Prompt Engineering — dovednost, která z umělé inteligence dělá partnera pro přemýšlení

1. Úvod: proč se z promptování stala nová základní dovednost?

Ještě před pár lety znělo používání umělé inteligence mnohým jako interní záležitost technologických odborníků. Dnes je to běžný pracovní nástroj, který píše návrhy, analyzuje data, pomáhá promýšlet nápady, radí s kódem, shrnuje dokumenty a občas slouží i jako amatérský psycholog, osobní trenér nebo posila marketingového týmu.

Jedno se však ukázalo velmi rychle: z umělé inteligence málokdy vytěžíte maximum, pokud jí položíte jen neurčitou otázku.

Právě zde přichází ke slovu Prompt Engineering: schopnost formulovat pokyny pro umělou inteligenci tak, aby její odpovědi byly co nejpřesnější, nejužitečnější a odpovídaly dané situaci.

Dobré promptování není jen technický trik. Je to dovednost přemýšlet. Nutí uživatele vyjasnit si, co vlastně chce: komu je odpověď určena, v jaké podobě ji potřebuje, za jakých podmínek a k jakému rozhodnutí nebo úkonu má pomoci.

Proto se o prompt engineeringu mluví jako o základní dovednosti budoucnosti. Připomíná čtení a psaní v digitální době: mistrem být nemusí každý, ale základní logice se vyplatí rozumět všem.

OpenAI ve svých doporučeních zdůrazňuje, že dobré prompty jsou jasné, přesné a poskytují modelu dostatek kontextu. Doporučuje mimo jiné uvést nejdůležitější pokyny na začátku, oddělit instrukce od podkladových materiálů a určit požadovaný formát odpovědi.^[1]

2. Co Prompt Engineering vlastně znamená?

Jednoduše řečeno je Prompt Engineering promyšlené navrhování vstupu pro umělou inteligenci. Prompt může být:

• otázka
• zadání úkolu
• přidělení role
• podkladový materiál
• ukázka požadovaného stylu
• dokument určený k analýze
• obrázek, zvuk nebo soubor
• pokyn, co se nemá dělat

Google Cloud definuje prompt jako požadavek v přirozeném jazyce předaný modelu za účelem získání odpovědi. Prompt může obsahovat otázky, pokyny, kontext, příklady i částečné vstupy, které model doplní.^[2]

Prompt Engineering tedy neznamená pouze „napsat lepší otázku“. Jde spíše o formulování úkolu tak, aby mu umělá inteligence dokázala správně porozumět.

Pokud v běžné práci hodně záleží na dobrém briefu, u umělé inteligence je dobrý prompt jeho digitálním bratrancem. Říká, co se dělá, proč, pro koho a podle jakých kritérií kvality.

Špatný prompt zní:

„Vylepši to.“

Dobrý prompt zní:

„Vystupuj jako odborník na B2B marketing. Uprav následující příspěvek na LinkedIn tak, aby byl srozumitelnější a odbornější. Cílovou skupinou jsou finští ředitelé růstových firem. Zachovej autorův vlastní hlas, ale udělej úvod poutavější. Na závěr nabídni tři alternativní titulky.“

Rozdíl není kosmetický. Je zásadní.

3. Anatomie promptu: role, kontext, úkol a formát

Dobrý prompt se často skládá ze čtyř základních částí:

1. Role — kým má umělá inteligence být?
2. Kontext — v jaké situaci se úkol řeší?
3. Úkol — co má umělá inteligence vytvořit nebo vyřešit?
4. Formát — v jaké podobě má být odpověď?

Praktický příklad:

„Vystupuj jako marketingový odborník. Naše firma prodává odpovědně vyráběné pracovní oděvy firmám ve stavebnictví. Připrav tři příspěvky na LinkedIn, jejichž cílem je vyvolat diskusi o bezpečnosti práce a odpovědnosti. Piš stručně, vyhni se reklamnímu tónu a dej každému příspěvku vlastní úhel pohledu.“

V tomto promptu umělá inteligence dostává:

• roli: marketingový odborník
• kontext: odpovědně vyráběné pracovní oděvy pro stavebnictví
• úkol: tři příspěvky na LinkedIn
• cíl: podnítit diskusi
• stylové zadání: stručně a bez reklamního tónu
• požadavek na strukturu: každý příspěvek má mít vlastní úhel pohledu

To je zcela jiné východisko než pouhé „napiš příspěvky na sociální sítě“.

Podle pokynů Google Cloud k návrhu promptů ovlivňuje účinnost promptu obsah i struktura: model musí dostat informace podstatné pro úkol, ale pořadí informací, nadpisy a oddělovače mu pomáhají požadavek lépe pochopit.^[3]

4. Proč dobrý prompt funguje?

Model umělé inteligence „nerozumí“ světu stejně jako člověk. Předpovídá a tvoří odpovědi na základě trénovacích dat, vstupu uživatele a kontextu konverzace.

Prompt proto funguje jako mapa. Čím je mapa přesnější, tím pravděpodobněji dorazíte na správné místo.

Dobrý prompt pomáhá modelu čtyřmi způsoby:

1. Vymezuje úkol

Umělá inteligence nemusí hádat, zda chcete analýzu, seznam, e-mail, tabulku nebo návrhy nápadů.

2. Dává kontext

Bez kontextu model vytváří obecný text. Díky kontextu může odpovědět přímo na vaši situaci.

3. Určuje kritéria kvality

„Dobré“ může znamenat různé věci: stručné, důkladné, prodejní, neutrální, technické, srozumitelné laikům nebo kritické.

4. Omezuje chybný výklad

Čím méně musí model hádat, tím méně odpovědí se mine s tématem.

V tom spočívá podstata Prompt Engineeringu: umělá inteligence nenahrazuje přemýšlení, ale odměňuje jasné uvažování.

5. Práce s prompty jako nová gramotnost pro pracovní život

O práci s prompty se často mluví jako o technické dovednosti, ve skutečnosti je však také dovedností komunikační. Spojuje:

• psaní
• vymezení problému
• kritické myšlení
• poskytování kontextu
• poskytování zpětné vazby
• iteraci, tedy postupné zlepšování

V tomto smyslu připomíná prompt engineering dobré vedení lidí nebo dobré zadání. Když dáte člověku nejasný úkol, dostanete pravděpodobně nejasný výsledek. U umělé inteligence to platí stejně.

Ve startupovém světě je to obzvlášť zajímavé. V malých týmech je času málo a každý nástroj musí přidat na rychlosti. Dobré promptování může týmu pomoci testovat nápady, připravovat prodejní materiály, analyzovat zpětnou vazbu zákazníků a probírat strategické volby.

Mohou však také vytvářet iluzi efektivity. Když umělá inteligence rychle vyprodukuje mnoho textu, snadno vznikne pocit, že práce postupuje. Skutečná otázka ale zní: vede to k lepším rozhodnutím?

Připomíná to logiku řízení růstových firem. V diskusích pořadu Startup-ministeriö se často zdůrazňuje, že nástroj, proces ani provozní model nejsou cílem samy o sobě — podstatné je, zda přinášejí požadovaný výsledek. Například v epizodě o řízení scaleupů Anssi Rusi zdůrazňuje systém řízení jako celek, v němž lidé, procesy a nástroje slouží zamýšlenému výsledku.

Totéž platí pro Prompt Engineering. Prompt není dobrý proto, že působí působivě. Je dobrý tehdy, když pomáhá odvést lepší práci.

6. Základní recept na dobrý prompt

Dobrý prompt lze sestavit podle tohoto jednoduchého postupu:

1. Uveďte roli

„Vystupuj jako zkušený ředitel B2B prodeje…“

Role pomáhá modelu zvolit úhel pohledu, slovník a hlavní důrazy.

2. Poskytněte kontext

„Naše firma prodává SaaS řešení středně velkým průmyslovým podnikům ve Finsku.“

SaaS je software poskytovaný jako cloudová služba za pravidelný poplatek. Kontext pomáhá modelu pochopit, o jaký typ podnikání jde.

3. Vymezte úkol

„Připrav osnovu prodejního hovoru pro získávání nových zákazníků.“

Úkol musí být konkrétní.

4. Uveďte cíl

„Cílem je přimět zákazníka, aby si rezervoval třicetiminutovou ukázku.“

Cíl pomáhá modelu stanovit priority.

5. Určete formát odpovědi

„Odpověď uveď jako tabulku: fáze, cíl, ukázková věta, riziko, na které je třeba myslet.“

Určený formát šetří čas a činí odpověď použitelnější.

6. Přidejte omezení

„Vyhni se agresivnímu prodejnímu jazyku. Zachovej odborný tón, který buduje důvěru.“

Právě omezení často odlišují použitelnou odpověď od průměrné.

7. Praktické metody práce s prompty

7.1 Promptování s rolí

Zadání role znamená, že umělou inteligenci požádáte, aby vystupovala v určité odborné roli.

Příklad:

„Vystupuj jako zkušený personalista a posuď tento pracovní inzerát z pohledu uchazeče.“

Funguje to dobře, když chcete konkrétní profesní pohled. Promptování s rolí má ale i své riziko: role může vyvolat přehnanou sebejistotu. „Vystupuj jako právník“ z umělé inteligence právníka neudělá. Může pomoci utřídit otázky, ale právně významné věci je nutné ověřit u odborníka.

7.2 Promptování s kontextem

Zadání kontextu znamená, že modelu poskytnete dostatek podkladů.

Příklad:

„Jsme dvanáctičlenný finský startup, který prodává HR software malým a středním firmám. Máme 80 zákazníků, ale churn, tedy odchod zákazníků, se během posledního kvartálu zvýšil. Sestav seznam možných příčin a navrhni, jaká data bychom měli prověřit nejdřív.“

Tento prompt nežádá jen obecnou analýzu. Popisuje konkrétní situaci.

7.3 Uvádění příkladů

Umělá inteligence často pracuje lépe, když jí ukážete příklad požadovaného výsledku.

Příklad:

„Napiš tři titulky ve stejném stylu jako tento: ‚Proč nejlepší startupy nenabírají ve spěchu?‘“

Tomuto postupu se často říká few-shot prompting: model dostane několik příkladů a podle nich pokračuje ve stejném vzoru.

7.4 Iterace

První odpověď není konečný výsledek. Je to návrh. Zkušený uživatel pokračuje:

• „Zkrať to.“
• „Přidej kritičtější pohled.“
• „Přepiš to méně konzultantským jazykem.“
• „Nabídni tři alternativní struktury.“
• „Co zde chybí?“

Práce s umělou inteligencí často připomíná spíše redigování než jednorázovou objednávku.

7.5 Žádost o zhodnocení odpovědi

Účinným postupem je požádat umělou inteligenci, aby zhodnotila vlastní výstup.

Příklad:

„Zhodnoť předchozí odpověď kriticky. Které pasáže jsou příliš obecné? Co je třeba upřesnit, aby to bylo použitelné pro generálního ředitele?“

To pomáhá odhalit slabá místa.

7.6 Stanovení hranic

Chcete-li se něčemu vyhnout, řekněte to výslovně.

Příklad:

„Nepoužívej superlativy, nevymýšlej si statistiky a neuváděj zdroje, pokud nebyly poskytnuty.“

To je důležité zejména u odborného obsahu, kde lze důvěryhodnost rychle ztratit.

8. Příklady: špatný prompt, lepší prompt, vynikající prompt

Příklad 1: Marketing

Špatný prompt:

„Napiš příspěvek na sociální sítě o umělé inteligenci.“

Výsledek bude nejspíš obecný, zaměnitelný a nepříliš sdělný.

Lepší prompt:

„Napiš příspěvek na LinkedIn o tom, proč by se malé a střední podniky měly naučit používat umělou inteligenci v každodenní práci.“

To je již konkrétnější.

Vynikající prompt:

„Vystupuj jako odborník na finský B2B marketing. Napiš příspěvek na LinkedIn pro ředitele malých a středních firem o tom, proč přínos umělé inteligence nevzniká ze samotného nástroje, ale z dobrého promptování. Začni konkrétním příkladem z běžné praxe. Udrž tón odborný, ale přístupný. Délka 1 200 znaků. Zakonči otázkou, která vyvolá diskusi.“

Tento prompt určuje roli, cílovou skupinu, úhel pohledu, styl, délku i strukturu.

Příklad 2: Strategie

Špatný prompt:

„Jak máme firmu rozvíjet?“

Lepší prompt:

„Navrhni růstovou strategii pro SaaS firmu s 20 lidmi.“

Vynikající prompt:

„Vystupuj jako poradce specializovaný na růstové strategie scaleupů. Naše SaaS firma má 20 zaměstnanců a ARR neboli roční opakované výnosy ve výši 1,8 milionu eur. Zákazníky jsou finské malé a střední podniky. Růst zpomalil, ale udržení zákazníků je dobré. Navrhni tři alternativní cesty růstu na příštích 18 měsíců: 1) škálování prodeje ve Finsku, 2) expanze do Švédska, 3) rozšíření nabídky pro stávající zákazníky. U každé posuď přínosy, rizika, potřebné zdroje a kroky pro prvních 90 dní.“

Umělá inteligence zde nemusí hádat, v jaké situaci se firma nachází. Dostává proměnné podstatné pro analýzu.

Příklad 3: Tvorba obsahu

Špatný prompt:

„Napiš článek o Prompt Engineeringu.“

Lepší prompt:

„Napiš článek o Prompt Engineeringu pro finské odborníky.“

Vynikající prompt:

„Napiš článek o rozsahu 1 500 slov o prompt engineeringu pro finské odborníky a podnikatele. Vysvětli pojem srozumitelně, použij konkrétní příklady z praxe a upozorni i na rizika. Rozděl text mezititulky. Tón: moderní, jasný, odborný, ale ne akademický. Na konci shrň pět praktických poznatků.“

To už je zadání použitelné pro publikaci.

9. Prompt Engineering ve firmách a startupech

Ve firmách se hodnota Prompt Engineeringu projevuje na třech úrovních:

1. Produktivita jednotlivce
2. Společná kvalita týmu
3. Učení organizace

Úroveň jednotlivce

Jednotlivý zaměstnanec může umělou inteligenci využívat například k:

• přípravě návrhů e-mailů
• shrnování zpráv
• k tříbení prodejních argumentů
• k analýze zpětné vazby zákazníků
• k vymýšlení nápadů
• k úpravám textů
• vysvětlování vzorců v Excelu nebo programového kódu

To bývá první fáze. Lidé zkoušejí umělou inteligenci ve vlastní práci a nacházejí dílčí přínosy.

Úroveň týmu

Další fáze je zajímavější: tým začne sdílet osvědčené šablony promptů.

Prodejní tým může mít například společný prompt pro přípravu na schůzku se zákazníkem:

„Analyzuj tuto zákaznickou firmu na základě webových stránek a poznámek v CRM. Připrav na schůzku tři možná bolavá místa, pět otázek a návrh, jak rozhovor otevřít.“

Marketingový tým může mít prompt pro hodnocení nápadů na kampaně. Produktový tým zase prompt pro třídění zpětné vazby uživatelů.

Úroveň organizace

Ve třetí fázi se práce s prompty stane součástí procesů. Firma se už neptá pouze: „Jak zaměstnanci používají ChatGPT?“

Ptá se:

• Ve kterých pracovních krocích umělá inteligence skutečně zvyšuje kvalitu?
• Jaké informace lze modelu poskytnout?
• Jaké informace se mu poskytovat nesmějí?
• Jak se odpovědi ověřují?
• Kdo odpovídá za výsledek?
• Které prompty jsou společnými standardy?
• Jak se měří úspěch?

Jde o významnou změnu. Umělá inteligence už není jen osobním pomocníkem, ale stává se součástí uspořádání práce.

Ve startupovém světě z toho může být konkurenční výhoda. Malý tým zvládne víc, pokud umí umělou inteligenci používat chytře. Jako u vedení startupů obecně ale kopírování nestačí. V dílu podcastu Startup-ministeriö o Supercellu varuje Ilkka Paananen před slepým kopírováním modelů: co funguje v jedné firmě, nemusí fungovat v jiné.

Totéž platí pro prompty. „Dokonalý prompt“ jiné firmy může být ve vlastním kontextu špatný, pokud se liší cíl, zákazník, data i způsob práce.

10. Rizika: halucinace, falešná jistota a rozostření odpovědnosti

Největším nebezpečím Prompt Engineeringu je, že dobrý prompt může dodat přesvědčivý tón i špatné odpovědi.

Umělá inteligence může:

• vymýšlet si zdroje
• plést si fakta
• dávat příliš sebejistá doporučení
• zamlčet nejistotu
• vytvářet věrohodně znějící, avšak chybný text
• utvrzovat uživatele v jeho vlastních předpokladech

Tomu se často říká halucinace: model vytváří tvrzení, která znějí pravdivě, ale pravdivá nejsou.

V článku Eliny Lappalainen pro HS Vision vystupuje umělá inteligence jako zajímavý pomocník pro každodenní život, ale zároveň jako nespolehlivý rádce. Některé zahradní rostliny rozpozná správně, pro jeden plevel si však vymyslí neexistující název „karhunkynsi“ a později přizná, že jej jednoduše vytáhla „z klobouku“. Důležitým poznatkem článku je, že umělá inteligence může být užitečná a zábavná, uživatel však musí umět její odpovědi zpochybnit, zejména v otázkách zdraví, bezpečnosti a dalších závažných témat.

Pro Prompt Engineering je to zásadní poučení. Dobrý prompt neodstraňuje potřebu kriticky hodnotit zdroje.

Naopak ji může ještě zvýšit, protože lepší prompt často vytvoří lépe znějící odpověď. O to důležitější je, aby se uživatel ptal:

• Z čeho toto tvrzení vychází?
• Jsou zde uvedeny zdroje?
• Nemůže být tvrzení zastaralé?
• Je tato rada bezpečná?
• Nechybí některý úhel pohledu?
• Není odpověď přehnaně sebejistá?

Zvláštní opatrnost je na místě, pokud se téma týká:

• zdraví
• práva
• finančních rozhodnutí
• osobních údajů
• bezpečnosti
• spravedlnosti v náboru
• investování
• úředních záležitostí

Umělá inteligence může pomoci s přípravou, uspořádáním myšlenek a formulováním lepších otázek. Není však automaticky konečnou autoritou.

11. Od Prompt Engineeringu ke Context Engineeringu

Vedle Prompt Engineeringu se objevil nový pojem: Context Engineering.

Znamená to, že pozornost se přesouvá od jednotlivého promptu k širší otázce: jaké informace umělá inteligence dostane, v jakém pořadí, v jaké podobě a s jakým vymezením?

V pokynech Google Cloud k agentním systémům AI je context engineering popsán jako proces správy informací, v němž každý agent dostane kontext přesně podle svého úkolu. Kontext může obsahovat dokumentaci, preference uživatele, odkazy, historii konverzace a funkční omezení.^[4]

Jde o významnou změnu.

Jednotlivý prompt je jako dobrá otázka. Context engineering je jako uspořádání celého pracovního stolu: správné dokumenty, správné pokyny, správné hranice a správný cíl má model k dispozici ve správný okamžik.

Pro firmy to znamená například:

• napojení interních pokynů na nástroje umělé inteligence
• bezpečné využívání zákaznických dat
• vyhledávání dokumentů na podporu umělé inteligence
• automatizaci pracovních postupů
• hodnocení odpovědí modelu
• správu přístupových oprávnění
• zajištění informační bezpečnosti a kvality

V této fázi se Prompt Engineering mění z dovednosti jednotlivce na schopnost celé organizace.

12. Budoucnost: zmizí Prompt Engineering, nebo se stane neviditelným?

Nabízí se zajímavá otázka: bude Prompt Engineering potřeba i v budoucnu, až se modely umělé inteligence dále zlepší?

Odpověď zní: ano i ne.

Ano, protože člověk musí i nadále umět říct, co chce. Čím složitější úkol, tím důležitější je určit cíl, kontext a kritéria úspěchu.

Ne, protože promptování bude pravděpodobně méně technické. Modely lépe chápou neúplné pokyny, umějí se doptat a víc využívají doplňující informace.

OpenAI Academy popisuje promptování jako konverzaci, v níž jsou zásadní experimentování a iterace. Zdůrazňuje, že neexistuje jediný dokonalý způsob promptování; je lepší představit si umělou inteligenci jako kolegu, kterému dáte jasné zadání a kterého podle potřeby nasměrujete dál.^[5]

Dovedností budoucnosti tedy možná nebude „umím napsat složitý prompt“. Spíše půjde o to, že:

• umím vymezit problém
• umím poskytnout dostatečný kontext
• umím odpověď kriticky zhodnotit
• umím v konverzaci pokračovat
• umím využít umělou inteligenci jako rozšíření vlastní odbornosti

Prompt Engineering nezmizí. Splyne s kvalitním přemýšlením, komunikací a plánováním práce.

13. Závěr: co si z toho odnést?

Prompt engineering je mnohem víc než módní pojem. Je to dovednost, která pomáhá proměnit umělou inteligenci z nahodilého stroje na odpovědi v užitečného pracovního parťáka.

Hlavní poznatky jsou tyto:

1. Dobrý prompt začíná dobrým přemýšlením

Pokud sami nevíte, co chcete, umělá inteligence musí hádat.

2. Role, kontext a formát mají zásadní význam

„Napiš o tom“ je slabé zadání. „Napiš pro koho, proč, jakým tónem a v jaké podobě“ už je použitelný nástroj.

3. Umělou inteligenci je vhodné vést po krocích

První odpověď je návrh. Nejlepší výsledek často vzniká postupnými úpravami.

4. Prompt nenahrazuje odbornost

Čím závažnější je téma, tím více je zapotřebí ověřování, kritického hodnocení zdrojů a lidské odpovědnosti.

5. Ve firmách je vhodné práci s prompty standardizovat

Dobré prompty, společné postupy a jasná kritéria kvality mohou šetřit čas a zvyšovat kvalitu práce.

6. Budoucnost patří kontextu

Jednotlivý prompt je teprve začátek. Největší přínos vzniká tehdy, když umělá inteligence dostane správné informace ve správný čas, bezpečně a kontrolovaně.

Prompt engineering je nakonec jen malým okénkem do větší změny. V práci už nestačí umět používat digitální nástroje. Musíme s nimi umět mluvit, řídit je a hodnotit jejich výstupy.

Je to nová základní dovednost — ne proto, že by se z každého měl stát odborník na umělou inteligenci, ale proto, že u téměř každého se myšlení, psaní a rozhodování v práci budou tak či onak propojovat s umělou inteligencí.

14. Šablony promptů pro praktickou práci

14.1 Obecný odborný prompt

Vystupuj jako [role].
Kontext: [popiš situaci, cílovou skupinu a cíl].
Úkol: [popiš přesně, co chceš].
Podoba odpovědi: [seznam, tabulka, článek, plán, analýza].
Styl: [odborný, stručný, vřelý, kritický, prodejní].
Omezení: [čemu se vyhnout, co je třeba zohlednit].
Na závěr: [vyžádej si shrnutí, rizika, další kroky nebo alternativy].

14.2 Prompt pro tvorbu obsahu

Vystupuj jako zkušený obsahový stratég.
Napiš [typ obsahu] na téma [téma].
Cílovou skupinou je [cílová skupina].
Cílem je [cíl].
Začni zajímavým postřehem nebo příkladem.
Používej jasné mezititulky a krátké odstavce.
Tón je [tón].
Vyhni se [čemu se vyhnout].
Zakonči třemi praktickými poznatky.

14.3 Prompt pro strategickou analýzu

Vystupuj jako strategický poradce růstových firem.
Analyzuj následující situaci: [situace].
Velikost firmy: [velikost].
Trh: [trh].
Cíl: [cíl].
Připrav tři alternativní postupy.
U každé varianty posuď přínosy, rizika, potřebné zdroje, časový horizont a kroky pro prvních 30 dní.
Nakonec uveď, jaké informace je ještě třeba získat před rozhodnutím.

14.4 Prompt pro kritickou kontrolu

Zhodnoť následující text kriticky.
Najdi pasáže, které jsou příliš obecné, nejasné, náchylné k chybám nebo vyžadují zdroj.
Text zatím nepřepisuj.
Nejprve uveď seznam problémů a návrhů na zlepšení.
Na závěr navrhni, jak by se dala struktura textu posílit.

14.5 Prompt pro startupový tým

Vystupuj jako operativní sparingpartner startupu.
Nacházíme se v této situaci: [situace].
Naším cílem pro příštích 90 dní je [cíl].
Tým má k dispozici [zdroje].
Připrav praktický akční plán s týdenními prioritami, nejdůležitějšími ukazateli, riziky a rozhodnutími, která je třeba učinit okamžitě.
Udržuj plán realistický a vyhni se příliš obecným radám.

Podstata Prompt Engineeringu je nakonec jednoduchá: umělá inteligence odpovídá lépe, když se člověk lépe ptá.

V nejlepším případě ale nejde jen o lepší odpovědi. Jde o lepší otázky. A právě proto může být promptování jednou z nejdůležitějších pracovních dovedností tohoto desetiletí.

Zdroje

1. Best practices for prompt engineering with the OpenAI API — OpenAI Help Center
2. Introduction to prompting — Generative AI on Vertex AI, Google Cloud Documentation
3. Overview of prompting strategies — Generative AI on Vertex AI, Google Cloud Documentation
4. Choose a design pattern for your agentic AI system — Google Cloud Documentation
5. Prompting — OpenAI Academy