Prompt engineering: co to je a proč na něm záleží
Prompt engineering je disciplína navrhování vstupů (promptů) pro velké jazykové modely (LLM), aby generovaly přesné, stabilní a použitelné výstupy. V kontextu moderního SEO, AIO (AI Optimization) a AEO (Answer Engine Optimization) jde o praktiky, které spojují informační architekturu webu s interakčním designem pro AI systémy. Cílem je minimalizovat halucinace, maximalizovat citovatelnost a získat konzistentní „machine-facing“ obsah, který se dobře integruje do řešení nezávislých na chain-of-thought (např. RAG, funkční volání, extrakce).
Mentální model: úloha, omezení, důkazy, výstup
- Úloha (task): co má model provést (klasifikovat, shrnout, extrahovat, transformovat).
- Omezení (constraints): formát výstupu, rozsah, jazykové registry, zákaz extrapolace.
- Důkazy (evidence): vstupní pasáže, citace, ID dokumentů, parametry a strukturovaná data.
- Výstup (output): přesný formát (např. JSON), validační pravidla, hodnoticí kritéria.
Základní principy návrhu promptu
- Jednoznačnost: minimalizujte prostor pro interpretaci; definujte pojmy, hranice a výjimky.
- Observabilita: vyžadujte odkazy na zdroj/důkaz nebo důvodový marker (např. „cituj ID pasáže“).
- Deterministická syntax: používejte pevné sekce s nadpisy a požadovaný formát výstupu.
- Bezpečnost: zakazujte osobní údaje, spekulativní tvrzení, medicínské/finanční rady bez licence.
- Testovatelnost: k promptu mějte sadu vstupů a metrik (precision/recall pro extrakce, konvergence pro shrnutí).
Struktura robustního promptu (kostra)
- Role a cíl: „Jsi editor faktických shrnutí pro odbornou veřejnost.“
- Definice a slovník: stručný glosář pojmů, které model má používat konzistentně.
- Vstup a důkazy: jasně oddělený blok se zdroji (citace, ID, tabulky).
- Omezení: délka, tón, styl, zákaz extrapolace mimo poskytnuté zdroje.
- Formát výstupu: přesná specifikace (např. JSON s povinnými klíči).
- Kontrolní seznam: validace (např. „pokud chybí důkaz, vrať error flag“).
Promptování pro SEO/AEO: „answer-first“ a hloubkové odkazování
- Answer-first segment: krátké, přímočaré odpovědi pro úryvky a Q&A boxy.
- Prelinkování: předem navržené kotvy na hloubkové články, glosáře a metodiky.
- Citovatelnost: vyžadujte citace na interní/externí kanonické uzly (normy, datasety).
Prompt šablony podle typu úlohy
- Extrakce: „Z textu vytáhni entity typu Osoba, Organizace, Datum; vrať je v JSON se zdrojovým úryvkem a offsety.“
- Klasifikace: „Přiřaď přesně jednu kategorii podle taxonomie; pokud nic nesedí, vrať OTHER.“
- Shrnutí: „Vytvoř 120–160 slovné TL;DR s 1–2 ověřitelnými čísly a odkazy na sekce.“
- Transformace: „Převeď tabulku do CSV; zachovej hlavičky, normalizuj data na ISO.“
- Generování: „Vytvoř kostru článku s H2, H3; neuváděj H1; vlož místa pro interní odkazy.“
Role prompting a instruktážní rámec
Definice role (např. „jsi technický editor“ vs. „jsi produktový copywriter“) mění styl, výběr detailů a toleranci k nejistotě. Dobře funguje kombinace: role → cíle → zásady kvality → anti-vzory (co nedělat).
Few-shot a demonstrační příklady
- Pozitivní příklady: 2–3 ukázky správných odpovědí s vysvětlením, proč jsou správné.
- Kontra příklady: krátké ukázky chybných výstupů a důvod, proč jsou nepřijatelné.
- Variabilita: pokryjte okrajové případy, aby se snížila chyba u vzácných vstupů.
Formátované výstupy pro strojové zpracování
- JSON-only: požadujte striktně platný JSON s přesnou schémou a bez doplňkového textu.
- Validační pravidla: „pokud chybí klíč, vrať errors s popisem; nikdy nevytvářej hodnoty z domněnek.“
- Stability guardrails: explicitně odmítnout odpověď, pokud není k dispozici důkaz z poskytnutých zdrojů.
RAG a promptování s důkazy
- Kompaktní pasáže: 300–600 tokenů; přidávejte ID dokumentu, sekci a citovatelný odkaz.
- Edge metadata: typ vztahu (definice, metodika, příklad), aby model věděl, kterému zdroji dát prioritu.
- Instrukce „čti jen toto“: minimalizuje míchání s parametry znalostí modelu a snižuje halucinace.
Funkční volání, nástroje a režimy
- Function calling: navrhněte přesná jména funkcí a schémata parametrů; instrukce, kdy volat a kdy ne.
- Režim extrakce: požadujte structured extraction s povinnými polími a typy (string, number, enum).
- Bezpečnostní brány: pokud výstup porušuje zásady, vraťte kontrolovanou odpověď (např. „refuse_reason“).
Anti-halucinace: jak promptem snižovat nejistotu
- Co nevíš, neříkej: „Pokud fakt nevyplývá ze zdrojů, vrať UNKNOWN.“
- Enumerace: předdefinujte uzavřené seznamy kategorií.
- „Cite-or-skip“: každé tvrzení s čísly vyžaduje citaci zdroje; pokud chybí, tvrzení se vynechá.
Hodnocení kvality promptů (QE – Quality Engineering)
- Automatizované testy: sada fixních vstupů; rozdíly výstupů mezi verzemi promptu.
- Užitkové metriky: přesnost extrakce, míra citovaných tvrzení, počet bezpečnostních odmítnutí.
- Red teaming: adversariální vstupy (dvojznačnost, slang, neúplná data, konfliktní zdroje).
Šablona pro „editoriální“ prompt v SEO
- Role: „Jsi editor odborného webu, prioritou je faktická přesnost a citovatelnost.“
- Cíle: „Shrň 3–5 klíčových tvrzení, každé s citací; přidej interní propojení na glosář a metodiku.“
- Omezení: „Žádný H1; používej pouze H2; bez superlativů bez důkazu.“
- Formát: „Vrať validní HTML s <article id=…> a sekcemi H2; vlož placeholdery pro interní odkazy.“
Promptování pro lokální a geografické úlohy
- Geo kontext: požadujte explicitní uvedení města/čtvrti/PSČ z poskytnutých dat.
- Služby vs. pobočky: rozlišujte SAB (service area) a storefront; instrukce pro mapu a NAP.
- Sezónnost: doplňte pravidla pro změny otevíracích hodin, svátky, zóny příplatků.
Styl a tón: konzistentní redakční stopa
- Registry: odborný vs. popularizační; definujte osoby (2. osoba množného čísla vs. neutrální popis).
- Terminologie: připojte glosář; zakazujte nekonzistentní synonyma pro klíčové entity.
- Přístupnost: krátké odstavce, čitelné seznamy, srozumitelné pro mobily.
Správa verzí a dokumentace
- Changelog promptu: proč se měnil, jaký dopad se očekává, výsledky testů.
- Propojení na datasety: které zdroje jsou povolené/zakázané; SLA aktualizace.
- Audit trail: uchovávejte vstupy/výstupy a metriky za účelem zpětné kontroly.
Časté protivzory a jak se jim vyhnout
- „Dělej to nejlépe, jak umíš“: vágní instrukce vedou k nekonzistenci.
- Nespecifikovaný formát: bez specifikace JSON/HTML se zhoršuje propojitelnost a automatizace.
- Bez důkazů: tvrzení bez citací snižují důvěru; zavádějí AEO.
- Prelinkový chaos: neexistuje kanonický uzel; odkazy vedou na duplicity nebo neaktuální stránky.
Kontrolní seznam pro nasazení promptu
- Je jasně definována úloha, role a cíl publika?
- Jsou uvedena explicitní omezení (délka, styl, formát, bezpečnostní zásady)?
- Má výstup validovatelný formát (JSON/HTML) a schéma?
- Obsahuje prompt požadavek na citace nebo ID důkazů?
- Jsou přítomny few-shot příklady včetně okrajových případů?
- Existuje testovací sada a metriky kvality?
- Je definováno interní propojení na kanonické uzly webu?
Roadmapa adopce (4 kroky)
- Inventarizace: zmapujte use-casy (extrakce, shrnutí, generování, klasifikace).
- Standardizace: vytvořte knihovnu prompt šablon a stylové příručky.
- Automatizace: propojte prompty s RAG, validací schémat a link lintingem.
- Optimalizace: průběžné A/B testy anchorů, formátů a kontrametrik (bezpečnost, citovatelnost).
- Governance: verzování, audit, red teaming a trénink týmu.
Prompt engineering není jen psaní „magických vět“. Je to systémový design úloh, důkazů a formátů, který spojuje potřeby lidí, modelů a vyhledávacích/odpovědních platforem. V moderním SEO, AIO a AEO rozhoduje o tom, zda se odpovědi mění na citovatelné znalosti, nebo zůstanou jen dočasnými texty bez propojení na fakta a konverzi.
