Przejdź do treści
Prompt Engineering: najlepsze prompty do ChatGPT i Claude, szablony i przykładyModuł 1 · lekcja 1 z 3
Za darmo4 min czytania

Moduł 1 · Fundamenty prompt engineeringu

Czym jest prompt engineering i kiedy naprawdę pomaga

Po tej lekcji będziesz wiedzieć, czym jest prompt engineering, kiedy naprawdę poprawia wyniki pracy z ChatGPT, Claude i Gemini oraz od czego zacząć, zanim zaczniesz poprawiać pierwsze polecenie. Aktualne na: październik 2026.

Przykłady w całym kursie dotyczą fikcyjnej firmy: sklepu internetowego z rowerami i częściami „Szprycha” z Wrocławia. Sklep ma pięć osób w zespole, prowadzi bloga, odpowiada na kilkadziesiąt maili dziennie i co miesiąc robi raport sprzedaży. To dobre pole do ćwiczeń, bo każde z tych zadań da się zlecić modelowi AI lepiej albo gorzej.

Prompt to zlecenie, a nie zaklęcie

Prompt to wszystko, co model dostaje przed udzieleniem odpowiedzi: polecenie, kontekst, dane, przykłady i oczekiwany format. Prompt engineering to umiejętność pisania i poprawiania tych instrukcji tak, żeby wynik był przewidywalny i przydatny. Nie chodzi o tajne formułki ani o „magiczne słowa”, które krążą w internecie. Chodzi o to samo, co przy zlecaniu pracy nowej osobie w zespole: jasno powiedzieć, co ma powstać, dla kogo, na podstawie czego i po czym poznasz, że zadanie jest zrobione dobrze.

Dokumentacja Anthropic ujmuje to tak: traktuj model jak bardzo zdolnego, ale nowego pracownika, który nie zna Twoich zwyczajów, klientów ani procedur. Podobnie pisze OpenAI, porównując modele do współpracowników, którym trzeba dać jasny cel i ograniczenia. Większość słabych odpowiedzi nie wynika z ograniczeń modelu, tylko z braków w poleceniu. Model nie wie, że „Szprycha” sprzedaje głównie rowery miejskie, że klienci piszą na „Ty” i że reklamacje załatwia się w 14 dni.

Porównaj dwa polecenia, które dostał model w dziale obsługi klienta:

Tekst
Odpowiedz na reklamację.
Tekst
Pracujesz w obsłudze klienta sklepu rowerowego „Szprycha” z Wrocławia. Klient pisze, że w rowerze z zamówienia nr 2291 po tygodniu pękła szprycha w tylnym kole. Napisz odpowiedź mailową: przeproś, poproś o zdjęcie koła i numer zamówienia, zaproponuj bezpłatną naprawę w naszym serwisie albo odbiór kuriera na nasz koszt. Ton: rzeczowy i życzliwy, zwracamy się na „Ty”. Długość: do 120 słów. Bez emotikonów.

Pierwsze polecenie da poprawny, ale ogólny tekst, który trzeba przepisać. Drugie zawiera kontekst, zadanie, ograniczenia i format, więc odpowiedź zwykle nadaje się do wysłania po drobnej korekcie.

Kiedy prompt engineering ma sens, a kiedy nie

Zanim zaczniesz poprawiać prompt, potrzebujesz trzech rzeczy: kryteriów sukcesu (co ma spełniać dobra odpowiedź), kilku przykładów testowych, na których to sprawdzisz, i pierwszej wersji promptu. Bez kryteriów nie wiesz, czy kolejna wersja jest lepsza, czy tylko inna. Tak zaczyna temat zarówno dokumentacja Anthropic, jak i przewodnik OpenAI, który zaleca budowanie zestawów testów mierzących zachowanie promptu.

Nie każdy problem rozwiązuje się promptem. Jeśli model nie zna Twoich danych (cennika, regulaminu, stanów magazynowych), musisz mu je dostarczyć w treści rozmowy albo przez narzędzia, bo żadne sformułowanie ich nie zastąpi. Jeśli odpowiedź przychodzi za wolno albo jest za droga, czasem lepiej wybrać inny model niż przepisywać polecenie. Prompt engineering pomaga przede wszystkim wtedy, gdy wynik jest nietrafiony, niespójny, w złym formacie albo w złym tonie.

Zanim zaczniesz poprawiać prompt

Na podstawie dokumentacji Anthropic i OpenAI, stan na październik 2026.

Test kolegi z innego działu

Najprostszy sposób na ocenę promptu: pokaż polecenie osobie, która nie zna zadania, i poproś, żeby je wykonała. Jeśli ta osoba byłaby zdezorientowana, model też będzie. W „Szprysze” możesz to zrobić dosłownie: daj prompt do opisu nowego roweru osobie z magazynu. Jeśli zapyta „dla kogo ma być ten opis?” albo „ile ma mieć znaków?”, właśnie znalazłeś braki.

Z tej zasady wynikają trzy nawyki, które przećwiczysz w kursie:

  • Mów wprost, czego chcesz. Jeśli oczekujesz czegoś więcej niż minimum, poproś o to jawnie. Model nie zgadnie, że opis roweru ma zawierać rozmiar ramy i wagę.
  • Wyjaśniaj powód. Zamiast „nie używaj skrótów” napisz „tekst czytają osoby kupujące pierwszy rower, więc unikaj żargonu typu »napęd 1x12«”. Model lepiej uogólnia, gdy zna cel ograniczenia.
  • Układaj kroki po kolei. Gdy kolejność albo kompletność ma znaczenie, podaj listę numerowaną.

Granice i odpowiedzialność

Każdy model potrafi się mylić, także wtedy, gdy odpowiada pewnym tonem. Wszystko, co trafia do klienta, do księgowości albo do umowy, sprawdza człowiek. Do rozmowy z modelem nie wklejaj danych osobowych klientów (imion, adresów, numerów telefonów), jeśli Twoja firma nie ustaliła zasad ich przetwarzania zgodnych z RODO. W przykładach z kursu zastępujesz je oznaczeniami, np. „[KLIENT]” albo „zamówienie nr 2291”.

W kolejnych modułach zbudujesz zestaw sprawdzonych promptów: z rolą i kontekstem, z przykładami, z jasnym formatem wyniku i z listą przypadków testowych. W projekcie końcowym złożysz z nich bibliotekę promptów dla własnej pracy albo zespołu. Kurs jest tekstowy: każda lekcja ma ćwiczenie z przykładowym rozwiązaniem, a po module sprawdzisz się w quizie.

Najważniejsze w 3 punktach

  1. Prompt engineering to jasne zlecanie pracy: kontekst, zadanie, ograniczenia, format i kryteria oceny.
  2. Zanim poprawisz prompt, ustal kryteria sukcesu i przykłady testowe, inaczej nie zmierzysz poprawy.
  3. Jeśli osoba bez kontekstu nie zrozumie Twojego polecenia, model też go nie zrozumie.

Źródła

Następna: Anatomia prompta: rola, kontekst, zadanie, format, ograniczenia

24 lekcje i certyfikat w abonamencie.

Program kursu

Karta wymagana · anulujesz jednym kliknięciem · Mam już konto