prompt-engineer

Skill do projektowania i optymalizacji promptów dla aplikacji opartych na modelach językowych. Opanuj architekturę promptów systemowych, zarządzanie kontekstem, formatowanie wyjścia i testowanie. Nauczysz się tworzyć strukturalne prompty z jasnymi sekcjami (rola, kontekst, instrukcje, ograniczenia, format wyjścia, przykłady), projektować przykłady few-shot oraz stosować chain-of-thought do krok-po-kroku rozumowania modelu. Idealne dla każdego, kto chce, aby AI robił dokładnie to, co trzeba.

1. Zainstaluj skill prompt-engineer z repozytorium davila7 jako komponent w swoim projekcie opartym na Claude lub innym modelu LLM. Upewnij się, że masz zainstalowane podstawowe narzędzia do pracy z LLM i rozumiesz tokenizację.

2. Zdefiniuj rolę modelu – wyraźnie powiedz, kim ma być AI (np. "Jesteś ekspertem w analizie danych"). Ta sekcja stanowi fundament całego promptu.

3. Dodaj kontekst i instrukcje – opisz tło problemu, co dokładnie ma zrobić model, oraz jakie są ograniczenia (co NIE powinno robić). Unikaj niejasnych poleceń i zbyt wielu instrukcji naraz.

4. Określ format wyjścia – powiedz modelowi, w jakiej strukturze ma zwrócić odpowiedź (JSON, lista punktów, tabela). Precyzyjny format zmniejsza błędy interpretacji.

5. Dołącz 2–5 przykładów few-shot pokazujących pożądane zachowanie, zwłaszcza przypadki brzegowe. Upewnij się, że przykłady są sformatowane spójnie i odpowiadają złożoności rzeczywistych danych.

6. Testuj i iteruj – zmień prompt, obserwuj wyniki, analizuj błędy modelu. Małe zmiany w sformułowaniu mogą mieć duży wpływ na jakość odpowiedzi. Używaj chain-of-thought ("Pomyśl krok po kroku"), aby zrozumieć, gdzie model się myli.