Promptovací bible – 15 technik, které změní, jak pracujete s AI
Kvalita odpovědi z AI nezávisí na nástroji, ale na tom, jak se zeptáš. Stejný dotaz položený dvěma způsoby dá úplně jiný výsledek. Promptování je naučitelná dovednost a rozdíl je měřitelný: výzkum ukazuje, že správné techniky zvednou kvalitu výstupu o 20 až 60 %. Tady je 15 technik, které používám denně a fakt fungují.
Modely jsou šíleně citlivé na formulaci. Není to magie ani teorie - je to řemeslo, které se naučíš za pár dní cíleného tréninku. Projdeme si patnáct konkrétních triků, u každého ukázku, ukážu ti špatný a dobrý prompt vedle sebe, poradím, jak je kombinovat, a na konci ti řeknu, kdy naopak žádný prompt nezachrání špatné zadání.
Co je vlastně dobrý prompt?
Dobrý prompt je jasné zadání, které modelu dá roli, kontext, formát a příklad toho, co chceš. Čím míň si model musí domýšlet, tím líp odpoví. Prázdné "napiš mi text o AI" dostane prázdnou odpověď. "Jsi copywriter, napiš 3 varianty úvodního odstavce blogu pro české freelancery, max 4 věty každá" dostane použitelný výstup.
Rozdíl mezi amatérem a profíkem u promptování je dnes měřitelný na benchmarcích. Nejde o to znát tajná zaklínadla - jde o to systematicky dodat modelu to, co potřebuje. Pojďme na konkrétní techniky.
5 základních technik, se kterými začni
1. Chain of Thought (řetěz úvah). Přidej do promptu "přemýšlej krok za krokem". Model rozloží problém na dílčí kroky a je výrazně přesnější. U matematiky a logiky to není kosmetika - výzkum naměřil skok přesnosti ze 17,7 % na 78,7 % jen tímhle jedním trikem. Používej u počítání, plánování a všeho, co má víc kroků.
2. Role prompting (přiřazení role). "Jsi zkušený CFO s 20 lety praxe..." Když dáš modelu roli, dostaneš specifičtější a hlubší odpověď. Model si natáhne slovník a priority té profese. Hustý a jednoduchý trik.
3. Few-shot prompting (ukázka příkladů). Ukaž modelu 2 až 5 příkladů toho, co chceš. "Tady jsou 3 nadpisy v mém stylu: [příklady]. Napiš 5 dalších stejně." Podle výzkumu je to nejspolehlivější způsob, jak řídit formát výstupu bez doučování modelu. Boží na stylizaci a konzistenci.
4. Strukturovaný výstup. Řekni si o konkrétní formát. "Odpověz jako JSON s klíči: problém, příčina, řešení, rizika." Nebo tabulku, odrážky, číslovaný seznam. Ušetří ti hodiny přeformátování a data pak snadno použiješ dál.
5. Negative prompting (co NECHCEŠ). Řekni, čemu se má model vyhnout. "Nepiš obecné úvody, neopakuj otázku, žádné fráze typu v dnešní době." Model pak vypadne z defaultního nudného módu. Překvapivě efektivní.
10 pokročilých technik pro lepší výsledky
6. Contrarian check (ďáblův advokát). "Jaké jsou argumenty PROTI tomuhle nápadu?" Necháš model, ať tě zkusí vyvrátit. Odhalí slabiny dřív, než na ně narazíš v praxi.
7. Expert panel (víc perspektiv). "Co by na to řekli marketér, finanční ředitel a zákazník?" Tři pohledy za cenu jednoho promptu. Skvělé na rozhodování, kde ti chybí odstup.
8. First principles (základní předpoklady). "Rozlož tenhle problém na základní pravdy a postav řešení od nuly." Vytáhne tě z kopírování cizích řešení k tomu, co dává reálně smysl.
9. Rubber duck (myšlení nahlas). "Pomoz mi přemýšlet nahlas o tomhle problému." Brutálně užitečné, když jsi zaseknutý. Model funguje jako protistrana, která tě posouvá dál.
10. Version comparison (varianty). "Napiš 3 verze - stručnou, střední a detailní." Skoro vždycky jedna sedne přesně a ušetříš si kolečko úprav.
11. Iterative refinement (po krocích). Nepiš všechno do jednoho promptu. "To je dobrý základ, teď to udělej výrazně stručnější." Ladíš výstup v dialogu, ne jedním obřím zadáním. Tohle je základ takzvaného prompt chainingu - výstup jednoho kroku pošleš do dalšího (research → osnova → text → korektura).
12. Context injection (dodej kontext). Vždycky dej relevantní kontext na začátek. Model není věštec - neví, komu píšeš, na jaké platformě a s jakým cílem, dokud mu to neřekneš. Čím víc kontextu, tím míň generických odpovědí.
13. Constraint prompting (omezení). "Napiš to v max. 3 větách." Limit nutí model prioritizovat a vyhodit vatu. Krátké zadání s tvrdým limitem často porazí dlouhé volné.
14. Socratic method (ať se ptá tebe). "Pokládej mi otázky, dokud nepochopíš celý můj problém, pak teprve odpověz." Mega užitečné u složitých témat, kde bys sám nevěděl, co všechno máš do promptu dát.
15. Meta prompting (prompt na prompt). "Napiš mi lepší prompt pro tenhle úkol: [tvůj prompt]." Necháš model, ať tě naučí ptát se líp. Zní to jako podvod, ale funguje to skvěle.
Jak vypadá špatný a dobrý prompt vedle sebe?
Nejlíp to ukáže reálný příklad. Řekněme, že potřebuješ napsat popisek produktu do eshopu.
Špatný prompt: "Napiš popis produktu." Model neví, jaký produkt, pro koho, jak dlouhý ani v jakém tónu. Dostaneš generickou vatu, kterou stejně přepíšeš.
Dobrý prompt: "Jsi copywriter pro český eshop s outdoorovým vybavením (role). Napiš popis batohu Osprey 40 l pro víkendové turisty (kontext). Max 60 slov, tón praktický a nadšený, žádné klišé typu kvalitní materiály (omezení plus negativní prompt). Tady je můj oblíbený popis jiného produktu jako vzor stylu: [příklad] (few-shot)." Vidíš, jak jsem tam natlačil čtyři techniky naráz? Výstup bude použitelný napoprvé.
Rozdíl není v tom, že bych znal tajné slovo. Je v tom, že jsem modelu dal všechno, co potřebuje, aby si nemusel nic domýšlet. To je celá podstata promptování.
Které techniky se vyplatí nejvíc?
Kdybych měl vybrat, se kterými začít, tady je rychlé srovnání podle poměru námaha versus přínos:
| Technika | Nejlepší na | Náročnost |
|---|---|---|
| Chain of Thought | Matematika, logika, plánování | Nízká |
| Few-shot | Konzistentní styl a formát | Střední |
| Role prompting | Odborná hloubka odpovědi | Nízká |
| Iterative refinement | Delší texty a projekty | Nízká |
Jak techniky kombinovat pro reálnou práci?
Síla není v jedné technice, ale v jejich řetězení. Ukážu ti, jak to skládám u tří častých úkolů, které u nás v ČR řeší skoro každý freelancer nebo malá firma.
Psaní delšího textu: role plus kontext na úvod, pak iterative refinement po odstavcích, na konec constraint na délku. Nikdy nechtěj hotový blog jedním promptem - dělej to jako rozhovor.
Rozhodování (koupit nástroj, přijmout zakázku): expert panel plus contrarian check. Necháš model rozehrát perspektivy a pak ho pustíš, ať tvůj plán zkusí sestřelit. Ušetří ti to draze zaplacené chyby.
Řešení složitého problému: Socratic method na začátku (ať se tě model doptá), pak first principles a Chain of Thought. Tímhle pořadím se dostaneš k jádru věci, ne k prvnímu klišé.
Nejčastější chyba, kterou vidím u lidí kolem sebe: napíšou jednu větu, dostanou průměr a usoudí, že AI za nic nestojí. Přitom stačí přidat roli, kontext a jeden příklad a kvalita vyskočí o desítky procent. Není to o modelu, je to o tobě.
Kdy žádný prompt nepomůže?
Buďme féroví - promptování má hranice a je dobré je znát:
- Když nemáš jasno ty sám. Když sám nevíš, co chceš, žádná technika to nespraví. Nejdřív si ujasni cíl, pak promptuj.
- Když jde o tvrdá fakta. Sebelepší prompt nezabrání halucinaci. U čísel, dat a citací vždycky ověř výstup.
- Když přeplácáš prompt. Deset technik naráz v jednom zadání model spíš zmate. Kombinuj dvě tři, ne všechny.
- Když model na úkol prostě nestačí. Slabší model dobrým promptem trochu vytáhneš, ale zázraky nečekej. Občas je řešení silnější model, ne delší prompt.
Ehm, a tohle není teorie z příručky. Každou z těch technik používám denně na reálné práci - psaní, kód, analýzy. Rozdíl mezi průměrným a šíleně dobrým výsledkem je většinou jen v tom, jak se zeptáš. Vyber si dvě tři techniky, natrénuj je do automatu, a uvidíš ten skok sám. Je to fakt boží pocit, když ti model poprvé vrátí přesně to, co jsi chtěl.