Przejdź do głównej treści
Polski— Wybierz język
Menu

Czym jest prompt?

Lekcja 1 z 16 Zaktualizowano 3 listopada 2026 Początkujący
Na tej stronie
  1. Prompt: Twój interfejs ze sztuczną inteligencją
  2. Jak model przetwarza Twój prompt
  3. Wpływ promptu na jakość odpowiedzi
  4. Składniki efektywnego promptu
  5. API Chat Completions firmy Mistral
  6. Kluczowe wnioski

Zaktualizowano 2 listopada 2026 r. — Le Chat to teraz Vibe. Od 28 maja 2026 r. Le Chat funkcjonuje jako Vibe (nadal pod adresem chat.mistral.ai): pojedynczy agent do pracy i kodowania, z zachowaniem Twoich konwersacji, ustawień i subskrypcji. Legacyjne doświadczenie Le Chat pozostaje dostępne w trybie Chat; w trybie Work agenci to obecnie umiejętności (wywoływane za pomocą @), pamięci to baza wiedzy, a dogłębne badania to umiejętność Deep Research. Plany noszą teraz nazwy Mistral Free, Pro, Team i Enterprise. W tej lekcji używamy nazwy Vibe; niektóre opisane tu menu mogły zmienić nazwy lub lokalizację.

Zaktualizowano 2 listopada 2026 r. — modele. Mistral Large 3 (mistral-large-2512) i Mistral Medium 3.5 zostały wycofane ze wsparcia 31 października 2026 r. i zostaną usunięte 30 kwietnia 2027 r.; ich wyznaczony następca, Mistral Large 4 (mistral-large-4), jest dostępny w publicznej wersji zapoznawczej od 6 października. Przykłady w tym kursie używają aliasu mistral-large-latest, który zgodnie z oficjalną dokumentacją (zweryfikowano 3 listopada 2026 r.) nadal wskazuje na Mistral Large 3, podobnie jak mistral-medium-latest wskazuje na Mistral Medium 3.5: aliasy te pozostaną ważne do 30 kwietnia 2027 r. W przypadku nowego projektu przetestuj mistral-large-4, ich wyznaczonego następcę.

Prompt: Twój interfejs ze sztuczną inteligencją

Kiedy współpracujesz z modelem językowym Mistral, każda wysłana przez Ciebie wiadomość stanowi prompt. Termin ten, zapożyczony z języka angielskiego, oznacza instrukcję lub polecenie, które przesyłasz do modelu, aby uzyskać odpowiedź. Zrozumienie, czym jest prompt i jak działa, to pierwszy krok do maksymalnego wykorzystania modeli Mistral, niezależnie od tego, czy korzystasz z Vibe, czy z API.

Prompt może być tak prosty, jak bezpośrednie pytanie: „Jaka jest stolica Francji?“, lub tak rozbudowany, jak wieloakapitowy dokument zawierający kontekst, przykłady, ograniczenia formatu i szczegółowe instrukcje. Pomiędzy tymi dwoma skrajnościami istnieje całe spektrum możliwości, a Ty decydujesz, gdzie ustawić suwak, w zależności od wagi zadania. Jakość otrzymanej odpowiedzi zależy bezpośrednio od jakości sformułowanego przez Ciebie promptu: to główna teza całego tego kursu, którą będziesz weryfikować lekcja po lekcji.

Jak model przetwarza Twój prompt

Aby skutecznie tworzyć prompty, musisz najpierw zrozumieć, co dzieje się po stronie modelu. Modele Mistral działają na zasadzie uzupełniania tekstu: model otrzymuje Twój prompt i generuje najbardziej prawdopodobną kontynuację, token po tokenie. Token zazwyczaj odpowiada słowu lub jego fragmentowi – „cześć“ może być pojedynczym tokenem, podczas gdy rzadkie słowo zostanie podzielone na kilka części.

Konkretnie cykl zawsze wygląda tak samo: wysyłasz swój prompt przez API Chat Completions firmy Mistral, model analizuje cały dostarczony kontekst, a następnie generuje odpowiedź token po tokenie, wybierając na każdym etapie najbardziej odpowiedni token w oparciu o wszystko, co poprzedzało. Pełna odpowiedź jest następnie zwracana do Ciebie w jednym bloku lub strumieniowo w miarę jej generowania.

Mechanizm ten wyjaśnia, dlaczego formułowanie promptu jest tak istotne. Model nie „rozumie“ Twoich ukrytych intencji: jedynie rozwija tekst, który mu dostarczysz. Jeśli ten tekst jest niejasny, najbardziej prawdopodobną kontynuacją będzie równie mglisty tekst. Jeśli tekst wyznacza precyzyjne ramy, najbardziej prawdopodobna kontynuacja będzie się ich trzymać. Twój prompt dosłownie determinuje kierunek, w jakim podąży generowanie.

Wpływ promptu na jakość odpowiedzi

Różnica między dobrym a złym promptem może być spektakularna i nic nie przekona Cię o tym lepiej niż bezpośrednie porównanie. Wyobraź sobie, że pytasz model:

Opowiedz mi o marketingu.

Otrzymasz ogólnikowy esej na temat tego, czym jest marketing – poprawny, ale bezużyteczny w codziennej pracy. Porównaj to teraz z takim sformułowaniem:

Jesteś konsultantem ds. marketingu cyfrowego specjalizującym się w polskich MŚP.
Wymień 5 strategii marketingu treści dostosowanych do budżetu mniejszego niż
2000 zł miesięcznie. Dla każdej strategii podaj:
- Główny kanał
- Wymagany czas tygodniowo
- Oczekiwany ROI po 6 miesiącach

Tutaj model wie, kim ma być, do kogo się zwraca, jakie ograniczenia budżetowe musi uwzględnić i w jakim formacie ma dostarczyć wynik. Wygeneruje konkretny plan, ustrukturyzowany i gotowy do bezpośredniego wykorzystania na spotkaniu. Zapamiętaj: różnica między tymi dwoma wynikami nie leży po stronie modelu, który w obu przypadkach jest ten sam, lecz wyłącznie w precyzji instrukcji.

Składniki efektywnego promptu

Rozkładając drugi z powyższych promptów na czynniki pierwsze, znajdziesz elementy konstrukcyjne, którymi będziesz operować przez cały ten kurs. Kontekst dostarcza informacji tła niezbędnych do zrozumienia zadania – w naszym przykładzie jest to fakt, że mówimy o polskich MŚP z niewielkim budżetem. Instrukcja precyzyjnie określa, czego oczekujesz od modelu: wymień pięć strategii, a nie udzielaj mglistych rad czy wykładów. Format opisuje pożądaną strukturę odpowiedzi – lista, tabela, JSON lub akapit – i to właśnie sprawia, że wynik jest użyteczny bez konieczności edycji. Ograniczenia wyznaczają granice, których należy przestrzegać, takie jak długość, ton czy słownictwo. Wreszcie, przykłady pokazują modelowi demonstrację oczekiwanego rezultatu; jest to technika tak skuteczna, że poświęcono jej osobną lekcję później w kursie.

Nie musisz za każdym razem uwzględniać wszystkich tych elementów. Proste pytanie wymaga jedynie jasnej instrukcji, a przeciążenie trywialnego promptu byłoby kontrproduktywne. Jednak gdy tylko zadanie staje się złożone – pisanie dla określonej grupy odbiorców, analiza danych, tworzenie sformatowanego deliverable’u – połączenie tych składników znacznie poprawia wynik.

API Chat Completions firmy Mistral

W przypadku Mistral prompty są przesyłane przez API Chat Completions. API to korzysta ze strukturalnego formatu wiadomości, gdzie każda wiadomość ma określoną rolę (system, user, assistant) oraz treść. Głębiej zajmiemy się tymi rolami w następnej lekcji; na razie zobaczmy, jak wygląda minimalne wywołanie przy użyciu Python SDK od Mistral:

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Jakie są 3 zasady efektywnego tworzenia promptów?"}
    ]
)

print(response.choices[0].message.content)

Ten kod wysyła prosty prompt i wyświetla odpowiedź modelu. Nic więcej – a jednak wszystko już tam jest: wiadomość, rola, treść. W kolejnych lekcjach nauczysz się w pełni wykorzystywać bogactwo tego API, aby zamienić te trzy linijki w prawdziwe aplikacje.

Kluczowe wnioski

  • Prompt to instrukcja wysyłana do modelu Mistral w celu uzyskania odpowiedzi
  • Jakość promptu bezpośrednio determinuje jakość odpowiedzi
  • Efektywny prompt łączy kontekst, instrukcję, format i ograniczenia
  • Modele Mistral przetwarzają prompty za pośrednictwem API Chat Completions
  • Inwestycja czasu w formułowanie promptów to najpotężniejszy dźwigien poprawy Twoich wyników