Na szkoleniach uczą nas żeby prompt był kompletny – narzucamy role, kontekst, zadanie, format odpowiedzi. Jest to świetne podejście na start, ale niestety w praktyce często widzę, że skutek bywa odwrotny. Skupienie tak mocno idzie na framework i wypełnienie go, że zapominamy co chcemy osiągnąć.
Robię review promptów w pracy, często skracam je nawet o 70-80% i wyniki są znacząco lepsze.
Najczęściej wycinam trzy rzeczy.
Kontekst który niczemu nie służy.
“Masz 20 lat doświadczenia, pracujesz w firmie X, zajmujesz się Y…” Model nie potrzebuje Twojego CV, kontekst ma sens tylko gdy jest potrzebny do outputu. Analizując dokument, nie musisz wrzucać całej historii przedsięwzięcia, tylko proste i jasne instrukcje czego oczekujesz.
Powtarzanie tej samej instrukcji innymi słowami, wielokrotnie, ciągle… w kółko.
Myślimy że wzmacniamy przekaz, a często model to czyta jako sprzeczne sygnały albo jedno powtórzenie ignoruje. Wystarczy raz, jasno i konkretnie.
Rozwlekłe akapity zamiast konkretnych instrukcji.
“Dbaj o precyzję, unikaj ogólników, staraj się być konkretny…” – to często jedno zdanie rozciągnięte na pół strony A4. Kiedy instrukcja rozmywa się w tekście, model traci na niej fokus.
Sam robiłem te błędy na początku. Moi pierwsi Agenci to pliki .md po 300-500 linii, agent działał… ale po czasie wychodziły luki, błędy, albo był tak skrępowany ilością instrukcji że stawał się bezużyteczny i upierał się przy założeniu, które miało być “luźne”.
W tym wypadku mniej, to często po prostu precyzyjniej. A to działa.
A Wy – co najczęściej poprawiacie w promptach swoich lub innych? Macie jakieś swoje wypracowane metody/obserwacje, które działają?
#AIEngineering #PromptEngineering #LLM #AIAutomation #EnterpriseAI
