Prompt engineering — jak pisać skuteczne prompty dla LLM

Czym jest prompt engineering?

Prompt engineering to sztuka formułowania zapytań do modeli językowych tak, żeby dostać przewidywalne, dokładne i użyteczne wyniki.

Dobry prompt = jasny kontekst + konkretne zadanie + format odpowiedzi.

Złe vs dobre prompty

❌ Złe — zbyt ogólne:

Napisz kod PHP.

✅ Dobre — konkretne:

Napisz funkcję PHP 8.3, która:
- przyjmuje tablicę stringów
- filtruje elementy dłuższe niż 5 znaków
- zwraca nową tablicę z wynikami
- używa array_filter i fn()
Dodaj przykład użycia z var_dump().

Techniki

1. System prompt — nadaj rolę

Jesteś senior PHP developerem z 10-letnim doświadczeniem w Symfony.
Odpowiadaj zwięźle. Kod pisz zgodnie z PSR-12.
Jeśli pytanie jest niejasne, dopytaj przed odpowiedzią.

2. Few-shot — pokaż przykłady

Zamień tytuły na sluga:
"Hello World"       → "hello-world"
"Jak się masz?"     → "jak-sie-masz"
"PHP 8.3 Tutorial"  → "php-8-3-tutorial"
"Zażółć gęślą jaźń" → ?

3. Chain of thought — myśl krok po kroku

Rozwiąż ten problem wydajnościowy krok po kroku:
1. Opisz co robi ten kod
2. Zidentyfikuj wąskie gardło
3. Zaproponuj optymalizację
4. Pokaż poprawiony kod

Kod:
[wklej kod]

4. Output format — określ format odpowiedzi

Odpowiedz w formacie JSON:
{
  "problem": "...",
  "solution": "...",
  "code": "..."
}

Narzędzia

Prompt dla code review

Przeanalizuj poniższy kod PHP jako senior developer.

Szukaj:
- błędów bezpieczeństwa (SQL injection, XSS, CSRF)
- problemów z wydajnością
- naruszeń zasad SOLID
- braku obsługi błędów

Format:
## Krytyczne
- [opis problemu] → [sugerowana poprawka]

## Ważne
- ...

## Sugestie
- ...

Kod:
```php
[twój kod]

---

## Ograniczenia LLM

- **halucynacje** — model może zmyślać fakty; zawsze weryfikuj
- **odcięcie wiedzy** — model nie zna najnowszych bibliotek
- **kontekst** — długie konwersacje mogą „gubić" wcześniejsze ustalenia
- **deterministyczność** — ten sam prompt może dać różne odpowiedzi (parametr `temperature`)