Prompt engineering.
Disciplína navrhovania promptov, ktoré z LLM dostanú stabilne presné a užitočné výstupy.
Prompt engineering kombinuje pochopenie modelu, znalosť domény a iteratívne testovanie. Bežné techniky: chain-of-thought (model uvažuje krok po kroku pred odpoveďou), few-shot (príklady správnych odpovedí v prompte), structured output (vynútenie JSON schémy), prompt chaining (rozdelenie úlohy na menšie kroky), self-consistency (viaceré odpovede + voting). Pri firemných nasadeniach je prompt engineering 30–50 % implementačného času — kvalitne navrhnutý prompt vie zdvihnúť úspešnosť agenta z 60 % na 95 % bez akejkoľvek zmeny modelu, čo je často rozdiel medzi prototypom a produkčne nasaditeľným riešením.
Chain-of-thought pri validácii faktúr
Namiesto 'Skontroluj faktúru a povedz či je v poriadku' použiješ 'Najprv vypíš všetky položky faktúry. Druhý krok: zisti DPH sadzbu pre každú. Tretí krok: porovnaj súčet s uvedenou cenou. Štvrtý krok: vyhodnoť.' Úspešnosť detekcie chýb stúpne z ~70 % na ~94 %.
Few-shot pre klasifikáciu emailov
Do promptu pridáš 5–10 reálnych ukážok email → kategória. Pre zákaznícku podporu to typicky znamená pokles chýb klasifikácie zo 22 % na 4 %. Príklady musia pokrývať aj edge cases (sťažnosti maskované za otázky, dva problémy v jednom emaile).
Structured output pre extrakciu dát
Pri vyťahovaní dát z PDF objednávky zadefinuješ presnú JSON schému (čísla, dátumy, enum hodnoty) a model je nútený výstup do nej napasovať. Eliminuje to potrebu post-processing parsingu a 90 % halucinácií typu 'množstvo: viacero kusov'.
- 01
Keď je úloha jednoduchá a opakovaná — stačí jednoduchý prompt + fine-tuning lacnejšieho modelu vyjde zhruba rovnako presný, ale 10× lacnejší.
- 02
Keď riešite deterministický výpočet (matematika, dátumové operácie, transformácie tabuliek) — radšej kód, prompt engineering tu len maskuje že LLM nie je správny nástroj.
- 03
Keď nemáte spôsob ako merať úspešnosť. Bez evaluačnej sady (50+ označených príkladov) prompt engineering degeneruje na 'mení to a dúfa'.
- ✕
Pridávanie inštrukcií donekonečna namiesto reštrukturalizácie. Prompt nad 4 000 tokenov začína model zahlcovať a zhoršuje kvalitu.
- ✕
Ignorovanie systémového promptu vs. user promptu. Systémové pravidlá (rola, obmedzenia) majú väčšiu váhu a model ich menej často poruší.
- ✕
Testovanie na 3 príkladoch a deploy. Bez evaluácie na 50+ scenároch nedetekujete regresie pri zmene modelu alebo promptu.
- ✕
Spoliehanie sa na 'pretty please' formulácie. Moderné modely (Claude 4.x, GPT-5) na zdvorilosť nereagujú — reagujú na štruktúru a príklady.
Koľko stojí dobrý prompt engineering pri firemnom nasadení?
+
Pri jednoduchom use case (klasifikácia, sumarizácia) 5–15 hodín práce seniora. Pri agentovi s viacerými krokmi a tool use 40–120 hodín, vrátane evaluácie. Cena za samotný engineering býva rádovo menšia než cena modelov za rok prevádzky.
Treba si najať prompt engineera alebo to zvládne bežný vývojár?
+
Vývojár s 1–2 týždňami praxe a prístupom k evaluačnej sade dosiahne 85 % kvality. Špecialista pomáha hlavne pri nezvyčajných úlohách (právne dokumenty, medicína) a pri reasoning-heavy agentoch.
Ako často treba prompt aktualizovať?
+
Pri zmene modelu (napr. Claude 4.6 → 4.7) typicky áno — preverenie evaluáciou. Inak len keď meníte business pravidlá. Dobre napísaný prompt vydrží 6–18 mesiacov bez úprav.
Hľadáte nasadenie Prompt engineering vo firme?
Bezplatná konzultácia. 30 minút online. Po nej viete, či má pre vás zmysel pokračovať.