Osvědčené postupy a časté chyby
Na této stránce
Aktualizováno 3. listopadu 2026. Na základě reference API xAI: parametr
max_completion_tokensomezuje pouze viditelnou odpověď; tokeny pro uvažování se do něj nezapočítávají a jejich množství řídí parametrreasoning_effort. Zdroj: Chat Completions.
Shrnutí a ochranná opatření
Tato závěrečná lekce pokrývá klíčové osvědčené postupy a nejčastější chyby při zadávání příkazů modelu Grok. Ber ji jako kontrolní seznam, ke kterému se vrátíš pokaždé, když vytváříš nebo vylepšuješ svůj prompt.
Osvědčené postupy
1. Systematicky strukturoj své prompty
Vždy odděl kontext, úkol a omezení. Modelu se blok textu interpretuje hůře než prompt rozdělený do sekcí.
2. Pro trvalé instrukce využij systémovou zprávu
Vše, co musí platit pro každou výměnu (jazyk, formát, tón, omezení), umísti do systémové zprávy. Situační instrukce nech v uživatelských zprávách.
3. Poskytuj příklady místo popisů
Pokud je výstupní formát složitý, jeden příklad vydá za tisíc slov popisu. Few-shot prompting je téměř vždy efektivnější než podrobné vysvětlování očekávaného formátu.
4. Přizpůsob model úkolu
- Jednoduchý a rychlý úkol:
grok-4.3nebogrok-build-0.1(pro kód) - Složitý úkol vyžadující uvažování:
grok-4.20-0309-reasonings vysokým úsilím - Analýza obrázků:
grok-4.5s nastavením detailu (nízký/vysoký)
5. Uprav teplotu podle cíle
- Extrakce, klasifikace, fakta: teplota 0 až 0,3
- Profesionální psaní, shrnutí: teplota 0,4 až 0,7
- Brainstorming, kreativita: teplota 0,8 až 1,5
6. Testuj pomocí parametru seed
Chceš-li objektivně porovnat dvě formulace promptu, použij stejnou hodnotu seed. Tím eliminuješ variabilitu způsobenou náhodností a můžeš přesně změřit dopad své změny.
7. Vytvoř si knihovnu promptů
Své nejlepší prompty uchovávej v knihovně uspořádané podle případů použití. Dobrý prompt je investice: s každým opětovným použitím roste jeho hodnota.
Časté chyby
Chyba 1: Vágní prompty
Model není telepat. Čím konkrétnější budeš, tím lepší bude výsledek.
Chyba 2: Ignorování limitů modelů pro uvažování
Modely Grok pro uvažování nepodporují určité parametry: frequency_penalty, presence_penalty a stop vyvolají chybu. U složitých úkolů počítej s časovým limitem 3 600 sekund.
Chyba 3: Úprava historie uprostřed konverzace
API Grok je bezstavové. Úprava historie rozbije mezipaměť inference a sníží výkon.
Chyba 4: Současné používání teploty a top_p
Současná změna teploty a top_p přináší nepředvídatelné výsledky. Vyber si jedno nebo druhé.
Chyba 5: Přehlížení tokenů pro uvažování v rozpočtu
U modelů pro uvažování se tokeny pro uvažování přičítají k viditelné odpovědi a jsou fakturovány sazbou za výstup, ale max_completion_tokens je neomezuje: tento parametr limituje pouze viditelnou odpověď. Chcete-li tyto náklady kontrolovat, nastav úsilí pro uvažování (reasoning_effort) a sledujte reasoning_tokens ve využití.
Chyba 6: Nespecifikování výstupního formátu
Bez instrukcí k formátu si model zvolí formát, který považuje za vhodný. Vždy specifikuj očekávaný formát.
Chyba 7: Příliš mnoho irelevantního kontextu
Dokumentace xAI explicitně doporučuje vyloučit z kontextu irelevantní informace.
Chyba 8: Ukládání historie s obrázky
U požadavků obsahujících obrázky použij store: false, abys předešel chybám.
Shrnutí kurzu
Během těchto 14 lekcí ses naučil:
- Strukturovat své prompty s jasností, kontextem a formátem (lekce 1–4)
- Využívat pokročilé techniky: few-shot, řetězec myšlenek, systémové instrukce, iterace, multimodální přístup (lekce 5–9)
- Aplikovat prompting na reálné příklady: psaní, analýza, kód (lekce 10–12)
- Tvořit expertní prompty dodržováním metodického procesu (lekce 13)
Prompting je dovednost, která se praxí zlepšuje. Každý prompt, který vylepšíš, obohacuje tvé zkušenosti i tvou knihovnu znovu použitelných šablon.
Klíčové poznatky
- Vždy strukturoj své prompty do samostatných sekcí
- Přizpůsob model a parametry každému úkolu
- Poskytuj příklady místo dlouhých popisů
- Vyvaruj se klasických chyb: nekompatibilní parametry, upravovaná historie, nadměrný kontext
- Dokumentuj a znovu využívej své nejlepší prompty
- Prompting je iterativní proces: testuj, diagnostikuj, upravuj
Ověř si své znalosti
Po expertním workshopu následuje závěrečná kontrola technik promptingu pro Grok.
1. Jaký je rozdíl mezi rolí system oproti rolím user a assistant?
Odpověď: Role system nastavuje trvalý rámec konverzace – identitu, pravidla, formát –, zatímco role user nese požadavky a role assistant odpovědi: aplikační instrukce se nemísí s dialogem.
2. Kdy snížit teplotu?
Odpověď: U faktických úkolů, extrakce a kódu, kde je variabilita vadou; zvyš ji pro kreativitu – nastavení se řídí cenou odlišné odpovědi od jednoho spuštění k druhému.
3. Co získáš použitím řetězce myšlenek?
Odpověď: U úkolů vyžadujících uvažování významně snižuje chyby požadavek na kroky před závěrem – model se rozepíše, místo aby skočil k tomu, co vypadá věrohodně.
4. Jak zadávat příkazy v multimodálním režimu (text + obrázek)?
Odpověď: Rámec analýzy nastav stejně jako u textu: přesná otázka, kritéria, výstupní formát – obrázek jsou data, prompt zůstává metodou.
5. Jmenuj dvě časté chyby, kterým se vyhnout.
Odpověď: Požadavky typu „všechno v jednom“ bez struktury či formátu a absence iterace – přijetí prvního výstupu místo jeho vylepšení; osvědčené postupy z kurzu jsou přesným opakem.
Jasný rámec, přizpůsobená nastavení, iterace: techniky se redukují na tři tahy – workshop ti umožnil si je vyzkoušet, tvé projekty sklidí ovoce.