Anti-uzorci koje treba izbjegavati
Na ovoj stranici
- Pogreške koje sabotiraju tvoje promptove
- Anti-uzorak 1: Subjektivni jezik
- Anti-uzorak 2: Kontradiktorne upute
- Anti-uzorak 3: Traženje od modela da broji
- Anti-uzorak 4: Pretjerana generacija tokena
- Anti-uzorak 5: Numeričke ljestvice
- Anti-uzorak 6: Nejasne upute
- Anti-uzorak 7: Ignoriranje predispunjavanja
- Ključne točke
Pogreške koje sabotiraju tvoje promptove
Svladavanje pisanja promptova znači i znati što ne raditi. Određene navike, sasvim prirodne u ljudskoj komunikaciji, daju loše rezultate s Mistral modelima – upravo zato što se oslanjaju na implicitno razumijevanje kojeg modelu nedostaje. Ova lekcija nabraja sedam najčešćih anti-uzoraka, uz prikaz pogrešne verzije, ispravljene verzije i logike koja stoji iza ispravka za svaki od njih. Vjerojatno ćeš prepoznati nekoliko vlastitih navika usput.
Anti-uzorak 1: Subjektivni jezik
Između kolega, „napiši mi tekst koji nije predugačak“ funkcionira jer dijelite kontekst: kolega poznaje slučaj upotrebe, čitatelja, navike tvrtke. Model ne percipira subjektivne riječi kao ti. Izrazi poput „kratak“, „dugačak“, „mnogo“, „zanimljiv“ ili „ne previše“ su dvosmisleni i proizvode nepredvidive rezultate od jednog izvršenja do drugog.
Loše:
Write a text not too long about AI.
Include many interesting examples.
Dobro:
Write a text of 200 to 300 words about generative AI.
Include 3 concrete examples of application in business
(marketing, HR, customer service).
Pravilo ispravka je mehaničko: zamijeni svaki subjektivni izraz objektivnom mjerom. „Nije predugačak“ postaje „200–300 riječi“, „mnogo primjera“ postaje „3 primjera“, a „zanimljiv“ postaje precizan opis vrste očekivanih primjera.
Anti-uzorak 2: Kontradiktorne upute
Kada tvoj prompt sadrži nekompatibilne upute – „budi iscrpan i obuhvati sve aspekte“, a zatim „odgovori u najviše 3 rečenice“ – model mora odabrati koju će slijediti, a taj izbor je nepredvidiv. Jednog dana dobiješ tri površne rečenice, sljedećeg opsežan zid teksta. Ispravak se sastoji od usklađivanja ta dva zahtjeva u jednu koherentnu uputu: „Obuhvati 3 glavna aspekta teme. Za svaki aspekt daj sažetu rečenicu (maks. 25 riječi).“ Iscrpnost postaje definirani opseg, sažetost ograničenje po elementu – više nema sukoba.
Ako su tvoja pravila doista složena, s različitim ponašanjima ovisno o slučaju, nemoj ih gomilati: strukturiraj ih kao stablo odlučivanja, gdje je svaka grana eksplicitna:
If the client is an individual:
→ Use an accessible tone, avoid technical jargon
→ Propose the Starter offer first
If the client is a business:
→ Use a professional and technical tone
→ Propose the Enterprise offer first
If you are unsure:
→ Politely ask if this is for personal or professional use
Anti-uzorak 3: Traženje od modela da broji
Jezični modeli su loši u brojanju. Oni zapravo ne broje riječi, znakove ni rečenice – oni procjenjuju, jer manipuliraju tokenima, a ne tekstualnim jedinicama. Tražiti „točno 150 riječi“ ili „provjeri da svaka rečenica ima manje od 20 riječi“ kao da tražiš od slikara da mjeri u mikronima: to nije njihov alat.
Loše:
Write a text of exactly 150 words.
Check that each sentence is less than 20 words.
Dobro:
Write a short text (around 150 words, 2-3 paragraphs).
Use concise and direct sentences.
Ako je brojanje doista kritično za tvoju aplikaciju – na primjer, ograničenje broja znakova koje nameće sučelje – izvrši ga u kodu nakon što primiš odgovor modela, a ne u promptu. Tvoj programski jezik broji savršeno; model ne.
Anti-uzorak 4: Pretjerana generacija tokena
Svaki generirani token ima cijenu, i financijsku i u latenciji. Tražiti od modela da proizvede informacije koje nećeš koristiti čisti je otpad: plaćaš više da bi duže čekao tekst koji nećeš pročitati. Tipičan slučaj je analiza koda gdje tražiš „objasni svaku liniju detaljno“, plus „povijest jezika“ i „moguće alternative“, kada te zanimaju samo bugovi.
Dobro:
Analyze this code and identify:
1. Potential bugs (with the line concerned)
2. A proposed fix for each bug
Nothing else.
Završna „ništa više“ iznenađujuće je moćna uputa: ona eksplicitno govori modelu da ne dodaje dopune, upozorenja i proširenja koja spontano proizvodi. Tvoj odgovor stiže brže, košta manje i ide ravno na stvar.
Anti-uzorak 5: Numeričke ljestvice
Tražiti od modela da ocijeni na ljestvici od 1 do 5 ili od 1 do 10 čini se rigoroznim – u stvarnosti je suprotno. Model nema pouzdanu internu kalibraciju za ove ljestvice: isti tekst danas može dobiti 6/10, a sutra 8/10, bez kriterija koji objašnjavaju razliku. Rješenje se sastoji u zamjeni brojeva verbalnim ljestvicama s eksplicitnim kriterijima:
Evaluate the quality of this text according to these levels:
- Insufficient: factual errors, incoherent structure
- Acceptable: correct but lacks depth or clarity
- Good: well structured, clear, with relevant examples
- Excellent: publication-ready, original, brings clear added value
Choose one level and justify in 2 sentences.
Budući da je svaka razina definirana opservabilnim kriterijima, evaluacija postaje reproducibilna i opravdana – znaš zašto je tekst „Prihvatljiv“, a ne „Dobar“, a model primjenjuje iste kriterije pri svakom pozivu.
Anti-uzorak 6: Nejasne upute
„Poboljšaj ovaj tekst“ savršen je primjer upute koja se čini jasnom, a uopće nije. Poboljšati što? Pravopis? Stil? Strukturu? Model će odabrati umjesto tebe i riskirat će prepisati odlomke koje si htio/la zadržati nepromijenjenima. Profesionalna verzija razgraničava i što ispraviti i što ostaviti netaknutim:
Improve this text by correcting:
1. Spelling and grammar mistakes
2. Sentences longer than 30 words (simplify them)
3. Word repetitions within a range of 3 sentences
Do NOT modify:
- The meaning of sentences
- Technical terms (even if synonyms exist)
- Paragraph structure
Blok „NEMOJ mijenjati“ jednako je važan kao i prvi: bez njega, revan model zamijenit će tvoje tehničke termine približnim sinonimima.
Anti-uzorak 7: Ignoriranje predispunjavanja
Posljednji anti-uzorak nije aktivna pogreška, već propuštena prilika: mnogi korisnici ignoriraju mogućnost predispunjavanja odgovora putem uloge assistant, viđene u lekciji o ulogama. Ipak, to je moćan polug za forsiranje formata. Uz jednostavnu korisničku poruku koja traži JSON, model može dodati uvodnu rečenicu, backtickove, završni komentar – toliko elemenata koji će slomiti tvoje parsiranje. Završetkom svojih poruka početkom odgovora asistenta, format postaje gotovo zajamčen:
Bez predispunjavanja (nepredvidiv format):
messages = [
{"role": "user", "content": "List 3 advantages of remote work in JSON."}
]
S predispunjavanjem (zajamčen format):
messages = [
{"role": "user", "content": "List 3 advantages of remote work in JSON."},
{"role": "assistant", "content": "{\"advantages\": [", "prefix": True}
]
Model se zatekne već „u procesu pisanja“ JSON objekta: može ga samo dovršiti.
Ključne točke
- Zamijeni subjektivni jezik i nejasne upute mjerljivim i razgraničenim uputama
- Izbjegavaj kontradiktorne upute – strukturiraj složene slučajeve kao stablo odlučivanja
- Nikada ne traži od modela da broji: kritična brojanja obavljaj u kodu
- Ograniči generaciju na informacije koje stvarno koristiš, koristeći verbalne ljestvice umjesto numeričkih
- Iskoristi predispunjavanje asistenta kako bi zajamčio/la format izlaza