Ton formalny a nieformalny
Określaj w promptach profesjonalny, swobodny, akademicki lub konwersacyjny styl wypowiedzi.
Ton formalny a nieformalny to bezpłatna lekcja AI Prompt Engineering na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Prompt Engineering, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Prompt Engineering zawiera 4 lekcji w sumie.
Ton: głos treści
Ton określa, jakie wrażenie wywołują słowa u czytelnika. Te same informacje można przekazać formalnym, autorytatywnym głosem albo swobodnym, przyjaznym stylem — właściwy wybór zależy wyłącznie od odbiorców, kanału i celu.
Modele AI potrafią odtworzyć niemal dowolny opisany ton, ale trzeba go wyraźnie określić. Bez instrukcji domyślnie stosują lekko formalny, neutralny rejestr.
Cechy stylu formalnego
Pisanie formalne charakteryzuje się:
- brakiem form skróconych (cannot zamiast can't)
- brakiem kolokwializmów i slangu
- stosowaniem, w miarę możliwości, perspektywy trzeciej osoby
- pełnymi, złożonymi gramatycznie zdaniami
- okazjonalnie dopuszczalną stroną bierną
- precyzyjnym użyciem słownictwa technicznego
- brakiem odwołań do osób po imieniu bez wcześniejszego przedstawienia
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
formal_instruction = (
'Write in a formal, professional tone. '
'No contractions. No colloquialisms. No first-person pronouns. '
'Use complete, grammatically precise sentences. '
'Vocabulary: professional but accessible — not academic jargon.'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=150,
messages=[{
'role': 'user',
'content': (
f'{formal_instruction}\n\n'
f'Explain why we are updating our privacy policy.'
)
}]
)
print(response.content[0].text)Cechy stylu swobodnego
Pisanie swobodne charakteryzuje się:
- częstym użyciem form skróconych (we're, you'll, it's)
- językiem konwersacyjnym
- krótszymi zdaniami i akapitami
- pierwszą i drugą osobą (I, you, we)
- okazjonalnym humorem, ciepłem lub wyrazistym charakterem
- pytaniami kierowanymi do czytelnika
- przykładami z życia codziennego, z którymi można się utożsamić
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
casual_instruction = (
'Write in a casual, friendly tone. '
'Use contractions freely. Use "you" to address the reader directly. '
'Keep sentences short. Add warmth and personality. '
'Write like you would explain this to a friend over coffee.'
)
response = client.chat.completions.create(
model='gpt-4o',
max_tokens=150,
messages=[{
'role': 'user',
'content': (
f'{casual_instruction}\n\n'
f'Explain why we are updating our privacy policy.'
)
}]
)
print(response.choices[0].message.content)Ta sama treść w trzech tonach
Najszybszym sposobem na zrozumienie tonu jest zobaczenie tej samej treści napisanej w kilku rejestrach. Posłużymy się prostym scenariuszem: poinformowaniem użytkowników, że nasza aplikacja będzie niedostępna z powodu prac konserwacyjnych w sobotni wieczór.
Napiszemy ją w trzech tonach: formalnym korporacyjnym, swobodnym startupowym i akademickim. Proszę zwrócić uwagę, jak zmieniają się słownictwo, struktura zdań i relacja z czytelnikiem.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
tones = [
('CORPORATE FORMAL',
'Formal, no contractions, passive voice acceptable, corporate vocabulary. No personality.'),
('STARTUP CASUAL',
'Casual, contractions OK, friendly, empathetic, slightly playful. Address reader as "you".'),
('ACADEMIC',
'Precise, objective, technical vocabulary, third person, no emotion, no contractions.')
]
for label, tone_desc in tones:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=80,
messages=[{
'role': 'user',
'content': (
f'Tone: {tone_desc}\n\n'
f'Write a 2-sentence notification: our app will be down for maintenance '
f'on Saturday from 11 PM to 2 AM UTC.'
)
}]
)
print(f'[{label}]')
print(response.content[0].text.strip())
print()Określanie tonu za pomocą przymiotników
Najprostszym sposobem określenia tonu jest lista opisowych przymiotników:
- „W pewnym siebie, bezpośrednim i rzeczowym tonie”
- „W ciepłym, empatycznym i zachęcającym tonie”
- „W figlarnym, dowcipnym i lekko bezkompromisowym tonie”
- „W poważnym, autorytatywnym i precyzyjnym tonie”
Należy użyć 2–4 przymiotników opisujących różne wymiary: poziom energii, stopień formalności, temperaturę emocjonalną i cechę osobowości.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
test_tones = [
'confident, direct, no-nonsense',
'warm, empathetic, encouraging',
'playful, witty, slightly irreverent',
]
for tone in test_tones:
response = client.chat.completions.create(
model='gpt-4o',
max_tokens=60,
messages=[{
'role': 'user',
'content': (
f'Tone: {tone}.\n\n'
f'Write one sentence of marketing copy for a new AI writing tool. '
f'Audience: busy startup founders.'
)
}]
)
print(f'Tone ({tone}):')
print(response.choices[0].message.content.strip())
print()Określanie tonu za pomocą persony modelu
Opis tonu oparty na personie jest często bardziej precyzyjny niż same przymiotniki. Zamiast „przyjazny” można napisać: „proszę pisać jak na blogu produktowym Basecamp — swobodnie, ale z namysłem, nigdy protekcjonalnie”.
Można odwołać się do rzeczywistych stylów pisania:
- „Jak wpis na blogu technicznym Stripe”
- „Jak Paul Graham piszący esej o startupie”
- „Jak podsumowanie dla kadry kierowniczej w Harvard Business Review”
- „Jak przyjazna wiadomość na Slacku od szanowanego współpracownika”
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
references = [
'Write like a Stripe technical blog post: clear, precise, respects the reader\'s intelligence.',
'Write like a Harvard Business Review executive summary: formal, data-driven, concise.',
'Write like a friendly Slack message from a helpful colleague — casual, direct, gets to the point.'
]
topic = 'Why our new feature reduces API response time by 40%.'
for ref in references:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=80,
messages=[{
'role': 'user',
'content': f'Style reference: {ref}\n\nWrite 2 sentences about: {topic}'
}]
)
print(f'Style: {ref[:55]}...')
print(response.content[0].text.strip())
print()Niezgodność tonu i jej koszt
Niezgodność tonu występuje wtedy, gdy sposób wypowiedzi nie odpowiada odbiorcom lub kontekstowi. Częste przykłady:
- Formalny język korporacyjny w konsumenckiej aplikacji mobilnej
- Swobodny slang w umowie prawnej
- Nadmiernie techniczny język w wiadomości do nietechnicznych użytkowników działu wsparcia
- Marketingowe przechwałki w pliku README zespołu inżynieryjnego
Niedopasowany ton podważa zaufanie i zmusza czytelnika do włożenia większego wysiłku w zrozumienie treści.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
# Mismatched tone examples
mismatches = [
(
'ERROR MESSAGE for a consumer app:',
'Formal legal tone: no contractions, passive voice',
'A fatal error has been encountered in the processing of your request.'
),
(
'LEGAL TERMS section:',
'Casual startup tone: contractions, emojis',
'Hey, so like, you gotta agree to our stuff before using this app okay?'
)
]
for context, bad_tone, example in mismatches:
response = client.chat.completions.create(
model='gpt-4o',
max_tokens=80,
messages=[{
'role': 'user',
'content': (
f'CONTEXT: {context}\n'
f'PROBLEM (wrong tone): {example}\n\n'
f'Rewrite with the correct tone for the context. '
f'One sentence. Explain in brackets why this tone works better.'
)
}]
)
print(response.choices[0].message.content.strip())
print()Kontrolowanie temperatury emocjonalnej
Poza formalnością ton ma również temperaturę emocjonalną — od chłodnej i obiektywnej po ciepłą i entuzjastyczną:
- Chłodna: „Wyniki wskazują na poprawę o 12%”. (czyste dane)
- Neutralna: „W najnowszej wersji poprawiliśmy wydajność o 12%”.
- Ciepła: „Z dumą informujemy, że nasz zespół zwiększył szybkość działania o 12%”.
- Entuzjastyczna: „To ogromny sukces — udało nam się zwiększyć wydajność aż o 12%!”
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
temperatures = [
('COLD/OBJECTIVE', 'Purely factual, no emotion, no personality, third person.'),
('NEUTRAL', 'Balanced, professional, slight warmth but no enthusiasm.'),
('WARM', 'Friendly, first person plural ("we"), positive but measured.'),
('ENTHUSIASTIC', 'High energy, excited, uses exclamation points, celebrates the user.')
]
fact = 'Our app now loads 3 seconds faster after the latest update.'
for label, instruction in temperatures:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=50,
messages=[{
'role': 'user',
'content': f'Tone: {instruction}\n\nAnnounce this fact in 1 sentence: {fact}'
}]
)
print(f'[{label}]: {response.content[0].text.strip()}')Utrzymywanie spójnego tonu
Spójność tonu jest równie ważna jak jego wybór. Dokument, który w połowie przechodzi od stylu formalnego do swobodnego, dezorientuje czytelników i podważa wiarygodność.
W przypadku dokumentów składających się z wielu sekcji:
- Ustaw ton w komunikacie systemowym lub na początku promptu
- Określ go wprost: „proszę konsekwentnie utrzymywać ten ton w całym tekście”
- W przypadku bardzo długich tekstów przypominaj modelowi o tonie w kolejnych promptach
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
# System message tone sets voice for all sections
response = client.chat.completions.create(
model='gpt-4o',
messages=[
{
'role': 'system',
'content': (
'You are writing all content for a developer-focused SaaS company called GridDB. '
'Tone: technical but approachable. No jargon without explanation. '
'No contractions. Short sentences. No marketing superlatives. '
'Maintain this tone consistently across every section.'
)
},
{
'role': 'user',
'content': (
'Write 2 short sections for our website:\n'
'1. Hero tagline (max 8 words)\n'
'2. One-paragraph product description (max 60 words)'
)
}
]
)
print(response.choices[0].message.content)Ton w różnych typach treści
Różne typy treści mają domyślnie oczekiwany ton. Odstępstwo od niego może być skuteczne — ale tylko wtedy, gdy jest zamierzone:
- Dokumenty prawne: formalne, precyzyjne → swobodny ton brzmi nieprofesjonalnie
- Komunikaty o błędach: jasne, empatyczne → chłodny ton brzmi wrogo
- Treści marketingowe: entuzjastyczne, skoncentrowane na korzyściach → suchy ton nie inspiruje
- Dokumentacja API: techniczna, zwięzła → kwiecisty styl marnuje czas programistów
- Obsługa klienta: ciepła, nastawiona na rozwiązania → defensywny ton brzmi konfrontacyjnie
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
content_types = [
('ERROR MESSAGE', 'Empathetic, clear, action-oriented. No technical jargon. No blame.'),
('API DOCS', 'Terse, precise, no fluff. Technical vocabulary. Example-driven.'),
('SUPPORT REPLY', 'Warm, solution-focused, acknowledges frustration, offers next steps.')
]
scenario = 'A user cannot log in because their account has been temporarily locked.'
for content_type, tone in content_types:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=80,
messages=[{
'role': 'user',
'content': (
f'Content type: {content_type}\n'
f'Tone: {tone}\n\n'
f'Write 2 sentences for this scenario: {scenario}'
)
}]
)
print(f'[{content_type}]')
print(response.content[0].text.strip())
print()Ton w różnych kanałach
Ta sama marka może zgodnie z zasadami używać różnych tonów w różnych kanałach. Liczy się to, aby ton każdego kanału był zamierzony i odpowiedni:
- Twitter/X: swobodny, dynamiczny, wyraźnie osobisty
- LinkedIn: profesjonalny, przemyślany, oparty na spostrzeżeniach
- Biuletyn e-mailowy: ciepły, konwersacyjny, osobisty
- Dokumenty prawne: formalne, precyzyjne, w razie potrzeby wykorzystujące stronę bierną
- Wiadomości w aplikacji: przyjazne, krótkie, ukierunkowane na działanie
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
channels = [
('TWITTER', 'Casual, punchy, max 200 chars, can use one emoji'),
('LINKEDIN', 'Professional, insight-driven, 2 sentences, no emoji'),
('IN-APP', 'Friendly, action-oriented, 1 sentence, second person')
]
news = 'We just launched dark mode in our app.'
for channel, tone in channels:
response = client.chat.completions.create(
model='gpt-4o',
max_tokens=60,
messages=[{
'role': 'user',
'content': f'Channel: {channel}. Tone: {tone}.\n\nAnnounce: {news}'
}]
)
print(f'[{channel}]: {response.choices[0].message.content.strip()}')
print()Sprawdzenie wiedzy
Aplikacja mobilna firmy musi wyświetlać komunikat o błędzie, gdy płatność się nie powiedzie. Obecny komunikat brzmi: „Nie można przetworzyć transakcji z powodu niewystarczających środków na powiązanym rachunku finansowym”. Na czym polega główny problem z jego tonem?
Ton formalny a nieformalny — podsumowanie
Ton jest jednym z najpotężniejszych wymiarów sterowania promptem. Najważniejsze wnioski:
- AI domyślnie stosuje neutralno-formalny rejestr — zawsze należy określić oczekiwany ton
- Należy używać połączeń przymiotników: „pewny siebie, bezpośredni, konkretny”
- Należy używać odwołań do persony: „jak wpis na blogu Stripe”
- Należy kontrolować temperaturę emocjonalną: od chłodnej i obiektywnej po entuzjastyczną
- Należy dopasować ton do typu treści i odbiorców
- Ton należy ustawić raz w komunikacie systemowym, aby sposób komunikacji aplikacji był spójny
- Niedopasowany ton podważa zaufanie — dokument prawny nie powinien brzmieć jak tweet
Ucz się AI Prompt Engineering dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 53
- Lekcje
- 199
Często zadawane pytania
Czy lekcja „Ton formalny a nieformalny” jest bezpłatna?
Tak — pełny tekst „Ton formalny a nieformalny” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Prompt Engineering, przejdź na CoddyKit PRO. Kurs AI Prompt Engineering zawiera 4 lekcji w sumie.
Co nauczysz się w „Ton formalny a nieformalny”?
Określaj w promptach profesjonalny, swobodny, akademicki lub konwersacyjny styl wypowiedzi. Ćwiczysz AI Prompt Engineering z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć AI Prompt Engineering?
Nie wymagamy żadnego doświadczenia. AI Prompt Engineering w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Ton formalny a nieformalny”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji AI Prompt Engineering?
Tak. Każda lekcja AI Prompt Engineering zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Ton formalny a nieformalny
- Określanie odbiorców
- Profesjonalne style pisania
- Dostosowywanie poziomu słownictwa