Kiedy udoskonalać, a kiedy zacząć od nowa
Rozpoznawaj, kiedy rozmowa utknęła i lepiej zacząć ją od początku.
Kiedy udoskonalać, a kiedy zacząć od nowa to bezpłatna lekcja AI Prompt Engineering na CoddyKit. To lekcja 4 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.
Pułapka kosztów utopionych w rozmowach
Gdy rozmowa nie przynosi dobrych rezultatów, wiele osób próbuje ją naprawiać zamiast rozpocząć od nowa. To właśnie pułapka kosztów utopionych — im więcej czasu poświęcono na rozmowę, tym trudniej ją porzucić.
Czasami jednak najszybszą drogą do uzyskania dobrego wyniku jest zamknięcie rozmowy i napisanie lepszego początkowego promptu. Umiejętność rozpoznania, kiedy należy tak postąpić, jest kluczowa w inżynierii promptów.
Sygnał 1: model wciąż powtarza ten sam błąd
Jeśli poprawili Państwo ten sam błąd dwa lub trzy razy, a model wciąż do niego wraca, jest to wyraźny sygnał, aby rozpocząć od nowa.
Typowe przykłady:
- Proszą Państwo o listę punktowaną, model tworzy tekst ciągły, po korekcie ponownie tworzy tekst ciągły
- Określają Państwo, że odbiorcami są osoby techniczne, a model wciąż stosuje wyjaśnienia na poziomie początkującym
- Informują Państwo, że nie chcą zastrzeżeń, a model nadal je dodaje
Powtarzające się powroty do wcześniejszego błędu zwykle oznaczają, że instrukcja powinna znaleźć się w pierwotnym promptcie, a nie zostać dodana w trakcie rozmowy.
Sygnał 2: model nie zrozumiał sposobu ujęcia zadania
Czasami model poprawnie wykonuje opisane zadanie, ale sam opis zadania był błędny. Poprosili Państwo o X, choć w rzeczywistości potrzebowali Y.
Przykład: poprosili Państwo o „podsumowanie najważniejszych argumentów”, ale w rzeczywistości potrzebowali „krytycznej analizy wskazującej słabe strony argumentów”. Żaden prompt uzupełniający nie przekształci dobrego podsumowania w krytyczną analizę — sposób ujęcia zadania był błędny od początku.
Gdy wynik jest poprawny pod względem wykonania, ale błędny co do istoty, należy przepisać pierwotny prompt.
Sygnał 3: błędne założenie początkowe
Jeśli pierwszy prompt zawierał fałszywe założenie, błędną przesłankę lub nieprawidłowy kontekst, wszystko, co zostanie na nim zbudowane, będzie obarczone błędem.
Przykłady:
- Opisali Państwo niewłaściwych odbiorców i przez pięć tur generowali dla nich treść
- Podali Państwo nieprawidłowe ograniczenie („zakładając, że API jest oparte na REST”, podczas gdy korzysta z GraphQL)
- Przekazali Państwo błędne informacje wprowadzające, które wpłynęły na sposób ujęcia problemu przez model
Korygowanie błędnej przesłanki w trakcie rozmowy jest zawodne. Należy rozpocząć nową rozmowę, od początku podając poprawioną przesłankę.
Sygnał 4: spadek jakości odpowiedzi
W długich rozmowach jakość odpowiedzi czasami pogarsza się z upływem czasu. Model może:
- Tworzyć krótsze i mniej szczegółowe odpowiedzi w miarę zapełniania się okna kontekstu
- Zacząć zaprzeczać wcześniejszym stwierdzeniom
- Wykazywać coraz większą niespójność lub powtarzalność
Jest to problem z oknem kontekstu, a nie z promptem. Właściwym rozwiązaniem jest rozpoczęcie nowej rozmowy i przekazanie zwięzłego podsumowania dotychczasowych ustaleń.
Kiedy dopracowywać: argumenty za kontynuowaniem
Nie każda niedoskonała odpowiedź uzasadnia rozpoczęcie rozmowy od nowa. Warto ją dopracować, gdy:
- Treść jest zasadniczo poprawna, ale wymaga zmian formatowania
- Poprawy wymaga tylko jedna konkretna sekcja, a nie cała odpowiedź
- Chcą Państwo rozbudować lub poszerzyć już utworzoną treść
- Błąd jest niewielki i można go naprawić jednym jasnym promptem uzupełniającym
Praktyczna zasada jest następująca: jeśli model zrozumiał Państwa cel i utworzył w większości dobrą treść, należy ją dopracować. Jeśli nie zrozumiał samego celu, należy rozpocząć rozmowę od nowa.
Pytanie diagnostyczne
Przed podjęciem decyzji o dopracowaniu odpowiedzi lub rozpoczęciu rozmowy od nowa warto zadać sobie jedno pytanie diagnostyczne:
„Czy problem dotyczy wyniku, czy mojego pierwotnego promptu?”
- Problem dotyczy wyniku → należy dopracować go za pomocą promptu uzupełniającego
- Problem dotyczy pierwotnego promptu → należy rozpocząć rozmowę od nowa, używając zmienionego promptu
To pytanie pomaga znaleźć przyczynę źródłową zamiast leczyć objawy. W większości sytuacji związanych z kosztami utopionymi pierwotny prompt był błędny, ale użytkownik wciąż próbuje naprawić wynik.
Przepisywanie pierwotnego promptu
Decydując się na rozpoczęcie rozmowy od nowa, nie należy tylko przeformułować promptu — trzeba go zaprojektować na nowo. Należy wykorzystać wiedzę zdobytą podczas nieudanej rozmowy:
- Jakiego ograniczenia nie uwzględniono?
- Które założenie było błędne?
- Co było niejednoznaczne i sprowadziło model na niewłaściwy tor?
- Jaki przykład lub specyfikacja formatu zapobiegłyby nieporozumieniu?
Nieudana rozmowa dostarcza cennych informacji o brakach w pierwotnym promptcie. Nowy prompt powinien bezpośrednio uzupełniać te braki.
Zachowywanie wartościowej pracy przed rozpoczęciem od nowa
Przed zamknięciem rozmowy należy wyodrębnić jej naprawdę użyteczne fragmenty:
- Skopiować sekcje, sformułowania lub pomysły, które chcą Państwo zachować
- Zapisać ograniczenia lub instrukcje, które przyniosły dobre rezultaty
- Zachować przykłady lub analogie wygenerowane przez model, które okazały się trafne
Rozpoczęcie od nowa nie oznacza odrzucenia wszystkiego. Użyteczne fragmenty można wkleić do nowego promptu jako materiały referencyjne lub przykłady pożądanego stylu.
Rejestrowanie wyników rozmowy w kodzie
W aplikacji Python można śledzić sygnały jakości rozmowy, aby automatycznie decydować, kiedy ją zresetować:
import openai
client = openai.OpenAI(api_key='sk-...')
class ConversationManager:
def __init__(self, max_turns=10):
self.history = []
self.turn_count = 0
self.max_turns = max_turns
def chat(self, user_message):
self.turn_count += 1
if self.turn_count > self.max_turns:
print('Warning: conversation is long. Consider starting fresh.')
self.history.append({'role': 'user', 'content': user_message})
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=self.history
)
reply = response.choices[0].message.content
self.history.append({'role': 'assistant', 'content': reply})
return reply
def reset(self, summary=None):
'''Start fresh, optionally seeding with a summary of prior context.'''
self.history = []
self.turn_count = 0
if summary:
self.history.append({'role': 'user', 'content': f'Context from prior session: {summary}'})
self.history.append({'role': 'assistant', 'content': 'Understood. Ready to continue.'})Schemat decyzyjny: dopracować czy rozpocząć od nowa
Można posłużyć się następującym schematem decyzyjnym:
- Czy model powtarza ten sam błąd po co najmniej 2 korektach? → Rozpocząć od nowa
- Czy pierwotny sposób ujęcia zadania lub przesłanka były błędne? → Rozpocząć od nowa
- Czy okno kontekstu powoduje pogorszenie jakości? → Rozpocząć od nowa z podsumowaniem
- Czy treść jest zasadniczo poprawna, ale wymaga formatowania lub niewielkiego rozwinięcia? → Dopracować
- Czy jedna sekcja jest słaba, mimo że reszta odpowiedzi jest dobra? → Dopracować tę sekcję
Zwykle po około trzech próbach korekty warto zmienić podejście. Jeśli trzy konkretne prompty uzupełniające nie rozwiązały problemu, jego przyczyna tkwi w pierwotnym promptcie.
Sprawdzenie wiedzy: dopracować czy rozpocząć od nowa?
Poprosili Państwo model o napisanie technicznego artykułu na blog dla starszych rangą inżynierów oprogramowania na temat indeksowania baz danych. Model utworzył artykuł przeznaczony dla początkujących, wyjaśniający od podstaw, czym są bazy danych. Dwukrotnie skorygowali Państwo odbiorców, za każdym razem wskazując, że są to osoby techniczne. Po obu korektach treść była nieco mniej podstawowa, ale nadal nie osiągnęła poziomu szczegółowości odpowiedniego dla starszych rangą inżynierów.
Jakie działanie będzie najlepsze?
Podsumowanie: kiedy dopracowywać, a kiedy zaczynać od nowa
Podstawowa zasada: jeśli problem dotyczy wyniku, należy go dopracować. Jeśli problem tkwi w pierwotnym promptcie, należy zacząć od nowa.
Trzy najsilniejsze sygnały wskazujące na konieczność rozpoczęcia od nowa to: powtarzający się ten sam błąd mimo wielu poprawek, niewłaściwe ujęcie problemu w pierwotnym promptcie oraz błędne założenie początkowe. Pogarszająca się jakość w długiej rozmowie zwykle oznacza problem z oknem kontekstu, który również wymaga rozpoczęcia od nowa i dodania podsumowania.
Nieudana rozmowa nigdy nie jest zmarnowana — można potraktować ją jako informację zwrotną i wykorzystać do napisania lepszego promptu początkowego.
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 „Kiedy udoskonalać, a kiedy zacząć od nowa” jest bezpłatna?
Tak — pełny tekst „Kiedy udoskonalać, a kiedy zacząć od nowa” 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 „Kiedy udoskonalać, a kiedy zacząć od nowa”?
Rozpoznawaj, kiedy rozmowa utknęła i lepiej zacząć ją od początku. 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 4 z 4.
Ile czasu zajmuje lekcja „Kiedy udoskonalać, a kiedy zacząć od nowa”?
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
- Czytanie i ocenianie wyników AI
- Pisanie skutecznych promptów uzupełniających
- Rozwijanie poprzednich odpowiedzi
- Kiedy udoskonalać, a kiedy zacząć od nowa