Jak poprawiać prompt, nie dopasowując go tylko do kilku znanych przykładów?
Uwaga do przejrzenia: Odpowiedź odwołuje się do CV lub oferty pracy autorki materiału — dostosuj ją do własnego doświadczenia.
Najpierw odpowiedz na głos lub w myślach, potem porównaj.
Odpowiedź
Najpierw przygotowuję przykłady i kryteria dobrej odpowiedzi. Sprawdzam, jakie błędy się powtarzają, a potem zmieniam instrukcję tak, żeby wyjaśnić konkretny problem. Część przykładów zostawiam na końcową ocenę i nie wykorzystuję ich do ciągłego poprawiania promptu.
Jeśli dopisuję coraz więcej wyjątków pod kilka znanych przypadków, wynik może wyglądać świetnie tylko na nich. Potrzebuję też nowych, trudnych i niejednoznacznych wejść. Jednoznaczne warunki, np. „kwota nie może być ujemna”, lepiej sprawdzać kodem. Zamiast domagać się ukrytego toku myślenia modelu, proszę o wynik, krótki powód i dowody, które da się zweryfikować.
Dlaczego to ważne: Ułatwia obronę pracy nad promptami z CV.
Możliwe dopytania: Jak zauważysz sprzeczne zasady w długiej instrukcji?
Jak poszło? Bądź szczery — „Jeszcze nie” dodaje pytanie do powtórki.
Zacznij od
- F-P01 · Co to jest LLM? — Fundamenty LLM i AI engineering
- F-P03 · Co to jest token i okno kontekstu? — Fundamenty LLM i AI engineering
Dalsza lektura
- Anthropic: Effective context engineering for AI agents(otwiera się w nowej karcie)29.09.2025. Dobór kontekstu, ograniczenia i referencje zamiast bezmyślnego zwiększania wejścia.