Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Grok promptolás alapjai

1. lecke 14 közül Frissítve 2026. július 28. Kezdő
Ezen az oldalon
  1. Első lépéseid a Grokkal
  2. Hogyan dolgozza fel a Grok a promptjaidat?
  3. A jó prompt három pillére
  4. Elérhető Grok modellek
  5. Gyakorlati próbák
  6. Főbb megállapítások

Frissítve: 2026. november 3. az xAI Models oldala alapján: a grok-4.7 (2026. szeptember) váltotta a grok-4.5-öt ajánlott modellként. Források: Models · Release notes.

Első lépéseid a Grokkal

A Grok az xAI mesterséges intelligencia modellje. A vele való kommunikációhoz promptokat (utasításokat) használsz: ezek azok a szöveges instrukciók, amelyeket elküldesz a modellnek, hogy választ kapj. A promptjaid minősége közvetlenül meghatározza a kapott válaszok relevanciáját és pontosságát.

Egy prompt sokféle alakot ölthet: lehet egy egyszerű kérdés, egy részletes utasítás, szövegkörnyezet követelte kéréssel, vagy akár egy strukturált készlet, amely szöveget és képeket is tartalmaz. A promptok helyes megfogalmazásának elsajátítása az alapvető készség a Grok teljes potenciáljának kiaknázásához.

Hogyan dolgozza fel a Grok a promptjaidat?

A Grok modellek szekvenciális token-generálással működnek. Egy token egy szónak vagy szótagnak felel meg. Amikor elküldesz egy promptot, a következő folyamat indul el:

  1. A szövegedet bemeneti tokenekre bontja a rendszer
  2. A modell elemzi a teljes kontextust
  3. Tokenről tokenre generálja a választ, minden lépésnél a legkoherensebb folytatást kiválasztva
  4. A válasz visszakerül hozzád, akár egy blokkban, akár streamelve (valós időben, tokenről tokenre)

Ez a mechanizmus magyarázza, miért hoz jobb eredményt egy világos, jól strukturált utasítás, mint egy homályos kérés.

A jó prompt három pillére

Hogy releváns válaszokat kapj a Groktól, három alapvető elvre kell fókuszálnod:

Világosság

Egy világos prompt nem hagy teret a félreértéseknek. Hasonlítsd össze ezt a két megfogalmazást:

  • Homályos: „Mesélj a Pythonról“
  • Világos: „Magyarázd el a listák és tuple-k közötti három fő különbséget Pythonban, mindegyikhez mellékelj egy kód-példát is“

A második megfogalmazás precíz, strukturált válasz felé tereli a modellt.

Kontextus

A kontextus megadása segít a modellnek kalibrálni a választ. Add meg a szintedet, a célodat vagy az érintett területet:

  • „Junior fejlesztő vagyok. Magyarázd el nekem a Python dekorátorokat egyszerű példákkal és részletes kommentárokkal a kódban.“

Struktúra

Szervezd meg az utasításaidat különálló szakaszokba. Használj listákat, kötőjeleket vagy számozást a kérésed különböző részeinek elválasztására:

  • Kontextus (ki vagy te, miről szól a projekt)
  • Feladat (mit vársz el)
  • Korlátok (formátum, hossz, hangnem, nyelv)
500K
Context tokens (Grok 4.5)
5
SDKs available
20 MB
Max size per image
128
Max tools per request

Elérhető Grok modellek

Az xAI több modellt is kínál, amelyek különböző felhasználási területekre alkalmasak:

  • grok-4.7: az xAI által ajánlott modell, sokoldalú, ideális komplex feladatokhoz (a grok-4.6 és a grok-4.5, az elődei, továbbra is elérhetők)
  • grok-4.20-0309-reasoning: fejlett modell mély következtetési képességekkel
  • grok-4.3: gyors, gazdaságos modell rutinfeladatokhoz
  • grok-build-0.1: könnyű súlyú, kódra specializálódott modell

A modellválasztás befolyásolja a válaszok minőségét és sebességét. Kezdésnek a grok-4.7 az xAI ajánlása; a grok-4.3 olcsóbb rutinfeladatok esetén. Ebben a tanfolyamban a grok-4.5-tel írt példák a grok-4.7-tel is működnek.

Gyakorlati próbák

Próbáld ki ezt a három promptot, és figyeld meg az eredmények közötti különbségeket:

1. prompt (minimális):

Write an email

2. prompt (kontextussal):

Write a professional email to reschedule a team meeting from Tuesday to Thursday, same time. Polite but direct tone.

3. prompt (strukturált):

Context: I'm a project manager at a 15-person tech startup.
Task: Write an email to reschedule our weekly team meeting.
Details: From Tuesday 2 PM to Thursday 2 PM, same room.
Tone: Professional but relaxed, typical of a startup.
Format: Subject + email body, maximum 5 lines.

Látni fogod, hogy a harmadik prompt sokkal célzottabb, azonnal használható eredményt produkál.

Főbb megállapítások

  • A prompt az az utasítás, amelyet elküldesz a Groknak, hogy választ kapj
  • A jó prompt három pillére: világosság, kontextus és struktúra
  • A Grok a teljes megadott kontextus alapján, tokenről tokenre generálja a válaszait
  • Minél pontosabb a promptod, annál relevánsabb és használhatóbb a válasz
  • Válaszd a feladatodhoz illő Grok modellt: következtetésre képeset komplex feladatokhoz, gyorsat pedig rutinfeladatokhoz