Pracujesz z AI od miesięcy i ciągle czujesz, że model „nie rozumie, o co chodzi”? Albo odwrotnie: kolega dostaje rewelacyjne wyniki z tego samego narzędzia. Różnica prawie zawsze leży w prompcie, nie w modelu. Prompt to jedyna zmienna, którą w pełni kontrolujesz.
Ten artykuł daje Ci konkretny system, nie listę ogólnikowych porad.
Co to jest prompt — i co to NIE jest
Prompt to każda forma tekstu przekazana modelowi AI jako dane wejściowe: pytanie, polecenie, opis zadania, kod do przejrzenia, lista wymagań. To tyle. Nie ma tu magii.
Prompt NIE jest słowem kluczowym ani zaklęciem. Fora internetowe pełne są list „magicznych promptów do ChatGPT” — to ściema. Dobry prompt to ustrukturyzowana instrukcja napisana pod konkretne zadanie i konkretny model.
Inżynieria promptów (ang. prompt engineering) to systematyczne projektowanie tych instrukcji: testowanie wariantów, mierzenie jakości wyników, iterowanie. Skill, który można opanować — nie talent wrodzony.
System prompt vs prompt użytkownika — różnica, którą większość ignoruje
Pracując z API modeli (OpenAI, Anthropic, Google) zobaczysz dwa typy wejść:
System prompt — instrukcja „meta”, ustawiona raz przed rozmową. Definiuje rolę modelu, zakres zachowań, format odpowiedzi, ograniczenia. To tu piszesz „Jesteś ekspertem SEO, odpowiadasz tylko po polsku, nigdy nie wymyślasz faktów”. System prompt użytkownik standardowo nie widzi.
User prompt — wiadomość w każdej turze rozmowy. To pytanie, zadanie, konteKst sesji.
W ChatGPT i Claude.ai masz dostęp tylko do user promptu. W API masz oba. Jeśli cokolwiek budujesz — aplikację, agenta, workflow — solidny system prompt to fundament, reszta to zmienny user prompt.
Anatomia skutecznego promptu — 6 elementów
Nie każdy prompt potrzebuje wszystkich sześciu. Ale wiedząc co brakuje, szybciej diagnozujesz dlaczego model „nie trafia”.
Rola
Kim jest model w tym zadaniu. „Jesteś doświadczonym copywriterem B2B.” Model przestawia priors na język i perspektywę tej roli.
Kontekst
Co model musi wiedzieć o sytuacji. Branża, odbiorca, ograniczenia, dane wejściowe. Im więcej kontekstu, tym mniej halucynacji.
Zadanie
Co konkretnie ma zrobić. Jeden wyraźny czasownik: „napisz”, „porównaj”, „wygeneruj”, „przeanalizuj”. Nie: „opisz i oceń i zaproponuj”.
Format
Jak ma wyglądać wyjście. Lista punktowana, tabela markdown, JSON, akapit 3 zdań, kod Python. Bez tego model wybierze domyślnie — często źle.
Przykłady
Jeden lub dwa wzorcowe wyniki. Technika few-shot — najtańszy sposób na dramatyczny skok jakości wyjścia.
Ograniczenia
Czego model ma NIE robić. „Nie używaj żargonu”, „nie przekraczaj 200 słów”, „nie wymyślaj przykładów”. Negatywne instrukcje działają.
Zobaczmy te 6 elementów w praktyce. To samo zadanie — słaby prompt i mocny:
Napisz opis produktu dla słuchawek bezprzewodowych.
Jesteś copywriterem e-commerce z 10 latami doświadczenia w elektronice użytkowej. [R]
Piszesz dla sklepu MediaExpert, klient to osoba 28–45 lat aktywna fizycznie. [K]
Napisz opis produktu dla słuchawek Sony WH-1000XM5. [Z]
Format: 3 akapity, łącznie 120–150 słów. Zacznij od benefitu, nie od nazwy. [F]
Nie używaj słów „innowacyjny”, „najwyższa jakość”, „doskonały”. [O]
Trzy techniki, które warto znać
Zero-shot — model działa bez przykładów
Wysyłasz instrukcję, model wykonuje. Bez wzorców. Działa świetnie gdy zadanie jest powszechnie znane i jednoznaczne. „Przetłumacz ten akapit na angielski” — zero-shot wystarczy.
Few-shot — dwa przykłady zamiast długiego tłumaczenia
Zamiast opisywać format odpowiedzi słowami, pokazujesz go. Dajesz 2–3 pary (wejście → wyjście), model domyśla się wzorca i aplikuje do Twojego przypadku. Szczególnie mocne przy klasyfikacjach, ekstrakcji danych, formatowaniu wyników.
Przekształć opis techniczny na język korzyści klienta.
Wejście: „Bateria 5000 mAh z szybkim ładowaniem 65W”
Wyjście: „Naładujesz do pełna w 45 minut. Zapomni o kablu na cały dzień.”
Wejście: „Wyświetlacz AMOLED 120 Hz, 2400×1080 px”
Wyjście: „Przewijasz płynnie, filmy wyglądają jak w kinie. Kolory nie blakną nawet na słońcu.”
Wejście: „Chip Snapdragon 8 Gen 3, 12 GB RAM”
Wyjście: ← tu model dokończy we właściwym tonie
Chain-of-Thought — „pomyśl krok po kroku”
Dodajesz na końcu promptu: „Pomyśl krok po kroku przed odpowiedzią” lub „Najpierw przedstaw rozumowanie, potem wnioski”. Badania Google i Anthropic z 2022–2024 pokazują, że ta technika zmniejsza błędy logiczne i arytmetyczne o 30–60% na złożonych zadaniach. Koszt: kilka dodatkowych tokenów. Opłaca się zawsze gdy zadanie ma wiele kroków.
Prompty po polsku czy po angielsku?
Pytanie, które pojawia się na każdym szkoleniu. Odpowiedź jest mniej oczywista niż myślisz.
Angielski daje ogólnie lepsze wyniki techniczne — modele były trenowane na znacznie większym korpusie angielskim. Jeśli rozwiązujesz problem analityczny, piszesz kod albo opisujesz złożoną logikę — pisz po angielsku, potem poproś o tłumaczenie na polski.
Polski jest lepszy gdy ważny jest ton i styl. Gdy chcesz copy po polsku, opisy produktów po polsku, artykuły po polsku — prompt w polskim daje naturalniejszy rejestr. Model pisząc po polsku „myśląc po angielsku” często produkuje zdania z angielską składnią.
Praktyczna zasada: instrukcje techniczne po angielsku, oczekiwane wyjście po polsku. Czyli: „Write a product description in Polish for…” daje często lepszy wynik niż „Napisz opis produktu po polsku dla…”
Prompty SEO — konkretne przykłady które działają
Kilka gotowych szablonów dla piszących o SEO i marketingu:
You are a senior SEO analyst.
Analyze the search intent for the Polish keyword: „[FRAZA]”
Output:
– Primary intent: [informational/navigational/commercial/transactional]
– Secondary intents (if any)
– What the searcher likely wants to DO after reading
– What content format would rank best (article/product page/listicle/tool)
– 3 related questions this person also wants answered
# Meta title + description po polsku
You are an SEO copywriter specializing in Polish e-commerce.
Page: [OPIS STRONY], main keyword: [FRAZA]
Write:
– 3 meta title variants (max 65 chars each, keyword near start)
– 1 meta description (max 155 chars, include CTA, no caps lock)
All in Polish. No em-dashes. No „sprawdź” as first word.
Prompt engineering jako zawód — jak to wygląda w Polsce
Czy to prawdziwa praca? W połowie 2026 roku — tak, ale z zastrzeżeniem. Dedykowanych stanowisk „prompt engineer” jest w Polsce kilkadziesiąt miesięcznie (głównie w firmach AI, startupach i agencjach content-AI). Zarobki: 12–22 000 zł brutto. Częściej jednak prompt engineering to dodatkowy skill w istniejących rolach: copywriter który umie AI, analityk który pisze pipeline LLM, developer który konfiguruje agentów.
Warto się nauczyć nie po to, żeby zmienić zawód, ale po to, żeby w obecnym zawodzie robić 3 razy więcej w tym samym czasie.
Najczęściej zadawane pytania o prompty
Co to jest prompt w ChatGPT i AI?
Prompt to każdy tekst, który wpisujesz do modelu AI — pytanie, polecenie, instrukcja, dane do analizy. Od jego jakości zależy jakość odpowiedzi. ChatGPT, Claude, Gemini i inne modele nie „rozumieją” intencji — generują najlepszą statystycznie odpowiedź na to co dosłownie napisałeś.
Zły prompt daje przeciętny wynik. Dobry — rezultat godny specjalisty. Różnica tkwi w strukturze: rola modelu, kontekst zadania, oczekiwany format wyjścia i ograniczenia co pominąć.
Czym różni się zero-shot od few-shot prompting?
Zero-shot to prompt bez przykładów — opisujesz zadanie słowami i model wykonuje. Sprawdza się gdy zadanie jest typowe i jednoznaczne: tłumaczenie, podsumowanie, klasyfikacja dobrze opisana.
Few-shot to dodanie 2–5 przykładowych par (wejście → oczekiwane wyjście). Model „uczy się” wzorca z przykładów zamiast z opisu. Daje znacznie lepsze wyniki przy niestandardowym formacie, specyficznym tonie albo gdy opisanie reguły słowami byłoby trudniejsze niż pokazanie przykładu.
Jak napisać dobry prompt krok po kroku?
Zastosuj schemat RKZFPO: Rola (kim jest model), Kontekst (co musi wiedzieć o sytuacji), Zadanie (jeden konkretny czasownik), Format (jak ma wyglądać odpowiedź), Przykłady (opcjonalne, ale bardzo pomocne), Ograniczenia (czego nie robić). Nie musisz używać wszystkich sześciu — ale każdy brakujący element to potencjalne źródło złego wyniku.
Zacznij od najprostszej wersji, sprawdź wynik, dodaj brakujące elementy. Iteracja bije perfekcjonizm — lepiej wysłać dobry prompt teraz niż idealny za godzinę.
Czy lepiej pisać prompty po polsku czy po angielsku?
Zależy od celu. Instrukcje techniczne, logika i analizy — angielski daje lepsze wyniki, bo modele były trenowane na dużo większym korpusie angielskim. Wyjście w polskim zamów oddzielnie: „Write a product description in Polish for…”
Gdy zależy Ci na naturalnym tonie po polsku (copy, artykuły, posty) — pisz cały prompt po polsku. Model pisząc po polsku „myśląc po angielsku” czasem produkuje zdania z angielską składnią lub nienaturalnym rytmem.
Co to jest Chain-of-Thought prompting?
Technika polegająca na dopisaniu do promptu: „Pomyśl krok po kroku” lub „Najpierw przedstaw rozumowanie, potem odpowiedź”. Wymusza na modelu jawny łańcuch rozumowania przed podaniem wniosku. Badania pokazują, że redukuje błędy logiczne i arytmetyczne o 30–60% na złożonych zadaniach.
Nie stosuj przy prostych, jednoznacznych pytaniach — CoT spowalnia bez korzyści. Idealny do wieloetapowych analiz, porównań, zadań matematycznych i decyzji wymagających ważenia argumentów.
Ile zarabia prompt engineer w Polsce?
Dedykowane stanowiska „prompt engineer” w Polsce płacą 12–22 000 zł brutto miesięcznie (połowa 2026 roku). Ofert jest kilkadziesiąt miesięcznie — głównie w firmach AI, startupach i agencjach content-AI. Częściej jednak to skill, nie stanowisko: copywriter, analityk albo developer, który potrafi budować pipeline LLM, zarabia 20–30% więcej niż bez tej umiejętności.
