Czym jest prompt engineering?
Prompt engineering to sztuka i nauka tworzenia instrukcji dla AI,
aby uzyskać precyzyjne i wartościowe odpowiedzi.
Nie ma jednej „złotej” recepty na prompty. Modele językowe stale się rozwijają, a ich sposób interpretowania poleceń może się zmieniać, co wpływa na jakość generowanych wyników. Z pomocą jednak przychodzą tak zwane „frameworki”, które możemy potraktować jako swego rodzaju przepis na prompt.
Należy pamiętać, że sposób tworzenia zapytań zależy od narzędzia – inaczej formułuje się je dla ChatGPT, a inaczej dla Midjourney czy innych modeli AI. Testuj, sprawdzaj, modyfikuj, po prostu działaj!
Kluczowe Elementy Promptów
Tokeny, temperatura i kontekst to nieodłączne elementy prompt engineeringu. Każdy z nich odgrywa unikalną rolę w kształtowaniu interakcji z modelem AI, a ich optymalne użycie pozwala uzyskać lepsze, bardziej precyzyjne odpowiedzi.
Tokeny
Tokeny to najmniejsze jednostki tekstu, które są przetwarzane przez modele językowe np. Chat GPT, Gemini, Perplexity. W zależności od metody tokenizacji mogą to być całe słowa, ich części lub pojedyncze znaki. Na przykład słowo „prompt” w jednym modelu może zostać podzielone na dwa lub więcej tokenów. Swego czasu Chat GPT twierdził, że w słowie „STRAWBERRY” są dwie litery „R”. Ten błąd wynikał właśnie z tokenizacji. Dlatego zawsze sprawdzaj treść generowaną przez Sztuczną Inteligencję.
Praca na tokenach pozwala AI na szybsze i bardziej precyzyjne przetwarzanie tekstu, gdyż operuje na mniejszych jednostkach niż całe słowa czy zdania.
Temperatura
Temperatura to parametr sterujący losowością generowanych odpowiedzi przez modele językowe np. Chat GPT, Claude czy Bielik (Polski model językowy).
W praktyce jest to liczba, której wartość wpływa na „kreatywność” lub przewidywalność generowanego tekstu.
Niska temperatura (np. 0.2): Skłania model do generowania bardziej przewidywalnych i spójnych odpowiedzi. Używana w zadaniach wymagających precyzyjnych i jednoznacznych wyników.
Wysoka temperatura (np. 0.8 lub 1.0): Wprowadza większy element losowości, co może skutkować bardziej kreatywnymi, ale też mniej stabilnymi odpowiedziami. Idealna w zastosowaniach kreatywnych, gdzie różnorodność jest pożądana.
Parametr „Temperatura” może mieć różne nazwy w zależności od używanego narzędzia. W Midjourney (narzędziu do generowania obrazów) podobną funkcję pełni Chaos czyli parametr –c
Kontekst i okno kontekstowe
Kontekst:
To dodatkowe informacje, które dodajemy do promptu, aby ułatwić AI zrozumienie zadania, intencji, tła sytuacji czy oczekiwanego stylu odpowiedzi np. opis sytuacji, fragmenty rozmowy, przykłady lub szczegółowe wytyczne. Kontekst pomaga nadać promptowi sens i kierunek.
Okno kontekstowe:
To maksymalna liczba tokenów, które model jest w stanie jednocześnie przetworzyć (czyli „zobaczyć”) podczas generowania odpowiedzi. Okno kontekstowe określa techniczne ograniczenie – jeśli cały prompt (wraz z kontekstem i wcześniejszą częścią rozmowy) przekracza tę liczbę tokenów, model może „zapomnieć” część informacji. W praktyce oznacza to, że nie cały kontekst może być brany pod uwagę, jeśli jest zbyt obszerny.
Efektywne tworzenie promptów polega na umiejętnym doborze i umieszczeniu kluczowych informacji w obrębie dostępnego okna kontekstowego.
Struktury promptów zależą od naszych potrzeb oraz wyników jakie chcemy osiągnąć.
Technika to ogólna strategia lub sposób tworzenia skutecznych promptów, skupiająca się na tym, jak formułować zapytania, aby osiągnąć określony cel.
Framework, z kolei, to zorganizowana struktura lub model, pełniący rolę szablonu, który systematyzuje proces tworzenia promptów w określonym formacie.
Wielokrotne poprawianie promptu, aby uzyskać optymalny wynik poprzez eksperymentowanie i dostosowywanie.
Step by Step – to rozbijanie zadania na mniejsze kroki, by pomóc AI lepiej rozwiązać złożony problem.
Dodawanie tła lub szczegółów, aby pomóc AI lepiej zrozumieć zadanie.
Prezentowanie przykładów, aby AI lepiej zrozumiało kontekst i styl odpowiedzi. W zależności od ilości podanych przykładów mówimy o Zero-Shot, One-Shot i Few-Shot Prompting
Precyzyjne zadawanie pytań
Tworzenie jasnych i jednoznacznych pytań, które redukują możliwość nieporozumień.
Wprowadzanie warunków lub limitów, które AI musi spełnić w odpowiedzi.
Popularne schematy promptów
Testuj i wybieraj te, które najbardziej pasują do Ciebie
RTF
Role, Task, Format nadaje Twoim promptom przejrzystą strukturę, definiując rolę, zadanie i format odpowiedzi. Dzięki temu szybko uzyskasz precyzyjne i dopasowane rezultaty, oszczędzając czas na niepotrzebne poprawki.
TAG
Task, Action, Goal koncentruje się na jasno określonym zadaniu, działaniu oraz celu, co pozwala na skierowanie promptu ku konkretnym rezultatom. Idealny do sytuacji, gdy zależy Ci na szybkiej i efektywnej realizacji celów bez zbędnych komplikacji.
RISE
Role, Input, Steps, Expectation dzieli proces promptowania na cztery kluczowe etapy, umożliwiając dokładne kontrolowanie każdego z nich. Dzięki temu każdy krok jest jasny i spójny, co przekłada się na bardziej precyzyjne i oczekiwane wyniki.
APE
Action, Purpose, Expectation upraszcza proces tworzenia promptów, skupiając się na działaniu, celu oraz oczekiwaniach. To rozwiązanie pomaga szybko osiągać wysokiej jakości rezultaty, eliminując zbędne elementy i niejasności.
CARE
Context, Action, Result, and Example oferuje kompleksowe podejście, w którym kontekst, działanie, rezultat oraz przykład tworzą spójną całość. Dzięki temu każdy prompt zyskuje precyzyjne wytyczne, a kontekst, ułatwia zrozumienie i wdrożenie.
BAB
Before, After, Bridge buduje narrację przemiany, pokazując stan wyjściowy, oczekiwany rezultat oraz element łączący oba etapy. To idealne narzędzie, gdy chcesz przedstawić proces zmiany lub transformacji w sposób angażujący i klarowny.
Celem frameworku jest wskazanie jasnych i usystematyzowanych wytycznych, które pozwolą na stworzenie promptu, który pozwoli nam osiągnąć zamierzony cel.
