Jak pisać prompty, które działają – struktura 10 elementów (metoda Anthropic)

Dwoje inżynierów z Anthropic pokazuje modelowi AI zdjęcia z kolizji dwóch samochodów: szwedzki formularz zgłoszenia szkody i odręczny szkic wypadku. Pytają, kto zawinił. Model odpowiada z pełnym przekonaniem: wypadek narciarski. Podaje nawet nazwę ulicy.

Prompt – czyli polecenie, które wpisujesz do ChatGPT albo Claude – miał w tej pierwszej wersji jedno zdanie. Trzecia wersja, ten sam model, te same zdjęcia: pewny i poprawny werdykt, winny pojazd B. Nie zmienił się model. Nie zmieniły się dane. Zmienił się tylko prompt.

Tę scenę zespół Applied AI Anthropic pokazał na prelekcji Prompting 101 (event Code w/ Claude) – to ludzie, którzy zawodowo piszą prompty do wdrożeń u klientów. I jest w niej cała prawda o pracy z AI: dobry prompt to nie czarna magia ani talent. To struktura – 10 elementów w określonej kolejności – która zamienia losowe odpowiedzi w powtarzalne wyniki. Rozłóżmy ją na części, a potem przepiszmy razem trzy prompty z polskiej firmowej codzienności: ze złych na takie, które dowożą.

AI to genialny, ale nowy pracownik

Anthropic w swojej dokumentacji radzi myśleć o Claude jak o genialnym, ale nowym pracowniku, któremu brakuje kontekstu. To jedno zdanie rozbraja dwa mity naraz.

Mit pierwszy: „AI samo wie". Nie wie. Nie zna Twojej firmy, klientów, cennika ani tego, że klient drugi raz przekłada urlop pod Wasz termin. Ma pierwszy dzień w robocie – codziennie. Mit drugi: „AI jest głupie". Nie jest. Jest genialne, tylko nowe. Jak absolwent z fotograficzną pamięcią, który przeczytał pół internetu, ale nigdy nie był w Twoim biurze.

Prompt to onboarding tego pracownika. Prompt w najprostszym ujęciu to instrukcja: kim masz być, na czym pracujesz, co ma powstać i w jakiej formie. Samo słowo „prompt" wpisuje w Google prawie 10 tysięcy osób miesięcznie w Polsce – a potem większość z nas i tak wydaje AI polecenia jednym zdaniem. Czyli robi dokładnie to, czego żaden szef nie zrobiłby pierwszego dnia z nowym człowiekiem.

Wyobraź sobie, że mówisz nowemu pracownikowi tylko: „napisz mail do klienta". Nie powie „nie umiem". Napisze. Poprawnie, uprzejmie i bezużytecznie, bo nie wie, do kogo, po co i w jakiej sprawie. AI robi to samo – tylko szybciej.

Wokół tej umiejętności urósł nawet osobny zawód (prompt engineer – piszemy o nim osobno), ale do codziennej pracy z ChatGPT nie potrzebujesz etatu. Potrzebujesz checklisty. I ona istnieje.

Z czego składa się dobry prompt? 10 elementów

Pełną strukturę promptu – 10 elementów, w tej kolejności – zespół Applied AI Anthropic pokazał na tej samej prelekcji Prompting 101. Tę samą strukturę, w nieco innym brzmieniu, Anthropic publikuje też w oficjalnym tutorialu prompt engineeringu (rozdział „Complex Prompts from Scratch") – to wersja ćwiczeniowa, do samodzielnego przerobienia. Z uczciwym zastrzeżeniem autorów: nie każdy prompt potrzebuje wszystkich. Ale gdy już czegoś używasz, kolejność zostaje.

Po polsku i z przykładem przy każdym:

1. Kontekst zadania (rola) – kim AI ma być i dla kogo pracuje. „Jesteś asystentem sprzedaży w hurtowni elektrycznej."
2. Ton – jak ma brzmieć. „Po ludzku i konkretnie, bez korporacyjnych formułek."
3. Dane i dokumenty – to, na czym pracuje: umowa, raport, notatki ze spotkania, cennik.
4. Szczegółowe zasady – co wolno, czego nie wolno i w jakiej kolejności analizować dane.
5. Przykłady – wzory dobrego wyniku. „Tak wygląda oferta, która wygrała u klienta."
6. Historia rozmowy – co już wcześniej ustaliliście.
7. Bieżące polecenie – co konkretnie ma teraz zrobić.
8. „Pomyśl krok po kroku" – czas na rozumowanie przy trudniejszych zadaniach.
9. Format odpowiedzi – mail, tabela, lista, limit słów.
10. Początek odpowiedzi (prefill) – narzucasz pierwsze słowa wyniku; przydatne głównie w automatyzacjach, w czacie rzadko.

W codziennym czacie najczęściej wystarczy pięć: rola, dane, zasady, format i jedno zdanie o tym, co zrobić przy brakach w danych. Reszta wchodzi do gry, gdy rośnie stawka – analiza dokumentów, decyzje na liczbach, automatyzacje. Zobaczysz to teraz w praktyce.

Warsztat: trzy prompty przepisane od zera

Bierzemy trzy zadania z polskiej firmowej codzienności: mail do klienta, analizę dokumentów i ofertę. Za każdym razem pokazuję prompt, który AI dostaje najczęściej, potem wersję po przeróbce – i co dokładnie się zmieniło.

Para 1: mail do klienta o opóźnieniu

Firma montuje pompy ciepła. Dostawca opóźnił dostawę i trzeba przesunąć termin u klienta. Prompt, który pisze większość z nas:

Napisz mail do klienta, że montaż się opóźni.

I AI go napisze. Zacznie od „Szanowni Państwo", wspomni o „zaistniałej sytuacji" i „niedogodnościach". Mail, który każda firma mogłaby wysłać każdemu klientowi w każdej sprawie – i właśnie dlatego brzmi jak spam.

Ta sama prośba po przeróbce:

Jesteś moim asystentem w firmie montującej pompy ciepła.

Kontekst: montaż u pana Adama Michalaka był umówiony na 15 lipca.
Dostawca opóźnił dostawę pompy o 10 dni. Nowe możliwe terminy to
24 lub 26 lipca. Pan Michalak raz już przekładał urlop pod ten
montaż, więc ma prawo być poirytowany.

Napisz mail z przeprosinami i propozycją nowego terminu.

Ton: po ludzku i konkretnie, bez korporacyjnych formułek.
Bierzemy odpowiedzialność na siebie, nie zwalamy winy na dostawcę.

Zasady:
- daj do wyboru oba terminy (24 i 26 lipca)
- zaproponuj rekompensatę: darmowy pierwszy przegląd (wartość 400 zł)
- maksymalnie 120 słów

Format: temat maila + treść. Zwracamy się "Panie Adamie".

A oto, co z takiego promptu wychodzi:

Temat: Zmiana terminu montażu - propozycja nowej daty

Panie Adamie,

mam niedobrą wiadomość i od razu za nią przepraszam: nie zdążymy
z montażem 15 lipca. To nasza odpowiedzialność i nie będę jej
ubierał w wymówki.

Możemy przyjechać 24 albo 26 lipca - proszę wybrać dzień, który
mniej namiesza w Pana planach. Wiem, że raz już przekładał Pan
urlop pod ten montaż. Dlatego pierwszy przegląd instalacji,
wart 400 zł, wykonamy bezpłatnie.

Wystarczy krótka odpowiedź, który termin pasuje. A gdyby żaden
nie wchodził w grę - proszę o sygnał, zadzwonię i znajdziemy
rozwiązanie.

Pozdrawiam
Michał, dział montażu

Przykładowa odpowiedź modelu na dobry prompt. Zwróć uwagę: oba terminy do wyboru, rekompensata, „Panie Adamie" zamiast „Szanowni Państwo" – i ani słowa o „zaistniałej sytuacji". Każdy konkret pochodzi z promptu.

Co się zmieniło: doszły elementy 1 (rola), 2 (ton), 3 (dane), 4 (zasady) i 9 (format). Zwróć uwagę: dobra wersja nie jest „dłuższa dla zasady". Każda linijka odpowiada na pytanie, które model w krótkim prompcie musiałby zgadnąć – do kogo piszemy, dlaczego, co proponujemy, jakim tonem, jak długo. Mniej zgadywania to mniej losowych wyników. Do tego jeszcze wrócimy.

A jeśli odpowiedź mimo dobrego promptu jest nietrafiona – nie zaczynaj od zera. Popraw jeden element (ton, zasadę, format) i wyślij ponownie.

Para 2: umowa kontra notatki, czyli kolejność czytania

Drugie zadanie: po spotkaniu z podwykonawcą chcesz sprawdzić, czy ustalenia nie gryzą się z umową. Typowy prompt:

Sprawdź, czy te notatki ze spotkania są zgodne z umową.

[wklejona umowa]
[wklejone notatki]

Problem jest niewidoczny: model dostaje dwa dokumenty naraz i sam decyduje, jak je czytać. Często zaczyna od notatek, bo są krótsze – a potem interpretuje umowę przez ich pryzmat. Czyli odwrotnie, niż zrobiłby to dobry prawnik.

Wersja po przeróbce:

Jesteś asystentem prawnym w firmie budowlanej. Porównujesz ustalenia
ze spotkania z obowiązującą umową podwykonawczą.

Przeanalizuj dokumenty w tej kolejności:

1. Najpierw przeczytaj UMOWĘ i wypisz najważniejsze warunki:
   terminy, kary umowne, zasady płatności, procedurę zmian.
2. Dopiero potem przeczytaj NOTATKI ze spotkania. Interpretuj je
   w świetle warunków, które wypisałeś w kroku 1.
3. Wskaż każde ustalenie z notatek, które jest sprzeczne z umową
   albo wymagałoby aneksu.

Jeśli fragment notatek jest zbyt niejasny, żeby go ocenić, napisz to
wprost. Nie zgaduj, co autor miał na myśli.

UMOWA: [wklej]
NOTATKI: [wklej]

Co się zmieniło: najważniejsza jest nowa część elementu 4 – kolejność analizy. Zespół Applied AI Anthropic ujął to na prelekcji Prompting 101 tak: „kolejność, w jakiej Claude analizuje informacje, jest bardzo ważna – analogicznie do tego, jak zrobiłby to człowiek". W ich demo z wypadkiem zadziałało dokładnie to: najpierw czytelny formularz, dopiero potem odręczny szkic. Ty robisz tak samo – gdy dostajesz formularz i bazgroły, zaczynasz od formularza, i dopiero wtedy kreski na rysunku nabierają sensu. Modelowi trzeba tę kolejność podać wprost, bo sam jej nie zaplanuje.

Jedno uczciwe zastrzeżenie: sztywna kolejność ma cenę. Każesz „wypisz najważniejsze warunki" – model potrafi sumiennie wypisać wszystkie, także nieistotne, i odpowiedź się rozrasta. Jeśli robi się gadatliwie, zawęź: „wypisz tylko warunki dotyczące terminów i płatności".

Para 3: oferta na wzór, czyli przykłady zamiast opisu

Trzecie zadanie: wycena dla nowego klienta. Typowy prompt:

Przygotuj profesjonalną ofertę na sprzątanie biura 400 m2,
dwa razy w tygodniu, dla biura rachunkowego z Poznania.

Dostaniesz poprawną, ogólną ofertę jak z generatora. Problem siedzi w słowie „profesjonalna" – dla modelu znaczy ono co innego niż dla Ciebie. Opisywanie stylu słowami to najsłabszy sposób przekazania stylu.

Wersja po przeróbce:

Przygotuj ofertę na sprzątanie biura. Wzoruj się na dwóch poniższych
ofertach - obie wygrały u klientów. Zachowaj ich układ, ton i sposób
podawania cen.

PRZYKŁAD 1 (wygrana oferta, biuro 300 m2):
[wklejasz swoją prawdziwą ofertę]

PRZYKŁAD 2 (wygrana oferta, biuro 600 m2):
[wklejasz drugą]

NOWY KLIENT:
- biuro rachunkowe z Poznania, 400 m2
- sprzątanie 2 razy w tygodniu, wieczorami
- wymóg: umowa powierzenia danych (RODO), bo w biurze są akta klientów

Co się zmieniło: wszedł element 5 – przykłady. Model już nie zgaduje, co znaczy „profesjonalnie". Widzi wzór i go odtwarza: układ, ton, sposób podawania cen. Zasada brzmi: pokaż, nie opisuj. Jeden dobry przykład bije trzy akapity opisu. W dużych wdrożeniach firmy podpinają dziesiątki takich przykładów; w codziennym czacie zwykle wystarczą dwa.

Dlaczego AI raz odpowiada dobrze, a raz źle

Znasz to: ten sam prompt, wklejony dwa razy, daje dwie różne odpowiedzi. To nie usterka. Narzędzia takie jak ChatGPT mają celowo wbudowaną szczyptę losowości przy dobieraniu słów – w ustawieniach nazywa się to temperaturą i na tym poprzestańmy.

Ważniejsze jest co innego: losowość rośnie tam, gdzie prompt milczy. Każda rzecz, której nie napisałeś – odbiorca, ton, format, co zrobić z brakami – to miejsce, w którym model musi coś założyć. A założenia wypadają za każdym razem trochę inaczej. Krótki prompt to kilka rzutów kością naraz. Ustrukturyzowany prompt nie wyłącza losowości, tylko zawęża pole, po którym model błądzi – i dlatego daje powtarzalne wyniki.

Z tego samego powodu „gotowe prompty z internetu" tak często rozczarowują. Listy „100 najlepszych promptów" krążą po sieci, ale tamte prompty mają wpisany czyjś kontekst albo żaden. Genialny nowy pracownik dostaje instrukcję z cudzej firmy – i wykonuje ją dla cudzej firmy. Skopiować możesz strukturę. Kontekst musisz dopisać swój. I jeszcze jedno, bo to częste pytanie: pisz po polsku – modele radzą sobie z polskim bardzo dobrze, a prompt w języku, w którym myślisz, będzie po prostu precyzyjniejszy. Angielski zostaw na bardzo niszowe, techniczne tematy.

A jeśli dopiero zaczynasz i ustawiasz podstawy, zajrzyj najpierw do przewodnika po ChatGPT po polsku.

Naucz AI mówić „nie wiem"

Najczęstsza obiekcja wobec AI w polskich firmach brzmi: „ale to zmyśla". Prawda, zmyśla. Halucynacja – bo tak się to nazywa – to moment, w którym model podaje zmyśloną informację pewnym tonem. Rzadziej mówi się o tym, że spora część tych wpadek to nie usterka modelu, tylko brak jednego zdania w prompcie.

Mechanizm jest prosty. Model jest uczynny do przesady: woli odpowiedzieć cokolwiek, niż nie odpowiedzieć wcale. Jak uczeń przy tablicy, który musi coś powiedzieć, więc zmyśla z pewną miną. Dopóki nie dasz mu wprost pozwolenia – i polecenia – żeby mówił „nie wiem", będzie strzelał.

Zespół Applied AI Anthropic ujął to na prelekcji Prompting 101 tak: „chcemy, żeby Claude pozostał rzeczowy i pewny – jeśli nie rozumie, na co patrzy, nie chcemy, żeby zgadywał". W ich systemie do analizy szkód odpowiedź „brakuje danych do pewnego werdyktu" to sukces, nie porażka. Zmyślony werdykt kosztuje więcej niż brak werdyktu.

Cztery techniki z ich warsztatu, wszystkie do wpisania w prompt:

1. Pozwól mówić „nie wiem". Wprost: „jeśli nie masz pewności, napisz «nie wiem»".
2. Każ odpowiadać tylko przy pewności. „Odpowiedz tylko wtedy, gdy dane jednoznacznie na to pozwalają."
3. Każ myśleć przed odpowiedzią. „Zanim odpowiesz, przeanalizuj dane po kolei."
4. Przy długich dokumentach: najpierw cytaty. „Najpierw wypisz fragmenty dokumentu, na których się opierasz, potem odpowiedz."

Zobacz to na danych liczbowych, bo tu zmyślanie boli najbardziej:

O ile wzrosła nam sprzedaż w drugim kwartale?

[wklejony raport]

Jeśli raport nie zawiera tej liczby wprost, model policzy „coś" albo zgadnie – i poda wynik tonem głównego księgowego. Wersja bezpieczna:

Odpowiadaj wyłącznie na podstawie wklejonego raportu.

Zanim odpowiesz:
1. Wypisz dosłowne fragmenty raportu, na których opierasz odpowiedź.
2. Jeśli raport nie zawiera potrzebnych danych, napisz "brak danych
   w raporcie" i wypisz, czego brakuje. Nie szacuj i nie uzupełniaj
   z własnej wiedzy.

Pytanie: o ile procent wzrosła sprzedaż w Q2 2026 względem Q1 2026?

RAPORT: [wklej]

To techniki 1, 2 i 4 w akcji. Jedno zastrzeżenie: taka instrukcja to pierwsza linia obrony, nie gwarancja. Przy decyzjach, w których błąd kosztuje, liczbę i tak sprawdza człowiek. Ale różnica między „AI, które strzela" a „AI, które mówi, czego nie wie" to często te dwa zdania w prompcie. Skąd w ogóle bierze się zmyślanie i czemu model brzmi wtedy tak pewnie – rozkładamy na czynniki w tekście dlaczego AI kłamie.

Mity kontra badania

O promptowaniu krąży sporo porad-legend. Kilka z nich zderzono z badaniami – wyniki są ciekawsze niż same legendy.

Zatrzymaj się przy pierwszym wierszu. Dwa badania, dwa przeciwne wyniki – i to jest właśnie odpowiedź. Gdyby grzeczność była realną dźwignią, wyniki byłyby zgodne. Są sprzeczne, bo grzeczność to szum. Rola, dane, zasady i format to sygnał – różnicę po ich dodaniu widzisz gołym okiem, bez tabelki z badania.

Stałe na ścianę, zmienne do rozmowy

Spójrz jeszcze raz na dobre prompty z warsztatu. Część każdego z nich nigdy się nie zmienia: kim jesteś, jak piszesz, czego nie robić, jak wygląda Twoja wygrana oferta. A Ty wpisujesz to od nowa w każdej rozmowie.

Zrób z tym to, co robi się z instrukcją BHP: powieś na ścianie raz. W ChatGPT i Claude służą do tego Custom Instructions oraz projekty – stałe elementy (rola, ton, zasady, przykłady) ustawiasz raz, a w rozmowie podajesz tylko to, co dziś nowe. Zespół Anthropic robi to samo w systemach produkcyjnych i wskazuje efekt, który mało kto docenia: model „lepiej odczyta formularz, bo już wie, czego się spodziewać". Stały kontekst to nie tylko wygoda – to wyższa jakość odpowiedzi.

W automatyzacjach (n8n, praca przez API) ta sama zasada nazywa się system prompt i cache: stała część promptu jest zapamiętywana, a jej ponowny odczyt kosztuje 0,1 zwykłej ceny tokenów (token to kawałek słowa – jednostka, od której rozlicza się AI) – tak wycenia to dokumentacja, a według Anthropic oszczędność na długich promptach sięga 90% kosztów. Jak to poustawiać w produkcyjnych automatyzacjach – osobny temat na osobny tekst.

Test kolegi: sprawdź prompt w 30 sekund

Ten test robi cichą, ważną rzecz: przenosi odpowiedzialność. Z „AI jest głupie" na „moja instrukcja była niejasna". I to jest dobra wiadomość – bo instrukcję poprawisz w dwie minuty, a modelu nie zmienisz.

Nie masz pod ręką kolegi? Pięć pytań przed wysłaniem promptu:

1. Rola – czy napisałem, kim AI ma być i dla kogo pracuje?
2. Dane – czy dostało wszystko, co przy tym zadaniu miałby na biurku Twój pracownik?
3. Zasady – czy wie, co wolno, czego nie wolno i w jakiej kolejności czytać dane?
4. Format – czy wie, jak ma wyglądać wynik: mail, tabela, limit słów?
5. Braki – czy wie, co zrobić, gdy danych zabraknie? (napisać „nie wiem", nie zgadywać)

Choć jedno „nie" przy zadaniu, na którym Ci zależy – wróć i dopisz brakujący element, zanim zaczniesz obwiniać model.

Szablon do skopiowania

Wróćmy do sceny z początku. Między „wypadkiem narciarskim" a pewnym werdyktem „winny pojazd B" nie było lepszego modelu ani mocniejszego komputera. Były kolejne elementy struktury, dopisywane jeden po drugim. Ta sama struktura w wersji na co dzień wygląda tak:

Jesteś [ROLA - kim AI ma być: asystentem sprzedaży, analitykiem,
redaktorem oferty].

Kontekst: [KONTEKST - firma, sytuacja, odbiorca. To, co wie każdy
Twój pracownik, a AI nie].

Dane: [DANE - wklej dokumenty, liczby, ustalenia. Nie każ się
domyślać].

Zadanie: [co konkretnie ma powstać].

Zasady:
- [ZASADY - co ma być, czego ma nie być, limity]
- [jeśli dokumentów jest kilka: w jakiej kolejności je czytać]
- Jeśli brakuje Ci danych, napisz "nie wiem" i wypisz, czego
  brakuje. Nie zgaduj.

Ton: [jak ma brzmieć - np. po ludzku, bez formułek]

Przykład: [wklej wzór dobrego wyniku - np. ofertę, która wygrała]

Format: [FORMAT - mail / tabela / lista / maksymalnie X słów].

(Ton i Przykład są opcjonalne - usuń, czego nie potrzebujesz.)

Skopiuj, uzupełnij nawiasy, usuń to, czego Twoje zadanie nie potrzebuje. Struktura to nawyk, nie formułka: przez pierwszy tydzień taki prompt zajmie Ci dwie minuty dłużej niż jedno zdanie. Potem piszesz go odruchowo – i przestajesz grać z AI w losowanie.

Jeśli chcesz co tydzień jeden taki konkret na maila, zapisz się na newsletter. A gdy poczujesz, że czat to za mało i chcesz budować z AI całe procesy – zajrzyj do kursu Claude Code.

FAQ

Co to jest prompt?

Prompt to polecenie, które wpisujesz do narzędzia AI (ChatGPT, Claude, Gemini): pytanie, instrukcja albo cały zestaw – rola, dane, zasady i format odpowiedzi. Im więcej kontekstu zawiera, tym mniej model zgaduje. W praktyce prompt działa jak instrukcja dla nowego pracownika: genialnego, ale nieznającego Twojej firmy.

Jak pisać dobre prompty do ChatGPT?

Zamiast jednego zdania podaj: rolę (kim AI ma być), dane (dokumenty, liczby, kontekst), zasady (co wolno, czego nie), format (jak ma wyglądać wynik) i co zrobić przy braku danych (napisać „nie wiem"). To 5 z 10 elementów struktury opracowanej przez zespół Anthropic – w codziennym czacie zwykle wystarczą.

Jakie są najczęstsze błędy w promptach?

Brak kontekstu (model nie zna Twojej firmy ani odbiorcy), opisywanie stylu słowami zamiast pokazania przykładu, wrzucanie kilku dokumentów naraz bez kolejności analizy i brak instrukcji na wypadek braków w danych – wtedy model zgaduje, zamiast powiedzieć „nie wiem".

Czy grzeczność wobec AI ma znaczenie?

Badania są sprzeczne. Jedno z 2024 roku pokazuje, że nieuprzejmość często pogarsza wyniki, ale przesadna grzeczność nie daje poprawy. Inne, test na 250 promptach z 2025 roku (arXiv 2510.04950, ChatGPT-4o), pokazało, że wersje niegrzeczne wypadły odrobinę lepiej: 84,8% wobec 80,8%. Wniosek: grzeczność to nie dźwignia jakości. Dźwignią jest struktura: rola, dane, zasady, format.

Po polsku czy po angielsku?

Zacznij po polsku – współczesne modele radzą sobie z polszczyzną bez problemu i przy firmowych zadaniach to naturalny wybór. W wąskich, technicznych tematach angielski bywa precyzyjniejszy, więc zmieniaj język dopiero wtedy, gdy odpowiedzi po polsku wyraźnie kuleją.

Dlaczego AI raz odpowiada dobrze, a raz źle?

Model dobiera słowa, losując z prawdopodobieństw, więc ten sam prompt może dać różne odpowiedzi. Im mniej informacji w prompcie, tym więcej model musi zakładać sam – i tym większy rozrzut wyników. Ustrukturyzowany prompt zawęża pole zgadywania i daje powtarzalne odpowiedzi.

Co to jest system prompt i Custom Instructions?

To stałe instrukcje, które model dostaje przed każdą rozmową: kim jest, jak pisze, czego unika. W ChatGPT i Claude ustawiasz je raz – w Custom Instructions albo w projekcie. W automatyzacjach tę rolę pełni system prompt; jego stałą część można cache'ować i płacić za odczyt 0,1 zwykłej ceny tokenów.