Większość poradników o promptach powstała w epoce GPT-4 i od tamtej pory nikt ich nie odkurzył. Tymczasem dokumentacje OpenAI, Anthropic i Google zdążyły się zmienić — i to w punktach, które wszyscy powtarzają jak mantrę. Najgłośniejszy przykład: słynne „pomyśl krok po kroku”. OpenAI w aktualnym przewodniku wprost odradza ten zabieg dla modeli rozumujących — piszą, że takim modelom „można dać cel do osiągnięcia i zaufać, że same dopracują szczegóły”. Anthropic z kolei radzi, by przy modelach z trybem myślenia „preferować ogólne instrukcje zamiast rozpisanych kroków”. Innymi słowy: część klasyki wciąż działa, część stała się balastem.
Poniżej 10 wzorców, które przeszły moją weryfikację z aktualnymi przewodnikami wszystkich trzech vendorów (czerwiec 2026). Przy każdym: kiedy go używać i przykład przed/po na realnym scenariuszu — takim, jaki możesz mieć jutro na biurku.
1. Rola + kontekst + format w jednym prompcie
Kiedy używać: zawsze, gdy zadanie wykracza poza proste pytanie. To fundament — Google zaleca umieszczać „definicję roli (persony), kluczowe ograniczenia i wymagania formatu na samym początku promptu”, a Anthropic pokazuje, że nawet jedno zdanie roli w system prompcie zmienia ton i jakość odpowiedzi.
PRZED:
Napisz opis mojego kursu online.PO:
Jesteś copywriterem specjalizującym się w kursach online dla polskiego rynku.
Kontekst: sprzedaję kurs „AI w małej firmie” (cena 490 zł, 6 modułów wideo,
grupa docelowa: właściciele JDG bez wiedzy technicznej). Strona sprzedażowa,
sekcja hero.
Format: nagłówek (max 8 słów), podtytuł (max 20 słów), 3 bullet points
z korzyściami, CTA. Ton: konkretny, bez korpomowy i wykrzykników.2. Few-shot, czyli przykłady zamiast opisów
Kiedy używać: gdy zależy Ci na powtarzalnym formacie, tonie lub stylu — klasyfikacja, tytuły, opisy produktów. Google pisze wprost: „zalecamy, by zawsze dołączać przykłady few-shot — prompty bez nich będą prawdopodobnie mniej skuteczne”. Anthropic rekomenduje 3–5 przykładów, różnorodnych i obejmujących przypadki brzegowe; OpenAI dodaje, by pokazywać „zróżnicowany zakres możliwych wejść z pożądanymi wyjściami”.
PRZED:
Napisz chwytliwe tematy maili do newslettera o AI.PO:
Napisz 5 tematów maili do newslettera o AI w stylu poniższych przykładów.
<przyklady>
Temat: Ten prompt oszczędza mi 2 godziny tygodniowo
Temat: Przetestowałem 4 modele na fakturach. Wygrał najtańszy
Temat: Dlaczego Twój chatbot kłamie (i jak to naprawić)
</przyklady>
Wspólne cechy: konkret + liczba lub paradoks, max 50 znaków, zero clickbaitu
typu „nie uwierzysz”.3. Chain-of-thought — ale już nie wszędzie
Kiedy używać: tylko przy modelach bez trybu rozumowania (lub z wyłączonym myśleniem) — przy analizach, obliczeniach, decyzjach wieloetapowych. Anthropic opisuje „ręczny CoT jako fallback”, gdy thinking jest wyłączony, i radzi rozdzielać rozumowanie od odpowiedzi tagami. Przy modelach rozumujących (o-seria OpenAI, Claude z extended/adaptive thinking, Gemini z trybem myślenia) instrukcja „myśl krok po kroku” jest zbędna, a według OpenAI wręcz szkodliwa — lepiej podać cel i kryteria sukcesu.
PRZED (do każdego modelu):
Myśl krok po kroku. Czy opłaca mi się przejść z B2B na etat przy tych
widełkach? [dane]PO (model klasyczny, bez trybu myślenia):
Przeanalizuj, czy przejście z B2B (18 000 zł netto na FV, ryczałt 12%)
na etat (16 000 zł brutto) jest opłacalne. Najpierw w <analiza> policz
obie ścieżki po opodatkowaniu i składkach, potem w <wniosek> podaj
rekomendację z kwotową różnicą rocznie.
PO (model rozumujący):
Oceń opłacalność przejścia z B2B (18 000 zł netto na FV, ryczałt 12%)
na etat (16 000 zł brutto). Kryterium: dochód netto rocznie + wartość
benefitów. Wynik: rekomendacja + tabela porównawcza.4. Mów, co robić — zamiast czego nie robić
Kiedy używać: gdy model uparcie robi coś, czego nie chcesz. Anthropic podaje to jako pierwszą zasadę kontroli formatu: zamiast „nie używaj markdownu” lepiej napisać „odpowiedz płynną prozą w akapitach”. Zakazy działają słabo, bo opisują pustkę; instrukcje pozytywne dają modelowi konkretny wzorzec. Jeśli zakaz jest konieczny, dołóż uzasadnienie — Anthropic pokazuje, że „NIGDY nie używaj wielokropków” działa lepiej jako „tekst będzie czytany przez syntezator mowy, który nie wie, jak wymówić wielokropek”.
PRZED:
Napisz post na LinkedIn o moim nowym ebooku. Nie pisz sztywno, nie używaj
emoji, nie rób clickbaitu, nie pisz za długo.PO:
Napisz post na LinkedIn o premierze mojego ebooka o promptach (149 zł).
Styl: jak wiadomość do znajomego z branży — krótkie zdania, jeden konkretny
przykład z ebooka, zakończenie pytaniem do czytelników. Długość: 80–120 słów,
sam tekst bez ozdobników. Powód: moi odbiorcy to praktycy, którzy odruchowo
przewijają posty wyglądające jak reklama.5. Struktura XML lub markdown
Kiedy używać: gdy prompt miesza instrukcje, dane wejściowe i przykłady — czyli w 90% zadań biznesowych. OpenAI zaleca organizować prompty nagłówkami markdown i tagami XML, by „oznaczać odrębne sekcje i komunikować hierarchię”. Anthropic rekomenduje spójne, opisowe tagi (np. <instructions>, <context>, <input>), a przy długich dokumentach — wklejanie ich na początku promptu, przed pytaniem (według ich testów pytanie na końcu potrafi poprawić jakość nawet o 30%).
PRZED:
Streść mi tę umowę i powiedz czy są jakieś ryzyka, umowa poniżej, aha
i zwróć uwagę na kary umowne bo poprzedni klient mnie naciął [tekst umowy]PO:
<umowa>
[pełny tekst umowy]
</umowa>
<kontekst>
Jestem wykonawcą (JDG). W poprzedniej umowie przeoczyłem zapis o karach
umownych naliczanych za każdy dzień opóźnienia.
</kontekst>
<zadanie>
1. Streść umowę w 5 punktach.
2. Wypisz wszystkie zapisy o karach, odpowiedzialności i wypowiedzeniu —
każdy z cytatem i numerem paragrafu.
3. Oceń każde ryzyko: niskie / średnie / wysokie.
</zadanie>6. Samokrytyka: każ modelowi sprawdzić własną odpowiedź
Kiedy używać: przy zadaniach z weryfikowalnym kryterium — kod, obliczenia, zgodność z wymaganiami, teksty z limitami. Anthropic zaleca wprost: „poproś Claude'a o samokontrolę — dopisz coś w stylu: zanim skończysz, zweryfikuj odpowiedź względem kryteriów testowych. To niezawodnie wyłapuje błędy”. Można to zrobić w jednym prompcie albo jako osobny krok (patrz wzorzec 7).
PRZED:
Napisz 10 opisów produktów do sklepu z akcesoriami dla psów. Każdy max
160 znaków, z nazwą produktu i słowem kluczowym.PO:
Napisz 10 opisów produktów do sklepu z akcesoriami dla psów. Wymagania:
max 160 znaków, nazwa produktu na początku, słowo kluczowe z listy [lista],
zero powtórzonych czasowników między opisami.
Zanim pokażesz wynik: policz znaki każdego opisu, sprawdź obecność słowa
kluczowego i unikalność czasowników. Opisy niespełniające wymagań popraw
przed oddaniem. Na końcu dodaj tabelkę kontrolną: nr / liczba znaków / OK.7. Iteracyjne doprecyzowanie (prompt chaining)
Kiedy używać: przy treściach, gdzie pierwszy strzał nigdy nie jest finalny — oferty, artykuły, strategie. Anthropic opisuje to jako najpopularniejszy wzorzec łańcuchowania: „wygeneruj szkic → poproś o recenzję względem kryteriów → poproś o poprawę na podstawie recenzji”. Każdy krok to osobna wiadomość, więc możesz skontrolować i skorygować kierunek, zanim model pójdzie dalej.
PRZED:
Napisz kompletną ofertę sprzedażową mojego pakietu konsultacji AI dla firm.
Ma być idealna.PO (3 wiadomości zamiast jednej):
[1] Napisz szkic oferty pakietu konsultacji AI (3 spotkania, 2900 zł netto,
dla firm 5–50 osób). Sam szkielet: nagłówki sekcji + po 1–2 zdania.
[2] Oceń ten szkic jak sceptyczny właściciel firmy, który dostaje 5 takich
ofert tygodniowo. Wypisz: czego brakuje, co brzmi jak pusta obietnica,
gdzie odpadłby przy czytaniu.
[3] Przepisz ofertę, naprawiając wszystkie punkty z recenzji. Każdą
obietnicę poprzyj konkretem (liczba, przykład, mechanizm).8. Persona odbiorcy — dla kogo piszesz, nie tylko kim jesteś
Kiedy używać: przy każdej treści, którą przeczyta człowiek inny niż Ty. Rola (wzorzec 1) ustawia nadawcę, persona odbiorcy ustawia poziom języka, dobór argumentów i przykładów. To rozwinięcie zalecenia o kontekście: Google przypomina, by „nie zakładać, że model ma wszystkie potrzebne informacje” — a profil odbiorcy to informacja, której model nie zgadnie.
PRZED:
Wyjaśnij, czym jest RAG, do artykułu na blog.PO:
Wyjaśnij, czym jest RAG, do artykułu na blog.
Odbiorca: właściciel e-commerce, 40 lat, ogarnia Excela i panel Allegro,
nie zna pojęć typu „embedding” czy „wektor”. Czyta na telefonie, w przerwie.
Chce wiedzieć jedno: czy to mu pomoże odpowiadać klientom szybciej.
Każde pojęcie techniczne wprowadzaj przez analogię z prowadzenia sklepu.
Długość: 300 słów.9. Twarde ograniczenia długości i formatu
Kiedy używać: gdy wynik trafia w konkretne miejsce — meta description, reklama, slajd, tabela do importu. Wszyscy trzej vendorzy zgodnie zalecają jawne specyfikowanie formatu odpowiedzi; Google wymienia „tabele, listy, akapity” jako przykłady, a OpenAI i Anthropic dla danych ustrukturyzowanych wskazują schematy/structured outputs zamiast liczenia na domyślność. Kluczowe: podaj jednostkę (znaki vs słowa) i co zrobić, gdy się nie mieści.
PRZED:
Napisz krótkie opisy do reklam Google Ads dla mojego sklepu z kawą.PO:
Napisz teksty reklam Google Ads dla sklepu z kawą speciality (palarnia
w Polsce, wysyłka 24h).
Format — dokładnie:
- 5 nagłówków, każdy ≤ 30 znaków ze spacjami
- 4 opisy, każdy ≤ 90 znaków ze spacjami
- wynik jako tabela: typ | tekst | liczba znaków
Jeśli tekst przekracza limit, skróć go — nie oddawaj niczego powyżej limitu.
Bez wykrzykników (polityka Google Ads ogranicza ich użycie w nagłówkach).10. Meta-prompting: niech model napisze prompt za Ciebie
Kiedy używać: gdy budujesz prompt do wielokrotnego użytku — szablon dla zespołu, automatyzację, GPT-a/projekt. Zamiast zgadywać, co zadziała, opisujesz modelowi zadanie i prosisz o zaprojektowanie promptu. Anthropic poszło o krok dalej i oferuje w konsoli dedykowany prompt generator oraz prompt improver — sami traktują pisanie promptów jako zadanie dla modelu. Działa to też „ręcznie”, w zwykłym czacie.
PRZED:
Odpowiadaj na opinie klientów w moim sklepie.PO:
Zaprojektuj prompt-szablon, którego moja asystentka będzie używać do
odpowiadania na opinie klientów (sklep z kosmetykami naturalnymi).
Wymagania do uwzględnienia w szablonie:
- zmienne: {treść opinii}, {ocena 1–5}, {imię klienta}
- inna strategia dla ocen 1–2 (przeprosiny + konkret + kontakt),
3 (podziękowanie + pytanie), 4–5 (podziękowanie + subtelna zachęta)
- ton marki: ciepły, bez wazeliny, po polsku
- 2 przykłady wypełnienia (opinia 1★ i 5★)
Potem zadaj mi 3 pytania, które pozwolą ten szablon ulepszyć.Co z tego wynika
Trzy rzeczy warte zapamiętania. Po pierwsze: wzorce 1, 2, 5 i 9 (rola+kontekst, przykłady, struktura, twarde limity) to dziś bezdyskusyjny kanon — wszyscy trzej vendorzy piszą o nich niemal tymi samymi słowami. Po drugie: chain-of-thought przestał być uniwersalny — zanim wkleisz „myśl krok po kroku”, sprawdź, czy model, z którego korzystasz, nie rozumuje sam z siebie; jeśli tak, podaj mu cel i kryteria, nie kroki. Po trzecie: najlepszy test promptu sformułowało Anthropic — pokaż go koledze bez kontekstu i sprawdź, czy wiedziałby, co zrobić. Jeśli człowiek się gubi, model też się pogubi.
Źródła: OpenAI — Prompt engineering guide (developers.openai.com/api/docs/guides/prompt-engineering); Anthropic — Claude prompting best practices (platform.claude.com/docs); Google — Prompt design strategies, Gemini API (ai.google.dev/gemini-api/docs/prompting-strategies). Stan dokumentacji: czerwiec 2026.
Tekst powstał z pomocą AI i przeszedł weryfikację redakcyjną człowieka. Grafiki: wygenerowane przez AI (Gemini).
