Jak zadawać ChatGPT właściwe pytania
Na tej stronie
Sztuka tworzenia poleceń: uzyskaj dokładnie to, czego chcesz
Kluczową umiejętnością w pracy z ChatGPT nie jest wiedza techniczna, lecz formułowanie myśli. Dobre polecenie (ang. prompt) – tak określa się Twoją wiadomość – decyduje o tym, czy otrzymasz ogólnikową odpowiedź do kosza, czy taką, która zaoszczędzi Ci pół dnia pracy. W tej lekcji poznasz powtarzalną metodę, którą zastosujesz do dowolnego zadania.
Metoda CRAFT
CRAFT to pięcioliterowy akronim: Context (Kontekst), Role (Rola), Action (Działanie), Format (Format), Tone (Ton). Nie jest to standard OpenAI, lecz wygodny sposób na zapamiętanie zaleceń z ich centrum pomocy: bądź jasny i precyzyjny, podaj wystarczający kontekst, określ ton, a następnie dopracuj wynik. Każda litera odpowiada na pytanie, którego ChatGPT nie rozwiąże samodzielnie.
Kontekst dostarcza informacji tła: kim jesteś, jaka jest sytuacja i dla kogo przeznaczony jest wynik. Polecenie zaczynające się od słów „Jestem menedżerem HR w 200-osobowej firmie…“ już kształtuje słownictwo i poziom szczegółowości odpowiedzi.
Rola określa postawę, jaką model ma przyjąć. „Wciel się w rolę konsultanta ds. strategii marketingowej…“ nie zmienia wiedzy modelu, ale zmienia sposób, w jaki ją organizuje: priorytety, ślepe punkty, których będzie szukał, oraz rejestru językowego.
Działanie to sedno polecenia i wymaga użycia precyzyjnego czasownika – napisz, przeanalizuj, porównaj, podsumuj, przetłumacz, wymień, wyjaśnij, uprość. „Napisz e-mail powitalny dla nowych pracowników…“ nie pozostawia miejsca na interpretację, w przeciwieństwie do „pomóż mi z onboardingu“.
Format opisuje oczekiwaną formę: „…w formie punktów, maksymalnie 200 słów, w profesjonalnym, ale ciepłym tonie“. Bez tego otrzymasz trzy ekrany tekstu do samodzielnego redagowania.
Ton na końcu ustala rejestr i vibe: „Ton formalny, ale przystępny. Bez technicznego żargonu“. To instrukcja najczęściej pomijana, a właśnie ona decyduje o tym, czy tekst nadaje się do wysłania.
Cztery techniki, które zmieniają wyniki
Pokazywanie jest skuteczniejsze niż opisywanie. Zamiast długo wyjaśniać, co masz na myśli mówiąc „chwytliwy“, podaj przykład:
„Przeredaguj te nagłówki, aby były bardziej chwytliwe. Oto przykład tego, czego oczekuję:
- Przed: ‘Raport kwartalny Q1 2026’
- Po: ‘Q1 2026: 3 liczby, które zmieniają wszystko’
Teraz przeredaguj te nagłówki: [twoje nagłówki]”
W przypadku złożonych zadań narzuć proces, a nie tylko wynik. Poproszenie o czterostopniową analizę generuje rozumowanie, które można śledzić, pozwalając zakwestionować jeden etap bez konieczności zaczynania wszystkiego od nowa:
„Przeanalizuj ten biznesplan w 4 krokach: 1) zidentyfikuj mocne strony, 2) zidentyfikuj słabe strony, 3) oceń wykonalność finansową, 4) wydaj końcowy werdykt z oceną w skali 1–10.“
Ograniczenia zawężają cel. Im więcej limitów liczbowych ustawisz, tym mniej odpowiedź będzie odbiegać od tematu:
„Podaj dokładnie 5 argumentów, każdy w jednym zdaniu liczącym maksymalnie 20 słów.“
Poproszenie o wiele wersji pozwala wreszcie wybrać, zamiast poprawiać – co często jest szybsze:
“Zaproponuj 3 wersje tematu tego e-maila: jedną formalną, jedną luźną, jedną dynamiczną.”
Słabe vs skuteczne: dwa porównania
Weźmy najbardziej banalne zadanie: podsumowanie artykułu. Słabe polecenie składa się z trzech słów: „Podsumuj ten artykuł“. Skuteczne polecenie ustawia scenę: „Podsumuj ten artykuł w 5 punktach. Każdy punkt musi być maksymalnie jednym zdaniem. Wyróżnij dane liczbowe. Grupa docelowa: mój dyrektor, który ma na to 2 minuty“. Pierwsze da Ci podsumowanie o arbitralnej długości do przeróbki; drugie – gotowy produkt.
Taka sama różnica występuje przy pisaniu e-maila. „Napisz e-mail do mojego klienta“ nie wygeneruje niczego użytecznego. Skuteczna wersja dostarcza wszystkiego, czego ChatGPT nie wie: „Muszę poinformować mojego klienta Piotra (CTO w Nexus), że dostawa projektu opóźni się o 2 tygodnie z powodu problemu z integracją API. Napisz profesjonalny e-mail, który potwierdza opóźnienie, krótko wyjaśnia przyczynę, proponuje nowy harmonogram i uspokaja co do końcowej jakości. Maksymalnie 150 słów”.
Czyhają dwie pułapki. Po pierwsze, niejasność – „pomóż mi z moim projektem“ nie da niczego użytecznego, ponieważ ChatGPT wie tylko to, co mu powiedziałeś: w rozmowie, w swoich niestandardowych instrukcjach lub w tym, co zapamiętała jego pamięć. Po drugie, przeciążenie: polecenie liczące pięćset słów, kumulujące piętnaście instrukcji, nieuchronnie doprowadzi do zignorowania niektórych z nich. Gdy Twoje żądanie staje się specyfikacją techniczną, podziel je na kolejne kroki.
Twoja kolej
Zastosuj CRAFT do rzeczywistego zadania. Wybierz zadanie, które naprawdę musisz dziś wykonać – e-mail, podsumowanie, prezentację, analizę. Napisz pełne polecenie, przeglądając pięć liter metody CRAFT, wyślij je, a następnie oceń chłodno: czy odpowiedź nadaje się do użycia od razu, czy wymaga dopracowania? W razie potrzeby udoskonal polecenie.
Następnie powtórz to samo ćwiczenie, używając prostego „zrób mi [zadanie]“ i porównaj oba wyniki. Różnica, którą zobaczysz, to dokładnie to, co zyskasz każdego dnia dzięki szlifowaniu swoich poleceń – umiejętność, która doskonali się wraz z praktyką. Gdy część kontekstu powraca we wszystkich Twoich żądaniach (Twoja praca, Twoi odbiorcy, Twój styl), umieść go w niestandardowych instrukcjach, zamiast powtarzać go za każdym razem.
Źródła oficjalne: Najlepsze praktyki inżynierii poleceń dla ChatGPT (centrum pomocy OpenAI: jasność, kontekst, ton, iteracja) · Inżynieria poleceń (przewodnik OpenAI: rola, instrukcje, przykłady, kontekst) · Niestandardowe instrukcje ChatGPT (trwały kontekst)
Kluczowe wnioski
- Metoda CRAFT (Kontekst, Rola, Działanie, Format, Ton) skutecznie strukturyzuje Twoje polecenia
- Podawanie przykładów jest często skuteczniejsze niż długie opisy
- Ograniczanie formatu (liczba słów, liczba punktów, struktura) poprawia precyzję
- Dobre polecenie jest budowane i dopracowywane – iteracja jest czymś normalnym
- Tworzenie poleceń to umiejętność, która doskonali się dzięki codziennej praktyce