Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Promptování modelu s uvažováním

Lekce 6 z 12 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Co se změnilo od doby Magistral
  2. Oddělení uvažování od odpovědi
  3. Přizpůsobení podle domény
  4. Tři časté chyby
  5. Klíčové poznatky

Lekce přepsána dne 2. listopadu 2026. Tato lekce dříve pokrývala systémový prompt Magistral, který byl 31. července 2026 vyřazen. Aktuální dokumentace k uvažování (Reasoning) již nevyžaduje vyhrazený systémový prompt: stačí parametr reasoning_effort. Následující sekce rozlišují mezi tím, co uváděla dokumentace Magistral, co se změnilo a jaká pravidla pro tvorbu promptů zůstávají užitečná.

Co se změnilo od doby Magistral

Model Magistral podával nejlepší výkon se výchozím systémovým promptem, který dokumentace reprodukovala (nyní archivováno na stránce Native reasoning (deprecated)). V podstatě instruoval model, aby nejprve načrtl své uvažování jako jakýsi vnitřní monolog a až poté poskytl samostatnou odpověď; aby psal v Markdownu, používal LaTeX pro rovnice a odpovídal v jazyce dotazu. Součástí byl dokonce i šablona pro uvažování ve formě fragmentu thinking umístěného v systémové zprávě. Parametr prompt_mode vám umožňoval tento výchozí prompt vynutit ("reasoning") nebo zakázat (None).

U současných modelů nic z toho není nutné: stránka o uvažování nezmiňuje ani vyhrazený systémový prompt, ani prompt_mode. Uvažování povolíte pomocí reasoning_effort a váš systémový prompt se vrátí ke své standardní roli, která se věnuje definici role, metody a očekávaného formátu. Pokud migrujete z modelu Magistral, odstraňte šablonu pro uvažování ze svých systémových zpráv a parametr prompt_mode ze svých volání, poté porovnejte výsledky (lekce 8).

Oddělení uvažování od odpovědi

Model nyní disponuje dvěma odlišnými prostory: prostorem pro uvažování, které uživatel často nevidí, a prostorem pro finální odpověď. Dobrý prompt s touto skutečností počítá. Popisuje očekávanou metodu, tedy co by ověřil odborník v dané oblasti, a stanovuje formát odpovědi: odpověď musí být srozumitelná i bez nahlédnutí do uvažování, protože to bude obecně skryté.

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

system_prompt = """Jsi senior expert na ladění kódu v Pythonu.

METODA
- Před formulací diagnózy si přečti celý kód.
- Před vyvozením závěru formuluj alespoň dvě hypotézy.
- Ověř, že tvá oprava nevytvoří nový problém.

FINÁLNÍ ODPOVĚĎ
1. Přesná diagnóza
2. Hlavní příčina
3. Opravený kód
4. Test, který opravu prokáže"""

response = client.chat.complete(
    model="mistral-small-2603",
    messages=[
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": "Můj kód spadne s chybou RecursionError: def fibonacci(n): return fibonacci(n-1) + fibonacci(n-2)"},
    ],
    reasoning_effort="high",
)

U této funkce fibonacci, které chybí základní případ, požadavek na dvě hypotézy vyloučí reflexivní diagnózu „zvšit limit rekurze“ a dovede model ke skutečné příčině.

Přizpůsobení podle domény

Stejná kostra – nejprve metoda, poté formát odpovědi – se přizpůsobuje konkrétní doméně. V matematice se metoda zaměřuje na hypotézy a typ důkazu:

math_prompt = """Jsi rigorózní matematik.

METODA
- Před každým důkazem explicitně uveď hypotézy.
- Výslovně si vyber mezi indukcí, sporem nebo přímým výpočtem.
- Ověř výsledek na konkrétním případě.

FINÁLNÍ ODPOVĚĎ
Formální důkaz: hypotézy, odůvodněné kroky, závěr."""

Ve strategické analýze se zaměřuje na zúčastněné strany a kvantifikaci a očekávaná odpověď se stává doporučením doprovázeným plánem:

strategy_prompt = """Jsi strategický konzultant.

METODA
- Vyhodnoť každou možnost z hlediska proveditelnosti, dopadu a rizika.
- Kvantifikuj, kdykoli je to možné, i když jen jako řádové odhady.
- Hledej nejsilnější námitku proti vlastnímu doporučení.

FINÁLNÍ ODPOVĚĎ
Jasné doporučení, klady a zápory každé možnosti, akční plán s datovanými kroky."""

Tři časté chyby

Prompt je příliš vágní. Fráze „Jsi užitečný asistent“ nic neříká o metodě: model uvažuje podle svých zvyklostí, nikoli podle tvých. Popiš, co by ověřil odborník.

Prompt je rozporuplný. Pokyn „Buď velmi stručný. Podrobně rozepiš každý krok.“ staví model před nemožný úkol. Rozpor vyřešíš rozdělením rolí: podrobnosti patří do uvažování, stručnost do finální odpovědi.

good_prompt = """Ve finální odpovědi buď stručný: pouze závěry a zásadní údaje.
Podrobnosti probírej ve svém uvažování, nikoli v odpovědi."""

Požadování procesu v odpovědi. Pokud v viditelné odpovědi požaduješ „uvažuj krok za krokem“, nutíš model podruhé vypisovat to, co již provedl ve svém uvažování: odpověď se prodlužuje a ty platíš dvakrát za stejné kroky na výstupních tokenech. Kroky v odpovědi požaduj pouze tehdy, pokud je uživatel potřebuje číst, například u vzdělávacího tutora.

Klíčové poznatky

  • Výchozí systémový prompt a prompt_mode byly specifické pro Magistral: již nejsou nutné
  • Povol uvažování pomocí reasoning_effort a ponech systémový prompt v jeho klasické roli
  • Popiš očekávanou metodu a formát odpovědi, která je čitelná i bez nahlédnutí do uvažování
  • Rozdělte role: podrobnosti do uvažování, stručnost do odpovědi
  • Nenuť model přepisovat proces v odpovědi, pokud si ho nikdo nepřeje číst