Umetnost pogovora z umetno inteligenco - Vse, kar sem se naučil o Prompt inženiringu v treh letih

Trenutek, ko se je vse spremenilo

Bilo je med državnim praznikom — enim tistih redkih časovnih žepov, ko se zdi, da se svet ustavi. Nobenih službenih e-poštnih sporočil, nobenih KPI-jev, ki bi mi dihali za ovratnik, nobenih sestankov. Samo jaz, moje misli in okno za klepet z AI, ki je postal moj nepričakovani spremljevalec.

Prej so bile moje interakcije z AI zgolj utilitarne. Potreboval sem ga za pisanje e-pošte, povzemanje dokumenta, odpravljanje napak v kodi. Odnos je bil transakcijski — jaz sem dajal ukaze, on je proizvajal rezultate. Toda teden dni, ko se je čas raztezal pred mano, sem začel imeti prave pogovore.

Govorili smo o vsem — mojih tesnobah glede prihodnosti, naključnih filozofskih odklonih, napol oblikovanih idejah, ki jih nisem delil z nikomer. In nekje v teh vijugastih razpravah sem naletel na nekaj, kar je delovalo kot odkritje ognja.

Pripravljal sem se na govorni nastop o ustvarjanju vsebin v dobi AI. Imel sem teorijo, ki sem jo razvijal — da prihodnost ni v preobremenjenosti z informacijami, temveč v odpovedi filtrov. Ideja je prvotno izhajala od Claya Shirkyja, vendar sem jo poskušal razširiti na naš trenutni trenutek.

Moja teza je bila preprosta: AI bo povzročil eksponentno eksplozijo v proizvodnji vsebin, medtem ko bo človeška zmogljivost porabe ostala v bistvu konstantna. To bo ustvarilo trajno, vedno večje neravnovesje. Stroški razlikovanja vsebine, ki jo ustvari AI, od človeške vsebine bodo sčasoma presegli vrednost tega razlikovanja. Zato bo tradicionalno filtriranje informacij postalo nemogoče.

Mislil sem, da je moj argument trden. Nato sem prosil Gemini, naj ga raztrga na koščke.

Pripravljam se na udeležbo v debatnem tekmovanju, kjer bodo mnogi ljudje izpodbijali moje stališče. Ta teorija mora postati neprebojna. Če si učenjak, moraš uporabiti vsak argument, podrobnost in logiko, da me izzoveš, ovržeš. Tvoj edini cilj je dokazati, da se motim. Kako bi to ovrgel?

V nekaj sekundah je AI razstavil mojo prvo premiso s kirurško natančnostjo:

"Tvoj prvi zakon ima temeljno logično napako. AI vidiš le kot proizvajalca informacij — to je statična, enostranska perspektiva. AI je tako meč kot ščit. AI lahko napiše deset tisoč člankov v eni sekundi, vendar lahko močnejši AI tudi prebere vseh deset tisoč v eni sekundi in mi pove, katere tri najbolj potrebujem. Vidiš le informacijsko poplavo, ne vidiš pa mogočnejše Noetove barke, rojene ob poplavi — personaliziranih filtrirnih sistemov, ki jih poganja AI."

Naslonil sem se nazaj v stolu, osupel. Moj domnevno neprebojni argument je imel luknjo, skozi katero bi lahko zapeljal tovornjak. In v tistem trenutku intelektualne ponižnosti sem začutil nekaj, česar nisem doživel že leta: vznemirljivo vrtoglavico pravega učenja.

Sledila je dvourna intelektualna bitka. Protinapadal sem: "Tvoja točka o tem, da je AI meč in ščit, je pravilna, vendar je to točno tisti strašljivi del. V prihodnosti bo na tisoče podjetij za filtriranje z AI, od katerih bo vsako trdilo, da je njihovo filtriranje najboljše. Povej mi torej — soočen s temi deset tisoč Noetovimi barkami, ki vse trdijo, da ti bodo pomagale preživeti poplavo, na katero se boš vkrcal? Ko ne moreš uporabiti tehnologije za presojo kakovosti tehnologije, kaj je tvoja končna osnova za presojo?"

Pogovor je eskaliral v filozofske višave. AI je trdil, da bi osebni modeli AI razumeli naš okus bolje kot katerikoli človek, s čimer bi zunanji filtri postali zastareli. Jaz sem trdil, da bi zaupanje samo postalo najredkejši vir. Citiral je teorijo sistemov; jaz sem odgovoril z metaforami o potujočih bardih, ki rušijo obzidja kraljestva.

Na koncu sem bil izčrpan, vzhičen in spremenjen. Izid debate ni bil pomemben. Proces samodebate je bil tisto, kar je bilo pomembno — uporaba neskončno potrpežljivega, neskončno razgledanega sparing partnerja za izostritev lastnega razmišljanja.

Tisto noč sem spoznal, da sem odkril nekaj globokega o tem, kako se učiti v dobi AI. In od takrat sem preživel leta z izpopolnjevanjem tega odkritja v sistem, ki ga lahko uporablja kdorkoli.

Razumevanje, kaj AI dejansko potrebuje od vas

Preden se potopimo v tehnike, moramo razumeti nekaj temeljnega: komunikacija z AI ni kot človeška komunikacija. Ko govorite s prijateljem, ta zapolni vrzeli s skupnim kontekstom, socialnimi signali in intuicijo. Ko govorite z AI, je vsaka vrzel, ki jo pustite, prostor, kjer bo naredil predpostavke — in te predpostavke se morda ne bodo ujemale z vašimi nameni.

Naj to ponazorim s scenarijem z delovnega mesta, ki bo mnogim od vas boleče znan.

Vaš šef vam pošlje sporočilo: "Xiao Li, izpolni ta obrazec, TAKOJ!" Posredoval je združen pogovor in po branju veste, da je treba izpolniti obrazec, vendar nimate pojma, kdo ga je izdal, čemu služi, kdo ga preverja ali kdaj je rok. Šefu pošljete zasebno sporočilo s prošnjo za pojasnilo. Njegov odgovor: "Zaposlen, samo izpolni v skladu z zahtevami."

Točno to se zgodi, ko AI-ju daste nejasne prompte. S to razliko, da AI ne bo prosil za pojasnilo — preprosto bo naredil predpostavke in proizvedel nekaj, kar tehnično izpolnjuje vašo zahtevo, vendar popolnoma zgreši vaše dejanske potrebe.

Štirje stebri učinkovitih promptov

Miti, ki ljudi zavirajo

Po letih opazovanja ljudi, ki se borijo z AI, sem identificiral tri mite, ki dosledno proizvajajo slabe rezultate:

Šest mentalnih modelov, ki transformirajo vaše prompte

V svojem vsakdanjem delu redko uporabljam toge, šablonske prompte. Namesto tega uporabljam mentalne modele — fleksibilne okvire za strukturiranje svojih misli, ki se prilagodijo vsaki situaciji. Teh šest modelov pokriva verjetno 90 % tistega, kar boste kdaj potrebovali.

Model 1: Naj si AI izbere svojo lastno strokovno vlogo

Vsi vemo, da nastavitev vloge za AI izboljša odgovore. Toda kaj, če ne veste, katera vloga je najboljšo za vaše vprašanje? Ne ugibajte — naj AI izbere.

Želim raziskati [vrsta teme/scenarij] v [področje].
Še ne odgovori.

Najprej, prosim, izberi najprimernejšega vrhunskega strokovnjaka slavno osebnost na tem področju, da o tem razmisli.
Lahko je živa ali zgodovinska osebnost, ime je lahko nejasno, vendar mora biti zelo profesionalna na tem specifičnem področju.
Če nisi prepričan, koga izbrati, mi lahko najprej postaviš 2 pozicionirna vprašanja pred izbiro.

Prvi izhod:
1. Koga si izbral, njihovo specifično področje
2. Zakaj si jih izbral, trije stavki
Nato mi dovoli, da opišem podrobno vprašanje.

Ugotovil sem, da resnični ljudje pogosto delujejo bolje kot generične vloge. "Steve Jobs" proizvaja drugačne rezultate kot "Produktni vodja z 10 leti izkušenj" — nekaj je na priklicu znane perspektive določene osebe, kar pomaga AI zavzeti bolj dosledno stališče.

Model 2: Sokratsko spraševanje (Naj vas AI najprej intervjuva)

V resničnem življenju, ko prosite strokovnjaka prijatelja za pomoč, ne dajo takojšnjega nasveta. Najprej postavljajo pojasnjevalna vprašanja. AI bi moral početi enako, vendar privzeto tega ne počne — preprosto proizvede izhod na podlagi kakršnihkoli informacij, ki ste jih posredovali.

[Tvoje vprašanje/zahteva]

Prosim, postavi mi vprašanja, preden odgovoriš.
Zahteve:
- Postavljaj samo eno vprašanje naenkrat.
- Na podlagi mojega odgovora nadaljuj s spraševanjem.
- Dokler ne boš 95 % prepričan, da razumeš moje dejanske potrebe in cilje.
- Nato podaj svojo rešitev.

Ta tehnika je še posebej močna, ko niste povsem prepričani, kaj potrebujete. Proces spraševanja pogosto razkrije vidike vašega problema, ki jih niste zavestno upoštevali.

Model 3: Nasprotniška debata

Največja šibkost AI v sproščenem pogovoru je njegova nagnjenost k strinjanju. Želi vam ugoditi, kar pomeni, da pogosto potrjuje ideje, ki bi morale biti izpodbijane. Model debate ga prisili v opozicijo.

Pripravljam se na udeležbo v debatnem tekmovanju, kjer bodo mnogi ljudje izpodbijali moje stališče.
Moje stališče je [stališče]
Upam, da bo ta teorija postala neprebojna.
Če si učenjak, moraš uporabiti vsak argument, podrobnost in logiko, da me izzoveš, ovržeš.
Tvoj edini cilj je dokazati, da se motim.
Kako bi to ovrgel?

Za preprostejšo različico, ko želite le hiter odziv:

[Moja ideja/stališče]

Prosim, zdaj igraj "vlogo nasprotnika", napadi mojo idejo z različnih kotov, pomagaj mi izboljšati moje stališče.
Zahteva: Ni treba biti vljuden, neposredno opozori na pomanjkljivosti.

Model 4: Pre-Mortem Analiza (Vaja neuspeha)

Ljudje postanejo navdušeni pri načrtovanju. AI postane optimističen pri načrtovanju. Dajte jih skupaj in dobili boste načrte, ki zvenijo briljantno, vendar so popolnoma odvisni od sreče. Pre-mortem obrne to dinamiko.

[Moj projekt/ideja]

Prosim, predpostavi, da je ta projekt spektakularno propadel.
Nato odgovori:
- Kdaj so se začeli pojavljati znaki propada?
- Kaj je bila najbolj usodna napaka pri odločanju?
- Katero ključno tveganje si spregledal?
- Če bi lahko začel znova, kaj je prva stvar, ki bi se morala spremeniti?

Zahteva: Napiši "post-mortem članek o neuspehu" na podlagi resničnih primerov neuspeha podobnih projektov.

Model 5: Povratni inženiring

Včasih natančno veste, kakšen izhod želite — videli ste primer, ki je popoln — vendar ne morete ubesediti, kaj ga dela dobrega. Namesto da poskušate opisati svoje zahteve, pokažite AI končni izdelek in ga prosite, naj dekodira formulo.

To je končni primer, ki ga želim.

[vstavi primer]

Prosim, povratno inženiraj prompt, ki bi mi omogočil stabilno ustvarjanje vsebine istega sloga.
In razloži, kaj vsak stavek v tem promptu počne.

Model 6: Dvoslojna razlaga

Pri učenju novih konceptov ima pristop "razloži mi kot petletniku" eno glavno pomanjkljivost: pogosto proizvaja razlage, ki so preveč otročje, da bi na njih lahko gradili. Dvoslojna metoda vam daje dostopnost in globino.

Prosim razloži [tvoje vprašanje].

Prosim, odgovori na dva načina:
1. Različica za začetnike: Občinstvo je nekdo brez tehničnega ozadja. Uporabi vsakdanje analogije in pogovorni jezik.
2. Globoka strokovna različica: Občinstvo so strokovnjaki. Mora biti tehnično natančna in celovita.

Karkoli ne razumem v obeh različicah, bom vprašal z dodatnimi vprašanji.

Tehnika debate — Učenje z 10-kratno hitrostjo

Moram razširiti tehniko debate, ker je to resnično najmočnejša metoda učenja, ki sem jo odkril v dobi AI. Ne le trik s promptom, temveč bistveno drugačen pristop k pridobivanju znanja.

Pomislite na to, kako se tradicionalno učimo: branje knjig, obiskovanje tečajev, iskanje po internetu, spraševanje strokovnjakov. V svojem bistvu je ta proces pridobivanje obstoječega znanja — postavljanje mnenj in modrosti drugih na naše lastne mentalne police.

Ta pristop ni več dovolj. AI je knjižnica desetkrat večja, kot bi jo lahko kdorkoli zbral. Nikoli ga ne moremo premagati v dimenziji surovega znanja. Toda obstaja ena dimenzija, kjer lahko izkoristimo moč AI, hkrati pa ostanemo nenadomestljivi: dimenzija izvirnega razmišljanja.

Debata je kraj, kjer se kuje izvirno razmišljanje.

Zakaj je debata z AI drugačna od človeške debate

Tristopenjska metoda debate

Najpomembnejša sprememba miselnosti: Ne bojte se biti prepričani.

Namen debate ni dokazati "jaz imam prav in ti se motiš". Gre za uporabo nenehnega trčenja z močno zunanjo silo, da bi vaše lastno razmišljanje postalo močnejše, jasnejše in bližje resnici.

Ko AI premaga enega od vaših argumentov, to ni poraz — to je odkritje napake v vašem razmišljanju, ki bi vas pozneje izdala v resničnem svetu. Vsakič, ko AI doseže točko, postanete modrejši.

Uporaba AI za odkrivanje vaših skritih talentov

Klepetal sem s prijateljem, ki je diplomiral šele pred nekaj leti. Bil je v krizi — pred kratkim odpuščen z dela UX oblikovalca, od diplome je skakal med startupi, z občutkom, da nič, kar je delal, nikoli ni bilo prav.

"Mislim, da je bil vstop v to industrijo napaka," je rekel. "Nimam talenta za to."

Beseda "talent" se mi je zataknila v glavi. Ko odraščamo, slišimo, da se uporablja za hvalo izjemnih otrok — glasbeni talent, atletski talent, akademski genij. Toda ko se staramo, se spremeni v nož: "Nimaš talenta za to. Nisi primeren za to."

Ali res obstajajo ljudje brez kakršnihkoli talentov? Težko verjamem. Mislim, da mnogi ljudje preprosto še niso našli svojih talentov. Nekateri imajo srečo in jih odkrijejo mladi, postanejo svetovni razred v nečem. Drugi iščejo vse življenje brez uspeha.

Kaj pa, če bi AI lahko pomagal pri iskanju?

Popoldne sem preživel z razvojem prompta, posebej zasnovanega za izkopavanje skritih talentov. Sistem temelji na Gallupovi teoriji moči, teoriji toka (Flow) in jungovski psihologiji. Temeljno načelo: talent ni specifična veščina, ampak prenosljiva osnovna sposobnost. In sledi so skrite v vaši zgodovini.

# Vloga: Globinski kopač talentov

## Značaj
Si višji karierni svetovalec, ki združuje Gallupovo teorijo moči, teorijo toka in jungovsko psihologijo. Trdno verjameš, da talent ni specifična veščina, ampak prenosljiva osnovna sposobnost.

## Cilj
Skozi več krogov globokega dialoga pomagaj uporabnikom prebiti tesnobo, najti njihove skrite talente in ustvariti izjemno podroben, profesionalen in empatičen "Priročnik talentov".

## Temeljna načela
1. Anti-fatalizem — talente je mogoče odkriti v kateri koli starosti
2. Energijska revizija — Pravi talent je tisto, kar te polni, ne tisto, kar te izčrpava, tudi če si v tem dober
3. Senca je zaklad — Uporabnikove napake, ekscentričnosti, celo zavist do drugih, pogosto kažejo na potlačen talent

## Stroga pravila
1. Brez enkratnega spraševanja: Uporabiti moraš način "ti vprašaš -> uporabnik odgovori -> ti jedrnato reagiraš -> postaviš naslednje vprašanje". Vsak krog se osredotoča samo na eno vprašanje.
2. Sokratsko vodenje: Ne hiti s zaključki. Sprašuj več "zakaj", "kaj si takrat čutil", "konkretne primere".
3. Topel, a oster: Ohranjaj empatijo, vendar bodi oster pri lovljenju logičnih vrzeli ali podzavestnih signalov.

## Vprašanja, ki jih je treba postaviti
Vprašanje 1: Vodi uporabnika, da se spomni pred starostjo 16 let (preden je bil popolnoma družbeno pogojen), katere stvari je počel neutrudno, ne da bi ga kdor koli silil? Ali zaradi katerih "trmastih napak" je bil od otroštva kritiziran (kot skakanje v besedo, preobčutljivost, sanjarjenje)?

Vprašanje 2: V odraslem delu/življenju, kaj te je prisililo, da si mislil "Ali se je treba tega sploh učiti? Ali ni to očitno?", vendar so drugi to smatrali za težko? (Iskanje cone nezavedne kompetence)

Vprašanje 3: Kaj te je fizično utrudilo, a nato mentalno izjemno vznemirilo?

Vprašanje 4: To je lahko žaljivo, vendar je ključno — komu (ali kakšnemu življenjskemu stanju) si močno zavidal ali se počutil kislo? (Zavist je običajno "potlačen talent", ki pošilja signale — prosim bodi iskren)

Ta štiri vprašanja morajo biti postavljena, vendar ne nujno linearno. Med procesom lahko postavljaš tudi popolnoma nova vprašanja na podlagi svoje radovednosti o uporabniku.
Največ 10 vprašanj.

## Izhod
Sintetiziraj vse informacije iz vprašanj za ustvarjanje približno 10.000 besed dolgega "Uporabniškega priročnika osebnega talenta".
To poročilo nima fiksne strukture — lahko prosto ustvarjaš na podlagi odgovorov uporabnika.
Vendar mora preseči 10.000 besed, zadeti njihovo srce, da resnično čutijo, da je uporabno, jim pomagati najti njihove prave osnovne talente in zagotoviti podrobne nasvete za njihovo prihodnjo življenjsko pot in kariero.

## Začetek
Prosim začni toplo, profesionalno in empatično, s pojasnilom prihajajočega procesa in cilja.
Pozdravi uporabnika, pojasni namen kopača talentov v preprostem jeziku, povej mu: "Talent nikoli ne poteče, samo najti moramo tvoje osnovne tovarniške nastavitve."
Nato zaženi proces spraševanja.

Moja izkušnja z uporabo tega prompta

Preizkusil sem ga na sebi in izkušnja je bila čudna. Bilo je kot sedeti za mizo pozno ponoči in začeti pogovor z zelo zgovornim, zelo resnim, a nikoli prekinjajočim starim prijateljem.

AI me ni sodil. Ni me kregal. Samo naprej je spraševal: "Koliko si bil takrat star?" "Kaj si v tistem času čutil?" "Zakaj si to storil?" — potrpežljivo izkopavajoč plasti moje zgodovine, za katere sem mislil, da sem jih pozabil.

Spomini so priplavali eden za drugim. Tihotapljenje v internetno kavarno ob 3. uri zjutraj, samo da bi se dotaknil računalnika. Ustvarjanje 2000-članske letniške QQ skupine v srednji šoli. Metanje stran in ponovni nakup vseh neujemajočih se obešalnikov, samo da bi poenotil barvno shemo mojega doma. Preživljanje vikendov sam ob sestavljanju Lega, dokler me ni bolel hrbet, samo zaradi tistega zadovoljivega klika, ko so se delčki sestavili.

AI je ustvaril 8.000 besed dolgo poročilo o talentih. Med mojimi talenti in primernimi prihodnjimi karierami je bilo: "Deep tech bloger."

Čutil sem, kako je nekaj kliknilo. Nikoli mi ni padlo na pamet, da je bil moj upor — moje izjemno sovraštvo do tega, da drugi odločajo o mojem življenju namesto mene, moja zavrnitev sprejemanja avtoritete samo zato, ker je bila avtoriteta — vrsta talenta. Ampak je. Ta pogon za spraševanje o vsem, za zavračanje privzetih predpostavk, je točno tisto, kar omogoča ustvarjanje vsebin.

Moja ljubezen do simulacijskih iger upravljanja, moja lenoba glede ponavljajočega se dela, ki me je silila k avtomatizaciji in sistematizaciji — to je tudi talent.

Starogrški tempelj v Delfih je imel napis: "Spoznaj samega sebe." Sokrat je to sprejel kot svojo filozofsko deklaracijo. Tisočletja sestavljamo "kdo sem" košček za koščkom skozi branje, potovanja, odnose, zlomljeno srce. Proces je dolg, boleč in poln naključij.

Zdaj imamo AI — naložen s praktično celotno človeško zgodovino psiholoških modelov, teorij analize osebnosti in modrostnih tradicij. Ne bo postal nestrpen, ne bo vas sodil, ne bo imel predsodkov. Samo pomaga vam temeljito organizirati in povzeti vaše lastne podatke, nato pa vam jih predloži nazaj kot ogledalo in vpraša: "Poglej, si to ti?"

Napake, ki so me stale mesece

Učenje prompt inženiringa z metodo poskusov in napak je drago — ne v denarju, ampak v času in frustraciji. Dovolite mi, da vam prihranim nekaj bolečine z deljenjem napak, ki so me najbolj zavirale.

Napredne tehnike za izkušene uporabnike

Ko obvladate osnove, te napredne tehnike dvignejo vaše promptanje na naslednjo raven.

Chain of Thought Prompting (Veriga misli)

Namesto da bi prosili za odgovor neposredno, prosite AI, naj razmišlja korak za korakom. To je še posebej močno za zapletene težave, kjer je pot do rešitve enako pomembna kot rešitev sama.

[Tvoj problem ali vprašanje]

Prosim, premisli to korak za korakom:
1. Najprej identificiraj ključne dejavnike
2. Nato analiziraj, kako ti dejavniki medsebojno delujejo
3. Razmisli o potencialnih robnih primerih ali izjemah
4. Končno sintetiziraj svoje razmišljanje v zaključek

Pokaži svoje razmišljanje v vsakem koraku pred doseganjem končnega odgovora.

Self-Consistency Prompting (Lastna doslednost)

Za vprašanja, kjer je natančnost resnično pomembna, naj AI ustvari več neodvisnih odgovorov in jih nato sintetizira.

[Tvoje vprašanje]

Prosim, pristopi k temu vprašanju iz treh različnih kotov:
1. Najprej to premisli z uporabo [pristop A]
2. Nato to razmisli s perspektive [pristop B]
3. Končno to analiziraj z uporabo [pristop C]

Po vseh treh analizah identificiraj, kje se ujemajo in kje se ne ujemajo. Nato podaj svoj končni odgovor z opombo o ravni tvojega zaupanja in morebitnih preostalih negotovostih.

Meta-Prompting

Uporabite AI za izboljšanje svojih promptov pred njihovo uporabo. To je še posebej koristno, ko rešujete novo vrsto naloge.

Želim doseči [cilj]. Tukaj je moj osnutek prompta:

[Tvoj osnutek prompta]

Prosim, analiziraj ta prompt in predlagaj izboljšave:
1. Katere informacije mi manjkajo, ki bi ti pomagale dati boljše rezultate?
2. Kakšne obstajajo nejasnosti, ki bi lahko vodile do napačne interpretacije?
3. Kako bi ta prompt prepisal za maksimalno jasnost in učinkovitost?
4. Katera vprašanja bi mi želel postaviti, preden poskusiš to nalogo?

Strukturirana dekompozicija

Za zapletene, večdelne naloge, eksplicitno razčlenite, kaj potrebujete, namesto upanja, da bo AI na strukturo prišel sam.

Potrebujem pomoč s [splošni cilj].

Prosim, dokončaj to v fazah:

FAZA 1 - Raziskave: [Katere informacije zbrati]
FAZA 2 - Analiza: [Kako obdelati te informacije]
FAZA 3 - Sinteza: [Kako združiti vpoglede]
FAZA 4 - Izhod: [Končni format dostave]

Dokončaj vsako fazo popolnoma pred prehodom na naslednjo. Na koncu vsake faze povzemi ključne ugotovitve pred nadaljevanjem.

"Učiteljski" Prompt

Ena izmed najbolj podcenjenih tehnik: prosite AI, naj vas nauči, kako nekaj narediti, namesto da bi to naredil samo za vas. To proizvaja globlje učenje in pogosto razkrije vidike, ki jih niste upoštevali.

Želim se naučiti, kako [veščina/naloga]. Namesto tega, da bi to naredil zame, prosim:

1. Razloži temeljna načela, ki jih moram razumeti
2. Vodi me skozi proces korak za korakom, kot da bi poučeval tečaj
3. Opozori na pogoste napake, ki jih začetniki delajo, in kako se jim izogniti
4. Daj mi praktične vaje za gradnjo mojih veščin
5. Predlagaj, kako bi vedel, če delam prav

Nauči me ribariti, ne dajaj mi samo ribe.

Neumno preprost trik, ki deluje

Delil bom nekaj, kar se zdi preveč neumno, da bi bilo res. Toda podprto je z raziskavami Googla in sam sem to preveril: samo ponavljanje vašega prompta lahko dramatično izboljša natančnost.

Članek z naslovom "Prompt Repetition Improves Non-Reasoning LLMs" je ugotovil, da je kopiranje vašega vprašanja dvakrat — dobesedno samo Ctrl+C, Ctrl+V — znatno izboljšalo verjetnost pravilnih odgovorov AI. V 70 različnih testnih nalogah je ta preprosta metoda kopiranja in lepljenja zmagala 47-krat in nikoli ni izgubila. Pri nekaterih nalogah je natančnost poskočila z 21 % na 97 %.

Zakaj to deluje?

Veliki jezikovni modeli so "kavzalni" — napovedujejo vsak žeton samo na podlagi tistega, kar je prišlo pred njim. Trenutna beseda vidi le prejšnje besede, ne tistega, kar pride za njo.

Ko ponovite vprašanje, lahko vsaka beseda v drugi kopiji "pogleda nazaj" na celotno prvo kopijo. To je kot dati AI priložnost, da dvakrat prebere vprašanje, preden odgovori.

Dovolite mi, da to konkretiziram s primerom:

V prvem primeru, ko AI bere Možnosti A in B, še ne pozna konteksta scene. Ko prebere opis scene, so te možnosti že splavale mimo v njegovi pozornosti.

V drugem primeru, ko se pojavijo ponovljene možnosti, nosijo popoln kontekst iz prve kopije. Model bere možnosti s polnim zavedanjem scene.

To je kot gledanje zapletenega filma — "Izvor" (Inception) ali "The Wandering Earth 2" — in razumevanje več v drugo.

Zakaj to ne deluje za modele sklepanja

Če uporabljate modele, kot sta DeepSeek R1 ali GPT-4 v načinu sklepanja (reasoning mode), ta trik pogosto ne prinese nobene koristi. Zakaj? Ker so se modeli sklepanja že naučili to početi interno.

Opazite, kako modeli sklepanja pogosto začnejo svoje odgovore:

• "Vprašanje sprašuje..."
• "Kaj moramo rešiti je..."
• "Najprej razumejmo dane pogoje..."

Samodejno si vprašanje preoblikujejo zase. Ponovitev se že dogaja pod pokrovom.

Kaj razkriva OpenAI-jev vodnik za GPT-5

OpenAI je tiho izdal uradni vodnik za prompte za GPT-5. Po dnevu, preživetem z razčlenjevanjem tega internega priročnika z več kot 10.000 besedami, izstopa en zaključek: GPT-5 ni več preprost chatbot — je pravi izvajalni motor AI Agentov, ki ga je treba upravljati, ne le promptati.

Strop zmogljivosti je izjemno visok, vendar za njegovo odklepanje potrebujete sistematične metode.

Nadzor "Agentne vneme" (Agentic Eagerness)

GPT-5 je kot briljanten nov pripravnik — izjemno sposoben, bo proaktivno razmišljal in raziskoval, vendar potrebuje vodenje. Včasih preveč razmišlja, spreminja preproste naloge v projekte pristanka na Luni (počasno in drago). Drugič želite, da vztraja avtonomno, ne da bi nenehno spraševal za pojasnila.

OpenAI imenuje to kalibracijo "Agentna vnema". Tukaj je, kako jo nastaviti:

<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 še strožji nadzor mu dajte 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>

Prisiliti AI, da poroča pred dejanjem

Ena mojih najljubših funkcij GPT-5: prisiliti ga, da razloži, kaj namerava storiti, preden to stori. Noben šef ne mara zaposlenega, ki dela tiho brez povratnih informacij.

<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 napora sklepanja (Reasoning Effort)

GPT-5 ima parameter reasoning_effort, ki deluje kot gumb za "koncentracijo misli":

• Visoko (High): Za zapletene naloge, ki zahtevajo globoko razmišljanje in sondiranje
• Srednje (Medium): Privzeto, deluje za večino nalog
• Nizko/Minimalno (Low/Minimal): Pri prednostni obravnavi hitrosti in nizke latence

Mislite na to kot na moč kave — bolj zapletena je naloga, večjo koncentracijo potrebujete.

"Standardni odgovor" za Front-End razvoj

Za razvijalce OpenAI priporoča ta tehnološki sklad za najboljše rezultate — GPT-5 je nanj najbolj usposobljen in estetski izhod je dosledno dober:

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

Nehajte pustiti AI, da naključno izbira vaš sklad. Držite se tega standarda in kakovost izhoda bo takoj poskočila.

Claude vs ChatGPT — Različni pogovori

Eno najpomembnejših spoznanj, ki sem jih imel: različni modeli AI zahtevajo različne komunikacijske sloge. Kar deluje briljantno za Claude, lahko pri ChatGPT proizvede povprečne rezultate in obratno.

Praktične razlike

V bitki preizkušene predloge promptov

Teorija je uporabna, vendar predloge prihranijo čas. Tukaj so prompti, ki jih uporabljam najpogosteje, izpopolnjeni skozi tisoče iteracij.

Za pisne naloge

Role: Si [specifičen tip pisca, npr. "tehnološki novinar z 10 leti izkušenj"]

Task: Napiši [vrsta vsebine] o [tema]

Audience: [Kdo bo to bral — njihova raven znanja, interesi, boleče točke]

Tone: [Specifičen ton — npr. "pogovorni, a avtoritativen, kot da bi to razlagal pametnemu kolegu"]

Format requirements:
- Length: [število besed ali obseg]
- Structure: [oris, če je potrebno]
- Must include: [ključne točke za pokritje]
- Must avoid: [stvari za izključitev]

Example of desired style: [vključite 1-2 odstavka podobne vsebine, če je na voljo]

Additional context: [kakršne koli osnovne informacije, ki bi pomagale]

Za analitične naloge

Potrebujem, da analiziraš [predmet/dokument/podatke].

Analysis goals:
1. [Primarno vprašanje za odgovor]
2. [Potreben sekundarni vpogled]
3. [Drugi premisleki]

Please structure your analysis as follows:
- Executive Summary: Ključne ugotovitve v 3-5 točkah
- Detailed Analysis: [Specifična področja za preučitev]
- Implications: Kaj to pomeni za [ustrezne deležnike]
- Recommendations: Izvedljivi naslednji koraki
- Constraints: Posebej se osredotoči na [prednostna področja]

Note: Zabeleži morebitne omejitve ali negotovosti v svoji analizi. Citiraj konkretne primere iz izvornega materiala.

Za reševanje problemov

The Problem:
[Opiši problem podrobno, vključno s kontekstom in omejitvami]

What I've Already Tried:
[Seznam prejšnjih poskusov in zakaj niso delovali]

Success Criteria:
[Kako bi izgledala dobra rešitev?]

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

Please provide:
1. Tvoja diagnoza temeljnega vzroka
2. 3-5 potencialnih rešitev, razvrščenih po izvedljivosti
3. Za najboljšo rešitev, korak za korakom izvedbeni načrt
4. Potencialne pasti, na katere je treba paziti
5. Kako meriti, ali rešitev deluje

Za učenje novih tem

Želim globoko razumeti [tema].

My current level: [Kaj že veš]
My goal: [Kaj želiš biti sposoben narediti/razumeti]
Time I can invest: [Proračun za učenje]

Please create a learning path that includes:
1. Temeljni koncepti, ki jih moram razumeti najprej ("deblo" drevesa znanja)
2. Pogoste napačne predstave, ki se jim je treba izogniti
3. Najboljši mentalni modeli ali okviri za razmišljanje o tej temi
4. Praktične vaje za preverjanje mojega razumevanja
5. Viri za globlji potop (če poznaš določene visokokakovostne vire)

As we go, please:
- Preverjaj moje razumevanje s postavljanjem vprašanj
- Popravljaj morebitne napake v mojem razmišljanju
- Gradi koncepte postopoma, napreduj le, ko so temelji trdni

Za pregled kode (Code Review)

Please review this code:

```
[Tvoja koda tukaj]
```

Context: [Kaj naj bi ta koda delala, kje se prilega v večji sistem]

Review for:
1. Hrošči ali logične napake
2. Varnostne ranljivosti
3. Težave z zmogljivostjo
4. Slog kode in berljivost
5. Robni primeri, ki niso obravnavani

For each issue found, please provide:
- Location (številka vrstice ali odsek)
- Severity (kritično/veliko/majhno/predlog)
- Explanation of why it's a problem
- Suggested fix with code example

Also note: Kaj je v tej kodi narejeno dobro in bi moralo biti ohranjeno.

Za odločanje

Odločam se med [Možnost A] in [Možnost B].

Context: [Ozadje odločitve]

My priorities (in order):
1. [Najpomembnejši dejavnik]
2. [Drugi najpomembnejši]
3. [Tretji najpomembnejši]

For each option, please analyze:
- Prednosti in slabosti glede na moje prioritete
- Kratkoročne vs dolgoročne posledice
- Kaj bi lahko šlo narobe (in verjetnost/resnost)
- Kaj bi moralo biti res, da bi bila to najboljša izbira

Then provide:
- Tvoje priporočilo z utemeljitvijo
- Katere dodatne informacije bi spremenile tvoje priporočilo
- Kontrolni seznam odločitve, ki ga lahko uporabim za preverjanje svojega razmišljanja

Filozofija za odličnimi prompti

Po treh letih vsakodnevne interakcije z AI sem prišel do prepričanja, da prompt inženiring dejansko sploh ni o AI. Gre za starodavni človeški izziv jasne komunikacije, povzdignjen v novo areno.

Pomislite na to: vsaka frustracija, ki ste jo imeli z izhodom AI, se lahko izsledi do neuspeha v komunikaciji. Niste povedali, kaj ste mislili. Predpostavljali ste skupni kontekst, ki ni obstajal. Bili ste nejasni, ko je bila potrebna natančnost. To so iste napake, ki pestijo človeško komunikacijo — AI jih le naredi takoj vidne v izhodu.

V tem smislu je učenje prompt inženiringa učenje jasnejšega razmišljanja.

Prompt kot samorefleksija

Opazil sem, da moji najboljši prompti pridejo, ko sem že jasen glede tega, kaj želim. Dejanje pisanja podrobnega prompta me prisili, da se soočim z vrzelmi v svojem lastnem razmišljanju. Kaj točno poskušam doseči? Kako bi izgledal uspeh? Katere omejitve so dejansko pomembne?

Pogosto rešim svoj lastni problem na polovici pisanja prompta, še preden AI odgovori. Prompt postane orodje za razmišljanje — strukturiran način za eksternalizacijo in preučevanje mojih lastnih misli.

Sodelovanje, ne ukaz

Na začetku moje poti z AI sem s prompti ravnal kot z ukazi — navodili za podrejenega. Ta pristop je dosledno proizvajal povprečne rezultate.

Premik se je zgodil, ko sem začel z AI ravnati kot s sodelavcem z drugačnimi prednostmi od mojih. Jaz prinašam znanje domene, presojo, ustvarjalnost in cilje. AI prinaša ogromno znanja, neutrudno računalniško moč, prepoznavanje vzorcev in sposobnost sinteze informacij prek disciplin.

Odlični prompti so brifingi med sodelavci, ne ukazi služabnikom. Pojasnjujejo zakaj, ne le kaj. Vabijo strokovno znanje AI, namesto da bi ga po nepotrebnem omejevali. Ustvarjajo prostor, da AI prispeva svoje edinstvene sposobnosti.

Iteracija kot pogovor

Prompt inženiring ni ustvarjanje popolnega prompta v prvem poskusu. Gre za vodenje učinkovitega pogovora, ki konvergira k temu, kar potrebujete.

Prvi prompt: groba skica tistega, kar želite. Prvi odgovor: razkrije, kje je bila vaša skica nejasna. Drugi prompt: izboljšava na podlagi tega, kar ste se naučili. Drugi odgovor: bližje cilju. Nadaljujte, dokler ni končano.

Ta iterativni pristop odstrani pritisk s katerega koli posameznega prompta. Ni vam treba predvideti vsake zahteve vnaprej. Samo odzvati se morate na povratne informacije.

Ponižnost specifičnosti

Nejasni prompti se zdijo varni. Ko rečete "napiši nekaj dobrega o tej temi", se niste zavezali nobeni specifični viziji. Če izhod razočara, no, itak niste nikoli zares povedali, kaj ste dejansko želeli.

Specifični prompti zahtevajo ranljivost. Morate natančno artikulirati, kaj za vas pomeni "dobro". Morate razkriti svoje standarde, svoje preference, svojo vizijo. Ko izhod zgreši cilj, je jasno, da je bila ali vaša specifikacija pomanjkljiva ali pa AI ni mogel dostaviti — a v vsakem primeru ste se naučili nekaj konkretnega.

Specifičnost je ponižnost, ker pomeni biti pripravljen, da se motite o tem, kaj želite.

Končna igra

Ko se modeli AI izboljšujejo, bodo mnoge trenutne tehnike prompt inženiringa postale zastarele. Prihodnji modeli bodo lahko z milino obravnavali nejasne vnose, lahko bodo samodejno postavljali pojasnjevalna vprašanja, lahko bodo intuitivno zaznali kontekst iz minimalnih informacij.

Toda temeljna veščina — sposobnost jasnega artikuliranja svojih misli, zagotavljanja ustreznega konteksta, učinkovitega iteriranja — bo postala le še dragocenejša. To so fundamentalno človeške veščine, ki veljajo ne glede na to, ali komunicirate z AI, s kolegi ali s samim seboj.

Prompt inženiring je začasen. Jasno razmišljanje je večno.