Dobry prompt do AI nie zaczyna się od prośby „napisz coś na ten temat”. Najpierw określ cel, dodaj kontekst i dane wejściowe, zapisz ograniczenia, a na końcu opisz format odpowiedzi. Następnie sprawdź polecenie na identycznym zestawie zadań i oceń, czy model spełnił 5 elementów: cel, poprawność, dane, ograniczenia oraz format.
Czym jest dobry prompt do AI
Prompt do AI to instrukcja, która mówi modelowi nie tylko co ma zrobić, lecz także na jakiej podstawie, w jakich granicach i w jakiej postaci ma odpowiedzieć. Dobry prompt zawiera 5 podstawowych elementów: cel, kontekst, dane wejściowe, ograniczenia i format odpowiedzi.
Sam cel może brzmieć: „Przygotuj opis produktu”. To jednak za mało, jeśli nie wiadomo, dla kogo tekst powstaje, jakie informacje wolno wykorzystać, jak długi ma być opis i czy wynik ma zawierać nagłówki. Polecenia do AI stają się użyteczne wtedy, gdy ograniczają liczbę możliwych interpretacji.
Anthropic w dokumencie Prompting best practices z 2026 roku zaleca jasne, bezpośrednie instrukcje, precyzyjny format i ograniczenia. Gdy zadanie ma kilka etapów, numerowanie kroków pomaga zachować kolejność i kompletność.
Schemat promptu krok po kroku
Najprostszy schemat promptu składa się z 5 kolejnych części. Nie trzeba zawsze opisywać ich długimi akapitami, ale żadna z nich nie powinna być domyślna, jeśli wpływa na wynik.
- Nie używamy tagu ol? Developer allowed tags list excludes ol. Need avoid.
(can’t include unsupported; remove and use p each numbered)
1. Cel. Napisz, jaki rezultat ma powstać. Zamiast „przeanalizuj tekst” określ: „Wyodrębnij 5 najważniejszych tez i przypisz każdej krótkie uzasadnienie”.
2. Rola lub kontekst. Dodaj informacje o odbiorcy, sytuacji i przeznaczeniu odpowiedzi. „Odbiorcą jest właściciel małej firmy, który nie zna terminologii technicznej” daje modelowi konkretny punkt odniesienia.
3. Dane wejściowe. Wklej materiał, liczby lub założenia, na których model ma pracować. Oddziel je od instrukcji, na przykład znacznikami <context> i <input>. Anthropic wskazuje, że spójne, opisowe znaczniki XML zmniejszają niejednoznaczność między instrukcją, kontekstem i danymi.
4. Ograniczenia. Podaj długość, zakres, zakazane elementy, język, styl lub regułę postępowania z brakującymi informacjami. Jeśli model ma nie dopowiadać faktów, napisz to wprost.
5. Format i kryterium jakości. Określ nagłówki, liczbę punktów, kolejność, typ wartości i sposób oznaczania niepewności. Dodaj warunek kontroli, na przykład: „Przed odpowiedzią sprawdź, czy wykorzystałeś wszystkie 3 dane wejściowe”.
Przy wieloetapowym zadaniu zachowaj kolejność: cel, kontekst, dane, ograniczenia, format. Takie ustawienie jest zgodne z zaleceniem Anthropic, by numerować instrukcje, gdy ważna jest kompletność.
Przykład: od krótkiego polecenia do użytecznego promptu
Załóżmy fikcyjne dane pracownika: „Anna, specjalistka obsługi klienta, 3 lata doświadczenia, chce przejść na stanowisko liderki zespołu”. Krótkie polecenie „Napisz dla niej plan rozwoju” pozostawia modelowi zbyt wiele decyzji.
Wariant pierwszy może brzmieć: „Napisz plan rozwoju dla Anny”. Ma określony rezultat, ale nie zawiera kontekstu, kryteriów ani danych poza imieniem.
Wariant drugi: „Przygotuj dla Anny, specjalistki obsługi klienta z 3-letnim doświadczeniem, plan rozwoju do roli liderki zespołu”. Dodano więcej kontekstu i danych o Annie oraz celu planu.
Wariant trzeci jest bardziej sterowalny: „Przygotuj dla Anny, specjalistki obsługi klienta z 3-letnim doświadczeniem, plan rozwoju do roli liderki zespołu. Uwzględnij kompetencje komunikacyjne, organizację pracy i przekazywanie informacji zwrotnej. Zaproponuj 4 działania na 3 miesiące. Nie wymyślaj kwalifikacji, których nie podano. Przedstaw wynik w tabeli z kolumnami: działanie, cel, termin, sposób sprawdzenia postępu”.
Wariant czwarty może dodać przykład formatu: „Przykładowy wiersz: warsztat z informacji zwrotnej | przećwiczenie rozmowy | miesiąc 1 | ocena według 3 kryteriów”. Przykłady few-shot mogą poprawić dokładność i spójność, jeśli są odpowiednie, różnorodne i uporządkowane. Nie należy jednak zastępować nimi pełnej instrukcji.
W promptach używaj danych fikcyjnych. Nie należy umieszczać w promptach prawdziwych danych klientów, pracowników ani innych danych poufnych; przed użyciem narzędzia AI trzeba sprawdzić zasady organizacji, umowę z dostawcą i ustawienia retencji danych. Podane wersje i limity usług zmieniają się, dlatego przed publikacją należy ponownie sprawdzić oficjalną dokumentację konkretnego modelu.
Jak przeprowadzić powtarzalny test
Jeśli chcesz wiedzieć, jak pisać prompty skuteczniej, porównuj warianty na tych samych warunkach. Zapisz datę, nazwę modelu, wersję usługi, parametry, identyczny zestaw zadań, liczbę powtórzeń, czas odpowiedzi i ocenę kompletności w skali od 0 do 5. OpenAI zaleca testowanie zadań reprezentatywnych, a nie porównywanie wyłącznie długości widocznej odpowiedzi.
Nie wpisuj wyników przed wykonaniem prób. W każdym wariancie użyj tego samego modelu, wersji, parametrów, zestawu zadań i fikcyjnych danych. Ocena 0–5 może obejmować 5 elementów: cel, poprawność merytoryczną, wykorzystanie danych, ograniczenia i format.
Protokół testu wariantów promptu — liczby, które trzeba zapisać w arkuszu
| Wariant promptu | Liczba elementów | Liczba zadań | Powtórzenia na zadanie | Maksymalna ocena kompletności | Wynik czasu |
|---|---|---|---|---|---|
| A: samo polecenie | 1 | ustalona przed testem | ustalona przed testem | 5 punktów | zmierzyć od wysłania do pełnej odpowiedzi |
| B: cel + kontekst + dane | 3 | ustalona przed testem | ustalona przed testem | 5 punktów | zmierzyć od wysłania do pełnej odpowiedzi |
| C: cel + kontekst + dane + ograniczenia + format | 5 | ustalona przed testem | ustalona przed testem | 5 punktów | zmierzyć od wysłania do pełnej odpowiedzi |
| D: wariant C + przykłady | 6 | ustalona przed testem | ustalona przed testem | 5 punktów | zmierzyć od wysłania do pełnej odpowiedzi |
Tabela jest szablonem do realnego, datowanego testu; wyników czasu ani kompletności nie należy wpisywać przed wykonaniem prób.
Czy długi prompt zawsze działa lepiej
Nie. Dłuższy prompt może zawierać potrzebny kontekst, ale powtórzenia i nieistotne informacje zwiększają rozmiar wejścia bez gwarancji lepszej odpowiedzi. Token nie jest tym samym co słowo: według OpenAI może oznaczać znak, część słowa, całe słowo albo znak interpunkcyjny, a jego liczba zależy od modelu, kodowania i języka.
Dla tekstu angielskiego OpenAI podaje przybliżenie: 1 token to około 4 znaki lub około trzy czwarte słowa, a 100 tokenów to około 75 słów. To nie jest dokładny przelicznik, a dla języka polskiego nie należy traktować go jako normy.
Rozmiar promptu trzeba sprawdzać względem limitu okna kontekstowego i limitu wyjścia konkretnego modelu. OpenAI opisuje bezpłatne API do zliczania tokenów wejściowych dla kompletnego wejścia Responses API; samo zliczenie nie zużywa zwykłego limitu inferencji. Dla przykładu w notatce OpenAI z 20 lutego 2026 roku podano dla ręcznie wybranego trybu ChatGPT Thinking łączne okno 256 000 tokenów: 128 000 wejścia i maksymalnie 128 000 wyjścia.
Jeśli dane mają 20 000 lub więcej tokenów, Anthropic zaleca umieszczenie długich dokumentów na początku promptu, przed pytaniem, instrukcjami i przykładami. Przy mniejszym materiale najważniejsze jest usunięcie powtórzeń oraz zachowanie wyraźnego podziału na instrukcje i dane.
Jak poprawić błędną odpowiedź AI
Nie pisz tylko „popraw” albo „spróbuj jeszcze raz”. Wskaż konkretny fragment błędu, podaj poprawne dane lub regułę, przypomnij ograniczenie i określ oczekiwaną zmianę formatu.
Wskaż konkretny błąd, podaj poprawną regułę i zażądaj odpowiedzi w tym samym formacie. Po ponownej odpowiedzi sprawdź, czy model usunął błąd bez wprowadzania kolejnych.
Jeśli odpowiedź jest niepełna, nazwij brakujący element i określ oczekiwaną zmianę formatu. Takie polecenie daje modelowi kryterium kontroli zamiast ogólnej prośby o poprawę.
Jak uzyskać odpowiedź w tabeli
Aby otrzymać tabelę, podaj nazwę każdej kolumny, liczbę wierszy, typ wartości, kolejność sortowania oraz regułę dla brakujących danych. Samo „zrób tabelę” nie określa, ile kolumn ma mieć tabela ani co zrobić z nieznaną wartością.
Przykładowy prompt: „Utwórz tabelę z ustaloną przeze mnie liczbą wierszy i kolumnami: zadanie, właściciel, termin, status. Posortuj wiersze według terminu rosnąco. W terminie użyj formatu RRRR-MM-DD. Jeśli danych brakuje, wpisz ‘brak danych’ i nie uzupełniaj ich domysłem”. Możesz dodać jeden przykładowy wiersz, aby ustabilizować strukturę.
Przed wysłaniem sprawdź, czy format odpowiada celowi. Jeśli wynik ma być kopiowany do arkusza, zażądaj stałej liczby kolumn i jednolitego zapisu wartości. Jeśli ma służyć do czytania, dodaj krótkie objaśnienia pod tabelą, ale nie mieszaj ich z komórkami.
Najczęstsze pytania
Jak powinien wyglądać dobry prompt do AI?
Powinien jasno określać cel, dostarczać niezbędny kontekst i dane, zawierać ograniczenia oraz opisywać oczekiwany format odpowiedzi. Przy zadaniu wieloetapowym warto użyć numerowanych kroków i kryteriów kontroli.
Czy długi prompt zawsze działa lepiej?
Nie. Powtórzenia i nieistotne informacje zwiększają rozmiar wejścia, dlatego należy sprawdzać tokeny, usuwać zbędny tekst i dzielić duże materiały, gdy przekraczają praktyczne limity modelu.
Jak poprawić błędną odpowiedź AI?
Wskaż konkretny fragment błędu, podaj poprawne dane lub regułę, przypomnij ograniczenia i zażądaj ponownej odpowiedzi w tym samym formacie. Sprawdź, czy model poprawił błąd bez tworzenia nowych.
Co wpisać w prompt, aby dostać odpowiedź w tabeli?
Podaj nazwy kolumn, liczbę wierszy, jednostki, sposób sortowania i regułę dla brakujących danych. Możesz dodać krótki przykład wiersza, ale nie używaj prawdziwych danych klientów ani pracowników.
Źródła
- Understanding and counting tokens — OpenAI Help Center, 2026, https://help.openai.com/en/articles/4936856-understanding-and-counting-tokens
- Prompting best practices — Anthropic, 2026, https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
- ChatGPT release notes — OpenAI Help Center, 2026, https://help.openai.com/en/articles/6825453-chatgpt-release-notes
Tekst został utworzony przy pomocy sztucznej inteligencji (modeli językowych).
Na ile przydał Ci się ten artykuł?
Ten artykuł nie ma jeszcze ocen.



