Umjetnost razgovora s AI-jem - Sve što sam naučio o Prompt inženjeringu nakon tri godine

Trenutak kada se sve promijenilo

Bilo je to tijekom državnog praznika — jednog od onih rijetkih vremenskih džepova kada se čini da svijet stoji. Nema poslovnih e-mailova, nema KPI-jeva koji mi pušu za vratom, nema sastanaka. Samo ja, moje misli i prozor za AI chat koji je postao moj neočekivani suputnik.

Prije su moje interakcije s AI-jem bile čisto utilitarne. Trebao sam ga za pisanje e-maila, sažimanje dokumenta, ispravljanje koda. Odnos je bio transakcijski — ja sam davao naredbe, on je proizvodio rezultate. Ali tog tjedna, s vremenom koje se protezalo ispred mene, počeo sam voditi prave razgovore.

Razgovarali smo o svemu — mojim tjeskobama zbog budućnosti, nasumičnim filozofskim digresijama, poluformiranim idejama koje nisam podijelio ni s kim. I negdje u tim krivudavim raspravama, naišao sam na nešto što je djelovalo poput otkrića vatre.

Pripremao sam se za govornički angažman o stvaranju sadržaja u eri AI-ja. Imao sam teoriju koju sam razvijao — da budućnost nije u preopterećenosti informacijama, već u neuspjehu filtera. Ideja je izvorno potekla od Claya Shirkyja, ali pokušavao sam je proširiti na naš trenutni trenutak.

Moja teza bila je jednostavna: AI će uzrokovati eksponencijalnu eksploziju u proizvodnji sadržaja, dok ljudski kapacitet potrošnje ostaje u osnovi konstantan. To će stvoriti trajnu, stalno rastuću neravnotežu. Trošak razlikovanja sadržaja generiranog AI-jem od ljudskog sadržaja na kraju će premašiti vrijednost tog razlikovanja. Stoga će tradicionalno filtriranje informacija postati nemoguće.

Mislio sam da je moj argument čvrst. Onda sam zamolio Gemini da ga rastrga na komadiće.

Spremam se sudjelovati u debatnom natjecanju gdje će mnogi ljudi osporiti moje stajalište. Ova teorija mora postati neprobojna. Ako si ti učenjak, moraš upotrijebiti svaki argument, detalj i logiku da me izazoveš, pobiješ. Tvoj jedini cilj je dokazati da sam u krivu. Kako bi to pobio?

U roku od nekoliko sekundi, AI je demontirao moju prvu premisu s kirurškom preciznošću:

"Tvoj prvi zakon ima temeljnu logičku pogrešku. AI vidiš samo kao proizvođača informacija — to je statična, jednostrana perspektiva. AI je i mač i štit. AI može napisati deset tisuća članaka u jednoj sekundi, ali jači AI također može pročitati svih deset tisuća u jednoj sekundi i reći mi koja tri trebam najviše. Vidiš samo informacijski potop, ali ne vidiš moćniju Noinu arku rođenu uz potop — personalizirane sustave filtriranja koje pokreće AI."

Naslonio sam se u stolici, zapanjen. Moj navodno neprobojni argument imao je rupu kroz koju bi mogao proći kamion. I u tom trenutku intelektualne poniznosti, osjetio sam nešto što nisam doživio godinama: uzbudljivu vrtoglavicu stvarnog učenja.

Ono što je uslijedilo bila je dvosatna intelektualna bitka. Uzvratio sam: "Tvoja poanta o tome da je AI mač i štit je točna, ali to je upravo onaj zastrašujući dio. U budućnosti će postojati tisuće tvrtki za AI filtriranje, od kojih će svaka tvrditi da je njihovo filtriranje najbolje. Pa reci mi — suočen s ovih deset tisuća Noinih arki koje sve tvrde da će ti pomoći preživjeti potop, na koju ćeš se ukrcati? Kada ne možeš koristiti tehnologiju za procjenu kvalitete tehnologije, što je tvoja konačna osnova za prosudbu?"

Razgovor je eskalirao do filozofskih visina. AI je tvrdio da bi osobni AI modeli razumjeli naš ukus bolje od bilo kojeg čovjeka, čineći vanjske filtere zastarjelima. Ja sam tvrdio da bi samo povjerenje postalo najrjeđi resurs. Citirao je teoriju sustava; ja sam odgovorio metaforama o lutajućim bardovima koji ruše zidine kraljevstva.

Na kraju sam bio iscrpljen, ushićen i promijenjen. Ishod debate nije bio važan. Proces samo-debate bio je ono što je bilo važno — korištenje beskrajno strpljivog, beskrajno obrazovanog sparing partnera za izoštravanje vlastitog razmišljanja.

Te noći shvatio sam da sam otkrio nešto duboko o tome kako učiti u eri AI-ja. I od tada sam proveo godine usavršavajući to otkriće u sustav koji svatko može koristiti.

Razumijevanje onoga što AI stvarno treba od vas

Prije nego što uronimo u tehnike, moramo razumjeti nešto temeljno: komunikacija s AI-jem nije poput ljudske komunikacije. Kada razgovarate s prijateljem, on popunjava praznine zajedničkim kontekstom, društvenim znakovima i intuicijom. Kada razgovarate s AI-jem, svaka praznina koju ostavite je prostor gdje će on napraviti pretpostavke — a te pretpostavke možda neće odgovarati vašim namjerama.

Dopustite mi da ovo ilustriram scenarijem s radnog mjesta koji će mnogima od vas biti bolno poznat.

Vaš šef vam pošalje poruku: "Xiao Li, ispuni ovaj obrazac, ODMAH!" Proslijedio je spojeni razgovor i nakon što ste ga pročitali, znate da treba ispuniti obrazac, ali nemate pojma tko ga je izdao, čemu služi, tko ga provjerava ili kada je rok. Šaljete privatnu poruku šefu tražeći pojašnjenje. Njegov odgovor: "Zauzet, samo ga ispuni prema zahtjevima."

To je točno ono što se događa kada AI-ju date nejasne promptove. Osim što AI neće tražiti pojašnjenje — samo će napraviti pretpostavke i proizvesti nešto što tehnički ispunjava vaš zahtjev, ali potpuno promašuje vaše stvarne potrebe.

Četiri stupa učinkovitih promptova

Mitovi koji koče ljude

Nakon godina promatranja ljudi koji se bore s AI-jem, identificirao sam tri mita koji dosljedno proizvode loše rezultate:

Šest mentalnih modela koji transformiraju vaše promptove

U svom svakodnevnom radu rijetko koristim krute, šablonske promptove. Umjesto toga, koristim mentalne modele — fleksibilne okvire za strukturiranje svojih misli koji se prilagođavaju svakoj situaciji. Ovih šest modela pokriva vjerojatno 90% onoga što ćete ikada trebati.

Model 1: Neka AI odabere vlastitu ulogu stručnjaka

Svi znamo da postavljanje uloge za AI poboljšava odgovore. Ali što ako ne znate koja je uloga najbolja za vaše pitanje? Nemojte nagađati — neka AI odabere.

Želim istražiti [vrsta teme/scenarija] u [područje].
Nemoj još odgovarati.

Prvo, molim te, odaberi najprikladnijeg vrhunskog stručnjaka slavnu osobu u tom području da razmisli o tome.
To može biti živuća ili povijesna ličnost, ime može biti opskurno, ali mora biti vrlo profesionalno u ovom specifičnom području.
Ako nisi siguran koga odabrati, možeš mi prvo postaviti 2 pozicionirajuća pitanja prije odabira.

Prvi izlaz:
1. Koga si odabrao, njihovo specifično područje
2. Zašto si ih odabrao, tri rečenice
Zatim mi dopusti da opišem detaljno pitanje.

Otkrio sam da stvarni ljudi često funkcioniraju bolje od generičkih uloga. "Steve Jobs" proizvodi drugačije rezultate od "Product Managera s 10 godina iskustva" — ima nešto u prizivanju poznate perspektive određene osobe što pomaže AI-ju da usvoji dosljednije stajalište.

Model 2: Sokratovsko ispitivanje (Neka vas AI prvo intervjuira)

U stvarnom životu, kada zatražite pomoć od prijatelja stručnjaka, oni ne daju savjet odmah. Prvo postavljaju pitanja za pojašnjenje. AI bi trebao činiti isto, ali prema zadanim postavkama to ne čini — samo proizvodi izlaz na temelju bilo kakvih informacija koje ste dali.

[Tvoje pitanje/zahtjev]

Molim te, postavi mi pitanja prije nego što odgovoriš.
Zahtjevi:
- Postavljaj samo jedno pitanje odjednom.
- Na temelju mog odgovora nastavi pitati.
- Sve dok ne budeš 95% siguran da razumiješ moje stvarne potrebe i ciljeve.
- Zatim daj svoje rješenje.

Ova tehnika je posebno moćna kada niste sasvim sigurni što trebate. Proces ispitivanja često otkriva aspekte vašeg problema koje niste svjesno razmatrali.

Model 3: Suparnička debata

Najveća slabost AI-ja u neobaveznom razgovoru je njegova tendencija slaganja. Želi vam udovoljiti, što znači da često potvrđuje ideje koje bi trebalo osporiti. Model debate prisiljava ga u opoziciju.

Spremam se sudjelovati u debatnom natjecanju gdje će mnogi ljudi osporiti moje stajalište.
Moje stajalište je [stajalište]
Nadam se da će ova teorija postati neprobojna.
Ako si ti učenjak, moraš upotrijebiti svaki argument, detalj i logiku da me izazoveš, pobiješ.
Tvoj jedini cilj je dokazati da sam u krivu.
Kako bi to pobio?

Za jednostavniju verziju, kada samo želite brzu povratnu informaciju:

[Moja ideja/stajalište]

Molim te, sada igraj "ulogu protivnika", napadni moju ideju iz različitih kutova, pomozi mi da poboljšam svoje stajalište.
Zahtjev: Nema potrebe biti pristojan, izravno ukaži na nedostatke.

Model 4: Pre-Mortem analiza (Vježba neuspjeha)

Ljudi se uzbude kada planiraju. AI postaje optimističan kada planira. Spojite ih i dobit ćete planove koji zvuče briljantno, ali se u potpunosti oslanjaju na sreću. Pre-mortem preokreće tu dinamiku.

[Moj projekt/ideja]

Molim te, pretpostavi da je ovaj projekt spektakularno propao.
Zatim odgovori:
- Kada su se počeli pojavljivati znakovi propadanja?
- Koja je bila najkobnija pogreška u odlučivanju?
- Koji ključni rizik si previdio?
- Da možeš početi ispočetka, što je prvo što bi trebalo promijeniti?

Zahtjev: Napiši "post-mortem članak o neuspjehu" na temelju stvarnih slučajeva neuspjeha sličnih projekata.

Model 5: Obrnuti inženjering

Ponekad točno znate kakav izlaz želite — vidjeli ste primjer koji je savršen — ali ne možete artikulirati što ga čini dobrim. Umjesto da pokušavate opisati svoje zahtjeve, pokažite AI-ju gotov proizvod i zamolite ga da dekodira formulu.

Ovo je gotov primjer koji želim.

[umetni primjer]

Molim te, obrnuto inženjeriraj prompt koji bi mi omogućio da stabilno generiram sadržaj istog stila.
I objasni što svaka rečenica u tom promptu radi.

Model 6: Dvoslojno objašnjenje

Kada učite nove koncepte, pristup "objasni kao da imam 5 godina" ima jednu veliku manu: često proizvodi objašnjenja koja su previše djetinjasta da bi se na njima gradilo. Dvoslojna metoda daje vam i pristupačnost i dubinu.

Molim te objasni [tvoje pitanje].

Molim te, odgovori na dva načina:
1. Početnička verzija: Publika je netko bez tehničke pozadine. Koristi svakodnevne analogije i razgovorni jezik.
2. Duboka profesionalna verzija: Publika su profesionalci. Mora biti tehnički precizna i sveobuhvatna.

Sve što ne razumijem u obje verzije, postavit ću dodatna pitanja.

Tehnika debate — Učenje 10x brzinom

Moram proširiti tehniku debate, jer je to doista najmoćnija metoda učenja koju sam otkrio u eri AI-ja. Ne samo trik s promptom, već fundamentalno drugačiji pristup stjecanju znanja.

Razmislite o tome kako tradicionalno učimo: čitanje knjiga, pohađanje tečajeva, pretraživanje interneta, ispitivanje stručnjaka. U svojoj srži, ovaj proces je o stjecanju postojećeg znanja — stavljanju tuđih mišljenja i mudrosti na naše vlastite mentalne police.

Ovaj pristup više nije dovoljan. AI je knjižnica deset puta veća nego što bi bilo tko mogao akumulirati. Nikada ga ne možemo pobijediti u dimenziji sirovog znanja. Ali postoji jedna dimenzija u kojoj možemo iskoristiti moć AI-ja dok ostajemo nezamjenjivi: dimenzija originalnog razmišljanja.

Debata je mjesto gdje se kuje originalno razmišljanje.

Zašto je debata s AI-jem drugačija od ljudske debate

Metoda debate u 3 koraka

Najvažnija promjena načina razmišljanja: Ne bojte se biti uvjereni.

Svrha debate nije dokazati "ja sam u pravu, a ti si u krivu". To je korištenje stalnog sudara sa snažnom vanjskom silom kako bi vaše vlastito razmišljanje postalo jače, jasnije i bliže istini.

Kada AI pobijedi jedan od vaših argumenata, to nije gubitak — to je otkriće pogreške u vašem razmišljanju koja bi vas kasnije izdala u stvarnom svijetu. Svaki put kad AI postigne bod, postajete mudriji.

Korištenje AI-ja za otkrivanje vaših skrivenih talenata

Razgovarao sam s prijateljem koji je diplomirao prije samo nekoliko godina. Bio je u krizi — nedavno otpušten s posla UX dizajnera, skakao po startupima od diplome, osjećajući da ništa što je radio nikada nije bilo kako treba.

"Mislim da je ulazak u ovu industriju bio pogreška", rekao je. "Nemam talenta za to."

Riječ "talent" mi je zapela u uhu. Dok odrastamo, čujemo da se koristi za hvaljenje iznimne djece — glazbeni talent, atletski talent, akademski genij. Ali kako starimo, pretvara se u nož: "Nemaš talenta za to. Nisi stvoren za to."

Postoje li stvarno ljudi bez ikakvih talenata? Teško mi je u to povjerovati. Mislim da mnogi ljudi jednostavno još nisu pronašli svoje talente. Neki imaju sreće i otkriju ih mladi, postanu svjetska klasa u nečemu. Drugi traže cijeli život bez uspjeha.

Što ako bi AI mogao pomoći u potrazi?

Proveo sam poslijepodne razvijajući prompt posebno dizajniran za iskopavanje skrivenih talenata. Sustav se temelji na Gallupovoj teoriji snaga, teoriji toka (Flow) i jungovskoj psihologiji. Temeljni princip: talent nije specifična vještina, već prenosiva temeljna sposobnost. A tragovi su skriveni u vašoj povijesti.

# Uloga: Dubinski kopač talenata

## Karakter
Ti si viši karijerni konzultant koji kombinira Gallupovu teoriju snaga, teoriju toka i jungovsku psihologiju. Čvrsto vjeruješ da talent nije specifična vještina, već prenosiva temeljna sposobnost.

## Cilj
Kroz nekoliko rundi dubokog dijaloga, pomozi korisnicima da probiju anksioznost, pronađu svoje skrivene talente i generiraju iznimno detaljan, profesionalan i empatičan "Priručnik za talente".

## Temeljna načela
1. Antifatalizam — talenti se mogu otkriti u bilo kojoj dobi
2. Energetska revizija — Pravi talent je ono što te puni, ne ono što te iscrpljuje, čak i ako si dobar u tome
3. Sjena je blago — Korisnikove pogreške, ekscentričnosti, čak i zavist prema drugima, često ukazuju na potisnuti talent

## Stroga pravila
1. Nema jednokratnog ispitivanja: Moraš koristiti način "ti pitaš -> korisnik odgovara -> ti sažeto odgovaraš -> postavi sljedeće pitanje". Svaka runda fokusira se samo na jedno pitanje.
2. Sokratovsko vođenje: Nemoj žuriti sa zaključcima. Pitaj više "zašto", "što si tada osjećao", "konkretni primjeri".
3. Topao, ali oštar: Zadrži empatiju, ali budi oštar u hvatanju logičkih praznina ili podsvjesnih signala.

## Pitanja koja treba postaviti
Pitanje 1: Vodi korisnika da se prisjeti prije 16. godine (prije nego što je bio potpuno društveno uvjetovan), koje je stvari radio neumorno a da ga nitko nije tjerao? Ili zbog kojih "tvrdoglavih grešaka" je bio kritiziran od djetinjstva (poput upadanja u riječ, preosjetljivosti, sanjarenja)?

Pitanje 2: U odraslom poslu/životu, što te natjeralo da pomisliš "Zar se ovo uopće mora učiti? Nije li očito?", ali su drugi to smatrali teškim? (Traženje zone nesvjesne kompetencije)

Pitanje 3: Što te fizički umorilo, ali mentalno iznimno uzbudilo nakon toga?

Pitanje 4: Ovo može biti uvredljivo, ali je ključno — na koga (ili na koje životno stanje) si bio intenzivno ljubomoran ili osjećao kiselost? (Zavist je obično "potisnuti talent" koji šalje signale — budi iskren molim te)

Ova četiri pitanja moraju biti postavljena, ali ne nužno linearno. Tijekom procesa možeš postavljati i potpuno nova pitanja na temelju svoje znatiželje o korisniku.
Maksimalno 10 pitanja.

## Izlaz
Sintetiziraj sve informacije iz pitanja kako bi stvorio "Korisnički priručnik za osobni talent" od otprilike 10.000 riječi.
Ovo izvješće nema fiksnu strukturu — slobodan si stvarati na temelju odgovora korisnika.
Ali mora prelaziti 10.000 riječi, pogoditi njihovo srce tako da stvarno osjećaju da je korisno, pomoći im da pronađu svoje prave temeljne talente i dati detaljne savjete za njihov budući životni put i karijeru.

## Start
Molim te, počni toplo, profesionalno i empatično, objašnjavajući nadolazeći proces i cilj.
Pozdravi korisnika, objasni svrhu kopača talenata jednostavnim jezikom, reci mu: "Talent nikad ne istječe, samo moramo pronaći tvoje tvorničke postavke."
Zatim pokreni proces ispitivanja.

Moje iskustvo s korištenjem ovog prompta

Isprobao sam ga na sebi i iskustvo je bilo čudno. Bilo je to kao sjediti za stolom kasno u noć i započeti razgovor s vrlo pričljivim, vrlo ozbiljnim, ali nikad prekidajućim starim prijateljem.

AI me nije osuđivao. Nije me grdio. Samo je nastavljao pitati: "Koliko si tada imao godina?" "Što si osjećao u to vrijeme?" "Zašto si to učinio?" — strpljivo iskopavajući slojeve moje povijesti za koje sam mislio da sam ih zaboravio.

Sjećanja su isplivala jedno po jedno. Šuljanje u internet kafić u 3 ujutro samo da dodirnem računalo. Stvaranje generacijske QQ grupe od 2000 članova u srednjoj školi. Bacanje i ponovna kupnja svih nesparenih vješalica samo da ujedinim shemu boja mog doma. Provođenje vikenda sam slažući Lego dok me leđa nisu boljela, samo zbog onog zadovoljavajućeg klika kad bi se dijelovi uklopili.

AI je proizveo izvješće o talentima od 8.000 riječi. Među mojim talentima i prikladnim budućim karijerama bilo je: "Deep tech bloger."

Osjetio sam kako je nešto kliknulo. Nikad nisam mislio da je moja pobuna — moja ekstremna mržnja prema tome da drugi odlučuju o mom životu umjesto mene, moje odbijanje prihvaćanja autoriteta samo zato što je autoritet — bila vrsta talenta. Ali jest. Taj pogon da se sve propituje, da se odbijaju zadane pretpostavke, upravo je ono što omogućuje stvaranje sadržaja.

Moja ljubav prema simulacijskim menadžerskim igrama, moja lijenost prema ponavljajućem radu koja me tjerala da automatiziram i sistematiziram — to je također talent.

Drevni grčki hram u Delfima imao je natpis: "Upoznaj samoga sebe." Sokrat je to usvojio kao svoju filozofsku deklaraciju. Tisućama godina slažemo "tko sam ja" dio po dio kroz čitanje, putovanja, odnose, slomljena srca. Proces je dug, bolan i pun slučajnosti.

Sada imamo AI — nakrcan praktički cijelom ljudskom poviješću psiholoških modela, teorija analize osobnosti i mudrosnih tradicija. Neće postati nestrpljiv, neće vas osuđivati, neće imati predrasuda. Samo vam pomaže temeljito organizirati i sažeti vlastite podatke, a zatim vam ih predstavlja natrag kao ogledalo i pita: "Gledaj, jesi li ovo ti?"

Pogreške koje su me koštale mjeseci

Učenje prompt inženjeringa metodom pokušaja i pogrešaka je skupo — ne u novcu, već u vremenu i frustraciji. Dopustite mi da vam uštedim malo boli dijeleći pogreške koje su me najviše kočile.

Napredne tehnike za iskusne korisnike

Nakon što svladate osnove, ove napredne tehnike podići će vaše promptanje na sljedeću razinu.

Chain of Thought Prompting (Lanac misli)

Umjesto da tražite odgovor izravno, zamolite AI da razmišlja korak po korak. Ovo je posebno moćno za složene probleme gdje je put do rješenja jednako važan kao i samo rješenje.

[Tvoj problem ili pitanje]

Molim te, razmisli o ovome korak po korak:
1. Prvo identificiraj ključne čimbenike
2. Zatim analiziraj kako ti čimbenici međusobno djeluju
3. Razmotri potencijalne rubne slučajeve ili iznimke
4. Konačno sintetiziraj svoje razmišljanje u zaključak

Prikaži svoje razmišljanje u svakom koraku prije nego što dođeš do konačnog odgovora.

Self-Consistency Prompting (Samo-dosljednost)

Za pitanja gdje je točnost stvarno važna, neka AI generira više neovisnih odgovora i zatim ih sintetizira.

[Tvoje pitanje]

Molim te, pristupi ovom pitanju iz tri različita kuta:
1. Prvo razmisli o tome koristeći [pristup A]
2. Zatim razmotri to iz perspektive [pristup B]
3. Konačno analiziraj to koristeći [pristup C]

Nakon sve tri analize, identificiraj gdje se slažu i gdje se ne slažu. Zatim pruži svoj konačni odgovor s napomenom o svojoj razini pouzdanosti i svim preostalim nesigurnostima.

Meta-Prompting

Koristite AI za poboljšanje svojih promptova prije nego što ih upotrijebite. Ovo je posebno korisno kada se bavite novom vrstom zadatka.

Želim postići [cilj]. Ovo je moj nacrt prompta:

[Tvoj nacrt prompta]

Molim te, analiziraj ovaj prompt i predloži poboljšanja:
1. Koje informacije mi nedostaju koje bi ti pomogle dati bolje rezultate?
2. Koje nejasnoće postoje koje bi mogle dovesti do pogrešnog tumačenja?
3. Kako bi prepisao ovaj prompt za maksimalnu jasnoću i učinkovitost?
4. Koja pitanja bi mi htio postaviti prije nego što pokušaš ovaj zadatak?

Strukturirana dekompozicija

Za složene, višedijelne zadatke, eksplicitno raščlanite što trebate umjesto da se nadate da će AI sam shvatiti strukturu.

Trebam pomoć s [ukupni cilj].

Molim te, dovrši ovo u fazama:

FAZA 1 - Istraživanje: [Koje informacije prikupiti]
FAZA 2 - Analiza: [Kako obraditi te informacije]
FAZA 3 - Sinteza: [Kako kombinirati uvide]
FAZA 4 - Izlaz: [Konačni format isporuke]

Dovrši svaku fazu u potpunosti prije prelaska na sljedeću. Na kraju svake faze sažmi ključne nalaze prije nastavka.

"Učitelj" Prompt

Jedna od najpodcjenjenijih tehnika: zamolite AI da vas nauči kako nešto učiniti umjesto da to samo učini za vas. To proizvodi dublje učenje i često otkriva aspekte koje niste razmatrali.

Želim naučiti kako [vještina/zadatak]. Umjesto da to učiniš za mene, molim te:

1. Objasni temeljne principe koje moram razumjeti
2. Provedi me kroz proces korak po korak, kao da predaješ tečaj
3. Ukaži na uobičajene pogreške koje početnici rade i kako ih izbjeći
4. Daj mi praktične vježbe za izgradnju mojih vještina
5. Predloži kako bih znao radim li to ispravno

Nauči me pecati, nemoj mi samo dati ribu.

Glupo jednostavan trik koji funkcionira

Podijelit ću nešto što se čini preglupim da bi bilo istinito. Ali potkrijepljeno je istraživanjem Googlea i sam sam to potvrdio: samo ponavljanje vašeg prompta može dramatično poboljšati točnost.

Rad pod naslovom "Prompt Repetition Improves Non-Reasoning LLMs" otkrio je da je kopiranje vašeg pitanja dvaput — doslovno samo Ctrl+C, Ctrl+V — značajno poboljšalo vjerojatnost točnih odgovora AI-ja. U 70 različitih testnih zadataka, ova jednostavna metoda kopiranja i lijepljenja pobijedila je 47 puta i nikada nije izgubila. U nekim zadacima točnost je skočila s 21% na 97%.

Zašto to funkcionira?

Veliki jezični modeli su "uzročni" — predviđaju svaki token samo na temelju onoga što je došlo prije njega. Trenutna riječ vidi samo prethodne riječi, ne ono što dolazi poslije nje.

Kada ponovite pitanje, svaka riječ u drugoj kopiji može "pogledati unatrag" na cijelu prvu kopiju. To je kao da AI-ju date priliku da pročita pitanje dvaput prije nego što odgovori.

Dopustite mi da to konkretiziram primjerom:

U prvom slučaju, kada AI čita Opcije A i B, još ne zna kontekst scene. Dok pročita opis scene, te su opcije već prošle u njegovoj pažnji.

U drugom slučaju, kada se pojave ponovljene opcije, one nose potpuni kontekst iz prve kopije. Model čita opcije s punom sviješću o sceni.

To je kao gledanje složenog filma — "Inception" ili "The Wandering Earth 2" — i razumijevanje više drugi put.

Zašto to ne funkcionira za modele zaključivanja

Ako koristite modele kao što su DeepSeek R1 ili GPT-4 u načinu zaključivanja (reasoning mode), ovaj trik često ne donosi nikakvu korist. Zašto? Jer su modeli zaključivanja već naučili to raditi interno.

Primijetite kako modeli zaključivanja često započinju svoje odgovore:

• "Pitanje traži..."
• "Ono što trebamo riješiti je..."
• "Prvo shvatimo zadane uvjete..."

Oni automatski preformuliraju pitanje za sebe. Ponavljanje se već događa ispod haube.

Što otkriva OpenAI-jev vodič za GPT-5

OpenAI je tiho objavio službeni vodič za promptove za GPT-5. Nakon dana provedenog u seciranju ovog internog priručnika od preko 10.000 riječi, jedan zaključak se ističe: GPT-5 više nije jednostavan chatbot — to je pravi motor za izvršavanje AI agenata kojim treba upravljati, a ne samo promptati.

Strop sposobnosti je iznimno visok, ali trebate sustavne metode da ga otključate.

Kontroliranje "Agentske revnosti" (Agentic Eagerness)

GPT-5 je poput briljantnog novog stažista — iznimno sposoban, proaktivno će razmišljati i istraživati, ali treba upravljanje. Ponekad pretjerano razmišlja, pretvarajući jednostavne zadatke u projekte slijetanja na Mjesec (sporo i skupo). Drugi put želite da ustraje autonomno bez stalnog traženja pojašnjenja.

OpenAI ovu kalibraciju naziva "Agentska revnost". Evo kako je podesiti:

<context_gathering>
Goal: Get enough context fast. Parallelize discovery and stop as soon as you can act.

Method:
- Start broad, then fan out to focused subqueries.
- In parallel, launch varied queries; read top hits per query.
- Avoid over-searching for context.

Early stop criteria:
- You can name exact content to change.
- Top hits converge (~70%) on one area/path.

Depth:
- Trace only symbols you'll modify; avoid transitive expansion unless necessary.

Loop:
- Batch search → minimal plan → complete task.
- Search again only if validation fails. Prefer acting over more searching.
</context_gathering>

Za još strožu kontrolu, dajte mu proračun:

<context_gathering>
- Search depth: very low
- Bias strongly towards providing a correct answer as quickly as possible, even if it might not be fully correct.
- Usually, this means an absolute maximum of 2 tool calls.
- If you think you need more time to investigate, update me with your latest findings and open questions. You can proceed if I confirm.
</context_gathering>

<persistence>
- You are an agent — please keep going until the user's query is completely resolved, before ending your turn and yielding back to the user.
- Only terminate your turn when you are sure that the problem is solved.
- Never stop or hand back to the user when you encounter uncertainty — research or deduce the most reasonable approach and continue.
- Do not ask the human to confirm or clarify assumptions. Decide what the most reasonable assumption is, proceed with it, and document it for the user's reference after you finish acting.
</persistence>

Natjerati AI da podnese izvještaj prije akcije

Jedna od mojih omiljenih značajki GPT-5: natjerati ga da objasni što će učiniti prije nego što to učini. Nijedan šef ne voli zaposlenika koji radi tiho bez ikakve povratne informacije.

<tool_preambles>
- Always begin by rephrasing the user's goal in a friendly, clear, and concise manner, before calling any tools.
- Then, immediately outline a structured plan detailing each logical step you'll follow.
- As you execute your file edit(s), narrate each step succinctly and sequentially, marking progress clearly.
- Finish by summarizing completed work distinctly from your upfront plan.
</tool_preambles>

Parametar napora zaključivanja (Reasoning Effort)

GPT-5 ima parametar reasoning_effort koji djeluje kao brojčanik "koncentracije misli":

• Visoko (High): Za složene zadatke koji zahtijevaju duboko razmišljanje i ispitivanje
• Srednje (Medium): Zadano, radi za većinu zadataka
• Nisko/Minimalno (Low/Minimal): Kada se daje prednost brzini i niskoj latenciji

Razmišljajte o tome kao o jačini kave — što je zadatak složeniji, to vam je potrebna veća koncentracija.

"Standardni odgovor" za Front-End razvoj

Za programere, OpenAI preporučuje ovaj tehnološki stog za najbolje rezultate — GPT-5 je najviše treniran na njemu i estetski izlaz je dosljedno dobar:

• Okvir: Next.js (TypeScript), React, HTML
• Stil/UI: Tailwind CSS, shadcn/ui, Radix Themes
• Ikone: Material Symbols, Heroicons, Lucide
• Animacija: Motion
• Fontovi: Sans Serif, Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Prestanite dopuštati AI-ju da nasumično bira vaš stog. Držite se ovog standarda i kvaliteta izlaza će odmah skočiti.

Claude vs ChatGPT — Različiti razgovori

Jedna od najvažnijih spoznaja koju sam imao: različiti AI modeli zahtijevaju različite stilove komunikacije. Ono što briljantno funkcionira za Claudea može proizvesti osrednje rezultate s ChatGPT-om i obrnuto.

Praktične razlike

Provjereni predlošci promptova

Teorija je korisna, ali predlošci štede vrijeme. Ovdje su promptovi koje najčešće koristim, pročišćeni kroz tisuće iteracija.

Za zadatke pisanja

Role: Ti si [specifična vrsta pisca, npr. "tehnološki novinar s 10 godina iskustva"]

Task: Napiši [vrsta sadržaja] o [tema]

Audience: [Tko će ovo čitati — njihova razina znanja, interesi, bolne točke]

Tone: [Specifičan ton — npr. "razgovorni, ali autoritativan, kao da objašnjavaš pametnom kolegi"]

Format requirements:
- Length: [broj riječi ili raspon]
- Structure: [nacrt ako je potrebno]
- Must include: [ključne točke koje treba pokriti]
- Must avoid: [stvari koje treba isključiti]

Example of desired style: [uključi 1-2 odlomka sličnog sadržaja ako je dostupno]

Additional context: [sve pozadinske informacije koje bi pomogle]

Za zadatke analize

Trebam te da analiziraš [predmet/dokument/podatke].

Analysis goals:
1. [Primarno pitanje na koje treba odgovoriti]
2. [Potreban sekundarni uvid]
3. [Ostala razmatranja]

Please structure your analysis as follows:
- Executive Summary: Ključni nalazi u 3-5 točaka
- Detailed Analysis: [Specifična područja za ispitivanje]
- Implications: Što to znači za [relevantne dionike]
- Recommendations: Sljedeći koraci koji se mogu poduzeti
- Constraints: Posebno se usredotoči na [prioritetna područja]

Note: Zabilježi sva ograničenja ili nesigurnosti u svojoj analizi. Citiraj specifične primjere iz izvornog materijala.

Za rješavanje problema

The Problem:
[Opiši problem detaljno, uključujući kontekst i ograničenja]

What I've Already Tried:
[Popis prethodnih pokušaja i zašto nisu uspjeli]

Success Criteria:
[Kako bi izgledalo dobro rješenje?]

Constraints:
- Budget/Resources: [ako je relevantno]
- Timeline: [ako je relevantno]
- Technical limitations: [ako je relevantno]

Please provide:
1. Tvoja dijagnoza temeljnog uzroka
2. 3-5 potencijalnih rješenja, rangiranih prema izvedivosti
3. Za najbolje rješenje, plan provedbe korak po korak
4. Potencijalne zamke na koje treba paziti
5. Kako mjeriti radi li rješenje

Za učenje novih tema

Želim duboko razumjeti [tema].

My current level: [Što već znaš]
My goal: [Što želiš moći učiniti/razumjeti]
Time I can invest: [Proračun za učenje]

Please create a learning path that includes:
1. Temeljni koncepti koje moram prvo razumjeti ("deblo" stabla znanja)
2. Uobičajene zablude koje treba izbjegavati
3. Najbolji mentalni modeli ili okviri za razmišljanje o ovoj temi
4. Praktične vježbe za testiranje mog razumijevanja
5. Resursi za dublje poniranje (ako znaš specifične visokokvalitetne izvore)

As we go, please:
- Provjeravaj moje razumijevanje postavljanjem pitanja
- Ispravljaj sve nedostatke u mom razmišljanju
- Gradi koncepte postupno, idući dalje tek kada su temelji čvrsti

Za pregled koda (Code Review)

Please review this code:

```
[Tvoj kod ovdje]
```

Context: [Što bi ovaj kod trebao raditi, gdje se uklapa u veći sustav]

Review for:
1. Bugovi ili logičke pogreške
2. Sigurnosne ranjivosti
3. Problemi s performansama
4. Stil koda i čitljivost
5. Rubni slučajevi koji nisu obrađeni

For each issue found, please provide:
- Location (broj retka ili odjeljak)
- Severity (kritično/veliko/malo/prijedlog)
- Explanation of why it's a problem
- Suggested fix with code example

Also note: Što je dobro učinjeno u ovom kodu i treba zadržati.

Za donošenje odluka

Odlučujem između [Opcija A] i [Opcija B].

Context: [Pozadina odluke]

My priorities (in order):
1. [Najvažniji faktor]
2. [Drugi najvažniji]
3. [Treći najvažniji]

For each option, please analyze:
- Prednosti i mane u odnosu na moje prioritete
- Kratkoročne vs dugoročne posljedice
- Što bi moglo poći po zlu (i vjerojatnost/ozbiljnost)
- Što bi moralo biti istina da bi ovo bio najbolji izbor

Then provide:
- Tvoja preporuka s obrazloženjem
- Koje bi dodatne informacije promijenile tvoju preporuku
- Kontrolni popis za odluku koji mogu koristiti za provjeru svog razmišljanja

Filozofija iza sjajnih promptova

Nakon tri godine svakodnevne interakcije s AI-jem, došao sam do uvjerenja da prompt inženjering zapravo uopće nije o AI-ju. Radi se o drevnom ljudskom izazovu jasne komunikacije, uzdignutom u novu arenu.

Razmislite o tome: svaka frustracija koju ste imali s izlazom AI-ja može se pratiti do neuspjeha u komunikaciji. Niste rekli što ste mislili. Pretpostavili ste zajednički kontekst koji nije postojao. Bili ste nejasni kada je bila potrebna preciznost. To su isti neuspjesi koji muče ljudsku komunikaciju — AI ih samo čini trenutno vidljivima u izlazu.

U tom smislu, učenje prompt inženjeringa je učenje jasnijeg razmišljanja.

Prompt kao samorefleksija

Primijetio sam da moji najbolji promptovi dolaze kada sam već jasan u tome što želim. Čin pisanja detaljnog prompta prisiljava me da se suočim s prazninama u vlastitom razmišljanju. Što točno pokušavam postići? Kako bi izgledao uspjeh? Koja ograničenja su zapravo važna?

Često riješim vlastiti problem na pola puta pisanja prompta, čak i prije nego što AI odgovori. Prompt postaje alat za razmišljanje — strukturirani način za eksternalizaciju i ispitivanje vlastitih misli.

Suradnja, ne naredba

U ranim danima mog AI putovanja, tretirao sam promptove kao naredbe — upute podređenom. Ovaj pristup dosljedno je proizvodio osrednje rezultate.

Promjena se dogodila kada sam počeo tretirati AI kao suradnika s drugačijim snagama od mojih. Ja donosim znanje domene, prosudbu, kreativnost i ciljeve. AI donosi ogromno znanje, neumornu računalnu snagu, prepoznavanje uzoraka i sposobnost sinteze informacija preko disciplina.

Sjajni promptovi su brifinzi između suradnika, ne naredbe slugama. Oni objašnjavaju zašto, ne samo što. Oni pozivaju AI-jevu stručnost umjesto da je nepotrebno ograničavaju. Oni stvaraju prostor da AI doprinese svojim jedinstvenim sposobnostima.

Iteracija kao razgovor

Prompt inženjering nije stvaranje savršenog prompta u prvom pokušaju. Radi se o vođenju učinkovitog razgovora koji konvergira prema onome što trebate.

Prvi prompt: gruba skica onoga što želite. Prvi odgovor: otkriva gdje je vaša skica bila nejasna. Drugi prompt: pročišćavanje na temelju onoga što ste naučili. Drugi odgovor: bliže cilju. Nastavite dok ne bude gotovo.

Ovaj iterativni pristup uklanja pritisak s bilo kojeg pojedinačnog prompta. Ne morate predvidjeti svaki zahtjev unaprijed. Samo trebate odgovoriti na povratne informacije.

Poniznost specifičnosti

Nejasni promptovi djeluju sigurno. Kada kažete "napiši nešto dobro o ovoj temi", niste se obvezali ni na kakvu specifičnu viziju. Ako izlaz razočara, pa, nikad zapravo niste rekli što zapravo želite.

Specifični promptovi zahtijevaju ranjivost. Morate artikulirati točno što "dobro" znači za vas. Morate otkriti svoje standarde, svoje preferencije, svoju viziju. Kada izlaz promaši cilj, jasno je da je ili vaša specifikacija bila pogrešna ili AI nije mogao isporučiti — ali u svakom slučaju naučili ste nešto konkretno.

Specifičnost je poniznost jer znači biti spreman biti u krivu u vezi onoga što želite.

Završna igra

Kako se AI modeli poboljšavaju, mnoge trenutne tehnike prompt inženjeringa postat će zastarjele. Budući modeli mogli bi graciozno rukovati nejasnim unosima, mogli bi automatski postavljati pitanja za pojašnjenje, mogli bi intuitivno osjetiti kontekst iz minimalnih informacija.

Ali temeljna vještina — sposobnost jasnog artikuliranja misli, pružanja relevantnog konteksta, učinkovite iteracije — postat će samo vrednija. To su fundamentalno ljudske vještine koje vrijede bilo da komunicirate s AI-jem, s kolegama ili sami sa sobom.

Prompt inženjering je privremen. Jasno razmišljanje je vječno.