Ładowanie…
Model odpowiada ogólnie, kiedy nie ma czym uszczegółowić odpowiedzi albo nie wie, czego dokładnie od niego chcesz. Pięć najczęstszych przyczyn to: brak kontekstu i danych, zadanie sformułowane zbyt szeroko, brak zdefiniowanego odbiorcy, brak formatu wyjścia oraz prośba o „dobrą” lub „profesjonalną” jakość zamiast weryfikowalnych kryteriów. Każda z nich ma inną poprawkę.
Model przewiduje najbardziej prawdopodobną kontynuację tekstu. Kiedy prompt nie zawęża pola, najbardziej prawdopodobna odpowiedź jest właśnie ogólna — bo taka pasuje do największej liczby możliwych intencji. Zmiana modelu na mocniejszy rzadko to naprawia; naprawia to informacja, której model nie miał.
Najczęstsza i najłatwiejsza do usunięcia. Jeśli pytasz o strategię dla „firmy z branży e-commerce”, model może odpowiedzieć tylko tym, co jest prawdziwe dla wszystkich takich firm — czyli banałem. Wklej liczby, nazwy, ograniczenia i historię: wielkość firmy, kanały, co już próbowaliście i co nie zadziałało.
Jak zwiększyć sprzedaż w moim sklepie internetowym?
Sklep z częściami do rowerów, 40 tys. zł przychodu miesięcznie, 70% ruchu z Google, koszyk średnio 180 zł, porzucenia koszyka 78%. Próbowaliśmy już rabatu 10% w mailingu (bez efektu) i remarketingu na Facebooku (CPA za wysoki). Wypunktuj 3 hipotezy, które adresują porzucenia koszyka, każda z jednym testem do przeprowadzenia w 2 tygodnie i miarą sukcesu.
Dlaczego: Model dostał dane, historię nieudanych prób i wąskie pole (porzucenia koszyka), więc nie może już odpowiedzieć listą uniwersalnych porad — nie zmieściłyby się w zadanym formacie.
„Pomóż mi z marketingiem” nie jest zadaniem, tylko obszarem. Model musi wtedy sam wybrać podproblem — i wybierze najbardziej typowy. Poprawka: zawęź do jednej decyzji albo jednego artefaktu. Zamiast „pomóż z marketingiem” — „napisz nagłówek strony docelowej dla tej grupy odbiorców, trzy warianty, każdy poniżej 60 znaków”.
Tekst dla dyrektora finansowego i dla użytkownika technicznego różni się doborem argumentów, nie tylko tonem. Bez wskazanego odbiorcy model pisze do wszystkich naraz, czyli do nikogo. Podaj stanowisko, poziom wiedzy i to, co odbiorca już wie oraz co go blokuje.
Format wymusza konkret. Prośba o „trzy hipotezy, każda z jednym testem i miarą sukcesu” nie da się wypełnić ogólnikami — struktura ma miejsca, które trzeba czymś zapełnić. Ten sam efekt daje tabela z narzuconymi kolumnami albo JSON z podanymi kluczami.
„Napisz to profesjonalnie”, „chcę wysokiej jakości analizę” — to nie są instrukcje, bo nie da się ich sprawdzić. Zamień je na kryteria weryfikowalne: maksymalna długość, wymagane elementy, zakazane zwroty, obowiązek podania założeń, zakaz podawania danych, których nie było w prompcie.
Są trzy takie sytuacje: zadanie wymaga wiedzy z okresu po odcięciu danych treningowych, wymaga rzetelnego liczenia na wielu krokach, albo wymaga długiego kontekstu, który nie mieści się w limicie. Poznasz je po tym, że dobrze zbudowany prompt daje odpowiedź konkretną, ale niepoprawną — a nie ogólną. Ogólność to prawie zawsze prompt.
Ocena w pięciu wymiarach pokazuje to bezpośrednio: niska konkretność wskazuje na brak kontekstu, niskie ograniczenia i format — na brak kształtu odpowiedzi, niskie dopasowanie do zadania — na zbyt szeroko zadane pytanie. Wklej swój prompt w darmowej ocenie i porównaj wymiary, zamiast zgadywać.
Bo przy niedookreślonym pytaniu najbardziej prawdopodobna odpowiedź jest ogólna — pasuje do wszystkich możliwych intencji. Najczęstsza przyczyna to brak kontekstu i danych w prompcie, a druga to zadanie sformułowane jako obszar, nie jako konkretne polecenie.
Rzadko. Mocniejszy model lepiej rozumuje i pilnuje formatu, ale nie zna danych, których mu nie podałeś. Jeśli odpowiedź jest ogólna z powodu braku kontekstu, zmiana modelu podniesie koszt i niewiele zmieni.
Tyle, ile kompetentny wykonawca potrzebowałby, żeby zrobić zadanie bez dopytywania: dane, ograniczenia, odbiorcę i to, co już próbowano. Nadmiarowy kontekst niepotrzebnie zwiększa koszt, ale brak kontekstu kosztuje więcej, bo wymusza kolejne rundy.
Pomaga przy zadaniach wymagających rozumowania, a nie przy ogólnikowości wynikającej z braku danych. Jeśli model nie wie, o jakiej firmie mówisz, rozumowanie krok po kroku doprowadzi go do ogólnego wniosku w kilku krokach zamiast w jednym.
Najskuteczniejsze jest narzucenie formatu, którego nie da się wypełnić ogólnikami: „trzy hipotezy, każda z testem i miarą sukcesu”, tabela z konkretnymi kolumnami albo JSON z wymaganymi kluczami. Struktura zostawia miejsca, które muszą zostać zapełnione konkretem.
Tak. Ocena promptu w pięciu wymiarach wskazuje, który element zawodzi: konkretność, ograniczenia i format, czy dopasowanie do zadania. Jest dostępna bez konta razem z poprawioną wersją promptu.
Jak oceniamy prompty — metodologia · Autor: zespół AI Saver Quest wersja dla zespołów