Prompt engineering: systematický návrh vstupů pro optimalizaci výstupů AI

Prompt engineering: co to je a proč na něm záleží

Prompt engineering je disciplína zaměřená na 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 postupy, které propojují informační architekturu webu s interakčním designem pro systémy AI. Cílem je minimalizovat halucinace, maximalizovat citovatelnost a získat konzistentní obsah určený pro strojové zpracování, který se dobře integruje do řešení nezávislých na chain-of-thought (např. RAG, volání funkcí, 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 termíny, hranice a výjimky.
Observabilita: vyžadujte odkazy na zdroj/důkaz nebo značku odůvodnění (např. „cituj ID pasáže“).
Deterministická syntaxe: používejte pevné sekce s nadpisy a požadovaný formát výstupu.
Bezpečnost: zakažte osobní údaje, spekulativní tvrzení a lékařské/finanční rady bez příslušné licence.
Testovatelnost: mějte k promptu sadu vstupů a metrik (precision/recall pro extrakce, konvergenci pro shrnutí).

Struktura robustního promptu (kostra)

Role a cíl: „Jsi editor faktických shrnutí pro odbornou veřejnost.“
Definice a slovník: stručný glosář pojmů, které model musí 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 příznak error“).

Promptování pro SEO/AEO: „answer-first“ a hloubkové odkazování

Segment answer-first: krátké, přímočaré odpovědi pro úryvky a boxy s otázkami a odpověďmi.
Prolinkování: předem navržené kotvy na hloubkové články, glosáře a metodiky.
Citovatelnost: vyžadujte citace z interních/externích kanonických uzlů (normy, datasety).

Šablony promptů 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 žádná neodpovídá, vrať OTHER.“
Shrnutí: „Vytvoř TL;DR o délce 120–160 slov s 1–2 ověřitelnými čísly a odkazy na sekce.“
Transformace: „Převeď tabulku do CSV; zachovej záhlaví, normalizuj data na ISO.“
Generování: „Vytvoř osnovu článku s H2, H3; neuváděj H1; vlož místa pro interní odkazy.“

Role prompting a instrukční rámec

Definování role (např. „jsi technický editor“ oproti „jsi produktový copywriter“) mění styl, výběr podrobností 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.
Kontrapříklady: krátké ukázky chybných výstupů a důvod, proč jsou nepřijatelné.
Variabilita: pokryjte okrajové případy, aby se omezila chybovost u vzácných vstupů.

Formátované výstupy pro strojové zpracování

Pouze JSON: požadujte striktně platný JSON s přesným schématem a bez doplňujícího textu.
Validační pravidla: „pokud chybí klíč, vrať errors s popisem; nikdy nevytvářej hodnoty na základě domněnek.“
Bezpečnostní pojistky stability: výslovně odmítněte odpověď, pokud nejsou k dispozici důkazy z poskytnutých zdrojů.

RAG a promptování s důkazy

Kompaktní pasáže: 300–600 tokenů; přidávejte ID dokumentu, sekci a odkaz vhodný k citování.
Okrajová metadata: typ vztahu (definice, metodika, příklad), aby model věděl, kterému zdroji dát přednost.
Instrukce „čti pouze toto“: minimalizuje mísení s parametrickými znalostmi modelu a omezuje halucinace.

Volání funkcí, nástroje a režimy

Volání funkcí: navrhněte přesné názvy funkcí a schémata parametrů; určete, kdy funkci volat a kdy ne.
Režim extrakce: požadujte strukturovanou extrakci s povinnými poli a typy (string, number, enum).
Bezpečnostní brány: pokud výstup porušuje zásady, vraťte kontrolovanou odpověď (např. „refuse_reason“).

Omezení halucinací: jak pomocí promptů snižovat nejistotu

Co nevíš, neříkej: „Pokud fakt nevyplývá ze zdrojů, vrať UNKNOWN.“
Výčty: předem definujte uzavřené seznamy kategorií.
„Cituj, nebo vynech“: každé tvrzení s číselnými údaji vyžaduje citaci zdroje; pokud chybí, tvrzení se vynechá.

Hodnocení kvality promptů (QE – Quality Engineering)

Automatizované testy: sada pevných vstupů; porovnání výstupů mezi verzemi promptu.
Metriky užitečnosti: přesnost extrakce, míra citovaných tvrzení, počet bezpečnostních odmítnutí.
Red teaming: adversariální vstupy (dvojznačnost, slang, neúplná data, konfliktní zdroje).

Šablona „editoriálního“ promptu v SEO

Role: „Jsi editor odborného webu, prioritou je faktická přesnost a citovatelnost.“
Cíle: „Shrň 3–5 klíčových tvrzení, každé s citací; přidej interní odkazy na glosář a metodiku.“
Omezení: „Žádné H1; používej pouze H2; bez superlativů, nejsou-li doložené.“
Formát: „Vrať validní HTML s <article id=…> a sekcemi H2; vlož zástupné symboly pro interní odkazy.“

Promptování pro lokální a geografické úlohy

Geografický kontext: požadujte výslovné uvedení města/čtvrti/PSČ z poskytnutých dat.
Služby vs. pobočky: rozlišujte SAB (service area) a kamennou provozovnu; uveďte instrukce pro mapu a NAP.
Sezónnost: doplňte pravidla pro změny otevírací doby, svátky a zóny příplatků.

Styl a tón: konzistentní redakční stopa

Registry: odborný vs. populárně-naučný styl; definujte způsob oslovování (2. osoba množného čísla vs. neutrální popis).
Terminologie: připojte glosář; zakažte nekonzistentní synonyma pro klíčové entity.
Přístupnost: krátké odstavce, přehledné seznamy, srozumitelnost na mobilních zařízeních.

Správa verzí a dokumentace

Protokol změn promptu: proč se měnil, jaký dopad se očekává, výsledky testů.
Propojení s datasety: které zdroje jsou povolené/zakázané; SLA aktualizací.
Auditní stopa: uchovávejte vstupy/výstupy a metriky pro účely zpětné kontroly.

Časté anti-vzory a jak se jim vyhnout

„Udělej to co nejlépe“: vágní instrukce vedou k nekonzistenci.
Nedefinovaný formát: bez specifikace JSON/HTML se zhoršuje propojitelnost a automatizace.
Bez důkazů: tvrzení bez citací snižují důvěru a uvádějí AEO v omyl.
Prolinkovací chaos: chybí kanonický uzel; odkazy vedou na duplicity nebo neaktuální stránky.

Kontrolní seznam pro nasazení promptu

Jsou jasně definovány úloha, role a cílová skupina?
Jsou uvedena výslovná omezení (délka, styl, formát, bezpečnostní zásady)?
Má výstup validovatelný formát (JSON/HTML) a schéma?
Obsahuje prompt požadavek na citace nebo ID důkazů?
Jsou zahrnuty příklady few-shot včetně okrajových případů?
Existuje testovací sada a metriky kvality?
Je definováno interní prolinkování na kanonické uzly webu?

Plán adopce (4 kroky)

Inventarizace: zmapujte případy použití (extrakce, shrnutí, generování, klasifikace).
Standardizace: vytvořte knihovnu šablon promptů a stylistické příručky.
Automatizace: propojte prompty s RAG, validací schémat a kontrolou odkazů.
Optimalizace: průběžné A/B testy kotev, formátů a proti-metrik (bezpečnost, citovatelnost).
Governance: verzování, audit, red teaming a školení týmu.

Prompt engineering není jen psaní „magických vět“. Jde o systémový návrh úloh, důkazů a formátů, který propojuje potřeby lidí, modelů a vyhledávacích platforem a platforem pro odpovědi. V moderním SEO, AIO a AEO rozhoduje o tom, zda se odpovědi promění v citovatelné znalosti, nebo zůstanou jen dočasnými texty bez vazby na fakta a konverzi.