Przejdź do głównej treści
Polski— Wybierz język
Menu

Jak zadawać ChatGPT właściwe pytania

Lekcja 6 z 18 Zaktualizowano 5 listopada 2026 Początkujący
Na tej stronie
  1. Sztuka tworzenia poleceń: uzyskaj dokładnie to, czego chcesz
  2. Metoda CRAFT
  3. Cztery techniki, które zmieniają wyniki
  4. Słabe vs skuteczne: dwa porównania
  5. Twoja kolej
  6. Kluczowe wnioski

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.

Pięć liter i przykład Sześć kafelków. Kontekst: kim jesteś i dla kogo. Rola: oczekiwana postawa. Działanie: precyzyjny czasownik. Format: lista, tabela, długość. Ton: rejestr. I przykład: pokaż „przed“ i „po“ zamiast opisywać. METODA CRAFT Pięć liter i przykład C Kontekst Kim jesteś, jaka jest sytuacja, kto jest odbiorcą. R Rola Postawa: konsultant, sceptyczny inwestor, korektor. A Działanie Precyzyjny czasownik: napisz, porównaj, podsumuj, przetłumacz. F Format Lista, tabela, liczba słów, struktura. T Ton Rejestr: formalny, ciepły, bez żargonu. + Przykład „Przed“ i „po“ bije długi opis. Mnemotechnika Corsen, zgodna z radami OpenAI: jasność, kontekst, ton, iteracja.
Na podstawie artykułu „Prompt engineering best practices for ChatGPT“ z centrum pomocy OpenAI (listopad 2026) oraz przewodnika OpenAI dotyczącego inżynierii poleceń.

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