Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Strukturování vašich pokynů

Lekce 3 z 16 Aktualizováno 28. července 2026 Začátečník
Na této stránce
  1. Proč na struktuře záleží
  2. Markdown: Přirozený standard
  3. XML tagy: Maximální přesnost
  4. Nezbytné sekce strukturovaného promptu
  5. Explicitní versus implicitní pokyny
  6. Pište, jako by model nic nevěděl
  7. Klíčové poznatky

Proč na struktuře záleží

Dobře strukturovaný prompt není luxus – je to nutnost. Modely Mistral jsou trénovány na obrovských objemech strukturovaného textu: technické dokumentace, články, zdrojové kódy. Vašim pokynům rozumí a lépe je následují, pokud jsou přehledně uspořádané, protože tato organizace připomíná data, která viděly miliardykrát během tréninku.

Představte si, že zadáváte ústní pokyny kolegovi a všechno pomícháte: termín ukrytý v anekdotě, očekávaný formát vložený na konec věty, kontext dodaný až po samotném zadání. Výsledek by byl matoucí a kolega by musel hádat, co je podstatné. Totéž platí pro jazykový model: struktura vašeho promptu určuje jasnost interpretace. Tato lekce vám poskytne dva nástroje pro strukturování – Markdown a XML tagy – plus mřížku sekcí pro organizaci jakéhokoli složitého promptu.

Markdown: Přirozený standard

Markdown je nejefektivnější formát pro strukturování promptů u modelů Mistral, a to ze tří vzájemně se posilujících důvodů. Zaprvé je čitelný: snadno se píše a kontroluje, což je klíčové, když prompt žije a vyvíjí se v rámci aplikace. Zadruhé je modelu známý: Markdown se masivně vyskytuje v trénovacích datech, takže model bez námahy chápe jeho konvence. Nakonec se přirozeně parsuje: model jasně identifikuje hierarchii nadpisů, seznamů a bloků kódu a odvozuje relativní důležitost každé sekce.

Takto to vypadá na příkladu analýzy konkurence:

# Task
Write a competitive analysis report.

## Context
Company: TechCorp, B2B SaaS, French market
Main competitors: AlphaSoft, BetaCloud, GammaTech

## Expected Format
For each competitor, provide:
- **Strengths**: 3 points maximum
- **Weaknesses**: 3 points maximum
- **Pricing positioning**: low / medium / premium

## Constraints
- Maximum 800 words
- Professional and factual tone
- No strategic recommendations (analysis only)

Tento prompt používá nadpisy (#, ##) k oddělení sekcí, tučné písmo pro klíčové prvky a odrážkové seznamy pro detaily. Model okamžitě chápe hierarchii: nejprve úkol, pak kontext, poté formát a nakonec ochranná pravidla. Tento dokument byste mohli předat lidskému spolupracovníkovi, aniž byste změnili jediné slovo – to je dobré znamení.

XML tagy: Maximální přesnost

Markdown organizuje; XML tagy vymezují. Když potřebujete bez nejednoznačnosti izolovat bloky dat nebo pokynů – typicky když váš prompt mixuje instrukce a text ke zpracování – jsou XML tagy obzvláště účinné:

<instructions>
Analyze the provided text and extract named entities.
Categorize them into: people, organizations, locations.
</instructions>

<format>
Return the result in JSON with the structure:
{"people": [], "organizations": [], "locations": []}
</format>

<text>
President Macron met with the Director-General of the WHO in Geneva
to discuss European health strategy.
</text>

Výhodou je, že model přesně ví, kde každá sekce začíná a končí. Pokud by text k analýze obsahoval větu připomínající pokyn – například „extrahuj seznam účastníků“ – tagy by zabránily modelu, aby si ji spletl s vašimi instrukcemi. Právě toto oddělení mezi pokyny a daty činí XML cenným v produkčních promptech.

Nezbytné sekce strukturovaného promptu

Ať už zvolíte jakýkoli formát, složitý prompt se organizuje kolem stejných sekcí. První a jedinou povinnou je úkol: vždy jasně uveďte, co očekáváte, hned na začátku. „Úkol: Přelož následující text z francouzštiny do angličtiny při zachování formálního registru“ nenechává žádnou pochybnost o poslání.

Následuje kontext, pokud je potřebný: informace z pozadí, které model nemůže odhadnout. Pokud pracujete pro fintech startup budující aplikaci na správu rozpočtu pro jednotlivce ve Francii, řekněte to – bez tohoto detailu bude model psát pro obecné publikum a vy budete muset vše dělat znovu.

Třetí sekce, pravidla, rámec chování: explicitně vyjmenujte, co model musí a nesmí dělat. Například: použij formální tón, nezmiňuj značky konkurence, vytvoř odstavce o 50 až 100 slovech. Každé psané pravidlo je oprava, kterou nemusíte dělat ručně.

Čtvrtá sekce, formát výstupu: přesně popište podobu, jakou musí odpověď mít. „Vrať Markdown tabulku se sloupci Kritérium | Skóre (1-5) | Komentář“ vytvoří výstup přímo kopírovatelný do vašeho dokumentu, zatímco absence instrukce vytvoří prózu k přepracování.

Nakonec příklady řeší zbývající nejednoznačnosti ukázkou očekávaného výsledku. Tato technika je tak silná, že má vlastní lekci: podrobně se k ní vrátíme u few-shot promptingu.

Explicitní versus implicitní pokyny

Modely Mistral nehádají vaše záměry: vše, co je implicitní ve vaší hlavě, se musí stát explicitním ve vašem promptu. Porovnejte „Shrň tento článek“ s „Shrň tento článek do 3 odrážek, každá o maximálně 20 slovech. Zachovej klíčová čísla. Použij neutrální a faktický tón.“ První verze nechává na modelu rozhodnout délku, formát a tón – tři rozhodnutí, která může udělat jinak než vy. Druhá verze nenechává prostor pro interpretaci: model přesně ví, co má vytvořit, a pokaždé dostanete stejný typ výsledku.

Pište, jako by model nic nevěděl

Zakončeme fundamentálním pravidlem: svůj prompt pište s předpokladem, že model nemá žádný předchozí kontext o vaší situaci. I když se vám něco zdá zřejmé – kdo jste, čeho chcete dosáhnout, k jakému účelu, v jakém formátu – specifikujte to, přičemž pro trvalé prvky se spoléhejte na systémový prompt. Spisovatel řetězící požadavky ve stejné konverzaci si nakonec začne myslet, že „model ví“; ale jakmile se konverzace změní nebo se prompt znovu použije jinde, všechny implicitní informace zmizí. Tento přístup „nulového kontextu“ garantuje konzistentní výsledky bez ohledu na stav konverzace.

Klíčové poznatky

  • Strukturojte své prompty do jasných sekcí (Markdown nebo XML)
  • Markdown je ideální pro většinu případů; XML tagy slouží k izolaci dat
  • Vždy oddělujte úkol, kontext, pravidla a očekávaný formát
  • Udělejte explicitní vše, co je ve vaší hlavě implicitní
  • Každý prompt pište, jako by model začínal od nuly