Moduł drugi. Lekcja druga. Kontekst, przykłady i iteracyjne poprawianie promptów. Pierwsza wersja promptu to punkt wyjścia. Dopiero odpowiedź modelu pokazuje, czy instrukcja była wystarczająco jasna. Zamiast od razu pisać wszystko od nowa, sprawdź: czego zabrakło? Co było niejednoznaczne? Jak można dokładniej opisać oczekiwany wynik? Zacznijmy od kontekstu. Model potrzebuje informacji, które pomagają wykonać konkretne zadanie. Jeśli ma przygotować odpowiedź dla klienta, przydatne będą: treść jego wiadomości, potwierdzone fakty i zasady komunikacji firmy. Przypadkowe szczegóły mogą utrudnić znalezienie tego, co najważniejsze. Dobieraj kontekst do zadania. A co zrobić, gdy model rozumie polecenie, ale odpowiedź ma niewłaściwy styl lub układ? Pokaż mu przykład. Możesz dołączyć jedną lub kilka par: dane wejściowe i oczekiwany wynik. W ten sposób pokazujesz, jak ma wyglądać dobra odpowiedź. Załóżmy, że porządkujesz zgłoszenia klientów. Wiadomość: „Nie mogę zalogować się do konta”. Oczekiwana kategoria: „Problem z dostępem”. Drugi przykład: „Proszę o kopię faktury”. Kategoria: „Dokumenty rozliczeniowe”. Takie przykłady pomagają przekazać modelowi sposób klasyfikowania wiadomości. Podobnie możesz pokazać strukturę podsumowania albo firmowy styl odpowiedzi. Następny krok to kryteria jakości. Polecenie „zrób to lepiej” pozostawia wiele miejsca na interpretację. Zastąp je konkretnymi wymaganiami, na przykład: „Podsumuj zgłoszenie w maksymalnie trzech zdaniach. Korzystaj wyłącznie z przekazanej wiadomości. Jeśli nie podano numeru zamówienia, napisz: brak danych”. Teraz łatwiej sprawdzić, czy wynik spełnia oczekiwania. Na koniec iteracja. Uruchom prompt na kilku różnych przykładach. Zapisz powtarzające się błędy. Popraw instrukcję i przetestuj ją ponownie. Uwzględnij także trudniejsze przypadki: niepełną wiadomość, niejednoznaczne zgłoszenie albo brak potrzebnych informacji. Jedna dobra odpowiedź nie wystarcza, żeby uznać prompt za gotowy do automatyzacji. Czas na ćwiczenie. Wybierz zadanie, które często wykonujesz z pomocą AI. Dodaj do promptu potrzebny kontekst, przykład oczekiwanej odpowiedzi i konkretne kryteria jakości. Przetestuj go na kilku przypadkach. Sprawdź, jakie błędy pozostały i popraw instrukcję. Zapamiętaj: skuteczny prompt rozwijasz przez obserwację wyników, jasne wymagania i kolejne testy.