Požádáte AI, aby navrhla e-mail k uvedení produktu na trh nebo analyzovala konkurenci, ale výsledek zní fádně a obecně. Přepíšete tedy text, přidáte více kontextu a zkusíte to znovu. Stále to není správné. 😕
Umělá inteligence je totiž jen tak dobrá, jak dobré jsou její podněty.
Rozdíl mezi obecnou odpovědí a skutečným partnerem pro přemýšlení spočívá v tom, jak se ptáte.
Tato příručka vás provede praktickými technikami AI promptingu a vysvětlí, jak je mohou týmy zabývající se obsahem, produkty a provozem využít k získání přesnějších a nuancovanějších odpovědí.
📌 Věděli jste? Podle globálního průzkumu společnosti McKinsey 65 % firem uvedlo, že generativní AI využívá alespoň v jedné obchodní funkci.
Co je to prompt engineering?
Prompt engineering je praxe, při které se zadávají jasné a konkrétní pokyny, aby se dosáhlo požadovaných výstupů z nástrojů umělé inteligence (AI), zejména z velkých jazykových modelů (LLM) jako GPT.
Tyto modely se při interpretaci vašich pokynů opírají o zpracování přirozeného jazyka, což znamená, že srozumitelnost vašich slov přímo ovlivňuje kvalitu jejich AI odpovědí.
Je to podobné jako dávat pokyny někomu, kdo nikdy nebyl ve vašem městě. Můžete buď říct: „Jděte na sever a najdete to tam“ a doufat, že se tam dostane. Nebo mu můžete dát název ulice, orientační body a přesné číslo domu, které má hledat.
Z hlediska prompt engineeringu to znamená:
- Poskytněte dostatek detailů, aniž byste model přetížili.
- Rozdělte složité úkoly a požadavky na menší, konkrétnější úkoly, abyste mohli efektivně komunikovat.
- Předvídejte reakce modelu, včetně toho, co by mohl špatně interpretovat nebo přehlédnout.
📊 Statistická upozornění: Stanford AI Index zjistil, že:
- 59 % organizací uvedlo, že nárůst tržeb přímo souvisí s přijetím AI.
- 42 % organizací využívajících AI zaznamenalo snížení provozních nákladů.
U všech zde uvedených technik vám ukážeme, jak vypadají v praxi, v ClickUp Brain, našem vestavěném AI asistentovi. *
Základní techniky AI promptingu (s příklady)
Účinné vytváření podnětů je zčásti umění a zčásti věda. Zatímco umění můžete zvládnout pouze praxí, vědu (tj. techniky) se můžete naučit níže, kde se dozvíte, jak klást otázky AI 👇
1. Zero-Shot Prompting
Zero-shot prompting je nejjednodušší technikou pro prompt engineering. Dáte AI přímý pokyn k provedení úkolu, ale žádné příklady, jak to udělat.
Vzhledem k tomu, že moderní velké jazykové modely jsou trénovány na různých jazykových vzorcích, uvažování a znalostech, mohou provádět konkrétní úkoly samostatně, i bez explicitních příkladů (toto se nazývá zero-shot learning).
Vezměte si například tento prompt, který jsme zadali ClickUp Brain:
Všimli jste si, jak AI okamžitě vytvořila reklamní text, aniž by jí byly ukázány nějaké příklady vtipných textů? To je zero-shot prompting v praxi.
💡 Tip pro profesionály: Použijte techniku zadávání příkazů Zero-shot, když potřebujete něco rychle vyřídit, aniž by to muselo být dokonalé.
Například spisovatelé jej mohou použít pro kreativní psaní a vytvořit rychlý první návrh, který mohou později vylepšit.
Nebo použijte tuto techniku k kladení faktických otázek nebo generování shrnutí.
2. Promptování s malým počtem příkazů
Sander Schulhoff, známý také jako „OG prompt engineer“, zdůrazňuje, že technika few-shot promptingu může zlepšit přesnost z 0 % na 90 % v kontrolovaných testech zahrnujících přesnost klasifikace.
Na rozdíl od zero-shot vyžaduje few-shot zadávání příkazů, abyste AI poskytli příklady, než ji požádáte o provedení podobného úkolu. Tyto „příklady“ demonstrují formát nebo logiku, kterou by model měl následovat, aby poskytl očekávanou odpověď.
Řekněme například, že chcete, aby AI klasifikovala komentáře na sociálních médiích pro analýzu sentimentu. Místo toho, abyste ji přímo požádali o „analýzu sentimentu“, můžete AI nejprve navést pomocí označených příkladů, jako je ten níže:
Jak vidíte výše, příklady sloužily jako pokyny, které pomohly systému AI pochopit, jak označovat zpětnou vazbu od zákazníků.
💡 Tip pro profesionály: Few-shot prompting funguje nejlépe, když jsou vaše příklady krátké a jasné. Pokud AI přetížíte přílišným množstvím příkladů nebo jim dáte protichůdné příklady, výstup bude nutně ovlivněn.
Správný postup: U krátkých textových úkolů se držte 3–5 jednoduchých, jasných a konzistentních příkladů; delší úkoly mohou vyžadovat méně, ale bohatších příkladů. Tímto způsobem bude model schopen generovat požadovaný výstup.
📌 Rychlá poznámka: Výzkumníci společnosti Google vytvořili příručku Nano Banana Prompting Guide, aby naučili LLM napodobovat konkrétní chování pomocí několika pečlivě vybraných příkladů.
Ukázalo se, že i malé vzorky vysoké kvality mohou výrazně zvýšit přesnost modelu, což dokazuje, že kvalita příkladů je často důležitější než jejich množství.
3. Řetězení myšlenek (COT)
V rámci techniky podněcování řetězcem myšlenek v podstatě řeknete AI: „Nedávej mi jen odpověď. Vysvětli mi, jak jsi k ní došel.“
Řekněme, že chcete napsat předmět e-mailu, ve kterém oznámíte novou funkci ve své aplikaci pro zvýšení produktivity: prioritizaci úkolů. Takto můžete pomocí řetězce myšlenek vygenerovat relevantní předmět e-mailu:
Když požádáte AI, aby vysvětlila svůj složitý proces uvažování, můžete se podívat na kroky, které provedla, a přesně určit, kde se AI mohla při brainstormingu předmětu e-mailu zmýlit.
To vám nejen pomůže více důvěřovat konečné odpovědi, ale pokud budete chtít zadat nový prompt, můžete tak učinit s jasnějšími pokyny.
💡 Tip pro profesionály: Vytváření postupného myšlenkového procesu je časově náročné. U úkolů, kde je rozhodující rychlost, může být režie spojená s řetězcem podnětů myšlenkového procesu velkou nevýhodou.
Navíc způsob uvažování generovaný AI nemusí vždy odrážet její skutečný vnitřní proces. Jak můžete vidět v výše uvedeném příkladu, AI nám poskytla „shrnutí“ svého uvažování, nikoli skutečný podrobný rozpis jednotlivých kroků. To může vyvolat falešný pocit transparentnosti, zejména u složitějších úkolů.
Na řetězení myšlenek se tedy spoléhejte pouze u problémů, které skutečně vyžadují strukturované uvažování (např. víceúrovňové matematické úlohy, logické hádanky nebo analytické rozbory). U jednoduchých nebo časově náročných úkolů je účinnější přímé zadávání.
4. Vnitřní konzistence
Když položíte AI otázku, obvykle zvolí jednu cestu uvažování a poskytne vám nejpravděpodobnější odpověď. Co ale když tato cesta není tou nejlepší?
Přesně to řeší sebe-konzistentní zadávání. V tomto případě požádáte AI, aby vygenerovala více cest uvažování a vybrala tu nejspolehlivější a nejrelevantnější.
Použijme stejný příklad předmětu e-mailu, abychom tomu porozuměli. Místo toho, abychom požádali AI, aby vygenerovala předmět a vysvětlila, jak k němu dospěla (jak jsme to udělali v CoT), požádali jsme ji, aby vygenerovala více předmětů a najednou určila nejlepší možnost:
Pokud dostane pokyn, umělá inteligence může porovnat více generovaných možností a vybrat tu nejsilnější.
💡 Tip pro profesionály: Chcete-li dosáhnout nejlepších výsledků, přidejte ke svému podnětu pro vnitřní konzistenci jednu závěrečnou instrukci: „Vysvětlete, proč je zvolená odpověď nejlepší.“
To donutí AI prověřit své uvažování a odůvodnit své závěry, čímž vznikne transparentnější a spolehlivější odpověď.
📮 ClickUp Insight: 47 % respondentů našeho průzkumu nikdy nevyzkoušelo použití AI k řešení manuálních úkolů, ale 23 % těch, kteří AI používají, tvrdí, že jim výrazně snížila pracovní zátěž.
Tento kontrast může být více než jen technologická propast. Zatímco první uživatelé dosahují měřitelných zisků, většina možná podceňuje, jak transformativní může být AI při snižování kognitivní zátěže a získávání času. 🔥
ClickUp Brain tuto mezeru překlenuje hladkou integrací AI do vašeho pracovního postupu. Naše AI zvládne vše od shrnutí vláken a návrhu obsahu až po rozdělení složitých projektů a generování dílčích úkolů. Není třeba přepínat mezi nástroji ani začínat od nuly.
💫 Skutečné výsledky: Společnost STANLEY Security snížila čas strávený vytvářením reportů o 50 % nebo více díky přizpůsobitelným nástrojům pro reportování ClickUp, díky čemuž se její týmy mohou méně soustředit na formátování a více na prognózy. ”
5. Strom myšlenek
Místo generování několika kompletních odpovědí a následného výběru jedné z nich, strom myšlenek nutí AI rozdělit problém na jednotlivé kroky. V každém kroku AI vygeneruje možné varianty a vyhodnotí je, aby našla tu nejlepší, než vygeneruje odpověď.
Zní to složitě? Zní to složitě? Vraťme se k příkladu předmětu e-mailu s malou úpravou promptu.
Příklad výzvy:
Role a úkol: Jste senior produktový marketér. Pomocí nástroje Tree of Thoughts vytvořte předměty e-mailů, které budou informovat o naší nové funkci předem připravených agentů AI.
Omezení
- Cílová skupina: zaneprázdnění vedoucí provozu a produktoví manažeři, kteří hodnotí AI v práci
- Tón: sebevědomý, praktický, bez přehánění
- Délka: ≤ 55 znaků
- Vyhněte se spamovým frázím a textu psanému VELKÝMI PÍSMENY.
- Musí naznačovat okamžitou hodnotu (úspora času, rychlejší provedení).
Proces (ToT)
- Rozvětvení: Uveďte 5 úhlů pohledu: Zaměření na výhody, Výsledek/rychlost, Případ použití/úkoly, které je třeba splnit, Snížení rizika, Sociální důkaz
- Rozšíření: 3 témata na jeden úhel pohledu
- Hodnocení: Ohodnoťte každý z nich podle srozumitelnosti/relevance/výraznosti/délky (1–5).
- Prořezávání: Udržujte nejlepší 1 z každého úhlu
- Vylepšení: Zkraťte na ≤55 znaků; zpřesněte slovesa.
- Výběr: Výstup Top 3 + preheaders a proč vyhrávají (≤1 řádek každý)
Výstupní formát (bez skrytého řetězce myšlenek):
- Konečné top 3 s preheadery
- Seznam úhlů pohledu s krátkým odůvodněním
- Tabulka: Úhel | Předmět | Délka | Skóre | Odůvodnění
V tomto případě jsme požádali systém AI, aby zohlednil omezení, definoval proces a dokonce i výstupní formát.
💡 Tip pro profesionály: Strom myšlenek funguje nejlépe, když je každý rozhodovací bod jasný a nezávislý. Pokud tedy do jednoho rozhodovacího bodu zahrnete více kroků (např. požádáte AI, aby v jednom kroku identifikovala publikum a přínos), větve se zamotají a výstup ztratí zaměření.
👀 Věděli jste? Při použití rámce Tree of Thoughts se úspěšnost GPT-4 v úkolu „Game of 24 “ zvýšila ze standardních 4 % při použití standardního řetězce myšlenek na 74 % při použití Tree of Thoughts.
Tento 70bodový skok se podařil bez změny samotného modelu, pouze změnou metody zadávání příkazů. To ukazuje, jak důležité může být zadávání příkazů stejně jako model, který používáte.
6. Řetězení promptů
V této technice prompt engineeringu rozdělíte úkol na menší podúkoly (s logickými sekvencemi) a vytvoříte tak iterativní proces. Každý krok navazuje na předchozí a výstup z jedné fáze se stává vstupem pro fázi následující.
Vraťme se (naposledy) k příkladu předmětu e-mailu a pomocí řetězení promptů se podívejme, jak to ovlivní výstup. Nejprve požádáme AI, aby identifikovala cílovou skupinu:
Příklad výzvy:
Cíl: Napište předmět e-mailu, ve kterém oznámíte předem připravené AI agenty.
Krok 1: Vytěžte klíčové výhody
Uveďte 5 hlavních výhod našich nových předem připravených AI agentů pro vedoucí pracovníky v oblasti produktů a provozu. (Výsledek: rychlejší nastavení, okamžitá automatizace, méně závislostí, standardizace, rychlejší spuštění)
Krok 2: Vytvořte úhly pohledu
Navrhněte 5 úhlů pohledu pro předmět e-mailu na základě těchto výhod. (Výstup: rychlost, snadnost, produktivita, spolehlivost, inovace)
Krok 3: Napište předmět zprávy
Napište 3 předměty pro každý úhel pohledu. Dodržujte maximální délku 55 znaků. (Výstup: „Předem připravení agenti AI – připraveni, kdykoli budete potřebovat“ atd.)
Krok 4: Vyberte to nejlepší
Ohodnoťte je podle srozumitelnosti a relevance. Vraťte 3 nejlepší s předhlavičkami.
Propojením výzev v podstatě vedete AI stejným procesem, který byste provedli ručně:
Získejte klíčové výhody ➡️ Vytvořte úhly pohledu na zprávy ➡️ Napište předmět ➡️ Vyberte nejlepší možnost
💡 Tip pro profesionály: Použijte řetězení promptů, abyste snížili „kognitivní přetížení“ AI. Rozdělením velkého úkolu na menší kroky provedete AI celým procesem, díky čemuž bude konečný výstup propracovanější a sjednocenější než v případě jediného promptu typu zero-shot.
7. Automatický promptovací inženýr (APE)
APE je pokročilá technika, při které vám velký jazykový model pomáhá generovat a vylepšovat nové výzvy optimalizované pro stejný model AI. Představte si to jako způsob, jakým AI říká: „Řekni mi, co chceš, a já vymyslím nejlepší způsob, jak položit otázku, která ti poskytne ideální odpověď.“
V technice zadávání příkazů APE požádáte AI, aby:
- Navrhněte výzvy pro úkol, který chcete provést.
- Předvídejte, jak budou tyto výzvy fungovat.
- Otestujte je.
- Vyberte nejlepší prompt a spusťte jej.
Řekněme například, že se chystáte spustit novou funkci s názvem „Vlastní řídicí panely“ pro svůj produkt SaaS. Chcete vytvořit poutavého průvodce pro svůj tým. Máte však potíže s formulováním sdělení tak, aby rezonovalo s vašimi čtenáři.
V takovém případě můžete požádat AI, aby sama vygenerovala podrobný prompt:
Příklad výzvy: Jste inženýr automatických výzev.
Úkol: Vytvořte prompt, který pomůže vygenerovat průvodce zasíláním zpráv pro naši novou funkci, přizpůsobené panely.
Vaše kroky:
- Vygenerujte 5 kandidátů na výzvy
- Předvídejte, co vytvoří nej přesvědčivější a nejjasnější text pro B2B kupujícího.
- Otestujte každý prompt na vzorovém vstupu.
- Vyberte nejvýkonnější prompt a spusťte jej v plném rozsahu.
- Výsledek: Vítězné zadání + vygenerovaný průvodce zasíláním zpráv
AI vám poté poskytne seznam podnětů, které můžete vylepšit a spustit, abyste vytvořili vysoce kvalitního průvodce zasíláním zpráv:
💡 Tip pro profesionály: Vytvořte bodovací rubriku pro hodnocení různých podnětů generovaných AI. Tuto rubriku můžete sdílet s modelem a požádat jej, aby podle ní ohodnotil každý jednotlivý podnět. To vám usnadní hodnocení možností podnětů na základě vašich kritérií.
Podle výzkumné práce s názvem Large Language Models are Human-Level Prompt Engineers(Velké jazykové modely jsou inženýři výzev na úrovni člověka) „ukazujeme, že výzvy vytvořené pomocí APE lze použít k nasměrování modelů k pravdivosti a/nebo informativnosti, jakož i ke zlepšení výkonu učení s malým počtem pokusů tím, že je jednoduše předřadíme před standardní výzvy k učení v kontextu.“
8. ReACT
Ačkoli „ReAct“ zní jako něco, co byste udělali, když rozlijete kávu na svůj notebook, v prompt engineeringu je to zkratka pro Reason + Act (uvažovat + jednat). Jedná se o další pokročilou techniku promptingu, při které model AI střídá uvažování (uvažování) a jednání (podnikání kroků).
Místo toho, aby AI okamžitě poskytla konečnou odpověď, je vyzvána k:
- Důvod: Projděte si problém krok za krokem.
- Akce: Komunikujte s externími nástroji nebo znalostními bázemi, abyste získali více informací.
- Důvod znovu: Použijte nové informace k vylepšení jeho uvažování.
Tento proces se opakuje v cyklu, dokud AI nedosáhne spolehlivé a dobře podložené odpovědi.
Řekněme, že plánujete spustit novou funkci „dashboardy“ a chcete pochopit, co o podobné funkci na svých webových stránkách říká váš konkurent. V tomto příkladu předpokládejme, že jsme vaším konkurentem a vy chcete vědět podrobnosti o ClickUp Dashboards.
S ReACT můžete strukturovat své zadávání například takto:
Příklad výzvy: Jste konkurenceschopný produktový marketér, který používá přístup ReACT (Reason + Act).
Váš úkol: Prozkoumejte a shrňte, jak ClickUp prezentuje svou funkci Dashboards na svých webových stránkách.
Postupujte podle tohoto cyklu, dokud nebudete hotovi:
- Přemýšlejte: Zapište si, co potřebujete najít jako další (např. hodnotové nabídky, příklady použití, výhody, vizuální prvky, výzvy k akci).
- Úkol: Prohledejte web ClickUp (https://clickup. com/features/dashboards) a extrahujte pouze relevantní informace.
- Pozorujte: Poznamenejte si, co jste zjistili.
- Opakujte: Pokračujte, dokud nezískáte všechny potřebné informace.
Nakonec poskytněte strukturované shrnutí s:
- Základní positioningové prohlášení
- 3–5 hlavních výhod
- 3 klíčové případy použití
- Jak vizuálně prezentují dashboardy
- Styl a tón výzvy k akci
Tento podnět vede AI logickým, postupným procesem, aniž by se odchýlil od tématu. Nyní se podívejme, jak AI na tento podnět reagovala:
💡 Tip pro profesionály: Prompting ReACT funguje nejlépe, když má AI přístup k spolehlivým online informacím a může provádět přesná pozorování. Pokud krok „Act“ načte šumivé nebo zastaralé údaje, bude následující uvažování nevyhnutelně chybné.
9. Generujte znalostní podněty
Když se AI nejprve zastaví, aby explicitně shromáždila nebo sestavila soubor znalostí, bývá přesnější a konzistentnější.
Toto je princip generování znalostních podnětů, kdy zadáte AI více podnětů, aby nejprve vyhledala relevantní fakta a poté je použila k vygenerování relevantní odpovědi.
Zní to matoucí?
Zvažte tento příklad: Spouštíte nový nástroj pro správu projektů pro freelancery. Potřebujete vytvořit marketingovou strategii, ale nejste si jisti, na které problémy se zaměřit, aby vaše sdělení mělo ohlas.
Pomocí funkce Generate Knowledge Prompting můžete nejprve požádat AI, aby vám poskytla seznam relevantních informací o frustracích vaší cílové skupiny:
Pomocí těchto získaných poznatků jako vstupních údajů pro další zadání navedete AI k navržení ideální marketingové strategie:
Konečný výstup je tak postaven na transparentní a konkrétní logice.
💡 Tip pro profesionály: Použijte funkci Generate Knowledge Prompting, když potřebujete dobře prozkoumanou a autoritativní odpověď AI. Je to ideální pro psaní článků, vytváření podrobných zpráv nebo dokonce přípravu prezentace, kde je přesnost dat zásadní.
10. Aktivní zadávání
Aktivní podněcování je technika, která z AI dělá aktivního žáka.
Místo toho, abyste hádali, z jakých příkladů (nebo snímků) se AI potřebuje učit, poskytněte jí rozmanitou sadu příkladů a AI sama identifikuje ty nejnáročnější nebo nejednoznačné. Poté vás požádá, abyste poskytli správnou odpověď pouze pro tyto konkrétní případy, aby se mohla sama naučit.
Abychom to lépe pochopili, představte si, že chcete vytvořit rámec, který pomůže vašemu prodejnímu týmu zvládnout běžné cíle zákazníků ohledně nové funkce produktu.
Již máte seznam nezpracovaných zákaznických recenzí a cílů a chcete naučit AI psát efektivní odpovědi v souladu se značkou, které může prodejní tým znovu použít.
Příklad výzvy: Jste seniorní stratég produktového marketingu, který zkoumá problémy uživatelů.
Úkol: Vytvořte 4 jasné frustrace nebo bolestivé body, které zažívají produktoví manažeři na volné noze pracující bez nástroje pro řízení projektů.
Kontext: Zabývají se více klienty najednou, pracují na dálku a často řeší projekty sami, bez specializovaných týmů podpory.
Omezení:
- Každý problém popište v 1–2 větách.
- Zdůrazněte emocionální dopad (stres, přetížení, vyhoření, zmatení atd.).
- Ukažte obchodní důsledky (nedodržené termíny, nevykonané úkoly, nespokojení klienti).
- Vyhněte se vágním pojmům, jako je „nedostatek organizace“ – buďte konkrétní.
Výstupní formát:
- Číslovaný seznam
- Každá položka: Problém → Důsledek (v závorkách)
💡 Tip pro profesionály: Ukládejte úspěšné výzvy s poznámkami o tom, co fungovalo a proč. Vytvoříte tak interní knihovnu „vzorů výzev“, které můžete znovu použít a přizpůsobit pro různé úkoly, stejně jako opakovaně použitelné moduly kódu.
Prompting pro různé případy použití
Jste připraveni využít své dovednosti v oblasti prompt engineeringu?
Podívejme se na běžné příklady prompt engineeringu, které můžete okamžitě aplikovat v práci.
Pro týmy zabývající se obsahem
Pokud pracujete s obsahem, v podstatě provozujete kreativní montážní linku. Je to únavné, ale ne pokud víte, jak vytvořit efektivní výzvy.
1. Vytváření osnov blogů pomocí řetězení promptů
Místo toho, abyste AI řekli „vytvořte osnovu blogu na téma [téma]“, můžete tento proces rozdělit na dílčí kroky a provádět je postupně:
Příklad zadání: Dejte mi 5 námětů na téma blogu o tom, jak překonat pondělní blues. Je určen pro střední management a sdílejte také rámce, které jste použili pro každý nadpis.
Poté rozdělte téma na tagy H2, H3 a H4 a řekněte mi, co vše bych měl v rámci každého z nich pokrýt.
2. Generování metadat pomocí prompt engineeringu s několika příkazy
Vezměte 3–4 meta tituly a meta popisy z vašich předchozích článků a použijte je jako příklady nebo „vzorky“ k trénování AI v psaní meta popisů.
3. Optimalizace blogu pro SEO pomocí techniky generování znalostí
Pokud máte blog, který nefunguje tak, jak byste si přáli, a chcete jej optimalizovat pro vyhledávače, stačí jej vložit do AI a požádat model, aby z něj „vytěžil“ klíčová slova, která jste možná přehlédli. Jakmile AI vygeneruje tento seznam (tj. vygeneruje znalosti), můžete ji instruovat, aby vygenerované znalosti přirozeně začlenila do textu.
Správné zadávání vám sice pomůže vytvořit skvělý blog nebo příspěvek na sociálních médiích, ale přecházení mezi nástroji pro generování obsahu a jeho úpravy/formátování pro vydavatele je stále zdlouhavé. ClickUp nabízí chytré řešení.
K psaní obsahu můžete použít ClickUp Docs, který obsahuje vestavěné rozšíření pro ClickUp Brain.
To znamená, že můžete zadávat AI pokyny, vylepšovat svůj obsah a formátovat jej pomocí vizuálních prvků (obrázky, tabulky, infografiky, GIFy), a to vše přímo ve svém dokumentu.
Udržujte své nápady v pohybu, aniž byste narušili tok myšlenek. ClickUp Brain MAX vám pomáhá zachytit a upřesnit myšlenky přímo ve vašich dokumentech – proměňuje rychlé nápady v organizované osnovy nebo další kroky. A když vás psaní zpomaluje, funkce Talk-to-Text vám umožní jednoduše vyslovit své nápady; ty se okamžitě objeví na stránce, takže vaše brainstormingové sezení bude rychlé a plynulé.
Díky tomu můžete snadno zachytit nápady, diktovat osnovy nebo navrhovat obsahové podněty v reálném čase, aniž byste ztratili tempo. Jakmile máte hotový hrubý návrh, můžete jej vylepšit pomocí řetězení podnětů, podnětů s několika pokusy nebo jakékoli jiné techniky, kterou jste se naučili.
📚 Další informace: AI Image Prompts pro vytváření úžasných vizuálů
📌 Věděli jste, že... 86 % marketérů ušetří každý den více než hodinu tím, že používají AI k získávání nových nápadů na obsah.
Získáte tak více než 5 hodin týdně, které můžete věnovat strategii, storytellingu a úkolům s vyšší přidanou hodnotou.
Výsledek? Rychlejší kampaně, méně únavy a více prostoru pro kreativitu, která skutečně osloví publikum.
Pro produktové a vývojové týmy
Neustálé přecházení mezi AI a novými funkcemi nebo opravami chyb není zrovna pomoc, kterou v životě potřebujete. Prompt engineering může tento proces výrazně zjednodušit:
1. Vysvětlení specifikací funkcí pomocí řetězení promptů
Pomocí řetězení promptů můžete krok za krokem připravit dokument se specifikacemi funkcí, aby na něm mohli vývojáři stavět, aniž by se v něm ztráceli. Postupujte takto:
2. Převádění zpětné vazby do vývojových úkolů pomocí zero-shot prompt engineeringu
Stačí zkopírovat a vložit zpětnou vazbu od zákazníka a požádat AI, aby ji převedla na úkol pro vývojáře s jasným názvem a popisem:
3. Napište testovací případy pomocí promptingu s několika příkazy
Uveďte 4–5 příkladů dobře napsaných testovacích případů, aby se model AI okamžitě naučil váš styl a vytvořil požadovaný testovací případ:
Pokud stále používáte více nástrojů pro úkoly podporované umělou inteligencí, ClickUp Brain je vše, co potřebujete, zejména pokud pracujete v oblasti vývoje produktů nebo softwaru.
To vám pomůže generovat stručné souhrny hlášení o chybách přímo v rámci úkolu. Stačí otevřít úkol týkající se chyby, který vám byl přidělen, kliknout na tlačítko AI Summarize (AI Shrnout) a počkat několik sekund, než AI vytvoří stručný souhrn, ve kterém zdůrazní hlavní problém a požadované kroky.
Podobně můžete použít ClickUp Brain k vytvoření jasných kritérií přijatelnosti pro uživatelské příběhy, funkce a opravy chyb. Software pro psaní automaticky načte a analyzuje obsah úkolu (popis, komentáře, přílohy) a navrhne kritéria přijatelnosti ve formátu kontrolního seznamu/odrážek.
Chcete vidět, jak to funguje? Podívejte se na toto krátké video o tom, jak napsat efektivní hlášení o chybě s pomocí AI.
📌 Věděli jste? Průzkum společnosti Canva zjistil:
- 92 % technologických lídrů integrovalo do svých pracovních postupů nástroje pro kódování s podporou AI.
- 78 % vývojářů používá tyto nástroje denně.
Mezi výhody patří rychlejší prototypování, generování nápadů, inovace a nižší náklady.
Pro prodej a marketing
Pro prodejní a marketingové týmy je nejdůležitější personalizace. Nabízet ji však ve velkém měřítku je zdlouhavý úkol. Podívejme se, jak mohou techniky prompt engineeringu tento proces urychlit:
1. Psaní odpovědí na e-maily pomocí techniky prompt engineering s několika příkazy
Ukažte AI několik příkladů, jak byste odpověděli na e-mail zákazníka nebo potenciálního zákazníka, a ona vypracuje odpověď na poslední e-mail přesně tak, jak byste to udělali vy:
2. Generování hodnotových návrhů pomocí automatického promptového inženýra
Potřebujete pomoc s vypracováním silné hodnotové nabídky? Místo toho, abyste trávili čas zdokonalováním svých podnětů, jednoduše požádejte AI, aby:
Potřebujete během několika sekund vygenerovat propagační texty a souhrny hovorů s klienty? S ClickUp Brain můžete asistenta AI používat ve všech funkcích ClickUp, jako jsou ClickUp Docs, ClickUp Tasks a dokonce i ClickUp Comments.
Chcete-li napsat návrh textu pro oslovení zákazníků, stačí otevřít ClickUp Docs a pomocí AI napsat e-mail/vedoucí zprávu. Můžete jej upravit, zvolit tón, vylepšit nebo rozšířit návrh jedním kliknutím, nebo jej použít tak, jak je.
A pokud někdo vloží poznámku k hovoru do komentářů, můžete zavolat Brain (zadáním @brain do pole pro komentář/odpověď) a požádat ho, aby poznámku k hovoru shrnul v komentáři.
📚 Další informace: Příklady podnětů pro psaní
📌 Věděli jste, že... Téměř 20 % marketérů věnuje více než 40 % svého marketingového rozpočtu na kampaně založené na AI a 34 % z nich hlásí výrazné zlepšení marketingových výsledků díky AI.
Pro provoz
Pokud pracujete v provozu, pravděpodobně vás zatěžují časově náročné úkoly, jako je psaní SOP nebo vytváření interních dokumentů. Ale nebojte se, vyzkoušejte níže uvedené výzvy, které vám chytře ulehčí pracovní zátěž:
1. Vytváření shrnutí schůzek – generování znalostí + vnitřní konzistence
Nemáte automatizovaný nástroj pro generování shrnutí schůzek? Žádný problém! Vložte přepis schůzky do AI chatu a požádejte jej, aby extrahoval klíčové body (shrnutí nebo akční položky).
Chcete-li zvýšit přesnost výstupu, můžete AI dále požádat, aby vyzkoušela několik verzí shrnutí a vybrala tu nejlepší.
A pokud hledáte plynulejší a automatizovanější způsob zpracování poznámek z jednání, AI Notetaker od ClickUp je navržen právě pro tento účel. Tento výkonný nástroj se může automaticky připojit k vašim jednáním, ať už jsou naplánovaná nebo ad hoc, a přepisovat celou konverzaci v reálném čase.
Umí shrnout klíčové body, zdůraznit přijatá rozhodnutí a dokonce extrahovat proveditelné úkoly nebo následné kroky.
Pokud se chcete dozvědět více o tom, jak používat AI k pořizování poznámek z jednání, podívejte se na následující video:
2. Vytváření interních dokumentů pomocí aktivního zadávání
Vytvoření interního dokumentu (například o „politice práce na dálku“) na první pokus může být náročné. V takových případech je nejlepší spustit aktivní výzvu a postupně ji vylepšovat, abyste dosáhli dokonalého výsledku:
Příklad zadání: Vypracujte návrh interního dokumentu vysvětlujícího naši politiku práce na dálku. Délka dokumentu by neměla přesáhnout 800 slov. Uveďte v něm podmínky způsobilosti, očekávání, politiku vybavení a část věnovanou kybernetické bezpečnosti.
Podívejte se na toto video a zjistěte, jak umělá inteligence může zefektivnit váš proces dokumentace a ušetřit vám hodiny ruční práce:
3. Vytváření SOP pomocí techniky generování znalostí
„Napiš SOP o X“ vám možná nepřinese nejlepší výsledky. Místo toho můžete nejprve přesně určit, co je třeba zahrnout. Jakmile vám AI poskytne tento seznam, upravte jej a poté jej vraťte modelu, aby vytvořil kompletní SOP.
Příklad výzvy
Krok 1: Jste odborník na dokumentaci procesů. Identifikujte všechny klíčové kroky, úkoly, nástroje a schválení související s vytvořením SOP pro [proces X]. Uveďte, kdo je zodpovědný za každý krok, jaké nástroje používá a klíčová kritéria úspěchu, aby byl daný krok označen jako dokončený.
Krok 2: Pomocí tohoto seznamu kroků, rolí, nástrojů a kritérií napište podrobný standardní operační postup pro [proces X]. Zahrňte sekce pro název, účel, rozsah, postup krok za krokem, role a odpovědnosti, nástroje/zdroje a pokyny pro schvalování a kontrolu. Používejte jasný a srozumitelný jazyk, aby postup mohl následovat kdokoli bez předchozího školení.
I když se to může zdát snadné, chápeme, že může být frustrující vytvářet podněty pro psaní AI od nuly pokaždé, když potřebujete vygenerovat SOP (protože stejný podnět nemusí vyhovovat každému SOP).
Ale co kdyby ve vašem pracovním prostoru bylo magické tlačítko, které by po kliknutí vygenerovalo jakýkoli SOP, který byste chtěli? Přesně toho můžete dosáhnout pomocí AI polí Clickup.
Jedná se o vlastní pole, které využívá ClickUp Brain a které můžete přidat ke svému úkolu nebo seznamu. Prompt můžete nastavit například na „Vytvořte SOP na základě popisu úkolu a komentářů“. Pokaždé, když na něj kliknete, automaticky se vygeneruje obsah SOP v závislosti na obsahu úkolu.
💬 Co říkají uživatelé CickUp:
ClickUp je extrémně univerzální a umožňuje mi vytvářet řešení prakticky pro jakýkoli obchodní případ nebo proces. Automatizace a AI agenti jsou také velmi výkonní! Mohu nastavit automatické akce pomocí logiky nebo pomocí AI promptů, aby provedly téměř jakoukoli akci, kterou si v ClickUp dokážete představit. A konečně, tempo aktualizací produktu je neuvěřitelné – každý měsíc dochází k opravdu významným aktualizacím funkcí a společnost jasně investuje do růstu.
ClickUp je extrémně univerzální a umožňuje mi vytvářet řešení prakticky pro jakýkoli obchodní případ nebo proces. Automatizace a AI agenti jsou také velmi výkonní! Mohu nastavit automatické akce pomocí logiky nebo pomocí AI promptů, aby provedly téměř jakoukoli akci, kterou si v ClickUp dokážete představit. A konečně, tempo aktualizací produktu je neuvěřitelné – každý měsíc dochází k opravdu významným aktualizacím funkcí a společnost jasně investuje do růstu.
Časté chyby při zadávání příkazů (a jejich řešení)
Pár drobných návyků při psaní zadání může znamenat rozdíl mezi výsledkem, který vás nadchne, a pohledem na blok textu, při kterém si kladete otázku, co se pokazilo.
Podívejme se nyní na některé běžné chyby při vytváření promptů a na to, jak můžete své prompty optimalizovat:
1. Požádejte AI, aby „to prostě udělala“, aniž byste jí říkali jak
Psaní promptů jako „napiš blogový příspěvek“ nebo „shrň toto“ ponechává mnoho prostoru pro interpretaci AI. Výsledek? Blog, který je příliš obecný, nebo shrnutí, které nesplňuje vaše očekávání.
Řešení: Vytvářejte efektivní zadávání s jasnými pokyny a kontextem. Například při psaní blogového příspěvku zvažte definování tónu, který chcete použít, cílové publikum, délku příspěvku a jeho účel.
Zde je příklad:
❌ Špatný podnět: „Napište e-mail o nové funkci „Vlastní panely“.
✅ Dobré zadání: „Napište interní e-mail našemu prodejnímu týmu, ve kterém oznámíte novou funkci „Vlastní dashboard“ pro náš nástroj na zvýšení produktivity [název nástroje]. E-mail by měl být stručný, zdůrazňovat tři hlavní výhody pro prodejce (např. prokázání návratnosti investic, rychlejší uzavírání obchodů) a obsahovat výzvu k akci s odkazem na školicí video. Použijte sebevědomý a povzbuzující tón.“
2. Přetěžování AI přílišným množstvím úkolů najednou
Nacpání příliš mnoha detailů nebo úkolů do jednoho obrovského promptu může také vést k nejasným výsledkům. AI se buď zmate, nebo se pokusí udělat vše najednou (a udělá to špatně).
Řešení: Rozdělte svůj počáteční podnět na menší kroky a provádějte je postupně. Například nejprve požádejte o nástin. Pokud je dobrý, požádejte AI, aby napsala obsah pro každou sekci. Poté ji požádejte, aby vylepšila tón atd.
❌ Špatný podnět: „Vygenerujte 10 klíčových slov SEO pro blogový příspěvek s názvem „Jak implementovat systém řízení kvality“. Navrhněte SEO-přátelský nástin pomocí těchto klíčových slov a poté napište 100 slov úvodu pro blog. “
✅ Dobré zadání: Vygenerujte 10 klíčových slov pro SEO pro blogový příspěvek s názvem „Jak implementovat systém řízení kvality“. Cílovou skupinou tohoto blogového příspěvku jsou majitelé firem, generální ředitelé a vrcholový management.
Nyní pomocí vygenerovaných klíčových slov vytvořte podrobný, SEO-přátelský nástin tohoto blogového příspěvku. Ujistěte se, že tagy
Napište 100 slov dlouhý úvod k tomuto blogu s ohledem na generovaný přehled a klíčová slova pro SEO.
3. Předpokládejme, že si model pamatuje
Většina velkých jazykových modelů je bezstavová a neuchovává informace, pokud je výslovně nezahrnete do aktuálního zadání. To často vede k odpovědím, které ignorují váš předchozí kontext nebo jsou v rozporu s vašimi předchozími pokyny.
Řešení: V každém novém zadání zopakujte klíčový kontext, omezení a cíle, aby model měl k dispozici všechny informace potřebné k přesné odpovědi.
❌ Špatný podnět: „Nyní napište úvod na základě osnovy, kterou jsme diskutovali dříve.“
✅ Dobré zadání: Pomocí osnovy blogu, kterou jsme vytvořili dříve (úvod, výhody, příklady použití a závěr), napište úvod o délce 100 slov. Napište jej konverzačním stylem a upoutejte čtenáře tím, že zdůrazníte běžný problém, který náš nástroj pro zvýšení produktivity řeší.
Vytvoření knihovny výzev pro týmy
Dobré zadání může ušetřit minuty; sdílená knihovna zadání může ušetřit hodiny (protože ji používají všichni). Zde je návod, jak ji vytvořit:
1. Vytvořte sdílený dokument, ve kterém budete ukládat všechny své výzvy.
Pomocí ClickUp Docs uspořádejte své nejúčinnější výzvy, které mohou členové týmu později použít. Tyto výzvy můžete uspořádat podle oddělení a dále podle typu úkolu (např. tvorba obsahu, průzkum trhu, analýza dat atd.).
Do každého zadání zahrňte následující:
- Samotný prompt
- Stručný popis vysvětlující účel výzvy, kdy ji použít, čemu se vyhnout atd.
- Příklad výstupu AI pro stanovení jasných očekávání
2. Navrhněte standardizované šablony promptů
Pro běžné úkoly, jako je shrnutí poznámek z jednání nebo optimalizace blogu, můžete vytvořit standardní strategie zadávání, které musí všichni používat. Můžete zahrnout přesné šablony zadávání AI a pokyny, kdy a jak je používat, aby generovaly odpovědi v požadovaném stylu.
Tím zajistíte, že všichni členové týmu budou při zadávání příkazů postupovat podle stejných osvědčených postupů, což zaručí konzistentní kvalitu výstupů.
3. Podporujte kulturu spolupráce a zpětné vazby
Povzbuďte svůj tým, aby tuto knihovnu promptů nejen používal, ale také pomáhal ji vylepšovat. K tomu musíte:
- Zaveďte jednoduchý systém hodnocení, který vašemu týmu umožní hodnotit výzvy. Čím vyšší je hodnocení výzvy, tím je účinnější.
- Otevřete dokument pro členy týmu, aby mohli zanechat své komentáře s návrhy na vylepšení a označit neefektivní výzvy.
4. Přidejte tipy pro řešení problémů do své knihovny promptů
Někdy se stane, že AI vyprodukuje podprůměrné nebo neočekávané výstupy. Abyste pomohli svému týmu diagnostikovat a opravit problémy, zvažte přidání sekce pro řešení problémů, která se zabývá běžnými chybami při zadávání příkazů AI a jejich řešeními.
Mohlo by to vypadat například takto:
Problém: Výstup je příliš obecný.
Proč k tomu dochází: AI má tendenci se opírat o nejčastěji používaná trénovací data, což může vést k bezpečným, ale obecnějším nebo neinspirativním odpovědím.
Řešení: Přidejte omezení nebo konkrétní pokyny, abyste AI nasměrovali správným směrem.
Příklad: „Omezte délku na 100 slov.“
📚 Další informace: Jak se stát prompt inženýrem
Od zadávání příkazů k produktivitě: Jak ClickUp překlenuje propast
Díky osvojení základních a pokročilých technik prompt engineeringu můžete přestat ztrácet čas pokusy a omyly a začít dosahovat výsledků, které skutečně posunou vaši práci vpřed.
S ClickUp se AI stane součástí vašeho pracovního prostoru. Kombinuje správu úkolů s automatizací a spoluprací, takže můžete pracovat, aniž byste museli přecházet mezi různými nástroji.
Zbavte se starého způsobu používání AI jako pomocníka, kterého musíte zavolat. Je čas pořídit si AI asistenta, který je již součástí vašeho týmu.
Zaregistrujte se ještě dnes na ClickUp a uvidíte, co se stane, když bude AI doslova na dosah jednoho kliknutí!
Často kladené otázky
Nejlepší nástroj závisí na tom, jaký úkol chcete, aby AI vykonávala. Největší hodnotu však dosáhnete, když AI integrujete do platformy, kterou již používáte pro plánování a dodávání práce. Například ClickUp Brain je široce a hluboce integrován do pracovního prostoru ClickUp, takže k AI asistentovi máte přístup z jakékoli obrazovky. Ve skutečnosti můžete dokonce přepínat mezi Brain, ChatGPT, Gemini, Claude atd., abyste si vybrali nejlepší model AI pro svou práci.
Ano! Nejúčinnější výzvy můžete uložit do sdíleného dokumentu ClickUp nebo je dokonce přeměnit na vlastní pole AI pro okamžité opětovné použití. Tímto způsobem může kdokoli jednoduše kliknout na dané pole a asistent AI spustí vaši přednastavenou výzvu. Důrazně doporučujeme pro opakující se úkoly, které vyžadují konzistentnost a jsou časově náročné.
Velké jazykové modely nejsou vyhledávače. Nefungují jako Google, kde zadáte vyhledávací dotaz a vyhledávač vám pokaždé poskytne stejný výsledek. Namísto toho LLM odpovídají na vaše dotazy na základě dat a vzorců, které se naučily během svého tréninku, a proto může stejný dotaz pokaždé přinést jiné výsledky.
V technice zero-shot prompt engineering jednoduše sdělíte AI úkol, který má provést, bez jakýchkoli podpůrných příkladů očekávaného výsledku. Naopak technika few-shot prompting vyžaduje, abyste uvedli několik příkladů, které AI nasměrují určitým směrem. Například poskytnete vzorovou e-mailovou odpověď, aby AI mohla vygenerovat něco podobného.