1. A prompt — az utasítás
Ez az, amit beírsz. Nem kérdés, hanem a teljes bemenet: az utasítás, a hozzáadott anyag, a formátumkérés, a példák.
A prompt a legerősebb eszközöd, mert a modell viselkedésének a nagy részét ez határozza meg. Egy jobb prompt többet javít az eredményen, mint egy drágább modell — ezt érdemes fejben tartani, mielőtt váltanál.
Négy elem, amitől egy utasítás használhatóvá válik:
- Feladat — mit csináljon, egy mondatban.
- Anyag — miből dolgozzon. Ha nincs, emlékezetből dolgozik.
- Formátum — hogyan nézzen ki a válasz. Táblázat? Hány pont? Milyen hosszú?
- Korlát — mit ne csináljon, vagy mit tegyen, ha nincs elég információ.
A negyedik a leggyakrabban kihagyott, pedig ez fogja ki a legtöbb hibát: „ha az anyag nem tartalmazza a választ, azt írd, hogy nem szerepel benne."
2. A system prompt — a keret
Ez a háttérutasítás, ami az egész beszélgetésre érvényes, és amit a felhasználó nem lát. Ebben áll, hogy a modell milyen szerepben van, milyen hangnemben beszéljen, mit nem tehet, és milyen formátumot tartson.
Ha csak chatfelületet használsz, ezzel is találkozol — a szolgáltató beállította helyetted. Ahol te írhatod meg:
- a legtöbb chatfelület „egyéni utasítások" beállításánál
- saját GPT-k, projektek, asszisztensek létrehozásakor
- API-n keresztül, minden hívásnál
A különbség a kettő között gyakorlati: a system promptot egyszer írod meg, a promptot minden alkalommal. Ami minden feladatnál ugyanaz — a cég neve, a hangnem, a tiltások, a formátum —, az a system promptba való. Ami feladatonként változik, az a promptba.
Egy hasznos szabály: ha egy mondatot háromszor bemásoltál már ma, akkor az a system promptba tartozik.
3. A temperature — a kiszámíthatóság
Ez a legfélreértettebb a három közül. Nem a kreativitás szabályzója, hanem azé, hogy a modell mennyire ragaszkodjon a legvalószínűbb folytatáshoz.
Alacsony értéken szinte mindig a legvalószínűbb tokent választja: kiszámítható, ismételhető, unalmas. Magas értéken kevésbé valószínű folytatásokat is választ: változatosabb, ötletesebb — és hajlamosabb elkalandozni.
Ami fontos: a magas temperature nem tesz okosabbá, és nem is „kreatívabb" a szó emberi értelmében. Csak kevésbé kiszámítható. Egy ötletelésnél ez jó, egy adatkinyerésnél katasztrófa.
Gyakorlati beállítások:
- Adatkinyerés, kategorizálás, JSON-válasz, kódgenerálás → a lehető legalacsonyabb. Itt az ismételhetőség a cél.
- Összefoglalás, fordítás, szerkesztés → alacsony vagy közepes. A tartalom kötött, a megfogalmazás lehet változatos.
- Ötletelés, szlogenek, címvariánsok → magas. Itt épp a változatosság a termék.
Chatfelületen ez általában nem állítható, és jó okkal: a szolgáltató beállított egy általános célra jó középértéket. API-n viszont te állítod be — és ez az egyik legolcsóbb minőségjavítás, ami létezik. Ha egy automatizált folyamat néha rossz formátumban ad vissza adatot, először ezt vedd le, mielőtt a promptot kezded átírni.
Egy példa, ahol mind a három számít
Feladat: beérkező ügyfélleveleket kell kategorizálni és megválaszolni.
- System prompt: „Egy magyar könyvelőiroda ügyfélszolgálata vagy. Tegező, tömör, szakszerű. Jogi tanácsot nem adsz. Ha a kérdés nem tartozik a könyvelésbe, jelzed, hogy továbbítod."
- Prompt: a levél szövege, plusz: „Add vissza JSON-ban: kategória, sürgősség 1-3, válaszjavaslat."
- Temperature: alacsony. Itt a kiszámíthatóság a lényeg — nem az, hogy minden válasz máshogy szóljon.
Ha ugyanezt magas temperature-rel futtatod, néha nem lesz érvényes a JSON, és a kategóriák elkezdenek szóródni. Nem azért, mert a modell rossz, hanem mert rossz szabályzón van.
Ami mostanában jött hozzá
Sok modellen van egy negyedik szabályzó is: a gondolkodási erőfeszítés. Ez nem a kiszámíthatóságot állítja, hanem azt, hogy mennyit dolgozzon a válasz előtt. Külön cikk szól róla: Reasoning mode.
Amit érdemes elvinni
A prompt a tartalmat adja, a system prompt a keretet, a temperature a kiszámíthatóságot. Ha valami nem stimmel az eredménnyel, ebben a sorrendben nézd meg: hiányzik-e információ a promptból, hiányzik-e szabály a keretből, és nincs-e túl magasra állítva a szabályzó.