Co je prompt engineering? Praktický průvodce pro nevývojáře
Prompt engineering je praxe psaní a vylepšování pokynů pro AI model tak, aby spolehlivě vytvořil to, co chcete. Prompt je cokoli, co modelu dáte: otázka, úkol, kontext, příklady. Engineering v tomto smyslu znamená vědomě volit, co do promptu vložíte, kontrolovat, co se vrátí, a podle toho upravovat. Nejde tolik o kouzelné fráze, jako o jasnou komunikaci.
Proč na tom záleží, když stavíte s AI
U nástroje na tvorbu aplikací s AI jsou vaše prompty zadáním. AI dokáže postavit jen to, co popíšete, a když vaše zadání nějaké mezery nechá, doplní je rozumně znějícími domněnkami. Někdy jsou tyto domněnky dobré. Často ale neodpovídají tomu, co jste mysleli: špatná pole ve formuláři, funkce, kterou jste nechtěli, nebo design, který nesedí na vaše uživatele.
Jasný prompt vám ušetří několik kol oprav a každé kolo stojí čas a obvykle i kredity. Prompty mají význam i tehdy, když přidáváte AI dovnitř své aplikace: pokyny, které tomuto modelu dáte, určují, jak váš chatbot mluví se zákazníky, co odmítne a zda se drží vašich faktů. Konkrétně pro tvorbu aplikací viz jak psát prompty pro AI nástroje na tvorbu aplikací.
Každodenní přirovnání
Představte si, že zadáváte práci zkušenému freelancerovi, který vás nikdy nepotkal, nezná váš byznys a začne pracovat ve chvíli, kdy přestanete mluvit.
„Udělej mi logo“ vám dá nějaké logo. „Logo pro plaveckou školu pro děti v Dubaji; přátelské, ne dětinské; modrá a oranžová; musí být čitelné i malé na plavecké čepici; tohle dvě se nám líbí, tohle jedno ne“ vám dá něco, co se blíží tomu, co chcete.
AI model je ten freelancer: talentovaný, rychlý a zcela závislý na vašem zadání. Prompt engineering znamená naučit se psát dobré zadání.
Základní techniky
| Technika | Co znamená | Příklad |
|---|---|---|
| Buďte konkrétní v cíli | Řekněte, co chcete a proč. | „Rezervační stránka, na které si noví klienti vyberou lekci na 30 nebo 60 minut.“ |
| Dejte kontext | Pro koho to je, co už existuje, na čem záleží. | „Uživatelé jsou hlavně starší klienti na telefonech.“ |
| Definujte „hotovo“ | Popište hotový výsledek. | „Hotovo znamená, že klient může rezervovat a já dostanu e-mail.“ |
| Nastavte omezení | Co nedělat a jaké jsou limity. | „Zatím nepřidávejte přihlášení. Zachovejte stávající barvy.“ |
| Ukažte příklady | Dejte vzorek toho, jak vypadá dobrý výsledek. | „Odpověď napiš v tomto stylu: …“ |
| Požádejte o formát | Řekněte, jak má výstup vypadat. | „Odpověz jako tabulku se sloupci X, Y, Z.“ |
| Rozdělte to na kroky | U velkých úkolů jeden kus po druhém. | „Nejdřív datový model, pak formulář, pak e-maily.“ |
| Nechte ho nejdřív se zeptat nebo naplánovat | Získejte plán před změnami. | „Než začneš stavět, vypiš své otázky a plán.“ |
| Iterujte | Zkontrolujte výsledek a upřesněte ho. | „Formulář funguje. Teď zvětši výběr data.“ |
Praktický příklad: před a po
Před:
Udělej aplikaci pro posilovnu.
AI musí všechno odhadnout: pro členy, nebo pro personál? Lekce, nebo osobní trénink? Platby? Pravděpodobně dostanete obecný přehled s vymyšlenými cvičeními.
Po:
Postav webovou aplikaci pro malou boxerskou posilovnu s asi 150 členy.
Kdo ji používá: Členové si rezervují lekce na telefonech. Majitelka Sam spravuje rozvrh na notebooku.
Členové mohou: vidět lekce tohoto týdne (čas, trenéra, volná místa) a rezervovat nebo zrušit až 2 hodiny před začátkem.
Sam může: přidávat, upravovat a rušit lekce a vidět, kdo je na každou přihlášen.
Pravidla: nejvýše 12 lidí na lekci. Stejný termín nelze rezervovat dvakrát.
Zatím ne: platby, sledování tréninku, mobilní aplikace.
Styl: tmavé pozadí, červené zvýraznění, velká tlačítka na dotyk.
Než začneš stavět, vypiš všechno, co není jasné, a popiš stránky, které vytvoříš.
Druhý prompt není chytrý, je úplný. Jmenuje uživatele, akce, pravidla, to, co zatím vynechat, a jak začít. Poslední řádek vyzývá AI, aby naplánovala a položila otázky, což zachytí nedorozumění dřív, než se napíše jediný kód.
Prompty uvnitř vaší aplikace
Když vaše aplikace sama volá LLM, píšete prompty, které běží mnohokrát, pro mnoho uživatelů. Platí stejné zásady, plus několik dalších:
- Systémový prompt: trvalé pokyny, které tvarují každou odpověď: role, tón, pravidla. „Jsi asistent obchodu Leaf & Pot s rostlinami. Odpovídej jen na otázky o objednávkách, rostlinách a doručení.“
- Ukotvení: do promptu vložte fakta, která má model použít, třeba své zásady nebo katalog produktů, a řekněte mu, aby se na ně spoléhal. Proč na tom záleží, vysvětluje co je LLM.
- Záložní postup: řekněte mu, co dělat, když si není jistý: „Pokud odpověď není v poskytnutých informacích, řekni to a nabídni e-mailovou adresu podpory.“
- Formát výstupu: pokud váš kód odpověď čte, vyžádejte přísný formát, například JSON.
- Testování: vyzkoušejte nepříjemné vstupy, dříve než to udělají skuteční uživatelé: hrubé zprávy, otázky mimo téma, pokusy přimět model, aby ignoroval své pokyny (tomu se říká prompt injection).
Klíčové pojmy vysvětlené
| Pojem | Co znamená |
|---|---|
| Prompt | Vstup, který dáváte AI modelu. |
| Systémový prompt | Trvalé pokyny nastavené před konverzací. |
| Kontext | Základní informace zahrnuté v promptu. |
| Zero-shot / few-shot | Dotaz bez příkladů, nebo s několika příklady požadovaného výstupu. |
| Řetězec myšlenek | Požádat model, aby problém před odpovědí prošel krok za krokem. |
| Ukotvení | Dát modelu zdrojový materiál a říct mu, aby na něm založil odpovědi. |
| Prompt injection | Text, který se snaží přepsat pokyny modelu, například „ignoruj předchozí pokyny“. |
| Kontextové okno | Kolik textu model zvládne zpracovat najednou. |
| Iterace | Vylepšování promptu podle toho, co se vrátilo. |
Časté chyby a mylné představy
- Hledání kouzelných slov. „Jsi světový expert“ je mnohem méně důležité než říct, co opravdu potřebujete.
- Chtít všechno najednou. Požadavek na 20 funkcí vyrobí 20 půl hotových funkcí. Stavějte po částech.
- Popisovat řešení místo problému. „Přidej tabulku se třemi sloupci“ je méně užitečné než „Sam potřebuje na první pohled vidět, kdo je přihlášen na každou lekci.“
- Nezmínit, co nedělat. Pokud zatím nechcete přihlášení, platby nebo redesign, řekněte to.
- Nečíst výsledek. Otestujte, co bylo postaveno, podle své definice „hotovo“, než půjdete dál.
- Začínat znovu místo zpřesňování. Obvykle krátké upřesnění („to je skoro dobré, změň X“) porazí přepisování celého promptu.
- Vkládat tajné údaje do promptů. Nevkládejte do chatu hesla ani živé klíče API, pokud nástroj nemá bezpečný způsob, jak je uložit.
Na co se ptát svého AI nástroje
- „Než začneš stavět, zeptej se mě na cokoli nejasného a ukaž mi svůj plán.“
- „Shrň mi ve třech větách, co podle tebe chci.“
- „Měň jen rezervační formulář, na nic dalšího nesahej.“
- „Co jsi předpokládal, a já jsem to nespecifikoval?“
- „Proměň mé poznámky v krátkou specifikaci s uživateli, funkcemi, pravidly a položkami „zatím ne“.“ Viz jak napsat dokument s požadavky na produkt pomocí AI.
- „Navrhni, jak jsem mohl ten požadavek formulovat lépe.“
Prompty v Mythexu
Mythex má tři režimy chatu, které tomuto způsobu práce sedí: Plan pro dohodu o postupu dřív, než se cokoli změní, Build pro provádění změn a Ask pro otázky, které nemají upravovat soubory. Jako kontext můžete přiložit snímky obrazovky nebo makety a když se změna nepovede, můžete se vrátit ke kontrolnímu bodu. Stránky dokumentace o účinných promptech a iterování obsahují další příklady a jak iterovat na aplikaci postavené pomocí AI popisuje smyčku dalších úprav.
Otázky
Co je prompt engineering jednoduše řečeno?
Prompt engineering je praxe psaní a vylepšování pokynů pro AI model, aby spolehlivě vytvořil výsledek, který chcete. Zahrnuje to, na co se ptáte, kontext, který dodáte, příklady, omezení a formát, v jakém chcete odpověď dostat.
Potřebuji nějaké speciální triky nebo kouzelná slova?
Ve skutečnosti ne. Moderní modely nejlépe reagují na jasné, konkrétní a dobře uspořádané pokyny, tedy na totéž, co pomáhá lidskému kolegovi. Kontext, příklady a jasný popis hotového výsledku jsou mnohem důležitější než speciální fráze.
Co je systémový prompt?
Systémový prompt je sada trvalých pokynů, které dostane model před začátkem konverzace, například jeho roli, pravidla a tón. Aplikace ho používají k tomu, aby tvarovaly každou odpověď, zatímco zprávy uživatele přicházejí až potom.
Je prompt engineering pořád potřeba, když AI sílí?
Lepší modely potřebují méně obcházení, ale pořád neumějí číst myšlenky. Uvedení cíle, publika, omezení a toho, jak vypadá „hotovo“, výsledky vždy zlepší, protože model pracuje jen s tím, co mu řeknete.