Data: 28.05.2026

Jak dobrze pisać prompty AI do generowania tekstów

Prompty AI do tworzenia tekstów – jak je dobrze pisać?

Spis treści

Prompty AI do tworzenia tekstów – jak je dobrze pisać?

Jakość odpowiedzi, którą otrzymujesz od ChatGPT, Claude, Gemini lub innego modelu, zależy nie tylko od modelu, ale również od tego, w jaki sposób pytasz. W artykule poznasz prompty AI do tworzenia tekstów.

Czym jest prompt i prompt engineering?

Prompt to instrukcja, pytanie lub polecenie, które przekazujesz modelowi AI. Jakość odpowiedzi zależy bezpośrednio od jakości promptu – im precyzyjniej zdefiniujesz oczekiwania, tym lepsza i bardziej użyteczna będzie odpowiedź.

Prompt engineering to sztuka formułowania zapytań do modeli sztucznej inteligencji w taki sposób, aby uzyskać od nich możliwie najlepszą odpowiedź. W praktyce chodzi o to, jak rozmawiać z AI – jakie informacje podać, jaki kontekst zbudować, jak określić rolę modelu, format odpowiedzi czy ton wypowiedzi.

Anatomia dobrego promptu – 4 filary

Skuteczne prompty, niezależnie od zastosowanej metody, zwykle opierają się na czterech kluczowych elementach:

Element	Pytanie kluczowe	Przykład
Rola	Kim ma być AI?	„Jesteś doświadczonym copywriterem…”
Kontekst	Co AI powinno wiedzieć?	„Piszę do segmentu B2B, branża fintech…”
Zadanie	Co dokładnie ma zrobić?	„Napisz nagłówek landing page…”
Format	Jak ma wyglądać odpowiedź?	„…w formie 3 wariantów po max. 10 słów”

Rola (Persona)

Nadanie modelowi konkretnej roli zmienia styl, ton i poziom szczegółowości odpowiedzi. Model dostosowuje wiedzę i słownictwo pod wskazaną ekspertyzę.

❌ Słabo: „Napisz coś o marketingu”

✅ Dobrze: „Jesteś ekspertem ds. marketingu B2B z 10-letnim doświadczeniem. Napisz…”

Dobrze określona rola to nie tylko podanie zawodu. Warto dodać również poziom doświadczenia, specjalizację i charakterystyczny styl pracy.

Kontekst

Kontekst dla modelu AI to cała informacja, którą model „widzi” w momencie, gdy generuje odpowiedź.

Kontekst składa się z następujących elementów:

Instrukcji systemowej – ukrytych wytycznych, które definiują, jak model ma się zachowywać
Historii rozmowy – wszystkich poprzednich wiadomości twoich i modelu w danym wątku
Twojego aktualnego pytania – tego, na które model bezpośrednio odpowiada
Dodatkowych danych np. wklejonego dokumentu, wyników wyszukiwania w sieci czy załączonego pliku.

Kiedy rozmowa staje się bardzo długa i zawiera różne wątki, model może mieć trudność z odnalezieniem się w niej. Dlatego każdy nowy temat – jeśli nie jest bezpośrednio związany z tym, o czym właśnie rozmawiacie – warto rozpocząć w osobnej konwersacji.

Co warto uwzględnić w kontekście:

Branżę lub dziedzinę
Docelowego odbiorcę (wiek, wiedza, potrzeby)
Cel komunikacji (sprzedaż, edukacja, informacja)
Wcześniej wykonane kroki

❌ Słabo: „Napisz e-mail do klienta o opóźnieniu”

✅ Dobrze: „Napisz e-mail do klienta B2B z branży logistycznej, który czeka na wdrożenie oprogramowania opóźnionego o 2 tygodnie z powodu problemów technicznych. Klient jest zniecierpliwiony – poprzedni kontakt był napięty. Celem jest utrzymanie relacji i wyznaczenie nowego, realnego terminu.”

Zadanie

Zadanie w prompcie to polecenie, za pomocą którego określamy, co konkretnie model ma zrobić. Najlepiej formułować je jednym, precyzyjnym czasownikiem działania, który nie pozostawia wątpliwości co do oczekiwanego rezultatu. Zamiast nieostrych sformułowań typu „pomóż mi” czy „zrób coś z tym tekstem”, używaj konkretów:

Przeanalizuj raport sprzedażowy i wskaż trzy główne trendy
Streść artykuł w pięciu zdaniach
Przetłumacz poniższy tekst na angielski
Sklasyfikuj opinie klientów jako pozytywne, neutralne lub negatywne
Wygeneruj dziesięć propozycji tytułów wpisu blogowego

❌ Słabo sformułowane	✅ Dobrze sformułowane
„Pomóż mi z e-mailem”	„Napisz e-mail z ofertą współpracy”
„Coś o prezentacji”	„Przygotuj 5 slajdów prezentacji sprzedażowej”
„Ułóż plan”	„Ułóż miesięczny plan marketingu sklepu odzieżowego”

Format

Format w prompcie to informacja, w jakiej formie model ma zwrócić odpowiedź. Wskazujesz nim, jak ma wyglądać gotowy wynik.

Format możesz określić na kilka sposobów:

Typ struktury – tabela, lista punktowana, akapit, JSON, kod
Długość – „w trzech zdaniach”, „maksymalnie 100 słów”, „pięć punktów”
Układ pól – „podaj nazwę, cenę i ocenę w osobnych kolumnach”
Styl zapisu – formalny, potoczny, techniczny

Nie zawsze musimy określać format. Przy zwykłej rozmowie, czy prostych pytaniach model sam dobierze właściwą formę odpowiedzi. Jeśli pytasz „ile czasu gotować jajko na twardo”, model sam poda odpowiedź w zrozumiałej formie – nie musisz określać formatu.

Format przydaje się, gdy zależy ci na konkretnej strukturze np. gdy wynik ma trafić do tabeli czy prezentacji.

Niektóre modele np. Claude, ChatGPT, Microsoft Copilot potrafią wygenerować plik do pobrania. Możesz wtedy określić format jako „zrób prezentację PowerPoint” albo „stwórz arkusz Excel”.

❌ Słabo: „Napisz mi coś o zaletach pracy zdalnej”

✅ Dobrze: „Napisz o zaletach pracy zdalnej w formie 3 punktów, każdy max. 2 zdania. Użyj prostego języka, bez żargonu. Na końcu dodaj jedno zdanie podsumowania w formie wniosku.”

Metoda RTF – szybkie prompty do codziennych zadań

RTF to uproszczona, trzyelementowa formuła do konstruowania promptów dla codziennych, rutynowych zadań:

R – Role (Rola) – określa, w jaką rolę model ma się wcielić. Wskazanie roli np. „Jesteś doświadczonym redaktorem” albo „Działaj jako analityk finansowy”, ukierunkowuje ton i poziom wiedzy w odpowiedzi
T – Task (Zadanie) – definiuje konkretne zadanie do wykonania. Im lepiej opiszesz, czego oczekujesz, tym trafniejszy będzie rezultat np. „Napisz streszczenie załączonego raportu w pięciu punktach”.
F – Format (Format) – wskazuje, w jakiej formie ma być przedstawiona odpowiedź

Metoda pomija Kontekst, gdyż w prostych zadaniach jest on oczywisty lub zbędny.

Kiedy stosować RTF:

Proste, jednorazowe polecenia – gdy potrzebujesz pojedynczego rezultatu bez rozbudowanej konwersacji.

Przykład: „Jesteś korektorem (Role). Popraw błędy ortograficzne i interpunkcyjne w tym tekście (Task). Zwróć poprawioną wersję bez komentarzy (Format)”.
Szybkie pytania wymagające konkretnej odpowiedzi – gdy zależy ci na zwięzłym, gotowym wyniku, a nie długim wywodzie.

Przykład: „Jesteś dietetykiem (Role). Wymień produkty bogate w białko roślinne (Task). Podaj je jako listę punktowaną z krótkim opisem każdego (Format)”.
Zadania, gdzie kontekst jest oczywisty – gdy model nie potrzebuje dodatkowych informacji, aby zrozumieć intencję.

Przykład: „Jesteś tłumaczem (Role). Przetłumacz poniższe zdanie na angielski (Task). Podaj tylko tłumaczenie (Format)”.
Codzienne zadania: e-maile, podsumowania, teksty – powtarzalne czynności, które wykonujesz regularnie.

Przykład: „Jesteś asystentem biurowym (Role). Napisz uprzejmego maila z prośbą o przełożenie spotkania na przyszły tydzień (Task). Zachowaj formalny ton i długość do pięciu zdań (Format)”.

Metoda CREATE – prompty do złożonych zadań

Gdy zadanie jest trudniejsze, dłuższe lub takie, w którym chcesz uzyskać powtarzalną jakość, warto skorzystać z metody CREATE. Zawiera ona sześć poniższych elementów:

C – Character – zdefiniuj nie tylko zawód, ale doświadczenie, wartości i styl komunikacji.

Jesteś starszym copywriterem z 15-letnim doświadczeniem w branży e-commerce, specjalizującym się w tekstach konwersyjnych dla segmentu premium. Twoje teksty są eleganckie, ale konkretne.
R – Request – opisz zadanie maksymalnie dokładnie – co, dla kogo, po co.

Napisz opis produktu dla luksusowego zegarka Swiss Made, skierowany do zamożnych mężczyzn 40–55 lat, który będzie opublikowany na stronie produktowej w sklepie internetowym.
E – Examples – daj wzorce – przykłady tego, co działa, i tego, czego unikać.

Dobry przykład tonu: [wklej fragment]
Zły przykład (unikaj): [wklej fragment]
A – Adjustments – określ ograniczenia i wymagania specjalne.

Długość: 150–200 słów. Nie używaj słów: „ekskluzywny”, „luksusowy”. Unikaj pasywnych konstrukcji. Nie wspominaj o cenie.
T – Type – wskaż strukturę i formę odpowiedzi.

Format odpowiedzi:
– Nagłówek (max. 8 słów)
– Lead (2 zdania)
– Opis cech (3 punkty)
– Call to action (1 zdanie)
E – Extras – dodaj instrukcje dotyczące procesu pracy.

Jeśli czegoś nie wiesz, zapytaj zamiast zgadywać. Zaproponuj 2 warianty: jeden klasyczny, jeden bardziej odważny. Na końcu dodaj krótkie uzasadnienie swoich wyborów.

Kiedy stosować metodę CREATE:

Tworzenie długich, złożonych treści np. esejów, raportów czy konspektów, gdzie łatwo pominąć ważny element. CREATE wymusza uwzględnienie wszystkich kluczowych szczegółów.
Zadania wymagające określonego stylu lub tonu – gdy zależy ci na konkretnym charakterze tekstu (formalny, przystępny, akademicki), elementy Character i Adjustments pozwalają go precyzyjnie ustawić.
Projekty powtarzalne – szablony, cykliczne raporty czy notatki. Raz przygotowany prompt CREATE można wielokrotnie wykorzystać, zmieniając tylko dane wejściowe.
Zadania, w których jakość pierwszej odpowiedzi jest krytyczna – gdy nie ma czasu na wielokrotne poprawki. Dokładny prompt zwiększa szansę na trafny wynik za pierwszym razem.

Metoda Myślenie krok po kroku (Chain-of-Thought)

Modele językowe generują tekst sekwencyjnie – każde kolejne słowo zależy od poprzednich. Gdy poprosisz model, aby „myślał na głos”, czyli rozpisał kolejne kroki rozumowania zanim poda wynik, każdy etap staje się fundamentem dla następnego. Dzięki temu maleje ryzyko błędów i powierzchownych odpowiedzi.

Metodę tę możesz uruchomić na kilka sposobów. Poniżej trzy warianty, od najprostszego do najbardziej rozbudowanego:

Wariant 1 – bezpośrednia instrukcja – prosisz model wprost o rozpisanie rozumowania.

Rozwiąż poniższy problem krok po kroku. Opisz każdy etap rozumowania, zanim podasz końcową odpowiedź.

Sprawdza się przy zadaniach analitycznych i obliczeniowych, gdzie błąd na wczesnym etapie może popsuć cały wynik.
Wariant 2 – narzucona struktura – nie zostawiasz modelowi swobody, ale samodzielnie definiujesz kolejne etapy. Daje to większą powtarzalność odpowiedzi.
Przeanalizuj poniższą umowę w trzech krokach:
1. Wypisz wszystkie zobowiązania finansowe każdej ze stron.
2. Wskaż zapisy, które mogą być niekorzystne dla zleceniobiorcy.
3. Zaproponuj konkretne zmiany w problematycznych punktach.
Ten wariant jest przydatny, jeśli chcesz, aby model za każdym razem analizował materiał według tego samego schematu.
Wariant 3 – plan przed realizacją – prosisz model, aby najpierw przedstawił zarys, a do właściwej pracy przystąpił dopiero po Twojej akceptacji.

Zanim zaczniesz pisać, przedstaw w punktach plan artykułu. Wstrzymaj się z pełną treścią do mojej akceptacji.

To rozwiązanie najlepiej sprawdza się przy dłuższych tekstach i złożonych zadaniach: widzisz strukturę, zanim model wygeneruje całość i możesz skorygować kierunek bez przepisywania gotowej odpowiedzi.

Łańcuchowanie poleceń (Prompt Chaining)

Złożone zadanie możemy podzielić na serię mniejszych, powiązanych kroków, w której wynik jednego polecenia staje się punktem wyjścia dla kolejnego. Zyskujemy w ten sposób większą kontrolę nad wynikami i łatwiej znajdujemy błędy.

[Prompt 1] → Wynik 1
      │
      ▼
[Prompt 2 + Wynik 1] → Wynik 2
      │
      ▼
[Prompt 3 + Wynik 2] → Wynik Końcowy

Przykład – pisanie artykułu:

Krok 1 – konspekt:

Jesteś ekspertem content marketingu. Na podstawie tematu „Jak AI zmienia zarządzanie projektami” zaproponuj 5 głównych punktów artykułu, a dla każdego 3 podpunkty. Wynik w formie konspektu Markdown.

Krok 2 – rozwinięcie sekcji:

„Używając poniższego konspektu [wklej wynik kroku 1], rozwiń punkt 2 w pełny paragraf (200–250 słów). Zachowaj profesjonalny, ale przystępny ton.”

Krok 3 – korekta i optymalizacja:

Przejrzyj poniższy tekst [wklej wynik promptu 2] pod kątem:

Spójności argumentacji

Tonu i stylu (profesjonalny B2B)

SEO (słowo kluczowe: „AI w zarządzaniu projektami”)
Wprowadź poprawki i uzasadnij najważniejsze zmiany.

Prompting z przykładami (Few-shot)

Czasami łatwiej coś modelowi pokazać niż opisać. Zamiast tłumaczyć słowami, jakiego stylu, tonu czy formatu oczekujesz, dajesz gotowe przykłady, a model wychwytuje wzorzec i stosuje go do nowych danych.

W zależności od liczby przykładów mówimy o:

Zero-shot – brak przykładów, sam opis zadania. Model radzi sobie z typowymi poleceniami bez wzorców.
One-shot – jeden przykład. Wystarczy, gdy chcesz zasygnalizować format lub ton.
Few-shot – kilka przykładów (zwykle 2–5). Najlepiej sprawdza się, gdy zależy ci na powtarzalnym wzorcu lub gdy zadanie jest nietypowe.

❌ Słabo: „Napisz krótki, chwytliwy opis produktu w lekkim tonie.”

✅ Dobrze:
„Przygotuj opis produktu butelka filtrująca według poniższego wzoru:

Przykład 1: produkt bidon termiczny
Opis: Twoja kawa o 15:00 wciąż gorąca? Z tym bidonem – tak. Trzyma temperaturę przez 12 godzin.

Przykład 2: produkt plecak miejski
Opis: Laptop, parasol, drugie śniadanie i jeszcze miejsce na zakupy. Wszystko w jednym, lekkim plecaku.

Model rozpozna z przykładów ton (bezpośredni, z pytaniem na start), długość (dwa zdania) i strukturę – i odtworzy je dla nowego produktu.

Jak tworzyć dobre przykłady:

Spójność – wszystkie przykłady powinny mieć ten sam wzorzec. Jeśli się różnią, model nie wie, co naśladować.
Reprezentatywność – pokaż przypadki podobne do tych, które realnie wystąpią.
Wyraźne oddzielenie – oddzielaj przykłady od polecenia (etykietami, liniami, nagłówkami), aby model nie pomylił wzorca z zadaniem.

Przykład nie musi być wpisany w treść promptu. Możesz go również:

Załączyć jako plik – np. dokument Word, PDF czy arkusz z wzorcowymi tekstami. Przydatne, gdy przykładów jest więcej lub mają rozbudowaną strukturę.
Dodać jako obraz – zrzut ekranu, zdjęcie strony czy grafikę. Model odczyta z obrazu zarówno tekst, jak i układ, więc sprawdza się to np. przy odwzorowaniu formatu, layoutu lub stylu wizualnego.

W przypadku obrazów warto sprawdzić, czy model poprawnie odczytał treść. Jeśli zdjęcie jest słabej jakości, mogą pojawić się błędy.

Załączanie gotowego dokumentu do promptu

Jeśli przy każdej rozmowie potrzebujesz przekazać do modelu te same informacje, możesz przygotować dane raz w formie dokumentu bazowego i podpinać go do rozmowy.

Większość modeli pozwala załączyć plik (PDF, Word, TXT) albo po prostu wkleić jego treść na początku rozmowy. Model traktuje go jako część kontekstu i odnosi się do niego przy kolejnych poleceniach.

Co warto umieścić w takim dokumencie:

Styl i ton komunikacji
Opis docelowego odbiorcy
Słownik – słowa i zwroty, których używać, oraz te, których unikać
Stałe wymagania formalne – długość, struktura, formatowanie
Wzorcowe teksty, które dobrze oddają oczekiwany efekt

Dzięki temu kolejne prompty mogą być krótkie i konkretne np. „Napisz opis produktu zgodnie z załączonymi wytycznymi”.

Tworzenie własnej biblioteki promptów

Biblioteka promptów to uporządkowany zbiór gotowych, przetestowanych poleceń, który pozwala:

standaryzować pracę z AI w całym zespole
przyspieszać codzienne zadania (nie konstruujesz każdego promptu od zera)
podnosić jakość wyników
przekazywać wiedzę między pracownikami
ulepszać prompty na podstawie doświadczeń

Wpis w bibliotece może zawierać:

Element	Opis
Nazwa	Krótka, opisowa nazwa promptu
Kategoria	Obszar zastosowania (marketing, HR, analiza danych)
Treść promptu	Pełne polecenie gotowe do użycia
Przykładowy wynik	Ilustracja oczekiwanego efektu
Wskazówki	Sugestie modyfikacji i kontekstu użycia
Autor / Data	Twórca i data ostatniej aktualizacji

Przykładowe narzędzia do prowadzenia biblioteki promptów:

Microsoft Excel / Google Sheets – najprostsze i najbardziej dostępne rozwiązanie. Arkusz kalkulacyjny sprawdza się szczególnie na początku wdrożenia AI w organizacji. Pozwala szybko zorganizować prompty w kolumny, filtrować według kategorii oraz udostępniać plik całemu zespołowi. Zajrzyj do przykładowej biblioteki promptów – wzór w Excelu do pobrania
Notion – narzędzie do zarządzania wiedzą. Umożliwia utworzenie rozbudowanej bazy promptów z tagami, filtrami, widokami kanban oraz osadzaniem przykładów wyników bezpośrednio przy każdym wpisie.
Microsoft SharePoint / Confluence – rozwiązania dedykowane środowiskom korporacyjnym. Zapewniają kontrolę dostępu, wersjonowanie dokumentów oraz integrację z innymi narzędziami ekosystemu Microsoft lub Atlassian.
Platformy AI – narzędzia takie jak PromptBase, LangSmith czy wbudowane biblioteki w platformach typu Microsoft Copilot oferują specjalnie zaprojektowane funkcje do zarządzania promptami.

Jeśli chcesz nauczyć się systematycznie wykorzystywać AI w codziennej pracy – nie tylko do tekstów, ale także do analiz, prezentacji czy automatyzacji rutynowych zadań – sprawdź nasz kurs AI w pracy biurowej. Uczymy na nim, jak krok po kroku wdrożyć AI w codziennej pracy.

Najczęstsze pytania o prompty AI do tworzenia tekstów

Czy długi prompt jest zawsze lepszy niż krótki?

Nie. Liczy się precyzja, nie objętość. Długi, ale chaotyczny prompt da gorsze wyniki niż krótki i klarowny.

Czy muszę używać metody RTF lub CREATE?

Nie są to obowiązkowe szablony, tylko sprawdzone struktury, które pomagają pamiętać o ważnych elementach. Z czasem zaczniesz konstruować dobre prompty intuicyjnie bez myślenia o metodzie.

Czy ten sam prompt zadziała w każdym modelu AI?

Zasady prompt engineering są uniwersalne na poziomie ogólnym – bycie konkretnym, dawanie kontekstu, używanie przykładów działa wszędzie. Jednak przy zmianie modelu lepiej zakładać konieczność adaptacji promptu.

Co zrobić, gdy AI nie rozumie, o co mi chodzi?

Sprawdź, którego elementu w prompcie brakuje. Najczęściej winny jest niedopowiedziany kontekst lub zbyt ogólne zadanie. Dodaj rolę, doprecyzuj odbiorcę i cel, określ format.

Czy warto pisać prompty po angielsku?

W większości popularnych zastosowań różnica jest niewielka – nowoczesne modele dobrze rozumieją język polski. Przy bardzo niszowych tematach technicznych angielski bywa lepszy, gdyż modele trenowano głównie na tekstach anglojęzycznych.

Ewa Barbara Lelusz
Analityk biznesowy

Udostępnij wpis: