Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Hatékony beszélgetések

14. lecke 16 közül Frissítve 2026. november 2. Kezdő
Ezen az oldalon
  1. A mesterséges intelligenciával folytatott hatékony kommunikáció művészete
  2. Az alapelv: pontosság és kontextus
  3. Egy jó prompt öt pillére
  4. Haladó beszélgetési technikák
  5. Kerülendő hibák
  6. Gyakorold be!
  7. Főbb megállapítások

Frissítve: 2026. november 2. — A Le Chat mostantól Vibe néven fut. 2026. május 28. óta a Le Chat neve Vibe lett (a cím továbbra is: chat.mistral.ai): ez egyetlen ügynök munkára és kódolásra, amely megőrzi beszélgetéseidet, beállításaidat és előfizetéseidet. A régi Le Chat élmény továbbra is elérhető a Chat módban; a Work módban az ügynökök készségekké (skills) váltak (az @ jellel hívhatók meg), az emlékek most a tudásbázist képezik, a mély keresés pedig a Deep Research készség. A csomagok neve mostantól: Mistral Free, Pro, Team és Enterprise. Ez a lecke már a Vibe nevet használja; egyes itt leírt menük neve vagy helye megváltozhatott.

A mesterséges intelligenciával folytatott hatékony kommunikáció művészete

A Mistral modellel elért eredményeid minősége közvetlenül függ a kérdéseid minőségétől. Sok felhasználó csalódottan döbben rá erre a tényre: feltesznek egy kérdést, egy halvány választ kapnak, és arra a következtetésre jutnak, hogy „az AI nem is olyan lenyűgöző“. A probléma nem a modellben volt, hanem a kérésben. A nyelvi modell hatalmas eszköz, de a legjobb teljesítményhez világos utasításokra van szüksége. Ez a lecke olyan technikákat tanít meg, amelyekkel releváns és cselekvésre ösztönző válaszokat kaphatsz.

Az alapelv: pontosság és kontextus

A nyelvi modell nem olvas a gondolataidban. Szóról szóra értelmezi a szavaidat, és minden olyan hiányosságot alapértelmezett választásokkal tölt ki, amelyek valószínűleg nem felelnek meg az elvárásaidnak. Minél pontosabb vagy, annál inkább testre szabott lesz a válasz. Hasonlítsd össze ezt a két kérést.

Írj egy e-mailt.

Ez a prompt túl tág. A modell nem tudja, kinek szól az e-mail, mi a tárgya, milyen hangnemet kell használni, vagy milyen hosszú legyen. Valami általánost és valószínűleg használhatatlant fog létrehozni – nem alkalmatlanságból, hanem mert nem adtál neki semmi támpontot.

Írj egy professzionális e-mailt franciául egy B2B ügyfélnek a logisztikai szektorban. A tárgy egy késedelmes szállítmány utókövetése (rendelés #12345). A hangnem legyen empátiával teli, de megnyugtató. Javasolj konkrét megoldást (új szállítási dátum 48 órán belül), és zárd az ügyfélszolgálattal való kapcsolatfelvétel felkínálásával. Maximum 200 szó.

Itt minden szükséges kontextus adott: a címzett, a tárgy, a hangnem, a javasolandó megoldás és a terjedelem. A válasz célzott és azonnal felhasználható lesz. A két verzió közötti különbség mindössze harminc másodperc extra gondolkodást igényel.

Egy jó prompt öt pillére

Egy szilárd prompt öt elemre épül. Nem kell mindig mind az ötöt alkalmaznod, de ismerned kell őket, hogy azonosítani tudd, mi hiányzik, amikor egy válasz csalódást kelt.

Az első a szerep. Egy szerep meghatározása segít a modellnek felvenni a megfelelő hangnemet és szakértelmet: „Te egy digitális marketing szakértő vagy, aki a luxusszektorra specializálódott. Elemezd ezt a kommunikációs stratégiát…“ azonnal irányítja a szókincset, a részletezés szintjét és az elemzési kritériumokat.

A második a kontextus: azok a háttérinformációk, amelyek szükségesek a kérésed megértéséhez. „A cégem (50 alkalmazott, élelmiszer-ipari ágazat, 8 millió EUR bevétel) egy új bio termék bevezetését fontolgatja. Fő célcsoportunk a 25–45 éves városi lakosság, felső társadalmi-gazdasági rétegből.“ Ezek nélkül a modell egy elvont cég számára gondolkodik; velük viszont a te céged számára.

A harmadik a feladat, egyértelműen megfogalmazva: „Javasolj 5 terméknevet, mindegyikhez: a név, a szlogen és egy 2 mondatos indoklás.“ Figyeld meg a pontosságot – nem „néhány névötlet“, hanem egy meghatározott deliverable (szállítandó eredmény).

A negyedik a formátum: add meg, hogyan szeretnéd megkapni a választ. „A választ táblázat formájában add meg 3 oszloppal: Név, Szlogen, Indoklás.“ Egy explicit formátum megspórolja neked az utólagos formázás munkáját.

Az ötödik és utolsó elem a korlátozások, azaz a határok és tiltások: „Ne használj angol szavakat. Minden név maximum 3 szóból állhat. Kerüld a túl nyilvánvaló szóvicceket.“ Gyakran éppen a korlátozások tesznek különbséget a helyes válasz és a valódi igényeidnek tökéletesen megfelelő válasz között.

Haladó beszélgetési technikák

Ha már elsajátítottad az öt pillért, négy technikával léphetsz a következő szintre.

Az első a fokozatos iteráció. Ne keress tökéletes választ az első próbálkozásra: tedd fel a fő kérésedet, majd kérj módosításokat azokon a pontokon, amelyek nem működnek, mélyítsd el az érdekes aspektusokat, végül kérd a végleges verziót. Ez a megközelítés kihasználja a modell beszélgetési memóriáját, és sokkal jobb eredményeket hoz, mint egyetlen monolitikus kérdés – pontosan úgy, mint amikor egy kollégát több oda-vissza beszélgetés során briefelsz, nem pedig egyetlen kimerítő monológgal.

A második a újrafogalmazás. Ha a válasz nem működik, ugyanazon kérdés ismétlése nagyjából ugyanazt az eredményt hozza. Ehelyett változtass a szögezésen: adj egy példát arra, amit elvársz, expliciten fogalmazd meg, mi volt rossz az előző válaszban, vagy bontsd a kérdésedet egyszerűbb al-kérdésekre.

A harmadik, a few-shot prompting (példákon alapuló promptolás), ami azt jelenti, hogy egy vagy két példát adsz meg az elvárt válaszról. Ez az egyik leghatékonyabb technika, mert mutatni pontosabb, mint magyarázni:

Fogalmazd át ezeket a mondatokat ügyfélbarát nyelvezetre:

Példa:

  • Előtte: „Az incidens egy útválasztó alrendszer hibájából eredt“
  • Utána: „Egy ideiglenes technikai hiba érintette a szolgáltatást“

Most fogalmazd át:

  • „Az éjszakai batch futtatás JDBC kapcsolat időtúllépés miatt meghiúsult“
  • „A firmware frissítés regressziót okozott a /api/v2 végponton“

A negyedik a gondolatmenet-lánc (chain of thought): összetett problémák esetén kérd meg a modellt, hogy lépésről lépésre gondolkodjon. Például: „Elemezd ezt a problémát a következő lépések szerint: azonosítsd a rendelkezésre álló adatokat, fogalmazz meg lehetséges hipotéziseket, értékeld ki az egyes hipotéziseket, javasolj egy érvekkel alátámasztott következtetést.” Azzal, hogy kikényszeríted a gondolkodás explicit kibontakoztatását, csökkented a kapkodó rövidítéseket, és ellenőrizni tudod az egyes láncszemeket.

Kerülendő hibák

Négy buktató folyamatosan félrevezeti a kezdő felhasználókat. Első: túl sok kérdés zsúfolása egyetlen kérésbe. Ha öt kérdést teszel fel ugyanabban az üzenetben, a modell kockáztatja, hogy némelyiket felületesen kezeli; részesítsd előnyben a kérdésenkénti haladást, vagy számozd meg őket egyértelműen. Második: azt feltételezni, hogy a modell mindent tud. Nem ismeri a cégedet, a kontextusodat vagy a céljaidat – bármi, ami nincs expliciten leírva a promptban, az ismeretlen számára. Ne feltételezz semmit, magyarázz el mindent. Harmadik: a beszélgetés kontextus-korlátainak figyelmen kívül hagyása. Egy nagyon hosszú eszmecserében a modell betelítheti a kontextus-ablakát; ha a válaszok inkoherenssé válnak, indíts egy új beszélgetést, összefoglalva a lényeges pontokat. Negyedik és utolsó: a tények ellenőrzésének elmulasztása. Még egy kiváló prompt esetén is előfordulhat, hogy a modell hallucinál. Szisztematikusan ellenőrizd a számokat, dátumokat és hivatkozásokat, különösen a publikálásra szánt tartalmak esetében.

Gyakorold be!

Mielőtt továbblépnél a következő leckére, próbáld ki magad a Vibe-ban. Először tegyél fel egy tág kérdést a szakmáddal kapcsolatban, és figyeld meg a választ. Ezután fogalmazd meg ugyanazt a kérdést az öt pillér alkalmazásával – szerep, kontextus, feladat, formátum, korlátozások. Hasonlítsd össze a két választ: a minőségbeli különbség, amely gyakran drámai, megér minden elméleti demonstrációt.

Főbb megállapítások

  • A prompt minősége meghatározza a válasz minőségét
  • Az öt pillér: szerep, kontextus, feladat, formátum, korlátozások
  • Iterálj a beszélgetéseidben a tökéletes válasz keresése helyett egyetlen kérdésben
  • A few-shot prompting (példák megadása) egy egyszerű és hatékony technika
  • Mindig ellenőrizd a tényeket, különösen kritikus vagy nyilvános tartalmak esetén