Ugrás a fő tartalomhoz

Prompt engineer szint - alapozó

Ez az alapozó áttekintést ad néhány kulcsfogalomról, amelyek a magasabb szintű promptoláshoz, illetve a professzionális prompt engineer szemlélethez tartoznak. Ha ezeket a rétegeket is elkezded tudatosan alkalmazni, gyakorlatilag eléred a haladó szintet.

1. System prompt stílus​

A system prompt a nyelvi modell viselkedését meghatározó elsődleges utasítás. Jellemzően a fejlesztői API-kban van jelen (pl. OpenAI Chat API), de prompt szinten is lehet alkalmazni "jellem-formáló" instrukciókkal.

Gyakorlatban:​

  • "Te vagy egy szenior UX tanácsadó, aki mélyen érti a reszponzív dizájn elveit."
  • "Röviden, címkézve, markdown formában válaszolj."

Mire használjuk?​

  • szerepjátszás (assistant vs. user)
  • válaszstílus kontroll (pl. ünnepélyes, tudományos, ironikus)
  • formátumkontroll (pl. json, markdown, lista, sablon)

Példa magyarul:​

  • "Te egy idős, bölcs mesemondó vagy, aki humorral fűszerezi a tanulságos történeteket. Mondj egy példát arra, hogyan lehet elfogadni a hibáinkat."
  • "Te egy minimalista webdizájner vagy, aki kizárólag 3 színt használ. Írj egy ajánlást, milyen színpalettát válasszon egy jogi tanácsadó weboldal."

2. Tokenek és "token-számolás"​

A nyelvi modellek nem szavakkal, hanem tokenekkel dolgoznak (kb. 1 token ≠ 1 szó, inkább 1-2 karakteres egységek).

Miért fontos?​

  • Minden bemenet + válasz tokenekből áll. Van egy max token keret (pl. GPT-4 esetén: 128k, GPT-4o: 128k).
  • A prompt "turbózása" növeli a token-számot – és ezzel drágább is lehet az API-használat.
  • Ha túl sok a token, levágódhat a prompt vagy a válasz.

Hasznos eszköz:​

Példa magyarul:​

  • "Tömören, 500 token alatt fogalmazz meg egy bevezetőt a vállalkozói kiégés témájához, amit Facebookon is meg lehet osztani."

3. Temperature és top_p beállítás​

Ezek szabják meg, mennyire legyen "kreatív" vagy "konzervatív" a modell válasza.

  • temperature: 0 (determinista) – 1 (kreatív, random).
    • 0: mindig kb. ugyanaz a válasz jön
    • 0.7: életszerű, változatos válaszok
    • 1+: néha kiszámíthatatlan
  • top_p: a válasz "top valószínűségi" szóinak sűrűsége
    • pl. top_p = 0.9: csak a legvalószínűbb 90%-ból választ

A kettőt általában NEM érdemes egyszerre állítani – vagy az egyiket, vagy a másikat.

Mikor állítsd?​

  • 0.2–0.3: ha precíz, megbízható adatokat akarsz (pl. kód)
  • 0.7–0.9: ha kreativitást, narratívát, storytellinget akarsz

Példa magyarul:​

  • "Adj 3 különböző kreatív címet egy blogcikkhez a szorongás megelőzéséről. (temperature: 0.8)"
  • "Írd le szakszerűen, hogyan működik a Cloudflare Turnstile, pontos definíciókkal. (temperature: 0.2)"

4. Chain-of-thought reasoning (CoT)​

Ez a technika azt jelenti, hogy megkéred a modellt, hogy lépésről lépésre gondolkodjon, ne csak válaszoljon.

Egyszerű példa:​

  • "Számolj lépésről lépésre."
  • "Indokold meg minden részeredményt."
  • "Először gyűjtsd össze a lehetőségeket, aztán válassz."

Mire jó?​

  • komplex logikai, összetett problémák
  • összehasonlítások, priorizálás
  • iteratív és reflektív válaszok

Haladó technika:​

  • "Let’s think step by step" prompt nyelven
  • "First, list all relevant factors... then evaluate them..."

Példa magyarul:​

  • "Segíts eldönteni, hogy inkább WordPress vagy Statikus oldal alapú legyen a blogom. Először listázd az előnyöket és hátrányokat, aztán javasolj megoldást."
  • "Képzeld el, hogy egy ügyfeled két hasonló logótervet küld. Légy UX szakértő, és lépésenként értékeld őket a következő szempontok szerint: egyediség, márkaazonosság, olvashatóság."

Ajánlott források (tanuláshoz, elérhető, jól érthető):​

  1. OpenAI Cookbook (GitHub):
  2. DeepLearning.ai - ChatGPT Prompt Engineering for Developers
  3. FlowGPT Prompt Engineering Community
  4. "The Art of Prompt Engineering" ebook (Free)
    • kereshető PDF, több verzió is van. Haladó szemlélet, számos promptminta

Gyakorló feladatok​

1. System prompt​

  • Írj egy promptot, amelyben a modell egy idős, sokat látott magyar tanítóként válaszol egy fiatal vállalkozónak arról, miért fontos időt szánni a pihenésre.
  • Adj utasítást a modellnek, hogy a válaszait markdown formátumban, címsorokkal és felsorolásokkal adja vissza.

2. Token-tudatosság​

  • Kérd meg a modellt, hogy 150 token alatt írjon egy rövid, de figyelemfelkeltő bemutatkozó szöveget egy weboldal kezdőlapjára.
  • Kérj három különböző hosszúságú összefoglalót ugyanarról a cikkről (pl. 50, 150 és 300 tokenre korlátozva).

3. Temperature / top_p​

  • Adj meg egy promptot, amelyre a választ temperature: 0.2 mellett kéred – pl. egy rövid technikai leírás arról, hogyan működik a DNS.
  • Ugyanerre a kérdésre kérj választ temperature: 0.9 mellett – figyeld meg a hangnem és a kreativitás különbségét.

4. Chain-of-thought reasoning​

  • Kérd meg a modellt, hogy egy vállalkozás weboldalához írjon ajánlást: milyen színek, betűtípusok és struktúra illik egy pszichológushoz. Először listázza a lehetőségeket, majd indokolja a választást.
  • Kérdezd meg, hogy érdemes-e saját levelezőrendszert fenntartani, vagy inkább Google Workspace-re váltani. Kérd, hogy lépésenként érveljen.