Prompt to tekst wejściowy, który podajesz modelowi (najczęściej językowemu, jak GPT czy Claude), żeby dostać konkretną odpowiedź. Może to być pytanie, polecenie, fragment kodu do dokończenia albo cała instrukcja z przykładami. Mówiąc wprost: prompt to wszystko, co model dostaje na wejściu, zanim wypluje wynik. I tu jest haczyk — jakość tego, co dostaniesz, w ogromnym stopniu zależy od jakości tego, co wpiszesz. Garbage in, garbage out działa tu wyjątkowo dosłownie.
Jak to działa
Model językowy nie rozumie Twoich intencji telepatycznie. Bierze Twój prompt jako kontekst i przewiduje najbardziej prawdopodobną kontynuację, token po tokenie. Dlatego im precyzyjniej opiszesz zadanie, format wyniku i ograniczenia, tym mniej model musi zgadywać. W praktyce prompt często składa się z kilku warstw: system prompt (rola i zasady, np. „jesteś asystentem do code review”), kontekst (dane, dokumenty), oraz właściwa instrukcja użytkownika.
Cała dyscyplina układania promptów ma nawet swoją nazwę — prompt engineering. Popularne techniki to few-shot (dajesz modelowi 2-3 przykłady poprawnych odpowiedzi) oraz chain-of-thought (prosisz, żeby rozpisał rozumowanie krok po kroku, co zauważalnie poprawia wyniki przy zadaniach logicznych i matematycznych).
Przykład z praktyki
Załóżmy, że używasz API OpenAI z poziomu terminala i chcesz dostać czysty JSON, a nie esej. Słaby prompt: napisz mi funkcję. Dobry prompt: Napisz funkcję w Pythonie 'is_prime(n)' sprawdzającą, czy liczba jest pierwsza. Zwróć tylko kod, bez komentarzy i wyjaśnień. Różnica w wyniku jest kolosalna. W praktyce dorzucasz jeszcze rolę, np. przez flagę --system "Jesteś senior developerem Pythona", i format wyjścia.
Częste błędy i mity
- Za ogólnie. „Popraw ten kod” zmusza model do zgadywania, o co Ci chodzi. Napisz, co konkretnie ma poprawić — wydajność, czytelność, bezpieczeństwo.
- Mit grzeczności. „Proszę” i „dziękuję” nie poprawiają jakości odpowiedzi w mierzalny sposób. Liczy się jasność, nie maniery.
- Zapominanie o formacie. Jeśli nie powiesz „zwróć tabelę markdown” albo „tylko JSON”, dostaniesz to, co model uzna za stosowne.
- Przeładowanie kontekstu. Wrzucenie 50 stron dokumentacji bez wskazania, co jest istotne, rozmywa odpowiedź.
Dobra zasada: traktuj prompt jak specyfikację zadania dla nowego stażysty — im mniej domyślności, tym lepszy wynik.
Pojęcia powiązane: prompt engineering, large language model (LLM), system prompt, few-shot learning, chain-of-thought, token, temperatura, halucynacje.