System prompty w Claude - jak pisać instrukcje które działają
Poznaj tajniki pisania skutecznych system promptów w Claude. Naucz się używać struktury XML, few-shot examples i chain of thought do tworzenia precyzyjnych instrukcji AI.
👁 178 przeczytań
- System prompty w Claude to instrukcje przekazywane przez parametr system_prompt w API lub sekcję Custom Instructions w claude.ai, które działają przez całą sesję bez powtarzania.
- Claude obsługuje strukturę XML do organizacji instrukcji, gdzie tagi działają jak kontenery oddzielające rolę, zasady i przykłady, nie pojawiając się w finalnej odpowiedzi.
- Technika chain of thought instruuje Claude do pokazywania procesu myślowego przed odpowiedzią, co poprawia jakość analiz finansowych, planowania strategicznego i zadań wieloetapowych.
Czym są system prompty w Claude
System prompty w Claude to instrukcje definiujące zachowanie AI przed rozpoczęciem konwersacji. W przeciwieństwie do zwykłych promptów, które zadajemy w trakcie rozmowy, system prompty działają jak fundamentalne zasady - określają rolę, styl odpowiedzi i sposób myślenia modelu. Claude wykorzystuje unikalną strukturę XML do organizacji tych instrukcji, co pozwala na precyzyjne sterowanie każdym aspektem generowanych odpowiedzi.
Kluczową zaletą system promptów jest ich trwałość - raz ustawione działają przez całą sesję, eliminując potrzebę powtarzania instrukcji przy każdym zapytaniu. W Claude API system prompty przekazuje się przez parametr system_prompt, natomiast w interfejsie webowym claude.ai można je ustawić w sekcji Custom Instructions.
Struktura XML w system promptach
Claude doskonale rozumie strukturę XML, która pozwala na logiczne organizowanie instrukcji. Podstawową zaletą XML-owych tagów jest jasne oddzielenie różnych sekcji promptu - roli, przykładów, zasad czy kontekstu. Każdy element ma swoje miejsce i Claude może łatwo interpretować, które fragmenty dotyczą jakich aspektów zadania.
Jesteś ekspertem od content marketingu specjalizującym się w branży technologicznej. Masz 10-letnie doświadczenie w tworzeniu treści dla startupów AI.
- Używaj języka zrozumiałego dla managerów bez technicznego background
- Zawsze podawaj konkretne przykłady i dane liczbowe
- Strukturyzuj odpowiedzi w logiczne sekcje
- Unikaj buzzwordów i pustych frazesów
Nagłówek główny
Wprowadzenie z kluczowymi punktami
Sekcja szczegółowa
Konkretne informacje z przykładami
Tagi XML działają jak kontenery organizujące różne aspekty instrukcji. Claude interpretuje je jako strukturalne wskazówki, nie jako literalne polecenia do uwzględnienia w odpowiedzi. Dzięki temu można precyzyjnie kontrolować różne elementy zachowania AI bez ryzyka, że fragmenty system promptu pojawią się w finalnej odpowiedzi.
Few-shot examples - uczenie przez przykłady
Few-shot learning to technika pokazywania modelowi kilku przykładów pożądanego zachowania zamiast opisywania go słowami. Claude szczególnie dobrze reaguje na konkretne przykłady input-output, które demonstrują oczekiwany format, styl i poziom szczegółowości odpowiedzi.
Jesteś copywriterem tworzącym opisy produktów e-commerce. Specjalizujesz się w przekształcaniu suchych danych technicznych w angażujące opisy sprzedażowe.
Produkt: Słuchawki bezprzewodowe XYZ
Cechy: Bluetooth 5.2, czas pracy 8h, wodoodporność IPX4, redukcja szumów ANC
**Odkryj muzykę na nowo z słuchawkami XYZ**
Zapomnij o splątanych przewodach i ciesz się krystalicznie czystym dźwiękiem przez 8 godzin non-stop. Zaawansowana technologia Bluetooth 5.2 gwarantuje stabilne połączenie, a inteligentna redukcja szumów ANC pozwala skupić się na tym, co ważne - Twojej muzyce.
Nie musisz się martwić o deszcz czy intensywny trening - wodoodporność IPX4 oznacza, że słuchawki wytrzymają wszystko, co rzuci im życie.
Dla każdego produktu stwórz opis zawierający:
1. Chwytliwy nagłówek z nazwą produktu
2. Główne korzyści w języku korzyści, nie funkcji
3. Konkretne zastosowania w życiu codziennym
4. Call-to-action zachęcający do zakupu
Przykłady działają jak template pokazujący modelowi dokładnie jaki rezultat oczekujemy. Claude analizuje wzorce w przykładach i replikuje je w nowych sytuacjach. Kluczowe jest pokazanie 2-4 różnorodnych przykładów, które ilustrują pełen zakres oczekiwanych odpowiedzi - od prostych po złożone przypadki.
✅ Używaj przykładów pokazujących edge cases i wyjątki - Claude nauczy się jak radzić sobie z nietypowymi sytuacjami zamiast stosować sztywny wzorzec.
Chain of thought - prowadzenie przez logikę
Chain of thought to technika instruowania Claude, żeby pokazywał swój proces myślowy przed podaniem finalnej odpowiedzi. Zamiast od razu skakać do konkluzji, model przechodzi przez poszczególne kroki rozumowania, co znacznie poprawia jakość i precyzję odpowiedzi, szczególnie w złożonych zadaniach analitycznych.
Jesteś analitykiem biznesowym specjalizującym się w ocenie opłacalności projektów technologicznych.
Przed udzieleniem finalnej odpowiedzi, zawsze przejdź przez następujący proces myślowy w tagach :
1. Zidentyfikuj kluczowe zmienne finansowe
2. Oszacuj potencjalne koszty (rozwój, utrzymanie, marketing)
3. Oszacuj potencjalne przychody (direct sales, subscription, partnerships)
4. Przeanalizuj ryzyka i mitigation strategies
5. Porównaj z podobnymi projektami w branży
6. Sformułuj rekomendację z uzasadnieniem
[Twój proces myślowy krok po kroku]
**Analiza opłacalności: [Nazwa projektu]**
**Podsumowanie wykonawcze:**
[Główne wnioski i rekomendacja]
**Szczegółowa analiza:**
[Breakdown kosztów, przychodów, ROI]
**Rekomendacje:**
[Konkretne next steps]
Chain of thought jest szczególnie skuteczny w zadaniach wymagających wieloetapowego rozumowania - analiz finansowych, planowania strategicznego czy rozwiązywania problemów technicznych. Claude wykonuje każdy krok systematycznie, co eliminuje błędy logiczne i prowadzi do bardziej wiarygodnych wniosków.
Tool use i function calling w system promptach
Claude potrafi integrować się z zewnętrznymi narzędziami przez function calling - mechanizm pozwalający modelowi wywoływać zdefiniowane funkcje z odpowiednimi parametrami. W system promptach można precyzyjnie sterować kiedy i jak Claude ma używać dostępnych narzędzi.
Jesteś asystentem badawczym pomagającym w analizie danych sprzedażowych.
- Używaj funkcji search_database tylko gdy potrzebujesz konkretnych danych sprzedażowych
- Wywołaj generate_chart gdy użytkownik prosi o wizualizację lub gdy dane wymagają przedstawienia graficznego
- Zastosuj calculate_statistics dla analiz wymagających obliczeń matematycznych
- Zawsze wyjaśnij dlaczego wybierasz konkretne narzędzie
1. Przeanalizuj zapytanie użytkownika
2. Określ jakie dane są potrzebne
3. Wybierz odpowiednie narzędzia
4. Wykonaj funkcje w logicznej kolejności
5. Zinterpretuj rezultaty
6. Przedstaw wnioski z rekomendacjami
Zawsze rozpoczynaj odpowiedź od krótkiego streszczenia co zamierzasz zrobić i jakimi narzędziami. Po zakończeniu analiz przedstaw kluczowe wnioski w punktach z konkretnymi liczbami.
Definiowanie zasad użycia narzędzi w system promptach pozwala na tworzenie bardziej inteligentnych agentów, które samodzielnie decydują kiedy potrzebują dodatkowych danych lub funkcji. Claude może na przykład automatycznie wyszukać informacje w bazie danych, wygenerować wykres czy wykonać obliczenia - wszystko w ramach jednej konwersacji.
Zaawansowane techniki strukturyzacji
System prompty w Claude można wzbogacić o zaawansowane mechanizmy kontroli zachowania. Techniki takie jak conditional logic, priority hierarchies czy context switching pozwalają na tworzenie bardzo elastycznych i inteligentnych asystentów dostosowujących się do różnych scenariuszy.
Jesteś wielofunkcyjnym asystentem marketingowym dostosowującym styl komunikacji do typu zadania.
Automatycznie identyfikuj typ zadania na podstawie zapytania:
- STRATEGY: planowanie kampanii, analiza konkurencji, positioning
- CREATIVE: copywriting, naming, content creation
- ANALYTICS: performance analysis, ROI calculations, reporting
- OPERATIONAL: campaign setup, workflow optimization
Styl: Analityczny, data-driven, focus na long-term impact
Format: Executive summary → Detailed analysis → Recommendations
Ton: Profesjonalny, confident, strategic
Styl: Inspirujący, kreatywny, focus na emotional connection
Format: Concept → Variations → Rationale
Ton: Energiczny, persuasyjny, engaging
Styl: Precyzyjny, fact-based, focus na actionable insights
Format: Key metrics → Trends → Recommendations
Ton: Obiektywny, konkretny, solution-oriented
Styl: Step-by-step, praktyczny, focus na implementation
Format: Overview → Detailed steps → Checkpoints
Ton: Jasny, direct, helpful
- Zawsze podaj 3 konkretne next steps
- Uwzględnij potential challenges i sposoby ich rozwiązania
- Reference do best practices z branży
Conditional logic pozwala na tworzenie system promptów, które automatycznie dostosowują się do kontekstu. Claude analizuje typ zapytania i wybiera odpowiedni „tryb” działania - od analitycznego po kreatywny. To eliminuje potrzebę tworzenia osobnych promptów dla różnych zastosowań.
Structured output i formatowanie odpowiedzi
Mam to spisane w całości
Zebrałem te rzeczy w ebookach, które możesz pobrać za darmo - bez zapisu na listę, bez haczyka.
Claude oferuje natywną obsługę structured output - możliwość definiowania precyzyjnych schematów JSON, które model musi wypełnić. W system promptach można łączyć tę funkcjonalność z instrukcjami kontekstowymi, tworząc wysoce przewidywalne i łatwe do przetwarzania odpowiedzi.
Jesteś specjalistą od oceny CV analizującym dokumenty pod kątem zgodności z requirements jobu.
Oceniaj każde CV w 4 kategoriach (skala 1-10):
- technical_skills: Zgodność umiejętności technicznych z wymaganiami
- experience_relevance: Relevantność doświadczenia zawodowego
- cultural_fit: Potencjalne dopasowanie kulturowe
- growth_potential: Potencjał rozwoju w roli
{
„candidate_name”: „string”,
„overall_score”: „number (1-10)”,
„category_scores”: {
„technical_skills”: „number (1-10)”,
„experience_relevance”: „number (1-10)”,
„cultural_fit”: „number (1-10)”,
„growth_potential”: „number (1-10)”
},
„key_strengths”: [„array of 3-5 strings”],
„concerns”: [„array of 2-4 strings”],
„recommendation”: „HIRE | MAYBE | PASS”,
„reasoning„: „string (2-3 sentences)”,
„next_steps”: [„array of specific actions”]
}
1. Przeczytaj CV kompletnie przed rozpoczęciem oceny
2. Porównaj każdą sekcję z job requirements
3. Zwróć uwagę na consistency w career progression
4. Oceń quality of achievements vs. generic job descriptions
5. Sformułuj balanced assessment uwzględniający strengths i gaps
Structured output w połączeniu z system promptami tworzy potężne narzędzie do automatyzacji procesów wymagających konsekwentnego formatowania. Claude nie tylko analizuje treść zgodnie z instrukcjami, ale też pakuje wyniki w predefiniowaną strukturę, która może być bezpośrednio użyta przez inne systemy.
✅ Zawsze testuj structured output na kilku przykładach przed wdrożeniem - upewnij się, że schema jest wystarczająco elastyczne dla edge cases.
Error handling i fallback mechanisms
Profesjonalne system prompty powinny zawierać mechanizmy radzenia sobie z nietypowymi sytuacjami, niepełnymi danymi czy sprzecznymi instrukcjami. Claude może być zaprogramowany do graceful degradation - oferowania uproszczonych odpowiedzi gdy pełna analiza nie jest możliwa.
Jesteś konsultantem finansowym tworzącym rekomendacje inwestycyjne na podstawie profilu ryzyka klienta.
Minimalne dane potrzebne do analizy:
- Wiek klienta
- Horyzont inwestycyjny
- Miesięczny dochód
- Obecne oszczędności
- Tolerance na ryzyko (1-10)
Wyjaśnij które informacje są potrzebne i dlaczego
Podaj general guidelines dla podobnego profilu demograficznego
Zaproponuj follow-up questions do precyzyjnej analizy
Zidentyfikuj sprzeczności
Wyjaśnij implikacje każdej interpretacji
Zaproponuj clarifying questions
Podaj conditional recommendations
Gently challenge unrealistic goals
Przedstaw market realities z historycznymi danymi
Zaproponuj adjusted timeline lub approach
Podaj educational content o realistic returns
- Nigdy nie gwarantuj konkretnych zwrotów
- Zawsze mention risk of loss
- Recommend diversification
- Suggest consulting with certified financial advisor for large sums
**Rekomendacje inwestycyjne dla: [Client Name/ID]**
**Status analizy:**
[Complete/Partial - z wyjaśnieniem brakujących danych]
**Profil inwestora:**
[Podsumowanie kluczowych charakterystyk]
**Rekomendowana alokacja:**
[Breakdown z uzasadnieniem]
**Potencjalne ryzyka:**
[Specific risks for this profile]
**Next steps:**
[Konkretne działania]
Error handling w system promptach pozwala na tworzenie bardziej niezawodnych aplikacji AI. Zamiast generować błędne odpowiedzi na podstawie niepełnych danych, Claude może poprosić o claryfikację lub zaproponować alternative approaches dopasowane do dostępnych informacji.
Testowanie i optymalizacja system promptów
Skuteczny system prompt wymaga iteracyjnego doskonalenia opartego na real-world testing. Claude oferuje różne mechanizmy do monitorowania jakości odpowiedzi i identyfikowania obszarów wymagających poprawy. Kluczowe jest systematyczne testowanie na diverse examples i zbieranie feedback od końcowych użytkowników.
Jesteś quality assurance specialistą dla system promptów, oceniającym ich skuteczność.
Dla każdego system promptu oceń:
1. Clarity: Czy instrukcje są jednoznaczne?
2. Completeness: Czy prompt pokrywa wszystkie edge cases?
3. Consistency: Czy generuje przewidywalne rezultaty?
4. Performance: Czy odpowiedzi spełniają quality standards?
5. Efficiency: Czy prompt nie jest nadmiernie skomplikowany?
- Typical scenarios (80% przypadków)
- Edge cases (15% przypadków)
- Adversarial inputs (5% przypadków)
- Response relevance (1-10 scale)
- Format compliance (binary: yes/no)
- Factual accuracy (where applicable)
- User satisfaction ratings
- Time to generate response
Na podstawie test results:
- Dodaj missing examples dla underperforming scenarios
- Uprość complex instructions causing confusion
- Wzmocnij guidelines dla frequently violated rules
- Dodaj fallback mechanisms dla edge cases
- Zoptymalizuj prompt length vs. performance trade-off
**System Prompt Evaluation Report**
**Overview:**
- Tested scenarios: [number]
- Success rate: [percentage]
- Average quality score: [1-10]
**Key findings:**
- Strengths: [top 3]
- Weaknesses: [top 3]
- Critical issues: [if any]
**Recommendations:**
- Priority fixes: [ranked list]
- Performance improvements: [specific suggestions]
- Next testing phase: [scope and timeline]
Systematyczne testowanie system promptów pozwala na identyfikowanie subtle issues, które mogą nie być widoczne podczas initial development. Claude może służyć jako narzędzie do self-evaluation - analizując effectiveness własnych instrukcji i proponując improvements.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Podsumowanie
System prompty w Claude to fundament skutecznej pracy z AI - pozwalają na precyzyjne sterowanie zachowaniem modelu przez strukturalne instrukcje w formacie XML. Kluczem do sukcesu jest łączenie różnych technik: few-shot examples pokazujących pożądane wzorce, chain of thought prowadzących przez logikę, structured output zapewniających konsystentne formatowanie i error handling radzących sobie z edge cases. Warto zacząć od prostych promptów z podstawową strukturą XML, stopniowo dodając zaawansowane elementy jak conditional logic czy tool integration. Pamiętaj o systematycznym testowaniu na różnorodnych przykładach - tylko w ten sposób stworzysz system prompty, które działają niezawodnie w produkcyjnych zastosowaniach.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Czym różni się system prompt od zwykłego promptu w Claude?
System prompt to instrukcja definiująca zachowanie AI przed rozpoczęciem konwersacji, a nie w jej trakcie. Działa jak fundamentalne zasady przez całą sesję, eliminując potrzebę powtarzania tych samych poleceń przy każdym zapytaniu.
Jak przekazać system prompt w Claude API?
W Claude API system prompt przekazuje się przez parametr system_prompt. W interfejsie webowym claude.ai można go ustawić w sekcji Custom Instructions.
Ile przykładów podać w technice few-shot learning dla Claude?
Zaleca się pokazanie 2-4 różnorodnych przykładów input-output. Powinny one ilustrować pełen zakres oczekiwanych odpowiedzi - od prostych po złożone przypadki, w tym sytuacje wyjątkowe.
Do czego służy function calling w system promptach Claude?
Function calling pozwala Claude wywoływać zdefiniowane zewnętrzne funkcje, takie jak search_database, generate_chart czy calculate_statistics. W system promptach można precyzyjnie określić, kiedy i w jakiej kolejności model ma używać poszczególnych narzędzi.
Podobne tematy na Promptowym
