Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Višekorakni tijekovi rada: model kao dirigent

Lekcija 6 od 12 Ažurirano 5. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Orkestracija složenih zadataka uz visoku razinu razmišljanja
  2. Što je višekorakni tijek rada?
  3. Tehnika meta-prompta
  4. Zašto visoka razina razmišljanja odlično orkestrira
  5. Dva proširenja: ChatGPT Work i API
  6. Tri tijeka rada koja možeš odmah ponovno upotrijebiti
  7. Tvoj red
  8. Ključne točke

Orkestracija složenih zadataka uz visoku razinu razmišljanja

Odgovoriti na jednokratno pitanje jedno je; upravljati cijelim procesom nešto je sasvim drugo. Model postavljen na visoku razinu razmišljanja može povezati više koraka uz održavanje konteksta, djelujući kao pravi dirigent tvojih ponavljajućih procesa. Ova lekcija pokazuje ti kako opisati tijek rada tako da se izvrši od početka do kraja, a da pritom ne izgubi koherenciju.

Što je višekorakni tijek rada?

Višekorakni tijek rada niz je zadataka gdje svaki korak ovisi o izlazu prethodnog: prikupi sirove podatke, očisti ih i strukturiraj, analiziraj trendove, izradi izvješće s preporukama, a zatim generiraj sažeti e-mail za tim. Tradicionalno je svaki od ovih pet koraka ručan, a ti prenosiš kontekst s jednog na drugi. Uz visoku razinu razmišljanja, jednom opišeš cijeli proces, a model izvršava svaki korak nadograđujući ono što je proizveo u prethodnom.

Tehnika meta-prompta

Meta-prompt je prompt koji opisuje cijeli proces, a ne izolirani zadatak. Modelu daje globalni uvid u ono što želiš postići, što mijenja sve: znajući kuda ide, model kalibrira svaki korak na temelju sljedećeg. Evo standardne strukture koju možeš prilagoditi vlastitom procesu.

“Izvršit ćeš sljedeće korake redom:

Korak 1 — Analiziraj priložene podatke o prodaji i identificiraj 3 najbolja i 3 najlošija proizvoda po učinku.

Korak 2 — Za svaki proizvod ispod prosjeka identificiraj vjerojatne uzroke unakrsnim referenciranjem podataka o zadovoljstvu kupaca.

Korak 3 — Predloži akcijski plan od 3 točke za svaki proizvod ispod prosjeka, s mjerljivim KPI-jevima.

Korak 4 — Formatiraj sve u strukturirano izvješće s izvršnim sažetkom od 5 redaka na početku.

Prije prelaska na sljedeći korak prikaži rezultat svakog koraka i označi sve neočekivane rezultate.”

Posljednja rečenica zaslužuje tvoju pozornost. Nema potrebe govoriti modelu da „razmišlja korak po korak“ — on to već radi. No zahtijevanje izlaza svakog koraka omogućuje ti da uhvatiš pogrešku prije nego što kontaminira sve što slijedi. U petokoraknom tijeku rada, pogreška u 2. koraku uočena prekasno košta te cijelog truda.

Zašto visoka razina razmišljanja odlično orkestrira

Kod dugog tijeka rada, brza razina razmišljanja riskira gubitak niti od jednog do drugog koraka. Viša razina (High u Chatu, high u API-ju, što OpenAI-jeva dokumentacija preporučuje za duboko planiranje) daje modelu vremena da zadrži svoje međurezultate na vidiku, provjeri dosljednost kroz korake i prilagodi ono što slijedi na temelju dobivenih rezultata. Eksplicitno traži od njega da označi kada korak proizvede neočekivani rezultat umjesto da gazi dalje kao da se ništa nije dogodilo. Upravo to ponašanje razlikuje orkestraciju od običnog lanca.

Ova fleksibilnost omogućuje uvjetne tijekove rada, gdje obrada ovisi o onome što model uoči: „Ako proizvod ima stopu povrata veću od 10%, klasificiraj ga kao visoki prioritet i predloži hitan akcijski plan. Inače, klasificiraj ga za praćenje i predloži mjesečno praćenje.“ Model primjenjuje uvjet proizvod po proizvod i sukladno tome prilagođava svoju obradu, bez da ti išta unaprijed sortiraš.

Dva proširenja: ChatGPT Work i API

Prompt nije jedini put. U ChatGPT-u, iskustvo Work dizajnirano je specifično za duge, višekorakne zadatke koji rezultiraju isporukom: dokument, proračunska tablica, prezentacija ili izvješće. Za najzahtjevnije zadatke, njegova postavka Ultra distribuira rad na pod-agente koji napreduju paralelno kada se zadatak razbije na neovisne dijelove; to troši znatno više, a većina zadataka to ne treba. Na strani developera, Programsko pozivanje alata (Programmatic Tool Calling) u Responses API-ju navodi model da napiše JavaScript program, koji se izvršava u izoliranom okruženju, poziva alate tijeka rada — paralelizirajući kada je potrebno — i filtrira međurezultate prije vraćanja modelu.

Orkestracija, u ChatGPT-u ili putem API-ja Dva stupca. U ChatGPT-u: meta-prompt koji opisuje cijeli proces, ChatGPT Work za duge zadatke i isporuke, Ultra za distribuciju rada na pod-agente. U API-ju: srednji do visoki napor za planiranje, alati deklarirani u zahtjevu, Programsko pozivanje alata za orkestraciju alata putem koda. VIŠEKORAKNI TIJEKOVI RADA Orkestracija, u ChatGPT-u ili putem API-ja U ChatGPT-u Meta-prompt Cijeli proces, s uvjetima Work Dugi zadaci i isporuke Ultra Pod-agenti paralelno U API-ju Napor srednji do visoki za planiranje Alati Deklarirani u zahtjevu Programsko pozivanje alata Program orkestrira alate Zahtijevaj izlaz svakog koraka: pogreška uhvaćena rano ne kontaminira ono što slijedi.
Na temelju OpenAI-jevog centra za pomoć i vodiča za API (studeni 2026.).

Tri tijeka rada koja možeš odmah ponovno upotrijebiti

Konkurentska obavještajna djelatnost posebno je prikladna za ovu vježbu: model čita tri priložena članka o konkurentima, izvlači ključne najave — proizvode, cijene, partnerstva — uspoređuje ih s tvojim trenutnim pozicioniranjem, identificira prijetnje i prilike, a zatim izrađuje bilješku za vodstvo.

Priprema sastanaka slijedi istu logiku primijenjenu na tvoje interne dokumente: analiziraj zapisnike s posljednjeg sastanka, identificiraj tekuće radnje i njihov status, pripremi dnevni red za sljedeći sastanak, nacrtaj točke rasprave za svaku temu i generiraj odgovarajući pozivni e-mail.

Konačno, mjesečno izvješćivanje kombinira izračun i analizu: analiziraj podatke mjeseca iz Excel datoteke, usporedi ih s prethodnim mjesecom i proračunom, identificiraj značajna odstupanja veća od 5%, analiziraj uzroke svakog odstupanja, a zatim izradi izvješće s grafikonima i preporukama.

Tvoj red

Izgradi svoj vlastiti. Odaberi ponavljajući proces u svom radu i transformiraj ga. Prvo navedi svaki korak koji trenutno izvodiš ručno, zatim uoči uvjetne odluke tipa „ako X onda Y“ koje donosiš nesvjesno — upravo one razlikuju kruti tijek rada od korisnog. Zatim napiši meta-prompt koji opisuje cijeli proces i testiraj ga na visokoj razini razmišljanja; podigni razinu za stupanj ako kvaliteta stagnira.

Započni jednostavno, s tri ili četiri koraka, i postupno povećavaj složenost. Kada proces postane predug i kvaliteta padne, podijeli ga na pod-tijekove rada umjesto da guraš dalje. Također osiguraj da je svaki korak jasan i samostalan — ako model mora nagađati što očekuješ od koraka, rezultat će biti nasumičan, a s njim i cijeli tijek rada. Na kraju, stvarno pročitaj međurezultate. Mnogi korisnici gledaju samo konačni izlaz i promašuju poantu: u dobro izgrađenom tijeku rada, nalazi iz 2. i 3. koraka često su poučniji od izvješća koje ih sažima.

Službeni izvori: Modeli razmišljanja (OpenAI API: razine napora i slučajevi upotrebe) · Najbolje prakse razmišljanja (jednostavne upute, precizan cilj) · Programsko pozivanje alata · ChatGPT Work i Codex (Work za duge zadatke) · Modeli (Ultra)

Ključne točke

  • Visoka razina razmišljanja pomaže modelu orkestrirati višekorakni proces bez gubitka niti
  • Upotrijebi meta-prompt za opis cijelog procesa, s uvjetima (ako/tada) za prilagodljive tijekove rada
  • ChatGPT Work rukuje dugim zadacima; u API-ju, Programsko pozivanje alata orkestrira alate putem koda
  • Ultra, u Worku i Codexu, distribuira rad na pod-agente: rezerviraj ga za teške, djeljive zadatke
  • Zahtijevaj izlaz svakog koraka, a ne razmišljanje „korak po korak“; započni jednostavno i postupno povećavaj složenost