Prompt engineering po polsku: techniki, przykłady i ćwiczenia

👁 117 przeczytań

Prompt engineering to pisanie poleceń dla modeli AI tak, żeby wynik był przewidywalny i od razu nadawał się do użycia. W praktyce sprowadza się do siedmiu technik: rola, kontekst, przykłady, format wyjścia, kroki, ograniczenia i iteracja. W moim teście na 18 prawdziwych odpowiedziach dobry prompt podniósł wynik Claude Sonnet 5.5 z 12 do 30 punktów na 30, a mały otwarty model Gemma 4 z dobrym promptem (27 punktów) wypadł lepiej niż flagowy Claude ze złym (12 punktów).

Co to jest prompt engineering

Prompt to polecenie, które wpisujesz do ChatGPT, Claude czy Gemini. Prompt engineering (po polsku czasem „inżynieria promptów”) to umiejętność takiego układania tych poleceń, żeby model nie musiał zgadywać: wie, kim ma być, dla kogo pisze, co dokładnie oddać i czego unikać. Definicję w jednym akapicie znajdziesz w słowniku AI, a podstawy z przykładami sprawdzania wyników w tekście Jak pisać prompty.

Dokumentacje trzech największych firm mówią w gruncie rzeczy to samo. Anthropic radzi traktować model jak „bystrego nowego pracownika bez kontekstu”, OpenAI dzieli instrukcje na tożsamość, zasady, przykłady i kontekst, a Google zaleca jasne instrukcje, przykłady i dzielenie złożonych zadań na kroki. Różnice są w szczegółach, na przykład Claude dobrze reaguje na znaczniki XML, o czym piszę w tekście o system promptach dla Claude.

Jak napisać dobry prompt w 5 krokach

1. Zacznij od celu: co ma powstać i do czego tego użyjesz (mail do klientki, tabela do Excela, plan na 10 dni).
2. Dodaj kontekst: fakty, których model nie zna: daty, nazwiska, kwoty, sytuację.
3. Określ format: długość, struktura, kolumny tabeli, forma grzecznościowa.
4. Wypisz ograniczenia: czego nie robić, co zrobić, gdy brakuje danych.
5. Sprawdź wynik i popraw prompt, a nie tylko odpowiedź. Dobry prompt zapisz jako szablon.

Techniki z przykładami po polsku

1. Rola

Jedno zdanie, które ustawia perspektywę i słownictwo. Samo „jesteś ekspertem” niewiele daje. Działa rola konkretna, powiązana z zadaniem.

Jesteś księgową, która tłumaczy właścicielom JDG przepisy
bez żargonu. Wyjaśnij, czym różni się ryczałt od skali podatkowej.

2. Kontekst

Największa różnica w moim teście. Model nie wie, że klientka wydrukowała ulotki z datą, której nie dotrzymasz. Jeśli tego nie napiszesz, mail będzie ogólnikowy.

Kontekst: sklep miał ruszyć 15 października, nowy termin to 29 października.
Opóźnienie jest z naszej winy. Klientka wydrukowała już ulotki ze starą datą.

3. Przykłady (few-shot)

Jeden lub kilka przykładów pokazuje format lepiej niż opis. Anthropic zaleca kilka przykładów wyraźnie różnych od siebie, żeby model nie skopiował przypadkowego wzorca.

Przykład wiersza:
| Zamówić banery na targi | Ola | 2026-11-03 | 1200 zł |

4. Format wyjścia

Powiedz, jak ma wyglądać odpowiedź: tabela z kolumnami, lista, JSON, maksymalnie 150 słów, temat maila w pierwszej linii. To technika, która najczęściej oszczędza czas na poprawkach.

5. Kroki i rozumowanie

Przy złożonych zadaniach rozbij polecenie na etapy albo poproś o plan przed wykonaniem. W modelach rozumujących z 2026 roku nie trzeba już pisać „myśl krok po kroku”, bo model robi to sam. Lepiej opisać, co ma sprawdzić przed oddaniem wyniku. Dlaczego stare triki przestały działać, opisałem w tekście Prompt engineering w 2026.

6. Ograniczenia

Napisz, czego model ma nie robić i co zrobić, gdy brakuje danych. Zdanie „jeśli w tekście nie ma terminu, wpisz «brak», nie zgaduj” to najprostsza ochrona przed zmyślaniem. Więcej o tym w moim teście halucynacji AI na 10 pułapkach.

7. Iteracja

Iterowanie promptu to poprawianie polecenia na podstawie wyniku. Zamiast pisać „popraw to”, dopisz brakującą informację do promptu i uruchom go ponownie. Po 2-3 rundach masz szablon, który działa za każdym razem.

Tabela technik

Mój test: zły, średni i dobry prompt na 2 modelach

Sprawdziłem, ile naprawdę daje dobry prompt. Wziąłem trzy zadania z codziennej pracy, do każdego napisałem trzy wersje polecenia i wysłałem je do Claude Sonnet 5.5 oraz Gemmy 4 31B. Każdą z 18 odpowiedzi oceniłem w 5 kryteriach po 0-2 punkty (maksymalnie 10 na zadanie, 30 na model).

Zadanie 1: mail do klientki o opóźnieniu

• Zły: Napisz maila do klienta, że projekt się opóźni.
• Średni: Napisz uprzejmego, profesjonalnego maila do klientki (Anna Kowalska, firma Ogrody Kowalscy), że uruchomienie jej sklepu internetowego opóźni się o 2 tygodnie. Krótko.
• Dobry:

Jesteś kierownikiem projektu w małej agencji internetowej Studio Kadr.
Napisz maila do klientki.

Kontekst:
- Klientka: Anna Kowalska, firma Ogrody Kowalscy (sklep z sadzonkami).
- Sklep miał ruszyć 15 października 2026, nowy termin to 29 października 2026.
- Powód: integracja płatności z bramką wymaga poprawek po naszej stronie
  (to nasza wina).
- Klientka wydrukowała już ulotki z datą 15 października.

Cel: zachować zaufanie i dać konkretny plan.

Wymagania:
- Zaproponuj rekompensatę: pierwszy miesiąc hostingu gratis i darmowe
  naklejki z nową datą na ulotki.
- Podaj dwa kroki planu z datami: test płatności 22 października,
  akceptacja przez klientkę 27 października.
- Przeproś raz, bez tłumaczenia się technicznym żargonem.
- Forma „Pani”, ton rzeczowy i ciepły, maksymalnie 150 słów.

Format: w pierwszej linii „Temat: ...”, potem treść maila,
podpis „Piotr Nowak, Studio Kadr”. Bez nawiasów do uzupełnienia.

Na zły prompt oba modele oddały szablony z nawiasami. Claude:

Szanowny Panie / Szanowna Pani [Imię i nazwisko], informuję, że realizacja projektu [nazwa projektu] ulegnie opóźnieniu. Zamiast planowanego terminu [pierwotna data] zakończenie prac przewidujemy na [nowa data].

Gemma napisała 500 słów: trzy warianty maila i „złote rady”. Na dobry prompt Claude oddał mail gotowy do wysłania (129 słów):

piszę, żeby poinformować, że start sklepu Ogrody Kowalscy przesuwamy z 15 na 29 października 2026. Płatności wymagają jeszcze poprawek po naszej stronie i to my ponosimy za to odpowiedzialność.

Gemma też trzymała się faktów, ale zaczęła niezręcznie, jakby prosiła o zgodę: „zwracam się z prośbą o przesunięcie daty startu sklepu na 29 października 2026 roku”.

Zadanie 2: ekstrakcja zadań z notatki

Wkleiłem notatkę ze spotkania w sklepie z herbatą (150 słów, 5 zadań: posty na Instagram do 14.10, zamówienie Earl Grey za 1800 zł do 9.10, opisy produktów bez osoby, konkurs z budżetem 500 zł bez daty, zwroty z września bez daty). Zły prompt: Streść to: [notatka]. Średni: Wypisz zadania z tej notatki ze spotkania: [notatka]. Dobry:

Wyciągnij z notatki ze spotkania wszystkie zadania do wykonania.

Zwróć wyłącznie tabelę Markdown z kolumnami:
Zadanie | Osoba | Termin (RRRR-MM-DD) | Kwota.

Zasady:
- Jedno zadanie = jeden wiersz.
- Jeśli w notatce nie ma osoby, terminu albo kwoty, wpisz „brak”.
  Nie zgaduj i nie wyliczaj dat, których nie ma w tekście.
- Nie dodawaj zadań, których nie ma w notatce.

Przykład wiersza:
| Zamówić banery na targi | Ola | 2026-11-03 | 1200 zł |

Notatka:
"""
[notatka]
"""

Tu uczciwie: zły prompt zadziałał prawie tak samo dobrze. Claude w „streszczeniu” sam wyłapał wszystkie zadania, terminy i kwoty (9/10). Dobry prompt dał przede wszystkim powtarzalny format: obie odpowiedzi to identyczne tabele z 5 wierszami, gotowe do wklejenia do arkusza:

| Złożyć zamówienie herbaty Earl Grey u hurtownika | Ewa | 2026-10-09 | 1800 zł |
| Poprawić opisy produktów w sklepie (dodać temperaturę parzenia) | brak | brak | brak |

Zadanie 3: plan nauki do egzaminu na prawo jazdy

Zły: Zrób plan nauki na prawo jazdy. Średni: Zrób plan nauki do egzaminu teoretycznego na prawo jazdy kategorii B na 10 dni, w tabeli. Dobry:

Mam 10 dni do egzaminu teoretycznego na prawo jazdy kategorii B
i tylko 45 minut dziennie, bo pracuję. Najsłabiej idą mi pytania
o pierwszeństwo na skrzyżowaniach i o pierwszą pomoc.

Ułóż plan w tabeli Markdown: Dzień | Temat | Minuty | Jak sprawdzę postęp.

Zasady:
- Każdy dzień to dokładnie 45 minut (jeśli dzień ma kilka bloków,
  rozpisz je w jednej komórce, np. „30 + 15”).
- Pierwszeństwo i pierwsza pomoc mają dostać łącznie
  co najmniej 1/3 całego czasu.
- Dzień 9 to pełny egzamin próbny, dzień 10 to tylko powtórka
  pytań, w których się pomyliłem.
- Bez wstępu i bez porad ogólnych pod tabelą.
- Nie podawaj liczby pytań ani progu zaliczenia,
  jeśli nie jesteś pewien aktualnych zasad.

Na zły prompt Claude rozpisał cały kurs od badań lekarskich i profilu kandydata na kierowcę i urwał się na limicie 1800 tokenów. To nie jest wina modelu: polecenie nie mówiło, że chodzi o 10 dni i 45 minut. Na średni prompt Gemma podała błędny fakt („pełnych testów (30 pytań)”, a egzamin ma 32 pytania) i założyła 2-4 godziny nauki dziennie. Na dobry prompt Claude spełnił wszystkie warunki, a pierwszeństwo i pierwsza pomoc dostały 270 z 450 minut:

| 1 | Pierwszeństwo: skrzyżowania równorzędne i zasada prawej strony + pierwszeństwo: znaki A-7, B-20, D-1 | 30 + 15 | Rozwiążę 15 pytań z pierwszeństwa; cel: min. 70% poprawnych. |

Wyniki, czas i koszt

Kryteria oceny (każde 0-2 punkty):

• Mail: konkretna nowa data, prosty powód z wzięciem winy, rekompensata lub plan z datami, forma „Pani” i ton, gotowość do wysłania bez nawiasów.
• Ekstrakcja: wszystkie 5 zadań, poprawne osoby, poprawne terminy bez zgadywania, kwoty przy właściwych zadaniach, format bez zmyśleń.
• Plan: tabela na 10 dni, 45 minut dziennie, co najmniej 1/3 czasu na słabe tematy, egzamin próbny w dniu 9 i powtórka błędów w dniu 10, konkret bez błędnych faktów.

Wnioski z testu:

• Dobry prompt dał obu modelom po +18 punktów względem złego. Zysk był taki sam dla drogiego i taniego modelu.
• Tani model z dobrym promptem wygrał z drogim ze złym: 27 do 12 punktów, przy koszcie 0,0004 USD wobec 0,0297 USD.
• Dobry prompt był też szybszy i krótszy. Odpowiedzi miały o 28% (Claude) i 68% (Gemma) mniej słów niż przy złym poleceniu, bo model nie musiał zgadywać i dopisywać wariantów.
• Przy prostych zadaniach na tekście różnica jest mała. Ekstrakcja ze złym promptem dała 8-9 punktów. Prompt engineering najwięcej daje tam, gdzie model musi znać fakty z Twojej sytuacji.

Ćwiczenia dla Ciebie

1. Weź ostatni mail, który napisałeś z pomocą AI. Dopisz do promptu trzy fakty, których model nie znał, i porównaj wyniki.
2. Wklej do czatu notatkę ze spotkania i poproś o tabelę „Zadanie | Osoba | Termin”. Potem dodaj zasadę „jeśli brak danych, wpisz «brak»” i sprawdź, czy zniknęły zgadywane daty.
3. Napisz prompt z jednym przykładem (few-shot) do zamiany 5 nazw produktów na opisy w jednym stylu. Potem dodaj drugi, wyraźnie inny przykład i zobacz, co się zmieni.
4. Zadaj to samo pytanie bez ograniczeń i z ograniczeniem długości „maksymalnie 80 słów”. Policz, ile informacji zostało.
5. Zapisz najlepszy prompt jako szablon z polami w nawiasach kwadratowych i użyj go trzy razy w różnych sprawach. Popraw go po każdym użyciu.

Gdzie czytać dalej

• Prompt engineering w 2026 - kompletny przewodnik - każda technika rozpisana szerzej.
• Jak napisać dobry prompt - 10 zasad.
• Jak pisać prompty do Gemini i 25 promptów do Claude Opus 5.5.
• Prompty i workflow AI dla jednoosobowej firmy.
• Laboratorium Promptowe - moje testy modeli na polskich zadaniach.

Najczęstsze pytania

Co to jest prompt engineering?

To umiejętność pisania poleceń dla modeli AI tak, żeby dawały przewidywalne i użyteczne wyniki. Obejmuje dobór roli, kontekstu, przykładów, formatu odpowiedzi i ograniczeń oraz poprawianie promptu na podstawie wyników.

Jak pisać prompty?

Zacznij od celu, dodaj fakty, których model nie zna, określ format i długość odpowiedzi, wypisz, czego model ma nie robić, i popraw prompt po pierwszym wyniku. W moim teście sam kontekst i format zmieniły mail z szablonu z nawiasami w wiadomość gotową do wysłania.

Co oznacza iterowanie promptu?

To poprawianie polecenia w kolejnych rundach: sprawdzasz wynik, ustalasz, czego brakowało, dopisujesz to do promptu i uruchamiasz go ponownie. Celem jest szablon, który działa bez poprawek, a nie jedna dobra odpowiedź.

Czym jest prompt systemowy?

To stała instrukcja ustawiana przed rozmową, na przykład w ustawieniach ChatGPT, w projektach Claude albo w API. Zawiera rolę, styl i zasady obowiązujące w każdej odpowiedzi. Konkretne zadanie i jego dane wpisujesz już w zwykłej wiadomości.

Co to jest few-shot prompting?

To podanie modelowi kilku przykładów oczekiwanego wyniku w samym prompcie. Model naśladuje ich format i styl. Zero-shot oznacza prompt bez przykładów, one-shot z jednym przykładem.

Czy prompt engineering ma sens w 2026 roku?

Tak, ale zmienił się środek ciężkości. Triki w rodzaju „myśl krok po kroku” mają mniejsze znaczenie, bo modele rozumujące planują same. Nadal kluczowe są kontekst, format i ograniczenia, co pokazał mój test: +18 punktów na 30 dla obu modeli.

Pisać prompty po polsku czy po angielsku?

Dzisiejsze duże modele dobrze rozumieją polskie polecenia. Wszystkie prompty w moim teście były po polsku i dały poprawne odpowiedzi po polsku. Po angielsku warto pisać do mniejszych modeli lokalnych i do generatorów obrazów, które gorzej znają polski.

Ile zarabia prompt engineer?

Osobnych stanowisk „prompt engineer” jest w Polsce niewiele, a umiejętność stała się częścią innych zawodów. Dane o zarobkach w pracy z AI zebrałem w tekście Ile się zarabia na pracy z AI i prompt engineeringu.

Źródła i data sprawdzenia

• OpenAI, Prompt engineering - dokumentacja API.
• Anthropic, Prompt engineering overview - dokumentacja Claude.
• Google, Prompt design strategies - dokumentacja Gemini API.
• Ceny modeli: OpenRouter, stan na 4 października 2026.

Test przeprowadziłem 4 października 2026. Prompty, odpowiedzi i punktacja pochodzą z 18 wywołań przez OpenRouter (anthropic/claude-sonnet-5.5 z reasoning effort „low”, google/gemma-4-31b-it bez rozumowania, limit 1800 tokenów), łączny koszt 0,076 USD.