11 zasad pisania skutecznych promptów dla agentów AI

Dwa tygodnie temu omal nie zrobiło mi się niedobrze, gdy pisałem artykuł o tym, jak scrapować produkty ze sklepu internetowego.

Powód był prosty: próbowałem pobrać produkty ze sklepu GymShark, korzystając z frameworka do tworzenia promptów służących do klasyfikacji i edycji danych, który przygotowałem dla AI Assistants w Datablist. Początkowo wszystko działało, ale dane zostały nieprawidłowo posortowane, przez co cały zbiór okazał się bezużyteczny.

Wtedy zrozumiałem, że różne modele AI i zastosowania wymagają różnych promptów.

W promptach drobne szczegóły potrafią całkowicie zmienić rezultat — pominięcie 5% istotnych informacji może sprawić, że wynik będzie bezużyteczny.

Zaczynajmy!

Jeśli potrzebujesz szablonu promptu dla agenta AI, zacznij od wskazania danych wejściowych, źródła do sprawdzenia, konkretnych pól wynikowych oraz sposobu postępowania w przypadku braku dowodów. Przy tworzeniu listy na podstawie researchu firm możesz użyć takiego krótkiego promptu:

Dla każdego wiersza użyj wartości Company Website, aby sprawdzić oficjalną stronę firmy. Zwróć pola Industry, Evidence URL oraz Status. Jeśli nie możesz potwierdzić branży, wpisz Not found; nie zgaduj na podstawie nazwy firmy. Zachowaj powiązanie wyniku z pierwotnym wierszem, żebym mógł zweryfikować niepewne rezultaty.

W ten sposób agent otrzymuje źródło oraz jasno określony format wyniku. Najpierw przetestuj prompt na kilku zróżnicowanych wierszach, sprawdź adresy URL z dowodami, a następnie popraw instrukcje przed uruchomieniem go dla całej listy. Szczegółowy szablon poniżej pokazuje, jak rozbudować ten schemat na potrzeby wieloetapowego researchu.

Najważniejsze wnioski z artykułu:

• Agenci AI w Datablist mogą przeszukiwać Google, odwiedzać strony internetowe, wywoływać API i wykonywać wiele innych działań
• Dobry prompt ma ogromny wpływ na efekty pracy agenta AI
• Tworzenie promptów dla agentów AI jest łatwiejsze, gdy stosujesz nasze sprawdzone praktyki
• Datablist udostępnia szablony promptów, ale warto również nauczyć się pisać je samodzielnie

Agenci AI a AI Assistants w Datablist — porównanie

Aby zrozumieć różnicę między tworzeniem promptów dla agentów AI a pisaniem ich dla AI Assistants, trzeba najpierw wyjaśnić możliwości obu rozwiązań.

Oto dwa krótkie i proste zestawienia ich funkcji:

AI Assistant

AI Assistants w Datablist służą do odczytywania, klasyfikowania, wyodrębniania, edytowania i generowania tekstu oraz kodu.

Agent AI

Agenci AI w Datablist to systemy AI wyposażone w narzędzia, dzięki którym mogą przeszukiwać Google, renderować kod HTML, przechodzić między wieloma podstronami, wywoływać API, a także odwiedzać Google News, strony internetowe i sklepy e-commerce oraz wyodrębniać z nich informacje.

💡 Prosto i bez komplikacji

Agenta AI możesz traktować jako system pracujący z danymi zewnętrznymi, a AI Assistant jako system przetwarzający dane znajdujące się w Twojej kolekcji Datablist.

Możliwości agentów AI w Datablist

Aby napisać skuteczny prompt dla agenta AI, warto jeszcze raz wymienić dostępne mu narzędzia i możliwości:

• Wyszukiwanie w Google
• Wyszukiwanie w Google News
• Wyodrębnianie i generowanie tekstu lub kodu
• Pobieranie informacji o kontach
• Odwiedzanie stron internetowych
• Przechodzenie między podstronami
• Renderowanie HTML
• Wywoływanie API

11 zasad tworzenia promptów dla agentów AI w Datablist

Gdy znasz już dostępne narzędzia, zastosuj poniższe zasady, aby agent mógł łatwiej wykonać instrukcje, a Ty — sprawdzić rezultaty. Precyzyjny prompt ogranicza niejednoznaczność, ale nie gwarantuje poprawnych odpowiedzi. Oto te zasady:

1. Traktuj prompt jak mapę działania: prowadź agenta krok po kroku przez zadanie, zamiast jedynie żądać rezultatu i liczyć, że wszystko zadziała.
2. Zawsze zaczynaj od celu i podaj odpowiedni kontekst.
3. Oznacz każdą sekcję promptu, aby agent mógł lepiej zinterpretować treść i odróżnić poszczególne działania lub polecenia.
4. Używaj jednoznacznych poleceń uruchamiających narzędzia agenta AI, takich jak „przeszukaj Google”, „wyodrębnij tekst” czy „pobierz kod HTML”.
5. Oznacz pola wynikowe i podaj konkretne przykłady, ponieważ posłużą one jako podstawa konfiguracji rezultatu.
6. Jeśli scrapujesz konkretne dane, wskaż agentowi, gdzie na stronie może je znaleźć.
7. Stosuj separatory między częściami promptu (.===), aby nadać mu przejrzystą strukturę.
8. Wymień błędy, których agent powinien unikać.
9. Określ sposób postępowania z błędami i brakującymi danymi.
10. Ulepszaj prompty w kolejnych iteracjach i nie obwiniaj agenta AI za słabe wyniki (sam kiedyś tak robiłem).
11. Kolumnę, z której agent ma pobierać dane, zawsze dodawaj na końcu.

Stosując te wskazówki i sprawdzone praktyki tworzenia promptów dla agentów AI, oszczędzisz kredyty oraz mnóstwo czasu przeznaczanego na kolejne poprawki.

📘 Dobre prompty mają znaczenie

Agent AI zadziała również wtedy, gdy nie zastosujesz żadnej z powyższych zasad. Jeśli jednak będziesz ich przestrzegać, uzyskasz znacznie lepsze rezultaty, ponieważ struktura promptu naprawdę robi różnicę.

Przykłady promptów dla agentów AI: dobry i zły prompt

Prompt dla agenta AI: dobry przykład

Najpierw przyjrzyj się dobremu promptowi, a później porównaj go ze złym.

To prompt, który niedawno napisałem, aby scrapować produkty ze sklepu internetowego.

Przeanalizujmy, dlaczego jest to dobry prompt:

1. Zaczyna się od konkretnego, jasno określonego celu i kontekstu
2. Zawiera kilka odpowiednio oznaczonych sekcji, dzięki czemu AI może go łatwo zrozumieć
3. Użyłem jednoznacznych poleceń opartych na czasownikach opisujących działanie
4. Polecenia tworzą przejrzystą sekwencję
5. Opisałem poszukiwane informacje i podałem przykłady
6. Wyjaśniłem, jak postępować z niespójnymi danymi i błędami
7. Wskazałem konkretne błędy, których agent powinien unikać
8. Sekcje są wyraźnie oddzielone za pomocą .===
9. Prompt ma dobrą strukturę i prowadzi AI przez całe zadanie
10. Na końcu powiązałem kolumnę zawierającą dane źródłowe

Prompt dla agenta AI: zły przykład

Jeśli wydaje Ci się, że jestem po prostu technicznym ekspertem, który od zawsze potrafił pisać świetne prompty, oto prawda: po pierwsze, nie umiem programować, a po drugie, mój wcześniejszy prompt wyglądał tak:

Owszem, niektórzy nadal mogliby uznać go za dobry, ale taki nie jest — wyniki okazały się naprawdę słabe.

W tym przykładzie wiele rzeczy poszło nie tak. Prompt wygląda profesjonalnie, lecz zarówno on, jak i uzyskane rezultaty są bezużyteczne. Oto popełnione przeze mnie błędy oraz sposoby, dzięki którym możesz ich uniknąć:

Powód nr 1: przeciętna struktura promptu

W promptcie brakuje logicznego przebiegu i uporządkowanej struktury.

Jak tego uniknąć:

Podziel cel na konkretne kroki — tak, jakbyś wyjaśniał zadanie drugiej osobie. Na przykład:

• Najpierw odwiedź stronę.
• Następnie znajdź sekcję z produktami.
• Na końcu wyodrębnij cenę.

Powód nr 2: niejasne etykiety sekcji

Etykiety i sekcje nie są wystarczająco precyzyjne.

Jak tego uniknąć:

Nazywaj sekcje w prosty i zrozumiały sposób. Zamiast „Parametry danych” napisz „Informacje o produktach do wyodrębnienia”. Zamiast „Dane wejściowe” użyj „Adresy URL stron do przetworzenia”.

Powód nr 3: nieuporządkowane wyniki i brak przykładów

Format danych i przykłady oczekiwanych wyników nie zostały jasno określone.

Jak tego uniknąć:

Zawsze uwzględniaj zarówno strukturę danych (na przykład w formie listy numerowanej), jak i 2–3 konkretne przykłady oczekiwanych wyników.

Przykład:

1. Nazwa produktu: Nike Air Max; Adidas Ultraboost; Puma RS-X;
2. Cena: 120 USD; 180 USD; 110 USD;
3. Kolor: czarny; Cloud White; High Risk Red;
4. Rozmiar: US 9; US 10.5; US 8;
5. Materiał: siatka i materiał syntetyczny; Primeknit; skóra i siatka;

Powód nr 4: brak logicznej kolejności

Działania nie są ułożone w logicznej kolejności.

Jak tego uniknąć:

Zapisuj kolejne kroki tak, jakbyś udzielał wskazówek znajomemu: „Najpierw zrób to, a następnie tamto”.

Przykład:

1. Otwórz stronę;
2. Znajdź sekcję z produktami;
3. Wyodrębnij dane

3 najczęstsze błędy podczas pracy z agentami AI

Odkąd dołączyłem do Datablist.com, odbyłem wiele rozmów z klientami, którzy chcieli korzystać z agenta AI. Zauważyłem w nich powtarzający się schemat błędów — upewnij się więc, że ich nie popełniasz.

• Niechęć do pisania promptów: Niektórzy sądzą, że AI zrozumie ich myśli, choć niczego mu nie wyjaśnią. Chcą zaoszczędzić czas, ale inwestowanie czasu po to, by później go oszczędzić, wydaje im się niedorzeczne — nie idź tą drogą.

• Zbyt ogólne instrukcje: Zamiast pisać „pobierz informacje o produkcie”, wskaż dokładnie, jakich danych potrzebujesz, np. „wyodrębnij nazwę produktu, cenę w USD i dostępne rozmiary z sekcji szczegółów produktu”.

• Pomijanie obsługi błędów: Prompt powinien zawierać instrukcje dotyczące brakujących danych i nieoczekiwanych sytuacji, np. „jeśli cena nie jest dostępna, wpisz N/A”.

Ile czasu warto poświęcić na pisanie promptów

Zastanów się, jaką wartość daje Ci ten workflow i ile czasu pozwoli zaoszczędzić.

Osobiście poświęcam sporo czasu na pisanie promptów dla siebie i naszych użytkowników.

Kiedy korzystam z Groka, nie spędzam 30 minut nad jednym promptem. Po prostu wpisuję pierwsze polecenie, a potem stopniowo je dopracowuję, ponieważ nie zlecam mu szczególnie złożonych zadań. Kiedy jednak przygotowuję prompt do personalizacji wiadomości e-mail lub czyszczenia danych, poświęcam mu więcej czasu. Dzięki temu później nie muszę długo szukać problemów, poprawiać promptu i ponawiać całego procesu.

Harrison Chase, założyciel LangChain: „Nie sądzę, żebyśmy znaleźli już właściwy sposób interakcji z aplikacjami opartymi na agentach. Człowiek w procesie nadal wydaje się konieczny, bo te systemy nie są szczególnie niezawodne. Jeśli jednak człowiek angażuje się zbyt często, aplikacja sama nie wykonuje zbyt wiele użytecznej pracy. Trzeba więc znaleźć tu specyficzną równowagę”.

Mój szablon promptu dla agenta AI z przykładami

Skopiuj ten szablon i zastąp każdy placeholder własnymi danymi wejściowymi, źródłem oraz polami wynikowymi. Jeśli odpowiedź pochodzi ze strony internetowej, dodaj adres URL będący dowodem. Przed użyciem promptu na większą skalę uruchom go dla kilku wierszy i sprawdź zarówno znalezione wyniki, jak i przypadki z brakującymi danymi.

Oto mój framework zastosowany do scrapowania sklepu e-commerce:

Oto mój framework zastosowany do researchu medialnego:

Przetestuj prompt przed uruchomieniem całej listy

Nawet dobrze skonstruowany prompt wymaga sprawdzenia na próbce danych. Zachowaj pierwotne dane wejściowe obok pól wynikowych, aby upewnić się, że każdy rezultat jest przypisany do właściwego wiersza. W przypadku researchu stron internetowych otwórz zwróconą stronę z dowodem i sprawdź, czy rzeczywiście potwierdza konkretną wartość.

Wybierz kilka zróżnicowanych wierszy i zastosuj poniższe kryteria akceptacji:

Jeśli któreś kryterium nie zostanie spełnione, popraw odpowiednią instrukcję i ponownie uruchom prompt na tej samej próbce. Ułatwi Ci to ocenę efektu wprowadzonej zmiany. Podczas testów uwzględnij wiersze z brakującymi danymi i zaakceptuj status braku danych, jeśli żadne źródło nie potwierdza danej wartości.

W szablonach dane wejściowe dotyczące konkretnego wiersza znajdują się na końcu, pod jednoznacznymi etykietami rozpoczynającymi się od #. Zastąp je zmapowanymi wartościami. Sama nazwa kolumny nie przekazuje agentowi wartości z danego wiersza. Podczas dostosowywania szablonu pozostaw niezmienne instrukcje zadania nad blokiem danych wejściowych.

FAQ: pisanie skutecznych promptów AI

1. Czy naprawdę trzeba poświęcać czas na pisanie promptów?

Choć może się to wydawać czasochłonne, inwestycja w jasne i precyzyjne prompty jest niezbędna do uzyskania poprawnych wyników. Ogólne instrukcje prowadzą do ogólnych rezultatów, przez co na dłuższą metę tracisz więcej czasu na kolejne iteracje i poprawki.

2. Co odróżnia dobry prompt od złego?

Dobry prompt ma przejrzystą strukturę, zawiera konkretne instrukcje, przykłady oczekiwanych wyników oraz zasady obsługi błędów. Zły prompt jest ogólny i chaotyczny, nie zawiera przykładów oraz nie uwzględnia potencjalnych błędów ani niespójności.

3. Czy istnieje prosty szablon do pisania promptów?

Tak. W artykule znajdziesz szablon składający się z pięciu głównych sekcji: Cel, Instrukcje dotyczące zadania, Informacje do wyodrębnienia, Zasady przetwarzania danych oraz Błędy, których należy unikać. Poszczególne sekcje powinny być wyraźnie oddzielone za pomocą „===”.

4. Jak szczegółowe powinny być przykłady w promptcie?

Przykłady powinny być konkretne i obejmować różne możliwe scenariusze. Jeśli wyodrębniasz informacje o produktach, uwzględnij przykłady różnych formatów, walut i jednostek miary, które mogą pojawić się w danych.

5. Której części promptu nie należy pomijać?

Kluczowe znaczenie mają sekcje dotyczące obsługi błędów oraz błędów, których należy unikać. Zapobiegają typowym problemom i pomagają uzyskać spójne wyniki nawet w przypadku nieoczekiwanych danych lub scenariuszy.