Wpisałeś zapytanie do Sztucznej Inteligencji, ale otrzymana odpowiedź była zbyt ogólna, nieprecyzyjna lub całkowicie nietrafiona? To znak, że prompt mógł być źle sformułowany. Na szczęście istnieje prosty sposób na tworzenie skutecznych zapytań do AI – framework TAG.
Dzięki TAG możesz łatwo określić temat, akcję i kluczowe wytyczne dla AI, co przełoży się na lepsze i bardziej trafne odpowiedzi. W tym artykule pokażę Ci, jak działa ten framework, kiedy warto go stosować i jakie błędy unikać. A na końcu znajdziesz gotowe prompty dla trzech różnych branż!
Czym jest framework TAG?
Framework TAG składa się z trzech elementów:
🔹 T – Task (Zadanie) → Co AI ma zrobić? Określa, co AI ma zrobić. Precyzyjne sformułowanie zadania pozwala uniknąć niejasnych odpowiedzi. Przykładowo: zamiast „Opisz zasady RODO”, lepiej napisać „Przygotuj krótkie podsumowanie kluczowych zasad RODO w kontekście rekrutacji pracowników”.
🔹 A – Action (Działanie) → Jak AI ma to zrobić? Konkretnie opisuje, co AI ma zrobić. Im bardziej precyzyjne polecenie, tym lepiej. Może to być np. „stwórz checklistę”, „napisz artykuł ekspercki” lub „podaj krótkie odpowiedzi w punktach”.
🔹 G – Goal (Cel) → Co użytkownik chce osiągnąć? Określa cel zadania i dodatkowe wymagania, np. format odpowiedzi, grupę docelową czy styl komunikacji. Dzięki temu AI nie poda Ci przypadkowej treści, ale dostosowaną do Twoich potrzeb.
Kiedy warto stosować TAG?
Zapytanie TAG stosuj gdy:
- potrzebujesz konkretnej odpowiedzi dopasowanej do Twojego zamierzonego celu,
- chcesz uniknąć niejasnych lub zbyt ogólnych wyników,
- tworzysz treści do pracy i biznesu, gdzie liczy się precyzja,
- masz określone wymagania dotyczące stylu, formatu i grupy docelowej.
Prompt (szablon):
Twoim zadaniem jest [T: dokładny opis zadania]. Aby lepiej dopasować odpowiedź, uwzględnij następujące informacje: [A: szczegółowe działanie, np. sposób wykonania zadania]. Odpowiedź powinna spełniać następujące wymagania: [G: konkretny cel – oczekiwany efekt, styl, format].
Przykładowe zapytania oparte na technice TAG:
Prawnik:
Twoim zadaniem jest przygotowanie poradnika dla pracodawców dotyczącego zasad przetwarzania danych kandydatów w procesie rekrutacji. Aby lepiej dopasować odpowiedź, uwzględnij najważniejsze przepisy, obowiązki pracodawcy i praktyczne wskazówki. Moim celem jest dostarczenie pracodawcom jasnych i praktycznych informacji, które pozwolą im przestrzegać przepisów. Odpowiedź sformatuj w formie checklisty, aby była łatwa do zastosowania w praktyce.
Rekruter:
Twoim zadaniem jest stworzenie przewodnika po skutecznych metodach selekcji kandydatów na stanowiska techniczne. Aby lepiej dopasować odpowiedź, przedstaw najlepsze źródła pozyskiwania talentów, przykładowe pytania rekrutacyjne i rekomendowane narzędzia wspierające proces. Moim celem jest pomóc rekruterom w skutecznym identyfikowaniu i zatrudnianiu najlepszych specjalistów. Uporządkuj informacje w formie listy punktowanej.
Social Media Manager:
Twoim zadaniem jest napisanie angażującego posta na Instagram promującego nowy ekologiczny krem nawilżający. Aby lepiej dopasować odpowiedź, użyj lekkiego, przyjaznego tonu, podkreśl kluczowe korzyści produktu i dodaj zachęcające call-to-action. Moim celem jest zwiększenie zaangażowania odbiorców i zachęcenie ich do zakupu. W treści uwzględnij maksymalnie 300 znaków oraz trzy hashtagi związane z ekologiczną pielęgnacją.
Podsumowując, framework TAG (Task – Action – Goal) pozwala na skuteczne formułowanie zapytań do AI. Dzięki określeniu zadania, sposobu działania i jasno sprecyzowanemu celowi, możesz uzyskać dokładnie to, czego potrzebujesz. Jednak TAG nie jest rozwiązaniem idealnym – jego słabą stroną jest brak bezpośredniego określenia roli, co może prowadzić do mniej precyzyjnych wyników, zwłaszcza jeśli AI nie rozumie kontekstu zapytania.
Stosując ten schemat, precyzyjne określenie celu jest kluczowe, aby zyskać pełną kontrolę nad wynikami i tworzyć prompty, które rzeczywiście przynoszą efekty!
