Jak psát prompty: framework, který skutečně funguje

Proč prompty selhávají

Prompt engineering se pro začátečníka scvrkává na jednu dovednost: dát AI modelu úkol, podklady, hranice a podobu výstupu, kterou potřebuje k tomu, aby vytvořil něco užitečného. Většina špatných promptů selhává proto, že žádají o pomoc, aniž by definovaly, co znamená „dobré“. Model pak zaplní mezery pravděpodobnými vzory, a ty znějí uhlazeně, přestože míjí váš skutečný cíl.

Téměř každá zklamávající odpověď se dá vystopovat k jedné ze čtyř věcí:

1. Úkol je nejasný. „Vylepši to“ může znamenat kratší, vřelejší, přesvědčivější, přesnější, méně technické nebo lépe čitelné. Model si vybere jednu variantu a vy dostanete tu špatnou.
2. Chybí kontext. Bez publika, zdrojového materiálu, rozhodovacích kritérií nebo cíle model optimalizuje pro obecnou kvalitu, což je kvalita nikoho.
3. Omezení jsou slabá. Žádná délka, žádný tón, žádné zdroje, žádná pravidla soukromí, žádný seznam věcí, kterým se vyhnout, takže odpověď sklouzává k průměru všeho, co model kdy viděl.
4. Chybí kontrolní smyčka. První odpověď je pracovní verze. Považovat ji za hotový produkt je vůbec nejčastější chyba.

Silný postup pro začátečníky bere promptování jako krátké zadání plus kontrolu kvality. Definujete úkol, doplníte kontext, stanovíte omezení, vyžádáte si formát a poté necháte model odhalit domněnky nebo nejistotu. Jedno upřímné upozornění před samotným frameworkem: dvouřádková otázka si zaslouží dvouřádkový prompt. Kompletní zadání níže je určeno pro výstup, který budete znovu používat, sdílet nebo podle kterého vás budou hodnotit, a používat ho na úplně všechno je způsob, jak promptování začne připomínat papírování.

Framework: instrukce, kontext, omezení a formát

Tento framework použijte téměř na každý vážnější prompt: Instrukce, Kontext, Omezení, Formát. Funguje u každého velkého modelu a každá část mění výstup viditelným způsobem.

Část	Na co odpovídá	Slabá verze	Silná verze
Instrukce	Co má udělat?	„Pomoz s průzkumem trhu“	„Vytvoř srovnávací tabulku konkurence pro pět produktů v této kategorii“
Kontext	Co potřebuje vědět?	Nic zadáno	Publikum, cíl, zdrojový text, rozhodovací kritéria, příklady
Omezení	Jaká jsou pravidla?	Žádná	Do 400 slov, žádný žargon, označ vše nejisté, nevymýšlej čísla
Formát	V jaké podobě se má vrátit?	Neurčeno	Tabulka se sloupci tvrzení, důkaz a jistota

Instrukce je akce. Začněte slovesem a výstupem: shrň, porovnej, přepiš, vytáhni, zkritizuj, zařaď, osnov, odlaď nebo naplánuj. Místo „Pomoz s průzkumem trhu“ napište „Vytvoř srovnávací tabulku konkurence pro pět produktů v této kategorii“. Čím jasnější instrukce, tím snazší je posoudit výstup.

Kontext je materiál, který model potřebuje, aby nemusel hádat. Zahrňte publikum, cíl, pozadí, zdrojový text, příklady, rozhodovací kritéria a definice. U dlouhých vstupů záleží na struktuře: tipy Anthropicu pro dlouhý kontext (odkaz níže) říkají, že dlouhé dokumenty patří na začátek promptu, každý je třeba označit a instrukce umístit až za materiál, ne před něj.

Omezení jsou pravidla. Přidejte délku, tón, rozsah, vyloučená tvrzení, požadované důkazy, hranice soukromí, čtenářskou úroveň a to, co dělat, když informace chybí. Omezení se hodí obzvlášť tehdy, když potřebujete prompty, které zlepšují přesnost: řekněte modelu, ať označí neznámé místo toho, aby vymýšlel detaily, ať odděluje fakta od domněnek a kde možno cituje konkrétní část zdroje.

Formát je nádoba pro výstup. Požádejte o tabulku, kontrolní seznam, memo, osnovu, pole ve stylu JSON, e-mail nebo bodovací rubriku. OpenAI i Gemini mají kvůli přesně tomuto účelu vlastní režimy strukturovaného výstupu: jasně daná podoba je to, co dělá odpověď snadno čitelnou, srovnatelnou a znovupoužitelnou, a i pouhé slovní zadání formátu v chatovém okně přinese většinu tohoto přínosu.

Šablona promptu ke zkopírování: „Instrukce: [konkrétní akce a výstup]. Kontext: [publikum, cíl, zdrojový materiál, příklady, definice, rozhodovací kritéria]. Omezení: [délka, tón, co musí obsahovat, čemu se vyhnout, pravidla pro důkazy, pravidla soukromí, pravidla pro nejistotu]. Formát: [tabulka/kontrolní seznam/memo/e-mail/osnova/pole ve stylu JSON]. Před dokončením vypiš domněnky, chybějící informace a jednu doplňující otázku, která by výsledek zlepšila.“

Pět šablon pokryje většinu pracovních úkolů

Nejlepší prompty pro práci jsou opakovatelné vzory, ne jednorázové kouzelné věty. Použijte příklady níže jako výchozí bod a uložte si ty, které trvale přinášejí užitečný výstup.

Prompt pro psaní: „Instrukce: Přepiš tento návrh tak, aby byl jasnější a konkrétnější. Kontext: Publikum je [publikum], cíl je [cíl] a návrh je [vlož návrh]. Omezení: Zachovej všechna fakta beze změny, vyhni se přehánění, používej srozumitelný jazyk a udělej další krok zřejmý. Formát: Vrať upravený návrh a poté tabulku s původním problémem, provedenou úpravou a důvodem.“ Funguje to proto, že modelu dává úkol, čtenáře, standard a přehlednou stopu úprav.

Prompt pro research: „Instrukce: Přeměň tyto zdroje na researchové shrnutí. Kontext: Vyhodnocuji [otázka] pro [rozhodnutí]. Zdroje: [vlož úryvky ze zdrojů nebo odkazy/poznámky]. Omezení: Použij pouze dodaný materiál, odděl důkazy od domněnek, označ slabé důkazy a nevymýšlej statistiky. Formát: Vrať klíčová zjištění, tabulku důkazů, otevřené otázky a doporučené další zdroje.“ Porovnejte to s „Prozkoumej toto téma“, což model přímo vybízí, aby si vymyslel vše, co zadání nespecifikovalo.

Prompt pro plánování: „Instrukce: Vytvoř dvoutýdenní plán realizace. Kontext: Cíl je [cíl], tým je [tým], termín je [datum], omezení jsou [omezení]. Omezení: Upřednostni vratné kroky, včas identifikuj překážky a udrž každý úkol srozumitelný pro vlastníka. Formát: Tabulka se dnem, úkolem, vlastníkem, výstupem, rizikem a kontrolou úspěchu.“ Podle takové tabulky může fungovat celý tým.

Prompt pro analýzu: „Instrukce: Porovnej tyto možnosti a jednu doporuč. Kontext: Možnosti jsou [možnosti]. Rozhodovací kritéria jsou [kritéria]. Omezení: Uveď kompromisy, nejsilnější protiargument a co by doporučení změnilo. Formát: Bodovací tabulka plus krátké rozhodovací memo.“ Řádek s protiargumentem je klíčový: bez něj každá bodovací tabulka doporučí to, co jste stejně už preferovali.

Prompt pro kontrolu: „Instrukce: Zkritizuj tento výstup, než ho použiju. Kontext: Zamýšlené použití je [případ užití]. Výstup ke kontrole: [vlož]. Omezení: Zkontroluj přesnost, nepodložená tvrzení, chybějící kontext, tón, riziko a místa vyžadující lidskou kontrolu. Formát: Nejprve vrať kritické problémy, pak navrhované úpravy a nakonec finální hodnocení jistoty.“ Použijte to na cokoliv, co míří ke klientovi.

Iterační smyčka řeší jednu věc na jeden krok

Dobrý prompt engineering je iterativní. Počítejte s tím, že první odpověď odhalí, co prompt opomněl. Místo aby jste začínali od nuly, použijte smyčku: vyhodnoť, diagnostikuj, uprav, porovnej, ulož. Pokud se prompt rozrostl na celou stránku pravidel, která model stále zapomíná, přečtěte si co je fine-tuning v AI, než přidáte další.

Vyhodnoťte odpověď podle pěti otázek. Splnila přesný úkol? Použila dodaný kontext? Dodržela omezení? Je formát snadno použitelný? Jsou tvrzení, domněnky a nejistoty viditelné? Pokud odpověď selže, nejprve diagnostikujte prompt, než obviníte model. Vágní výstup často znamená vágní úkol. Obecný výstup často znamená slabý kontext. Rizikový výstup často znamená chybějící omezení.

Poté upravujte vždy jednou přesnou instrukcí. Řekněte „udělej doporučení víc podložené důkazy a označ neznámé“ místo „zkus to znovu“. Řekněte „převeď to na tabulku se sloupci tvrzení, důkaz, jistota a další kontrola“ místo „buď strukturovanější“.

Když na výstupu záleží, spusťte upravený prompt na dvou modelech a porovnejte je podle čtyř věcí: přesnost, úplnost, kontrolu tónu a to, kolik úprav ještě každý potřebuje. Druhý běh je levný. Podle indexu nákladů modelů Whizi (ceníkové ceny zjištěny 2026-08-20) stojí standardní odpověď o 1 000 vstupních a 500 výstupních tokenech $0.007 na Claude Sonnet 5 a $0.02 na GPT-5.5, takže druhý názor u důležité práce stojí drobné, zatímco špatná odpověď ne.

Použijte tento kontrolní seznam pro iteraci: 1. Pojmenujte selhání v jedné větě. 2. Doplňte chybějící kontext nebo omezení. 3. Zpřesněte formát výstupu. 4. Vyžádejte si domněnky a nejistotu. 5. U důležitého úkolu spusťte druhý model. 6. Vylepšený prompt uložte, až funguje na reálném úkolu, ne na ukázkovém příkladu.

Vybudujte si vlastní knihovnu promptů

Znovupoužitelná knihovna promptů je bod, kdy se promptování pro začátečníky stává denní rutinou. Místo náhodných promptů v historii chatu organizujte šablony podle úkolu: psaní, research, plánování, programování, analýza zákazníků, kontrola dokumentů a podpora rozhodování. Každá šablona by měla obsahovat stejná čtyři pole: instrukce, kontext, omezení a formát.

Ke každému uloženému promptu přidejte krátkou poznámku k použití: kdy ho použít, jaké vstupy potřebuje, který model fungoval nejlépe a jak ověřit výstup. Například research prompt může vyžadovat úryvky zdrojů a tabulku tvrzení a důkazů. Prompt pro psaní může vyžadovat publikum, ukázku hlasu a fakta, která se musí zachovat. Prompt pro kontrolu kódu může vyžadovat diff, očekávané chování a kontext testů.

Whizi se do tohoto workflow hodí, protože stejnou šablonu můžete spustit napříč GPT-5.5, Claude Sonnet 5, Gemini a DeepSeek V3.2 v jednom pracovním prostoru, místo abyste se navždy zavázali k jednomu modelu, a rutinní běhy směrovat na levný model: DeepSeek V3.2 odpovídá za zhruba $0.0005 při ceníkových sazbách, tedy zhruba 40krát méně než GPT-5.5. Začněte tento týden se třemi šablonami: přepis textu, researchové shrnutí a rozhodovací tabulku. Spusťte každou na reálném úkolu, porovnejte výstupy, upravte a ponechte si verzi, která přináší nejužitečnější výsledek s nejmenší úpravou.

Pro širší úvodní průvodce si přečtěte Jak používat AI. Chcete-li své nejlepší prompty proměnit ve stálé rutiny, průvodce šablony pracovních postupů AI vám dá sedm hotových. Pro práci náročnou na research vyzkoušejte Founder Research Stack. Až budete připraveni proměnit promptování v opakovatelný pracovní prostor, založte si účet na register.