Jakość promptu nie zależy od długości. Zależy od kompletności kontekstu. Ten artykuł to instrukcja budowania kontekstu, który sprawia, że model językowy rozumie nie tylko co chcesz – ale dlaczego, dla kogo i w jakiej sytuacji.

Czego dowiesz się z tego artykułu

Czym jest “okno kontekstu” i dlaczego to najważniejsza właściwość modelu z perspektywy użytkownika

Pięć warstw kontekstu, które decydują o jakości wyniku – i jak je budować

Techniki Few-Shot, Chain-of-Thought i System Prompt – zastosowane konkretnie w nieruchomościach

Jak budować “szablony kontekstu” dla powtarzalnych zadań, które skracają czas pracy do minimum

Okno kontekstu – właściwość, która definiuje co możliwe

Każdy model językowy przetwarza Twój prompt w “oknie kontekstu” – obszarze pamięci roboczej, który obejmuje całą bieżącą rozmowę: Twoje polecenia, odpowiedzi modelu i wszelkie dodatkowe informacje, które wklejasz. Claude Sonnet 4.6, z którym rozmawiasz teraz, ma okno kontekstu wynoszące 200 tysięcy tokenów (token to mniej więcej 3/4 słowa w języku polskim). GPT-4o ma 128 tysięcy tokenów.

W praktyce oznacza to, że możesz wkleić do rozmowy pełen raport rynkowy NBP (kilkadziesiąt stron), kilka artykułów z branżowych portali, historię korespondencji z klientem i własne notatki – i poprosić model o syntezę. Wszystko to zmieści się w oknie kontekstu. To jest właśnie ta “supermoc” LLM, której większość pośredników nie używa: zdolność do przetwarzania i łączenia dużych ilości informacji w krótkim czasie.

Ważne ograniczenie: model nie pamięta poprzednich rozmów. Każda nowa sesja zaczyna się od zera. Dlatego warto budować “szablony kontekstu” – gotowe zestawy informacji, które wklejasz na początku każdej rozmowy dotyczącej konkretnego tematu.

Źródło: Anthropic, “Claude’s context window” (docs.anthropic.com); OpenAI, “GPT-4 API reference” (platform.openai.com) – specyfikacje okien kontekstu aktualnych modeli

Pięć warstw kontekstu – anatomia profesjonalnego promptu

Warstwa 1: Rola (Role/Persona)

Przypisanie modelu konkretnej roli zmienia nie tylko styl odpowiedzi, ale też “punkt widzenia”, z którego analizuje problem. “Jesteś doświadczonym pośrednikiem nieruchomości premium w Warszawie, specjalizującym się w apartamentach powyżej 2 milionów złotych, z 15-letnim doświadczeniem w obsłudze klientów HNWI” – to instrukcja, która ustawia cały kontekst zawodowy, poziom języka, zakres wiedzy i perspektywę.

Rola nie powinna być ogólna (“ekspert od nieruchomości”) – powinna być tak precyzyjna, jak Twój idealny współpracownik. Im bardziej szczegółowa specjalizacja, tym bardziej dopasowana terminologia i argumentacja.

Warstwa 2: Zadanie (Task)

Jasne, operacyjne określenie tego, co ma zostać zrobione. Używaj trybu rozkazującego i czasowników akcji: “Napisz”, “Przeanalizuj”, “Porównaj”, “Wylistuj”, “Zaproponuj”. Unikaj pytań otwartych na etapie głównego polecenia – one zapraszają do ogólności. Zamiast “Co myślisz o tej nieruchomości?” napisz “Oceń tę nieruchomość z perspektywy inwestora szukającego stopy zwrotu z najmu krótkoterminowego. Podaj trzy argumenty za i trzy przeciw.”

Warstwa 3: Kontekst sytuacyjny (Context)

Informacje o sytuacji, w której będzie użyty wynik. “To jest dla klienta, który jest analitykiem finansowym i podejmuje decyzję o zakupie jako lokatę kapitału. Rozmawiam z nim po raz trzeci. W poprzednich rozmowach podkreślał znaczenie płynności inwestycji i był sceptyczny wobec rynku najmu krótkoterminowego.” Ten rodzaj kontekstu sprawia, że model generuje odpowiedź dostosowaną do konkretnej osoby i konkretnej sytuacji – a nie do wyobrażonego “typowego klienta”.

Warstwa 4: Format i ograniczenia

Określenie formy, długości, tonu i tego, czego unikać. “Format: trzy akapity proza + lista 5 kluczowych faktów. Długość: maksymalnie 200 słów. Ton: ekspercki, ale przystępny – bez żargonu prawniczego. Unikaj: superlatywów bez uzasadnienia faktycznego, niejasnych określeń (‘wyjątkowa lokalizacja’, ‘atrakcyjna cena’), stwierdzeń, które wymagają weryfikacji.” Ograniczenia są równie ważne jak polecenia – definiują, czego nie chcesz.

Warstwa 5: Przykłady (Few-Shot)

Jedno lub kilka przykładów oczekiwanego wyniku radykalnie podnosi precyzję. Badania Brown et al. (2020) wykazały, że modele językowe osiągają znacznie wyższe wyniki w zadaniach, gdy dostają “kilka strzałów” – demonstracji tego, jak wygląda właściwa odpowiedź. W nieruchomościach oznacza to: wklejenie dwóch swoich najlepszych opisów nieruchomości i poproszenie o napisanie trzeciego “w tym samym stylu i na tym samym poziomie jakości” – zamiast próby opisania stylu słowami.

Źródło: Brown et al., “Language Models are Few-Shot Learners” (NeurIPS 2020); Wei et al., “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models” (NeurIPS 2022)

Chain-of-Thought – kiedy i jak wymuszać rozumowanie krok po kroku

Chain-of-Thought (CoT) prompting to technika, w której polecasz modelowi “myśleć na głos” przed podaniem finalnej odpowiedzi. Wei et al. (2022) z Google Brain wykazali, że dodanie frazy “Let’s think step by step” (lub jej odpowiednika) do prompta zwiększało trafność odpowiedzi modeli językowych o 18-25% w zadaniach wymagających rozumowania wieloetapowego. Efekt jest replikowany w innych językach, w tym polskim.

W praktyce pośrednika: “Zanim napiszesz rekomendację, rozpisz krok po kroku swoje rozumowanie: (1) jakie są kluczowe czynniki wpływające na wartość tej nieruchomości, (2) jak każdy z nich pozycjonuje ją względem rynku, (3) jakie ryzyka widzisz dla kupującego, (4) jakie są argumenty za zakupem. Dopiero na podstawie tej analizy sformułuj rekomendację.” Wynik jest bardziej spójny, lepiej uargumentowany i – co ważne – łatwiej Ci zweryfikować, czy model pominął coś istotnego.

CoT jest szczególnie wartościowy przy: analizie inwestycyjnej, przygotowaniu argumentów negocjacyjnych, ocenie oferty z perspektywy różnych profilów kupujących, szacowaniu ryzyk transakcji.

Źródło: Wei et al., “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models” (NeurIPS 2022); Kojima et al., “Large Language Models are Zero-Shot Reasoners” (NeurIPS 2022)

System Prompt – narzędzie, które zmienia wszystko w zaawansowanym użyciu

System prompt (lub “instrukcja systemowa”) to polecenie działające jako “tło” każdej rozmowy – definiuje rolę, styl, zasady i ograniczenia, które obowiązują przez całą sesję. W interfejsach użytkownika (ChatGPT, Claude.ai) jest dostępny jako “Custom Instructions” lub “Projects”. W API – jako osobna sekcja “system”.

Dla pośrednika: zbuduj system prompt dla każdego z głównych kontekstów swojej pracy. Przykład systemu dla opisu nieruchomości premium: “Jesteś ekspertem od luxury real estate copywritingu na polskim rynku. Twoje opisy są: (1) oparte wyłącznie na faktach podanych przez użytkownika – nigdy nie uzupełniasz informacji z własnej wiedzy bez wyraźnego oznaczenia, (2) pisane w stylu narracyjnym, nie bulletowym, (3) dostosowane do profilu kupującego podanego w prompcie, (4) bez superlatywów ogólnikowych (‘wyjątkowy’, ‘niepowtarzalny’), za to z konkretnymi detalami zmysłowymi i architektonicznymi. Zawsze zaznaczaj, jeśli pytasz o dodatkowe informacje potrzebne do lepszego opisu.”

Taki system prompt nie jest jednorazowy – to inwestycja. Raz zbudowany, kopiowany do każdej nowej sesji dotyczącej opisów, gwarantuje spójną jakość i eliminuje konieczność powtarzania podstawowych wytycznych za każdym razem.

Szablon kontekstu dla opisu nieruchomości premium – gotowy do użycia

Poniższy szablon łączy wszystkie pięć warstw kontekstu. Wystarczy uzupełnić nawiasy kwadratowe i uzyskasz prompt gotowy do generowania opisów na poziomie eksperckim:

SZABLON PROMPTU – OPIS NIERUCHOMOŚCI PREMIUM

ROLA: Jesteś doświadczonym copywriterem specjalizującym się w nieruchomościach premium na polskim rynku. Piszesz opisy, które łączą precyzję faktograficzną z narracją wywołującą emocjonalne zaangażowanie.

KLIENT DOCELOWY: [np. para 35-45 lat, wysokie dochody, doceniająca architekturę i historię budynku, szuka miejsca do długoterminowego zamieszkania – nie inwestycji]

NIERUCHOMOŚĆ: [wklej pełen brief: metraż, rok budowy, stan, lokalizacja z konkretnymi odległościami, wyposażenie, charakterystyczne cechy]

FORMAT: Narracyjny opis w trzech akapitach (łącznie 200-230 słów) + lista 5 konkretnych cech. Bez tytułu.

STYL: Elegancki, spokojny, pewny siebie. Żadnych superlatywów bez uzasadnienia. Konkretne detale architektoniczne. Jedna dominująca emocja.

ZAKAZ: Nie używaj słów: wyjątkowy, niepowtarzalny, prestiżowy, ekskluzywny, okazja, luksusowy. Nie podawaj informacji nieobjętych briefem.

PRZYKŁAD STYLU: [wklej swój najlepszy opis nieruchomości podobnego segmentu]

Weryfikacja wyjścia – krok, którego nie możesz pominąć

Każdy prompt, bez względu na jakość, może wygenerować wynik zawierający błędy faktyczne lub pominięcia. Przed użyciem każdego wygenerowanego tekstu sprawdź: (1) czy wszystkie podane liczby zgadzają się z briefem, (2) czy nie pojawiły się informacje, których nie było w promptcie (potencjalna halucynacja), (3) czy ton i styl faktycznie pasują do klienta docelowego, (4) czy nie ma zdań, które brzmią prawdziwie, ale których Ty sam nie jesteś w stanie zweryfikować. Ten ostatni punkt jest najważniejszy – jeśli czegoś nie możesz potwierdzić, nie wklejaj tego do materiału przeznaczonego dla klienta.

Najlepszy prompt to nie jest najdłuższy prompt. To prompt, który daje modelowi dokładnie tyle kontekstu, ile potrzebuje, żeby wygenerować wynik niemożliwy do odróżnienia od tego, co napisałbyś sam w swoim najlepszym dniu.

Pytania do refleksji i zadania praktyczne

Weź dowolny prompt, którego używasz regularnie. Ile warstw kontekstu (rola, zadanie, kontekst sytuacyjny, format, przykłady) zawiera? Który brakuje najczęściej?

Zbuduj jeden szablon kontekstu dla najczęściej wykonywanego zadania – opisanie nieruchomości lub przygotowanie materiału dla klienta. Zapisz go w dokumencie jako “gotowy do wklejenia”. Przetestuj na realnej ofercie.

Wypróbuj Chain-of-Thought na jednym zadaniu analitycznym w tym tygodniu. Porównaj wynik z promptem bez instrukcji rozumowania krok po kroku. Co się zmieniło?