Prompting · Prompt engineering
Anatomia promptu, który działa
Różnica między bezużyteczną a świetną odpowiedzią AI prawie nigdy nie leży w modelu — leży w promptcie. Poznaj framework R‑K‑Z‑F‑P i sprawdź go od razu w praktyce na czacie demo zbudowanym w n8n.
Anatomia promptu, który działa
Pięć elementów, które można stosować świadomie. Nie każdy prompt potrzebuje wszystkich — ale gdy wynik rozczarowuje, zwykle brakuje któregoś z nich.
Rola
Kim ma być AI?
Kontekst
Co musi wiedzieć?
Zadanie
Konkretny czasownik + efekt
Format
Długość, struktura, ton
Przykład
Pokaż wzorzec
Ten sam cel, dwa prompty
Zobacz, jak framework R‑K‑Z‑F‑P zmienia wynik w praktyce.
✕ Słaby prompt
Napisz opis mojej firmy na stronę internetową.
Model nie wie, czym firma się zajmuje, do kogo mówi ani jak długi ma być tekst — dostaniesz ogólnik, który mógłby opisywać każdą firmę.
✓ Dobry prompt (R‑K‑Z‑F‑P)
[R] Jesteś copywriterem specjalizującym się w B2B. [K] Firma automatyzuje procesy księgowe w małych firmach (narzędzia: n8n, integracje z SaldeoSMART). Odbiorca: właściciel biura rachunkowego, 40+, ceni konkrety, nie znosi korpomowy. [Z] Napisz sekcję "O nas" na stronę firmy. [F] 2 akapity, maks. 120 słów łącznie, bez wykrzykników i frazesów typu "lider rynku". [P] Wzorzec tonu: "Księgujesz. My pilnujemy, żeby dokumenty same trafiały na miejsce."
Rola, kontekst, zadanie, format i przykład — model ma wszystko, żeby trafić za pierwszym razem.
Techniki promptowania
Sześć technik, które pokrywają większość codziennych zastosowań — od szybkich poleceń po prompty produkcyjne w automatyzacjach.
Zero-shot
Samo polecenie, bez przykładów. Wystarcza do prostych, jednoznacznych zadań: streszczenia, tłumaczenia, klasyfikacji oczywistych przypadków.
Few-shot
Dodajesz 2–3 przykłady wejście → wyjście. Model naśladuje wzorzec — to litera P z frameworku: najskuteczniejszy sposób na wymuszenie stylu i formatu.
Chain-of-thought
Prosisz model, żeby rozwiązał problem krok po kroku, zanim poda wynik. Znacząco poprawia jakość przy zadaniach wymagających rozumowania i obliczeń.
Structured output
Wymuszasz odpowiedź w ścisłej strukturze (np. JSON ze zdefiniowanymi polami). Fundament promptingu w automatyzacjach — dane muszą być przewidywalne.
Role prompting
Rozbudowana rola z zasadami działania — podstawa system message dla AI Agentów: kim jest agent, jak odpowiada, czego mu nie wolno.
Iteracja
Pierwszy prompt to szkic. Testujesz na realnych danych, znajdujesz przypadki brzegowe, doprecyzowujesz instrukcje — aż wynik jest powtarzalny.
Prompting w automatyzacjach (n8n)
W workflow prompt przestaje być jednorazowym poleceniem, a staje się elementem systemu — musi działać powtarzalnie, na danych, których nie widzisz. Te trzy materiały pokazują, jak to robić w praktyce.
System Message w AI Agent
Jak nadać agentowi stałą rolę i zasady, żeby każde zapytanie było obsługiwane tak samo.
Przeczytaj artykuł →Structured Output Parser
Jak wymusić na modelu dokładny format odpowiedzi (JSON), którego workflow może bezpiecznie użyć.
Przeczytaj artykuł →Parametryzacja promptów
Jak trzymać prompty w Google Sheets i zmieniać zachowanie agenta bez dotykania workflow.
Przeczytaj artykuł →Najczęstsze błędy
- Zbyt ogólne polecenia („napisz coś o marketingu”) — model zgaduje, czego chcesz.
- Brak kontekstu — AI nie wie, dla kogo, po co i w jakim tonie ma odpowiedzieć.
- Kilka zadań w jednym promptcie — jakość każdego z nich spada; lepiej dzielić na kroki.
- Brak określonego formatu — odpowiedź wygląda za każdym razem inaczej i nie nadaje się do automatyzacji.
- Ślepa wiara w odpowiedź — bez weryfikacji faktów i testów na przypadkach brzegowych.
- Traktowanie pierwszej wersji prompta jako ostatecznej — dobre prompty powstają iteracyjnie.
Najczęściej zadawane pytania
Czym jest prompting (prompt engineering)?
Prompting to umiejętność formułowania poleceń dla modeli AI (np. ChatGPT, Claude, Gemini) tak, aby otrzymywać dokładnie takie odpowiedzi, jakich potrzebujesz. Dobry punkt wyjścia to framework R-K-Z-F-P: Rola, Kontekst, Zadanie, Format, Przykład.
Czy prompting wymaga umiejętności programowania?
Nie. Prompty pisze się w języku naturalnym — po polsku lub angielsku. Umiejętności techniczne przydają się dopiero przy automatyzacjach, np. gdy prompt ma zwracać dane w formacie JSON przetwarzane dalej przez workflow w n8n.
Jaka jest różnica między promptem użytkownika a system message?
System message definiuje stałą rolę i zasady działania modelu (kim jest, jak odpowiada, czego mu nie wolno), a prompt użytkownika to konkretne pytanie lub zadanie. W automatyzacjach system message konfiguruje się raz, a prompty użytkownika zmieniają się przy każdym wywołaniu.
Jak wymusić na AI odpowiedź w konkretnym formacie, np. JSON?
Najpewniej działa połączenie dwóch rzeczy: jasnej instrukcji formatu w promptcie (najlepiej z przykładem) oraz mechanizmu wymuszającego strukturę po stronie narzędzia — np. Structured Output Parser w n8n albo tryb JSON w API modelu.
Czy prowadzisz szkolenia z promptingu?
Tak — prompting jest częścią moich szkoleń z automatyzacji i AI, m.in. szkoleń z n8n, gdzie uczę pisania promptów dla AI Agentów. Szczegóły znajdziesz na stronie szkoleń lub napisz do mnie przez formularz kontaktowy.
Chcesz nauczyć się promptingu w praktyce?
Na szkoleniach z n8n i AI uczę pisania promptów, które działają w realnych automatyzacjach. A na kanale YouTube znajdziesz darmowe poradniki krok po kroku.
