejně bez ohledu na to, kdo je zadal.

Konkrétní příklad rozdílu. Zadání „napiš popis produktu“ vrátí čtyři odstavce obecného textu, který by seděl na cokoli. Zadání „Jsi copywriter pro e-shop s outdoorovým vybavením. Napiš popis produktu podle přiložených parametrů pro zákazníka, který si vybírá první stan a bojí se, že koupí špatně. Struktura: jedna věta co to je, tři odrážky s hlavními výhodami přeloženými do užitku, odstavec o tom, pro koho to není. Maximálně 180 slov, žádné superlativy, nevymýšlej parametry, které nejsou v podkladech.“ vrátí text, ve kterém opravíte možná jednu větu.

Druhá velká oblast je práce s daty a texty, které máte. Přepisy hovorů, hodnocení zákazníků, dotazy z formuláře, exporty z CRM. Model tyhle vstupy dobře třídí, shrnuje a hledá v nich vzorce, pokud mu řeknete, podle jakých kritérií má třídit a v jaké struktuře chcete výstup. Podobně se dá zrychlit analýza klíčových slov, kdy si necháte hrubý seznam dotazů roztřídit do tematických skupin podle záměru hledajícího a pak nad každou skupinou postavíte zadání pro obsah.

U technické práce, třeba když se řeší tvorba webových stránek, platí to samé. Prompt, který obsahuje konkrétní verzi frameworku, ukázku existujícího kódu a popis toho, co se nesmí rozbít, vede k použitelnému výsledku. Prompt „udělej mi formulář“ vede k obecné ukázce z dokumentace.

Proč je prompt engineering důležitý:

Protože je to nejlevnější způsob, jak z AI dostat víc, aniž byste cokoli platili navíc. Lepší model stojí peníze, lepší zadání stojí deset minut přemýšlení. Ve firmě je to navíc otázka konzistence. Když každý zadává po svém, dostáváte deset různých kvalit výstupu a nikdo neví, co se dá reálně používat. Když máte zadání zapsaná a sdílená, chová se AI jako nástroj s předvídatelným chováním, ne jako loterie.

Druhý důvod je kontrola nad chybami. Model si dokáže vymyslet čísla, zdroje i citace, protože jeho algoritmus optimalizuje pravděpodobné pokračování textu, ne pravdivost. Dobré zadání tuhle tendenci výrazně tlumí. Když v promptu stojí, že se model má držet výhradně dodaných podkladů a chybějící informace má označit místo doplnit, dostanete výstup, u kterého víte, co je potřeba ověřit.

Třetí důvod je čas. Většina lidí ztrácí u AI čas tím, že píše krátká zadání a pak výsledek pětkrát opravuje v dialogu. Napsat delší zadání napoprvé je rychlejší než pět kol dohadování. Tohle je nejčastější návyk, který se vyplatí změnit.

Časté otázky:

Musím umět programovat?

Ne. Prompt engineering je psaní v přirozeném jazyce. Technické znalosti pomůžou, když stavíte aplikaci nad API, ale pro běžnou práci s AI potřebujete hlavně schopnost přesně popsat, co chcete a jak to má vypadat.

Funguje čeština stejně dobře jako angličtina?

U velkých modelů dnes prakticky ano. Rozdíl v kvalitě je minimální a u českých reálií je čeština často výhodou, protože model dostane správný kontext rovnou. Angličtina se hodí spíš tam, kde pracujete s odbornou terminologií, která česky nemá zavedený překlad.

Zanikne prompt engineering, až budou modely chytřejší?

Zanikne jeho triková část, tedy různé formulační berličky, které fungovaly na starší modely. Nezanikne ta podstatná část, tedy schopnost jasně zadat úkol, dodat kontext a definovat, jak má výsledek vypadat. To je dovednost, kterou potřebujete i při zadávání práce člověku.

Jak dlouhý má prompt být?

Tak dlouhý, aby obsahoval všechno, co model nemůže vědět, a nic navíc. U jednoduchých úkolů jedna věta, u složitějších klidně půl stránky včetně příkladů. Delší prompt sám o sobě není lepší, lepší je prompt, ve kterém není nic zbytečného.