Ten wpis jest kraftową robotą. AI zostało użyte tylko do poprawy polszczyzny, bo nie jest to moja najmocniejsza strona 🙂
Na początku 2025 roku nie podejrzewałbym, że tak mocno wciągnę się w AI. A to wszystko przez dwie osoby, które pokazały mi, jak wartościowe potrafią być modele LLM. No dobra, ale po kolei.
Na samym początku korzystałem z AI w bardzo prosty sposób. Zadawałem krótkie pytania i oczekiwałem, że przecież AI samo domyśli się, o co mi chodzi. Głupie? Pewnie trochę tak. Ale kto tak nie robił albo nadal nie robi?
Pierwszy przełom przyszedł, gdy dostałem prompt, którego celem było wygenerowanie analizy fundamentalnej spółki. Dzięki temu zrozumiałem, że muszę dokładnie, krok po kroku, opisywać, co AI ma zrobić.
Drugim przełomem był moment, gdy kolega napisał mi: „Spróbuj wygenerować testy jednostkowe”. Wtedy zrozumiałem, że AI naprawdę coś potrafi. Dzisiaj LLM pisze mi średnio 80% kodu, ale o tym będzie więcej w następnych wpisach.
Z czasem będę opowiadać więcej takich historii, bo trochę się ich już zebrało 🙂
Opowiedziałem Ci początek mojego przełomu w kontekście LLM, ale do czego wykorzystuję AI teraz? W zasadzie do wszystkiego. Od przeglądania gazetki Biedronki po generowanie kodu. W najbliższej serii wpisów przybliżę Ci moje podejście do pracy z AI.
Zacznijmy od podstaw, czyli od tego, jak buduję prompty.
Jak buduję prompt
Jako że trwa mała wojenka pomiędzy modelami, od razu napiszę: ja pracuję głównie w ChatGPT. Testowałem różne modele, ale według mnie ChatGPT wychodzi najbardziej opłacalnie i działa najlepiej pod moje potrzeby.
Najważniejszym elementem prompta jest jego struktura. U mnie najlepiej sprawdza się następujący układ:
Rola
Czyli określenie, kim ma być nasz LLM. Tutaj ważna uwaga: z rolą można przesadzić. Zbyt mocno ustawiona rola może sprawić, że model będzie odpowiadał ze zbyt dużą pewnością siebie. A to bywa zdradliwe.
Cel
Czyli informacja, co chcemy osiągnąć. To jest podstawowy element prompta. Bez dobrze określonego celu model będzie strzelał. Czasem trafi, czasem nie. Czyli klasyczne „u mnie działa”, tylko w wersji AI.
Plan działania
To część opcjonalna. Ostatnio widziałem na X, że Claude zaleca dodawanie planu działania, natomiast ChatGPT jest temu mniej przychylny, bo uważa, że to model powinien sterować planem. Nie znalazłem oficjalnych rekomendacji więc potraktuj to jako ciekawostkę.
Dla mnie ta część to przełożenie moich myśli, toku rozumowania czy planu pracy na tekst.
Zasady
Tutaj wpisuję wszystkie ograniczenia, nakazy i dodatkowe wymagania. To mogą być informacje o długości odpowiedzi, stylu, źródłach, języku, formacie albo rzeczach, których model ma unikać.
Few-shoty / one-shoty
Czyli przykłady tego, co jest dobre, a co jest złe. Również jest to część opcjonalna, bo nie zawsze jesteśmy w stanie przekazać dobre przykłady. Czasem po prostu ich nie mamy.
Structure output
Czyli oczekiwany format odpowiedzi. Według mnie to najważniejszy punkt prompta, bo pokazuje LLM, czego dokładnie oczekujemy. Możemy przekazać tylko cel i structure output, a LLM najczęściej sam dobierze dane, strony, proces działania itd. W zasadzie działa to podobnie jak z zadaniami w IT. Jeśli masz cel biznesowy i kryteria akceptacji, jesteś już w stanie dobrze zbudować zadanie.
Przejdźmy do praktyki
Jako że preferuję praktyczne przykłady, zbudujmy dwa prompty.
Przejrzenie nowości na konkretnych blogach
Na start zdefiniujmy potrzebę.
Chciałbym, aby ChatGPT analizował blogi Anthropic, OpenAI, JetBrains oraz Copilot i pokazywał mi streszczone nowości.
Prompt:
Rola: Senior AI Engineer ze specjalizacją w LLM. Cel biznesowy: Bycie na bieżąco z newsami AI. Źródła: - https://www.anthropic.com/news - https://blog.jetbrains.com/ai/category/news/ - https://openai.com/pl-PL/news/ Zasady: - Analizujesz ostatnie 64h od aktualnej daty. - Podsumowanie ma mieć maksymalnie 300 słów. - Każdy news opisujesz w maksymalnie 600 słowach. - Użyj emotikony. Structure output: Podsumowanie: Ogólne podsumowanie wszystkich newsów. Podsumowanie per news: - Tytuł - Priorytet - Link - Podsumowanie
Proste, prawda?
Generowanie obrazków
Tutaj sprawa wygląda trochę trudniej.
Zawsze zaczynam od znalezienia efektu najbardziej zbliżonego do tego, co chcę osiągnąć. Gdy już wypracuję efekt docelowy, zapisuję go sobie i wykorzystuję ponownie, gdy chcę uzyskać podobny rezultat, ale np. dla innej spółki, opisu albo tematu.
Sam prompt jest wtedy bardzo prosty:
Wygeneruj mi grafikę na wzór tej przekazanej dla spółki Microsoft dla wyników opublikowanych za Q1 2026.I tyle. Najtrudniejsze nie jest samo napisanie prompta, tylko dojście do efektu, który faktycznie chcę powtarzać.
Na koniec
Z czasem będę pokazywać coraz więcej promptów. Docelowo, jeśli prompt będzie ciekawy, dostanie osobny wpis.
W dzisiejszym wpisie opisałem Ci, jak podchodzę do budowy promptów oraz jak wyglądał początek mojej pracy z LLM.
Na koniec pozdrowienia dla Michała i Mateusza którzy zmienili moje podejście do AI 🙂
Do zobaczenia w następnym wpisie 🙂