Przejdź do głównej treści
Polski— Wybierz język
Menu

Podstawy tworzenia promptów dla Grok

Lekcja 1 z 14 Zaktualizowano 28 lipca 2026 Początkujący
Na tej stronie
  1. Twoje pierwsze kroki z Grok
  2. Jak Grok przetwarza Twoje prompty
  3. Trzy filary dobrego promptu
  4. Dostępne modele Grok
  5. Ćwiczenia praktyczne
  6. Kluczowe wnioski

Zaktualizowano 3 listopada 2026 r. na podstawie strony Models od xAI: model grok-4.7 (wrzesień 2026) zastępuje grok-4.5 jako rekomendowany model. Źródła: Models · Release notes.

Twoje pierwsze kroki z Grok

Grok to model sztucznej inteligencji opracowany przez xAI. Aby z nim współpracować, używasz promptów: poleceń tekstowych wysyłanych do modelu w celu uzyskania odpowiedzi. Jakość Twoich promptów bezpośrednio decyduje o trafności i dokładności otrzymywanych odpowiedzi.

Prompt może przybierać różne formy: od prostego pytania, przez szczegółową instrukcję, aż po kontekst połączony z prośbą, czy nawet ustrukturyzowany zestaw łączący tekst i obrazy. Nauka prawidłowego formułowania promptów to fundamentalna umiejętność niezbędna do pełnego wykorzystania możliwości Grok.

Jak Grok przetwarza Twoje prompty

Modele Grok działają poprzez sekwencyjne generowanie tokenów. Token odpowiada słowu lub jego fragmentowi. Gdy wyślesz prompt, zachodzi następujący proces:

  1. Twój tekst jest dzielony na tokeny wejściowe
  2. Model analizuje cały dostarczony kontekst
  3. Generuje odpowiedź token po tokenie, wybierając na każdym etapie najbardziej spójne kontynuacje
  4. Odpowiedź jest Ci zwracana, είτε jako blok, либо w trybie strumieniowania (token po tokenie w czasie rzeczywistym)

Mechanizm ten wyjaśnia, dlaczego jasna i dobrze ustrukturyzowana instrukcja przynosi lepsze rezultaty niż nieprecyzyjna prośba.

Trzy filary dobrego promptu

Aby uzyskać od Grok trafne odpowiedzi, skup się na trzech kluczowych zasadach:

Jasność

Jasny prompt nie pozostawia miejsca na dwuznaczność. Porównaj te dwa sformułowania:

  • Niejasny: „Opowiedz mi o Pythonie“
  • Jasny: „Wyjaśnij trzy główne różnice między listami a krotkami w Pythonie, podając dla każdej przykład kodu“

Drugie sformułowanie kieruje model ku precyzyjnej i ustrukturyzowanej odpowiedzi.

Kontekst

Dostarczenie kontekstu pomaga modelowi odpowiednio skalibrować odpowiedź. Określ swój poziom wiedzy, cel lub odpowiednią dziedzinę:

  • „Jestem programistą junior. Wyjaśnij mi dekoratory w Pythonie, używając prostych przykładów i szczegółowych komentarzy w kodzie.“

Struktura

Organizuj swoje instrukcje w wyraźne sekcje. Używaj list, myślników lub numeracji, aby oddzielić różne części swojej prośby:

  • Kontekst (kim jesteś, na czym polega projekt)
  • Zadanie (czego oczekujesz)
  • Ograniczenia (format, długość, ton, język)
500K
Context tokens (Grok 4.5)
5
SDKs available
20 MB
Max size per image
128
Max tools per request

Dostępne modele Grok

xAI oferuje kilka modeli, z których każdy jest dostosowany do innych zastosowań:

  • grok-4.7: model rekomendowany przez xAI, wszechstronny, idealny do złożonych zadań (modele grok-4.6 i grok-4.5, będące jego poprzednikami, pozostają dostępne)
  • grok-4.20-0309-reasoning: zaawansowany model o głębokich zdolnościach rozumowania
  • grok-4.3: szybki i ekonomiczny model do zadań rutynowych
  • grok-build-0.1: lekki model wyspecjalizowany w pracy z kodem

Wybór modelu wpływa na jakość i szybkość odpowiedzi. Na początek grok-4.7 jest wyborem rekomendowanym przez xAI; grok-4.3 jest tańszy w przypadku zadań rutynowych. Przykłady w tym kursie, napisane z użyciem grok-4.5, działają również z grok-4.7.

Ćwiczenia praktyczne

Wypróbuj poniższe trzy prompty i zaobserwuj różnice w wynikach:

Prompt 1 (minimalistyczny):

Write an email

Prompt 2 (z kontekstem):

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

Prompt 3 (ustrukturyzowany):

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.

Zauważysz, że trzeci prompt generuje znacznie bardziej ukierunkowany wynik, gotowy do natychmiastowego użycia.

Kluczowe wnioski

  • Prompt to instrukcja wysyłana do Grok w celu uzyskania odpowiedzi
  • Trzy filary dobrego promptu to: jasność, kontekst i struktura
  • Grok generuje odpowiedzi token po tokenie, bazując na całym dostarczonym kontekście
  • Im precyzyjniejszy jest Twój prompt, tym bardziej trafna i użyteczna będzie odpowiedź
  • Wybierz model Grok odpowiedni do swojego zadania: model do rozumowania dla zadań złożonych, szybki dla zadań rutynowych