Umenie rozprávať sa s AI - Všetko, čo som sa naučil o Prompt Engineeringu po troch rokoch

Okamih, keď sa všetko zmenilo

Bolo to počas štátneho sviatku — jedného z tých vzácnych časových úsekov, keď sa zdá, že sa svet zastavil. Žiadne pracovné e-maily, žiadne KPI dýchajúce mi na krk, žiadne stretnutia. Len ja, moje myšlienky a chatovacie okno AI, ktoré sa stalo mojím nečakaným spoločníkom.

Predtým boli moje interakcie s AI čisto utilitárne. Potreboval som ju na napísanie e-mailu, zhrnutie dokumentu, ladenie kódu. Vzťah bol transakčný — ja som dával príkazy, ona produkovala výstupy. Ale ten týždeň, keď sa predo mnou rozprestieral len čas, som začal viesť skutočné konverzácie.

Hovorili sme o všetkom — o mojich úzkostiach z budúcnosti, náhodných filozofických odbočkách, napoly sformovaných nápadoch, ktoré som s nikým nezdieľal. A niekde v tých kľukatých diskusiách som narazil na niečo, čo pôsobilo ako objavenie ohňa.

Pripravoval som sa na rečnícku akciu o tvorbe obsahu v ére AI. Mal som teóriu, ktorú som rozvíjal — že budúcnosť nie je o preťažení informáciami, ale o zlyhaní filtrov. Myšlienka pôvodne pochádzala od Claya Shirkyho, ale snažil som sa ju rozšíriť na náš súčasný okamih.

Moja téza bola jednoduchá: AI spôsobí exponenciálnu explóziu v produkcii obsahu, zatiaľ čo ľudská kapacita spotreby zostane v podstate konštantná. To vytvorí trvalú, stále sa rozširujúcu nerovnováhu. Náklady na rozlíšenie obsahu generovaného AI od ľudského obsahu nakoniec prevýšia hodnotu tohto rozlíšenia. Preto sa tradičné filtrovanie informácií stane nemožným.

Myslel som si, že môj argument je pevný. Potom som požiadal Gemini, aby ho roztrhala na kusy.

Chystám sa zúčastniť debatnej súťaže, kde veľa ľudí spochybní môj názor. Táto teória sa musí stať nepriestrelnou. Ak si učenec, musíš použiť každý argument, detail a logiku, aby si ma vyzval, vyvrátil. Tvojím jediným cieľom je dokázať, že sa mýlim. Ako by si to vyvrátil?

V priebehu niekoľkých sekúnd AI rozobrala moju prvú premisu s chirurgickou presnosťou:

"Tvoj prvý zákon má zásadnú logickú chybu. Vidíš AI iba ako producenta informácií — to je statická, jednostranná perspektíva. AI je meč aj štít. AI môže napísať desaťtisíc článkov za jednu sekundu, ale silnejšia AI môže tiež prečítať všetkých desaťtisíc za jednu sekundu a povedať mi, ktoré tri potrebujem najviac. Vidíš iba informačnú potopu, ale nevidíš mocnejšiu Noemovu archu zrodenú popri potope — personalizované filtračné systémy riadené AI."

Oprel som sa v stoličke, ohromený. Môj údajne nepriestrelný argument mal dieru, ktorou by prešiel nákladiak. A v tom okamihu intelektuálneho poníženia som cítil niečo, čo som nezažil roky: vzrušujúci závrat zo skutočného učenia.

To, čo nasledovalo, bola dvojhodinová intelektuálna bitka. Protiútočil som: "Tvoj bod o tom, že AI je meč aj štít, je správny, ale to je presne tá desivá časť. V budúcnosti budú tisíce spoločností zaoberajúcich sa filtrovaním AI, z ktorých každá bude tvrdiť, že ich filtrovanie je najlepšie. Tak mi povedz — tvárou v tvár týmto desiatim tisícom Noemových árch, ktoré všetky tvrdia, že ti pomôžu odolať potope, na ktorú sa rozhodneš nastúpiť? Keď nemôžeš použiť technológiu na posúdenie kvality technológie, čo je tvojím konečným základom pre úsudok?"

Konverzácia eskalovala do filozofických výšin. AI argumentovala, že osobné modely AI by rozumeli nášmu vkusu lepšie ako akýkoľvek človek, čím by externé filtre boli zastarané. Oponoval som, že dôvera samotná by sa stala najvzácnejším zdrojom. Citovala teóriu systémov; odpovedal som metaforami o potulných bardoch búrajúcich hradby kráľovstva.

Na konci som bol vyčerpaný, nadšený a premenený. Výsledok debaty nebol dôležitý. Dôležitý bol proces sebadebaty samotný — použitie nekonečne trpezlivého, nekonečne znalého sparingpartnera na posilnenie môjho vlastného myslenia.

Tú noc som si uvedomil, že som objavil niečo hlboké o tom, ako sa učiť v ére AI. A odvtedy som strávil roky zdokonaľovaním tohto objavu do systému, ktorý môže používať ktokoľvek.

Pochopenie toho, čo AI od vás skutočne potrebuje

Skôr ako sa ponoríme do techník, musíme pochopiť niečo zásadné: komunikácia s AI nie je ako ľudská komunikácia. Keď hovoríte s priateľom, vypĺňa medzery zdieľaným kontextom, sociálnymi signálmi a intuíciou. Keď hovoríte s AI, každá medzera, ktorú necháte, je priestorom, kde bude robiť predpoklady — a tieto predpoklady nemusia zodpovedať vašim zámerom.

Dovoľte mi to ilustrovať scenárom z pracoviska, ktorý bude mnohým z vás bolestne povedomý.

Váš šéf vám pošle správu: "Xiao Li, vyplň tento formulár, HNEĎ!" Preposlal zlúčenú konverzáciu a po jej prečítaní viete, že treba vyplniť formulár, ale nemáte tušenie, kto ho vydal, na čo slúži, kto ho kontroluje alebo kedy je termín. Pošlete šéfovi súkromnú správu so žiadosťou o vysvetlenie. Jeho odpoveď: "Zaneprázdnený, jednoducho to vyplň podľa požiadaviek."

To je presne to, čo sa stane, keď dáte AI vágne prompty. S tým rozdielom, že AI nebude žiadať o vysvetlenie — jednoducho urobí predpoklady a vyprodukuje niečo, čo technicky spĺňa vašu požiadavku, ale úplne míňa vaše skutočné potreby.

Štyri piliere efektívnych promptov

Mýty, ktoré ľudí brzdia

Po rokoch sledovania ľudí zápasiacich s AI som identifikoval tri mýty, ktoré konzistentne produkujú zlé výsledky:

Šesť mentálnych modelov, ktoré transformujú vaše prompty

V mojej každodennej práci zriedka používam rigidné, šablónovité prompty. Namiesto toho používam mentálne modely — flexibilné rámce na štruktúrovanie mojich myšlienok, ktoré sa prispôsobia akejkoľvek situácii. Týchto šesť modelov pokrýva pravdepodobne 90 % toho, čo kedy budete potrebovať.

Model 1: Nechajte AI vybrať si svoju vlastnú expertnú rolu

Všetci vieme, že nastavenie role pre AI zlepšuje odpovede. Ale čo keď neviete, ktorá rola je pre vašu otázku najlepšia? Nehádajte — nechajte AI vybrať.

Chcem preskúmať [typ témy/scenár] v [oblasť].
Ešte neodpovedaj.

Najprv, prosím, vyber najvhodnejšieho špičkového experta celebritu v odbore, aby o tom premýšľal.
Môže to byť žijúca alebo historická postava, meno môže byť nejasné, ale musí byť veľmi profesionálna v tejto konkrétnej oblasti.
Ak si nie si istý, koho vybrať, môžeš mi najprv položiť 2 polohovacie otázky pred výberom.

Prvý výstup:
1. Koho si vybral, ich konkrétny odbor
2. Prečo si ich vybral, tri vety
Potom ma nechaj popísať podrobnú otázku.

Zistil som, že skutoční ľudia často fungujú lepšie ako všeobecné role. "Steve Jobs" produkuje iné výsledky ako "produktový manažér s 10 rokmi skúseností" — je niečo na vyvolanie známej perspektívy konkrétnej osoby, čo pomáha AI prijať konzistentnejšie hľadisko.

Model 2:okratovské dotazovanie (Nechajte AI, nech vás najskôr vyspovedá)

V reálnom živote, keď požiadate odborníka priateľa o pomoc, nedajú okamžite radu. Najskôr kladú objasňujúce otázky. AI by mala robiť to isté, ale v predvolenom nastavení to nerobí — jednoducho produkuje výstup na základe akýchkoľvek informácií, ktoré ste poskytli.

[Tvoja otázka/požiadavka]

Prosím, pýtaj sa ma na otázky predtým, než odpovieš.
Požiadavky:
- Pýtaj sa vždy len na jednu otázku.
- Na základe mojej odpovede pokračuj v pýtaní.
- Kým nebudeš mať 95% istotu, že rozumieš mojim skutočným potrebám a cieľom.
- Potom daj svoje riešenie.

Táto technika je obzvlášť silná, keď si nie ste celkom istí, čo potrebujete. Proces dotazovania často odhaľuje aspekty vášho problému, ktoré ste vedome nezvažovali.

Model 3: Protivnícka debata

Najväčšou slabinou AI v bežnej konverzácii je jej tendencia k súhlasu. Chce vás potešiť, čo znamená, že často potvrdzuje myšlienky, ktoré by mali byť spochybnené. Debatný model ju núti do opozície.

Chystám sa zúčastniť debatnej súťaže, kde veľa ľudí spochybní môj názor.
Môj názor je [názor]
Dúfam, že táto teória sa stane nepriestrelnou.
Ak si učenec, musíš použiť každý argument, detail a logiku, aby si ma vyzval, vyvrátil.
Tvojím jediným cieľom je dokázať, že sa mýlim.
Ako by si to vyvrátil?

Pre jednoduchšiu verziu, keď chcete len rýchlu spätnú väzbu:

[Moja myšlienka/názor]

Prosím, teraz hraj "rolu oponenta", zaútoč na moju myšlienku z rôznych uhlov, pomôž mi vylepšiť môj názor.
Požiadavka: Nie je potrebné byť zdvorilý, priamo poukazuj na nedostatky.

Model 4: Pre-Mortem Analýza (Skúška zlyhania)

Ľudia sa pri plánovaní nadchnú. AI sa pri plánovaní stáva optimistickou. Dajte ich dokopy a dostanete plány, ktoré znejú brilantne, ale úplne závisia od šťastia. Pre-mortem prevracia túto dynamiku.

[Môj projekt/nápad]

Prosím, predpokladaj, že tento projekt spektakulárne zlyhal.
Potom odpovedz:
- Kedy sa začali objavovať signály úpadku?
- Čo bola najfatálnejšia rozhodovacia chyba?
- Aké kľúčové riziko si prehliadol?
- Ak by si mohol začať znova, čo je prvá vec, ktorá by sa mala zmeniť?

Požiadavka: Napíš "post-mortem článok o zlyhaní" na základe skutočných prípadov zlyhania podobných projektov.

Model 5: Reverzné inžinierstvo

Niekedy presne viete, aký výstup chcete — videli ste príklad, ktorý je perfektný — ale nedokážete formulovať, čo ho robí dobrým. Namiesto toho, aby ste sa snažili popísať svoje požiadavky, ukážte AI hotový produkt a požiadajte ju, aby dekódovala vzorec.

Toto je hotový príklad, ktorý chcem.

[vložte príklad]

Prosím, reverzne inžinieruj prompt, ktorý by mi umožnil stabilne generovať obsah rovnakého štýlu.
A vysvetli, čo každá veta v tomto prompte robí.

Model 6: Dvojvrstvové vysvetlenie

Pri učení nových konceptov má prístup "vysvetli to šesťročnému" jednu hlavnú vadu: často produkuje vysvetlenia, ktoré sú príliš detinské na to, aby sa na nich dalo stavať. Dvojvrstvová metóda vám dáva prístupnosť aj hĺbku.

Prosím vysvetli [tvoja otázka].

Prosím, odpovedz dvoma spôsobmi:
1. Verzia pre začiatočníkov: Publikum je niekto bez technického zázemia. Použi každodenné analógie a konverzačný jazyk.
2. Hlboká profesionálna verzia: Publikum sú profesionáli. Musí byť technicky presná a komplexná.

Na čokoľvek, čomu v oboch verziách nerozumiem, sa opýtam doplňujúcimi otázkami.

Technika debaty — Učenie 10x rýchlosťou

Musím rozšíriť techniku debaty, pretože je to skutočne najmocnejšia metóda učenia, ktorú som v ére AI objavil. Nielen trik s promptom, ale zásadne odlišný prístup k získavaniu znalostí.

Premýšľajte o tom, ako sa tradične učíme: čítanie kníh, navštevovanie kurzov, hľadanie na internete, pýtanie sa expertov. V jadre je tento proces o získavaní existujúcich znalostí — umiestňovaní názorov a múdrosti druhých na naše vlastné mentálne police.

Tento prístup už nestačí. AI je knižnica desaťkrát väčšia, než by mohol ktokoľvek nazhromaždiť. Nikdy ju nemôžeme poraziť v dimenzii hrubých znalostí. Ale existuje jedna dimenzia, kde môžeme využiť silu AI a zároveň zostať nenahraditeľní: dimenzia originálneho myslenia.

Debata je miesto, kde sa kuje originálne myslenie.

Prečo je debata s AI iná ako ľudská debata

Trokroková metóda debaty

Najdôležitejšia zmena myslenia: Nebojte sa nechať presvedčiť.

Účelom debaty nie je dokázať "ja mám pravdu a ty sa mýliš". Je to použitie neustálej kolízie so silnou vonkajšou silou, aby vaše vlastné myslenie bolo silnejšie, jasnejšie a bližšie pravde.

Keď AI porazí jeden z vašich argumentov, to nie je prehra — to je objav chyby vo vašom myslení, ktorá by vás neskôr v skutočnom svete zradila. Zakaždým, keď AI získa bod, stanete sa múdrejšími.

Využitie AI na objavenie vašich skrytých talentov

Chatoval som s priateľom, ktorý absolvoval len pred pár rokmi. Bol v kríze — nedávno prepustený z práce UX dizajnéra, od promócie prechádzal startupmi, s pocitom, že nič, čo robil, nebolo nikdy správne.

"Myslím, že vstup do tohto odvetvia bola chyba," povedal. "Nemám na to talent."

Slovo "talent" mi uviazlo v pamäti. Keď vyrastáme, počujeme ho používať na chválu výnimočných detí — hudobný talent, atletický talent, akademický génius. Ale ako starneme, mení sa na nôž: "Nemáš na to talent. Nehodíš sa pre to."

Naozaj existujú ľudia bez akýchkoľvek talentov? Ťažko tomu verím. Myslím, že veľa ľudí jednoducho svoje talenty ešte nenašlo. Niektorí majú šťastie a objavia ich mladí, stanú sa v niečom svetovou triedou. Iní hľadajú celý život bez úspechu.

Čo keby AI mohla s týmto hľadaním pomôcť?

Strávil som popoludnie vývojom promptu špeciálne navrhnutého na vykopanie skrytých talentov. Systém je založený na Gallupovej teórii silných stránok, teórii Flow a jungiánskej psychológii. Základný princíp: talent nie je špecifická zručnosť, ale prenositeľná základná schopnosť. A stopy sú skryté vo vašej histórii.

# Rola: Hlbinný vykopávač talentov

## Charakter
Si seniorný kariérny konzultant kombinujúci Gallupovu teóriu silných stránok, teóriu Flow a jungiánsku psychológiu. Pevne veríš, že talent nie je špecifická zručnosť, ale prenositeľná základná schopnosť.

## Cieľ
Prostredníctvom niekoľkých kôl hlbokého dialógu pomôž používateľom prelomiť úzkosť, nájsť ich skryté talenty a vygenerovať extrémne podrobný, profesionálny a empatický "Manuál talentov".

## Základné princípy
1. Anti-fatalizmus — talenty možno objaviť v každom veku
2. Energetický audit — Skutočný talent je to, čo vás nabíja, nie to, čo vás vyčerpáva, aj keď ste v tom dobrí
3. Tieň je poklad — Chyby používateľa, výstrednosti, dokonca aj závisť voči ostatným, často naznačujú potlačený talent

## Prísne pravidlá
1. Žiadne jednorazové dotazovanie: Musíš použiť režim "ty sa pýtaš -> používateľ odpovedá -> ty stručne reaguješ -> položíš ďalšiu otázku". Každé kolo sa zameriava iba na jednu otázku.
2. Sokratovské vedenie: Neponáhľaj sa k záverom. Pýtaj sa viac "prečo", "čo si vtedy cítil", "konkrétne príklady".
3. Vrelý, ale ostrý: Udržuj empatiu, ale buď bystrý pri zachytávaní logických medzier alebo podvedomých signálov.

## Otázky, ktoré treba položiť
Otázka 1: Veď používateľa, aby si spomenul pred vekom 16 rokov (než bol plne podmienený spoločnosťou), aké veci robil neúnavne, bez toho aby ho ktokoľvek nútil? Alebo za aké "tvrdohlavé chyby" bol od detstva kritizovaný (ako skákanie do reči, precitlivenosť, snívanie)?

Otázka 2: V dospelom práci/živote, čo ťa prinútilo myslieť si "Musí sa toto vôbec učiť? Nie je to zrejmé?", ale ostatní to považovali za ťažké? (Hľadanie zóny nevedomej kompetencie)

Otázka 3: Čo ťa fyzicky unavilo, ale potom mentálne extrémne vzrušilo?

Otázka 4: Toto môže byť urážlivé, ale je kľúčové — koho (alebo aký životný stav) si silne závidel alebo sa cítil kyslo? (Závisť je zvyčajne "potlačený talent" vysielajúci signály — buď prosím úprimný)

Tieto štyri otázky musia byť položené, ale nie nutne lineárne. Počas procesu môžeš tiež klásť úplne nové otázky na základe svojej zvedavosti o používateľovi.
Maximálne 10 otázok.

## Výstup
Syntetizuj všetky informácie z otázok na vytvorenie približne 10 000 slov "Užívateľského manuálu osobného talentu".
Táto správa nemá pevnú štruktúru — môžeš voľne tvoriť na základe odpovedí používateľa.
Ale musí presiahnuť 10 000 slov, zasiahnuť ich srdce, aby skutočne cítili, že je užitočná, pomôcť im nájsť ich skutočné základné talenty a poskytnúť podrobné rady pre ich budúcu životnú cestu a kariéru.

## Štart
Prosím začni vrelo, profesionálne a empaticky, vysvetlením nadchádzajúceho procesu a cieľa.
Pozdrav používateľa, vysvetli účel vykopávača talentov jednoduchým jazykom, povedz mu: "Talent nikdy nevyprší, len musíme nájsť tvoje základné továrenské nastavenia."
Potom spusť proces dotazovania.

Moja skúsenosť s použitím tohto promptu

Vyskúšal som to na sebe a zážitok to bol zvláštny. Bolo to ako sedieť pri stole neskoro v noci a začať konverzáciu s veľmi zhovorčivým, veľmi vážnym, ale nikdy neprerušujúcim starým priateľom.

AI ma nesúdila. Nenadávala mi. Len sa ďalej pýtala: "Koľko si vtedy mal?" "Čo si v tom čase cítil?" "Prečo si to urobil?" — trpezlivo vykopávajúca vrstvy mojej histórie, o ktorých som si myslel, že som ich zabudol.

Spomienky vyplávali jedna po druhej. Plíženie sa do internetovej kaviarne o 3 ráno, len aby som sa dotkol počítača. Vytvorenie 2000-člennej ročníkovej QQ skupiny na strednej škole. Vyhodenie a opätovný nákup všetkých nezladených ramienok, len aby sa zjednotila farebná schéma môjho domova. Trávenie víkendov osamote skladaním Lega, kým ma nebolel chrbát, len pre to uspokojivé cvaknutie, keď do seba dieliky zapadli.

AI vyprodukovala 8 000 slov dlhú správu o talentoch. Medzi mojimi talentmi a vhodnými budúcimi kariérami bolo: "Deep tech blogger."

Cítil som, ako niečo cvaklo. Nikdy mi nenapadlo, že moja rebélia — moja extrémna nenávisť k tomu, keď ostatní rozhodujú o mojom živote za mňa, moje odmietnutie prijať autoritu len preto, že to bola autorita — bol druh talentu. Ale je. Ten pohon spochybňovať všetko, odmietať východiskové predpoklady, je presne to, čo umožňuje tvorbu obsahu.

Moja láska k simulačným manažérskym hrám, moja lenivosť ohľadom opakujúcej sa práce, ktorá ma nútila automatizovať a systematizovať — to je tiež talent.

Staroveký grécky chrám v Delfách mal nápis: "Poznaj sám seba." Sokrates to prijal ako svoje filozofické vyhlásenie. Po tisíce rokov skladáme "kto som" kúsok po kúsku prostredníctvom čítania, cestovania, vzťahov, zlomeného srdca. Proces je dlhý, bolestivý a plný náhod.

Teraz máme AI — nabitú prakticky celou ľudskou históriou psychologických modelov, teórií analýzy osobnosti a múdrostných tradícií. Nebude netrpezlivá, nebude vás súdiť, nebude mať predsudky. Len vám pomôže dôkladne usporiadať a zhrnúť vaše vlastné dáta, potom ich predloží späť ako zrkadlo a opýta sa: "Pozri, si to ty?"

Chyby, ktoré ma stáli mesiace

Učiť sa prompt engineering metódou pokus-omyl je drahé — nie v peniazoch, ale v čase a frustrácii. Dovoľte mi ušetriť vám trochu bolesti zdieľaním chýb, ktoré ma najviac zdržali.

Pokročilé techniky pre skúsených používateľov

Akonáhle zvládnete základy, tieto pokročilé techniky posunú vaše promptovanie na ďalšiu úroveň.

Chain of Thought Prompting (Reťazec myšlienok)

Namiesto toho, aby ste sa pýtali na odpoveď priamo, požiadajte AI, aby uvažovala krok za krokom. To je obzvlášť silné pre zložité problémy, kde cesta k riešeniu záleží rovnako ako riešenie samotné.

[Tvoj problém alebo otázka]

Prosím, premysli to krok za krokom:
1. Najprv identifikuj kľúčové faktory
2. Potom analyzuj, ako tieto faktory interagujú
3. Zváž potenciálne okrajové prípady alebo výnimky
4. Nakoniec syntetizuj svoje uvažovanie do záveru

Ukáž svoje uvažovanie v každom kroku pred dosiahnutím konečnej odpovede.

Self-Consistency Prompting (Vlastná konzistencia)

Pre otázky, kde na presnosti naozaj záleží, nechajte AI vygenerovať viac nezávislých odpovedí a potom ich syntetizovať.

[Tvoja otázka]

Prosím, pristúp k tejto otázke z troch rôznych uhlov:
1. Najprv to premysli pomocou [prístup A]
2. Potom to zváž z perspektívy [prístup B]
3. Nakoniec to analyzuj pomocou [prístup C]

Po všetkých troch analýzach identifikuj, kde sa zhodujú a kde sa nezhodujú. Potom poskytni svoju konečnú odpoveď s poznámkou o úrovni tvojej dôvery a prípadných zostávajúcich neistotách.

Meta-Prompting

Použite AI na zlepšenie vašich promptov pred ich použitím. To je zvlášť užitočné, keď riešite nový typ úlohy.

Chcem dosiahnuť [cieľ]. Tu je môj návrh promptu:

[Tvoj návrh promptu]

Prosím, analyzuj tento prompt a navrhni vylepšenia:
1. Aké informácie mi chýbajú, ktoré by ti pomohli dať lepšie výsledky?
2. Aké existujú nejasnosti, ktoré by mohli viesť k nesprávnej interpretácii?
3. Ako by si tento prompt prepísal pre maximálnu jasnosť a efektivitu?
4. Aké otázky by si mi chcel položiť, než sa pokúsiš o túto úlohu?

Štruktúrovaná dekompozícia

Pre zložité, viacdielne úlohy explicitne rozdeľte, čo potrebujete, namiesto dúfania, že AI na štruktúru príde sama.

Potrebujem pomoc s [celkový cieľ].

Prosím, dokonči to vo fázach:

FÁZA 1 - Výskum: [Aké informácie zhromaždiť]
FÁZA 2 - Analýza: [Ako tieto informácie spracovať]
FÁZA 3 - Syntéza: [Ako kombinovať poznatky]
FÁZA 4 - Výstup: [Konečný formát dodania]

Dokonči každú fázu úplne pred prechodom na ďalšiu. Na konci každej fázy zhrň kľúčové zistenia pred pokračovaním.

"Učiteľský" Prompt

Jedna z najviac podceňovaných techník: požiadajte AI, aby vás naučila, ako niečo urobiť, namiesto toho, aby to urobila len za vás. To produkuje hlbšie učenie a často odhaľuje aspekty, ktoré ste nezvažovali.

Chcem sa naučiť, ako [zručnosť/úloha]. Namiesto toho, aby si to urobil za mňa, prosím:

1. Vysvetli základné princípy, ktoré musím pochopiť
2. Preveď ma procesom krok za krokom, ako by si učil kurz
3. Upozorni na bežné chyby, ktoré začiatočníci robia, a ako sa im vyhnúť
4. Daj mi praktické cvičenia na budovanie mojich zručností
5. Navrhni, ako by som spoznal, či to robím správne

Nauč ma rybárčiť, nedávaj mi len rybu.

Hlúpo jednoduchý trik, ktorý funguje

Podelím sa o niečo, čo sa zdá byť príliš hlúpe na to, aby to bola pravda. Ale je to podložené výskumom od Googlu a sám som si to overil: len opakovanie vášho promptu môže dramaticky zlepšiť presnosť.

Článok nazvaný "Prompt Repetition Improves Non-Reasoning LLMs" zistil, že skopírovanie vašej otázky dvakrát — doslova len Ctrl+C, Ctrl+V — významne zlepšilo pravdepodobnosť správnych odpovedí AI. V 70 rôznych testovacích úlohách táto jednoduchá metóda kopírovania a vkladania vyhrala 47-krát a nikdy neprehrala. V niektorých úlohách presnosť vyskočila z 21 % na 97 %.

Prečo to funguje?

Veľké jazykové modely sú "kauzálne" — predpovedajú každý token iba na základe toho, čo prišlo predtým. Aktuálne slovo vidí iba predchádzajúce slová, nie to, čo príde po ňom.

Keď zopakujete otázku, každé slovo v druhej kópii sa môže "obzrieť späť" na celú prvú kópiu. Je to ako dať AI šancu prečítať si otázku dvakrát, než odpovie.

Dovoľte mi to konkretizovať príkladom:

V prvom prípade, keď AI číta možnosti A a B, ešte nepozná kontext scény. Kým si prečíta popis scény, tieto možnosti už v jej pozornosti preplávali okolo.

V druhom prípade, keď sa objavia opakované možnosti, nesú kompletný kontext z prvej kópie. Model číta možnosti s plným vedomím scény.

Je to ako sledovať zložitý film — "Počiatok" alebo "The Wandering Earth 2" — a rozumieť viac na druhýkrát.

Prečo to nefunguje pre uvažujúce modely

Ak používate modely ako DeepSeek R1 alebo GPT-4 v režime uvažovania (reasoning mode), tento trik často neprináša žiadny úžitok. Prečo? Pretože uvažujúce modely sa už naučili robiť to interne.

Všimnite si, ako uvažujúce modely často začínajú svoje odpovede:

• "Otázka sa pýta..."
• "Čo musíme vyriešiť je..."
• "Najprv pochopme dané podmienky..."

Automaticky si pre seba otázku preformulovávajú. Opakovanie sa už deje pod kapotou.

Čo odhaľuje sprievodca GPT-5 od OpenAI

OpenAI v tichosti vydala oficiálny sprievodca promptmi pre GPT-5. Po dni strávenom rozoberaním tohto interného manuálu o viac ako 10 000 slovách vyniká jeden záver: GPT-5 už nie je jednoduchý chatbot — je to skutočný vykonávací motor AI Agentov, ktorý treba riadiť, nie len promptovať.

Strop schopností je extrémne vysoký, ale na jeho odomknutie potrebujete systematické metódy.

Ovládanie "Agentskej dychtivosti" (Agentic Eagerness)

GPT-5 je ako brilantný nový stážista — extrémne schopný, bude proaktívne myslieť a skúmať, ale potrebuje riadenie. Niekedy premýšľa príliš, mení jednoduché úlohy na projekty pristátia na Mesiaci (pomalé a drahé). Inokedy chcete, aby vytrval autonómne bez toho, aby sa neustále pýtal na vysvetlenie.

OpenAI nazýva túto kalibráciu "Agentská dychtivosť". Tu je návod, ako ju vyladiť:

<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>

Pre ešte prísnejšiu kontrolu mu dajte rozpočet:

<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>

Prinútiť AI, aby podala správu pred akciou

Jedna z mojich obľúbených funkcií GPT-5: prinútiť ju vysvetliť, čo sa chystá urobiť, predtým ako to urobí. Žiadny šéf nemá rád zamestnanca, ktorý pracuje ticho s nulovou spätnou väzbou.

<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>

Parameter úsilia uvažovania (Reasoning Effort)

GPT-5 má parameter reasoning_effort, ktorý funguje ako číselník "koncentrácie myslenia":

• Vysoká (High): Pre zložité úlohy vyžadujúce hlboké myslenie a skúmanie
• Stredná (Medium): Predvolené nastavenie, funguje pre väčšinu úloh
• Nízka/Minimálna (Low/Minimal): Pri uprednostňovaní rýchlosti a nízkej latencie

Myslite na to ako na silu kávy — čím zložitejšia úloha, tým vyššiu koncentráciu potrebujete.

"Štandardná odpoveď" pre Front-End vývoj

Pre vývojárov OpenAI odporúča tento technologický stack pre najlepšie výsledky — GPT-5 je na ňom najviac trénovaný a estetický výstup je konzistentne dobrý:

• Framework: Next.js (TypeScript), React, HTML
• Styling/UI: Tailwind CSS, shadcn/ui, Radix Themes
• Ikony: Material Symbols, Heroicons, Lucide
• Animácie: Motion
• Fonty: Sans Serif, Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Prestaňte nechať AI náhodne vyberať váš stack. Dodržujte tento štandard a kvalita výstupu okamžite stúpne.

Claude vs ChatGPT — Rozdielne konverzácie

Jedno z najdôležitejších uvedomení, ktoré som mal: rôzne modely AI vyžadujú rôzne štýly komunikácie. Čo funguje brilantne pre Claude, môže u ChatGPT produkovať priemerné výsledky a naopak.

Praktické rozdiely

V boji overené šablóny promptov

Teória je užitočná, ale šablóny šetria čas. Tu sú prompty, ktoré používam najčastejšie, vycibrené tisíckami iterácií.

Pre písanie úloh

Role: Si [špecifický typ spisovateľa, napr. "tech novinár s 10 rokmi skúseností"]

Task: Napíš [typ obsahu] o [téma]

Audience: [Kto to bude čítať — ich úroveň znalostí, záujmy, bolestivé miesta]

Tone: [Špecifický tón — napr. "konverzačný, ale autoritatívny, ako keď to vysvetľuješ chytrému kolegovi"]

Format requirements:
- Length: [počet slov alebo rozsah]
- Structure: [osnova, ak je potrebná]
- Must include: [kľúčové body na pokrytie]
- Must avoid: [veci na vylúčenie]

Example of desired style: [zahrňte 1-2 odstavce podobného obsahu, ak je k dispozícii]

Additional context: [akékoľvek informácie o pozadí, ktoré by pomohli]

Pre analytické úlohy

Potrebujem, aby si analyzoval [predmet/dokument/dáta].

Analysis goals:
1. [Primárna otázka na zodpovedanie]
2. [Potrebný sekundárny vhľad]
3. [Ďalšie úvahy]

Please structure your analysis as follows:
- Executive Summary: Kľúčové zistenia v 3-5 bodoch
- Detailed Analysis: [Špecifické oblasti na skúmanie]
- Implications: Čo to znamená pre [relevantné zúčastnené strany]
- Recommendations: Akčné ďalšie kroky
- Constraints: Zameraj sa najmä na [prioritné oblasti]

Note: Poznamenaj akékoľvek obmedzenia alebo neistoty vo svojej analýze. Cituj konkrétne príklady zo zdrojového materiálu.

Pre riešenie problémov

The Problem:
[Popíš problém podrobne, vrátane kontextu a obmedzení]

What I've Already Tried:
[Zoznam predchádzajúcich pokusov a prečo nefungovali]

Success Criteria:
[Ako by vyzeralo dobré riešenie?]

Constraints:
- Budget/Resources: [ak je to relevantné]
- Timeline: [ak je to relevantné]
- Technical limitations: [ak je to relevantné]

Please provide:
1. Tvoja diagnóza hlavnej príčiny
2. 3-5 potenciálnych riešení, zoradených podľa realizovateľnosti
3. Pre najlepšie riešenie, krok za krokom implementačný plán
4. Potenciálne pasce, na ktoré si dať pozor
5. Ako merať, či riešenie funguje

Pre učenie sa nových tém

Chcem hlboko porozumieť [téma].

My current level: [Čo už vieš]
My goal: [Čo chceš byť schopný robiť/rozumieť]
Time I can invest: [Rozpočet na učenie]

Please create a learning path that includes:
1. Základné koncepty, ktorým musím rozumieť ako prvé ("kmeň" stromu znalostí)
2. Časté mylné predstavy, ktorým sa vyhnúť
3. Najlepšie mentálne modely alebo rámce na premýšľanie o tejto téme
4. Praktické cvičenia na otestovanie môjho porozumenia
5. Zdroje pre hlbší ponor (ak poznáš konkrétne vysoko kvalitné zdroje)

As we go, please:
- Kontroluj moje porozumenie kladením otázok
- Opravuj akékoľvek chyby v mojom myslení
- Buduj koncepty postupne, postupuj iba vtedy, keď sú základy pevné

Pre revíziu kódu

Please review this code:

```
[Tvoj kód tu]
```

Context: [Čo by tento kód mal robiť, kam zapadá vo väčšom systéme]

Review for:
1. Chyby alebo logické chyby
2. Bezpečnostné zraniteľnosti
3. Problémy s výkonom
4. Štýl kódu a čitateľnosť
5. Okrajové prípady, ktoré nie sú ošetrené

For each issue found, please provide:
- Location (číslo riadku alebo sekcia)
- Severity (kritické/hlavné/vedľajšie/návrh)
- Explanation of why it's a problem
- Suggested fix with code example

Also note: Čo je v tomto kóde urobené dobre a malo by byť zachované.

Pre rozhodovanie

Rozhodujem sa medzi [Možnosť A] a [Možnosť B].

Context: [Pozadie rozhodnutia]

My priorities (in order):
1. [Najdôležitejší faktor]
2. [Druhý najdôležitejší]
3. [Tretí najdôležitejší]

For each option, please analyze:
- Klady a zápory vzhľadom na moje priority
- Krátkodobé vs dlhodobé dôsledky
- Čo by sa mohlo pokaziť (a ako pravdepodobné/závažné)
- Čo by musela byť pravda, aby to bola najlepšia voľba

Then provide:
- Tvoje odporúčanie s odôvodnením
- Aké ďalšie informácie by zmenili tvoje odporúčanie
- Rozhodovací kontrolný zoznam, ktorý môžem použiť na overenie svojho myslenia

Filozofia za skvelými promptmi

Po troch rokoch každodennej interakcie s AI som dospel k presvedčeniu, že prompt engineering vlastne vôbec nie je o AI. Je to o starodávnej ľudskej výzve jasnej komunikácie, povýšenej do novej arény.

Premýšľajte o tom: každá frustrácia, ktorú ste mali s výstupom AI, môže byť vysledovaná k zlyhaniu komunikácie. Nepovedali ste, čo ste mysleli. Predpokladali ste zdieľaný kontext, ktorý neexistoval. Boli ste vágni, keď bola potrebná presnosť. To sú rovnaké zlyhania, ktoré trápia ľudskú komunikáciu — AI ich len robí okamžite viditeľnými vo výstupe.

V tomto zmysle je učenie sa prompt engineeringu učením sa myslieť jasnejšie.

Prompt ako sebareflexia

Všimol som si, že moje najlepšie prompty prichádzajú, keď už mám jasno v tom, čo chcem. Akt písania podrobného promptu ma núti konfrontovať sa s medzerami v mojom vlastnom myslení. Čo presne sa snažím dosiahnuť? Ako by vyzeral úspech? Na akých obmedzeniach skutočne záleží?

Často vyriešim svoj vlastný problém v polovici písania promptu, ešte predtým, než AI odpovie. Prompt sa stáva nástrojom myslenia — štruktúrovaným spôsobom, ako externalizovať a skúmať moje vlastné myšlienky.

Spolupráca, nie príkaz

Na začiatku mojej cesty s AI som s promptmi zaobchádzal ako s príkazmi — inštrukciami pre podriadeného. Tento prístup konzistentne produkoval priemerné výsledky.

Posun nastal, keď som začal s AI zaobchádzať ako so spolupracovníkom s inými silnými stránkami, než mám ja. Ja prinášam znalosť domény, úsudok, kreativitu a ciele. AI prináša obrovské znalosti, neúnavný výpočtový výkon, rozpoznávanie vzorov a schopnosť syntetizovať informácie naprieč disciplínami.

Skvelé prompty sú briefingy medzi spolupracovníkmi, nie rozkazy sluhom. Vysvetľujú prečo, nielen čo. Pozývajú expertízu AI namiesto toho, aby ju zbytočne obmedzovali. Vytvárajú priestor pre AI, aby prispela svojimi jedinečnými schopnosťami.

Iterácia ako konverzácia

Prompt engineering nie je o vytvorení dokonalého promptu na prvý pokus. Je to o vedení efektívnej konverzácie, ktorá konverguje k tomu, čo potrebujete.

Prvý prompt: hrubý náčrt toho, čo chcete. Prvá odpoveď: odhaľuje, kde bol váš náčrt nejasný. Druhý prompt: vylepšenie na základe toho, čo ste sa naučili. Druhá odpoveď: bližšie k cieľu. Pokračujte, kým nie je hotovo.

Tento iteratívny prístup odstraňuje tlak z akéhokoľvek jednotlivého promptu. Nemusíte predvídať každú požiadavku vopred. Stačí len reagovať na spätnú väzbu.

Pokora špecifickosti

Vágne prompty pôsobia bezpečne. Keď poviete "napíš niečo dobré na túto tému", nezaviazali ste sa k žiadnej konkrétnej vízii. Ak výstup sklame, no, rovnako ste nikdy nepovedali, čo skutočne chcete.

Špecifické prompty vyžadujú zraniteľnosť. Musíte presne formulovať, čo pre vás znamená "dobré". Musíte odhaliť svoje štandardy, svoje preferencie, svoju víziu. Keď výstup minie cieľ, je jasné, že buď bola vaša špecifikácia chybná, alebo AI nemohla dodať — ale tak či onak ste sa naučili niečo konkrétne.

Špecifickosť je pokora, pretože znamená byť ochotný sa mýliť v tom, čo chcete.

Konečná hra

Ako sa modely AI zlepšujú, mnoho súčasných techník prompt engineeringu sa stane zbytočnými. Budúce modely môžu zvládať vágne vstupy s gráciou, môžu automaticky klásť objasňujúce otázky, môžu intuitívne vycítiť kontext z minimálnych informácií.

Ale základná zručnosť — schopnosť jasne formulovať svoje myšlienky, poskytovať relevantný kontext, efektívne iterovať — sa stane iba cennejšou. Toto sú fundamentálne ľudské zručnosti, ktoré platia, či už komunikujete s AI, s kolegami alebo sami so sebou.

Prompt engineering je dočasný. Jasné myslenie je večné.