Jak napsat dobrý prompt — 20 pravidel pro lepší výsledky

Dobrý prompt je rozdíl mezi odpovědí, kterou musíte přepsat, a odpovědí, kterou rovnou pošlete dál. Pokud používáte ChatGPT, Claude, Gemini nebo Copilot a máte pocit, že vám AI vrací mlhavé obecnosti, problém typicky není v modelu — problém je v zadání. Tento návod shrnuje 20 pravidel, která se opakovaně osvědčují v denní praxi: u psaní e-mailů, kódu, marketingových textů i analýz. Nejde o triky, ale o disciplínu zadání.

Proč na promptu záleží víc než na modelu

Velké jazykové modely jsou statistické stroje, které dokončují text na základě toho, co jste jim dali do kontextu. Pokud kontext popisuje úlohu mlhavě, model si zbytek domyslí — a domýšlí podle průměru tréninkových dat, ne podle vašich specifik. Výsledek je generický.

Zkušení uživatelé to obcházejí tím, že nezadávají otázku, ale instrukci. Místo „napiš mi e-mail klientovi“ napíšou „napiš e-mail klientovi v B2B SaaS prostředí, který právě zrušil schůzku potřetí; tón profesionální, ne uražený; cíl: nabídnout konkrétní alternativní termín a získat potvrzení; délka 4–6 vět; podpis Michal“. Druhá verze obsahuje šest skrytých informací — role, kontext, tón, cíl, formát, identitu — a model nemá kam udělat chybu.

Druhý důvod, proč prompt poráží volbu modelu, je ekonomický. Skok mezi nejlepšími a druhými nejlepšími modely je dnes řádu jednotek procent kvality, ale řádu desítek procent ceny. Dobře napsaný prompt na levnějším modelu typicky překoná špatně napsaný prompt na drahém modelu.

Co model nevidí

Důležité je si uvědomit, že model nevidí vaši obrazovku, neslyší kontext schůzky a nemá paměť předchozích chatů (pokud to explicitně nezapnete). Vše, co potřebuje, musí dostat v promptu. To zní triviálně, ale je to nejčastější zdroj selhání: lidé píší AI tak, jak by psali kolegovi, který je v projektu měsíce. Model je nový kolega každý den.

Pravidla 1–5: struktura zadání

1. Začněte rolí. „Jsi senior daňový poradce s 15 lety praxe v ČR“ je lepší než nic. Role zužuje slovník, tón i hloubku odpovědi. Pozor — role musí být plausibilní; absurdní role (Nobelista, hacker NSA) modely vede k teatrálnímu výstupu.

2. Definujte úlohu jednou větou. Sloveso na začátku: „Shrň…“, „Porovnej…“, „Přepiš…“, „Najdi chyby v…“. Pokud máte v hlavě dva úkoly, rozdělte je na dvě zadání. Modely zvládají paralelní úlohy, ale kvalita klesá.

3. Dejte kontext, ne historii. Místo „včera jsem napsal e-mail a klient odpověděl, že…“ raději vložte oba e-maily v plném znění. Surová data v promptu jsou lepší než parafráze.

4. Specifikujte výstupní formát. Markdown tabulka? JSON? Číslovaný seznam? Souvislý text 200 slov? Pokud to neřeknete, dostanete autorovo nejlepší tipnutí, což bývá souvislý text s úvodem a závěrem — i když jste chtěli tři odrážky.

5. Uveďte cílovou skupinu. „Vysvětli to laikovi“ versus „vysvětli to backendovému vývojáři“ mění úroveň abstrakce, použité termíny i délku. Bez tohoto údaje model míří doprostřed, což typicky nikomu nesedí.

Šablona, kterou si můžete uložit

Funkční minimalistická šablona vypadá takto: ROLE → ÚKOL → KONTEXT (data) → CÍLOVKA → FORMÁT → OMEZENÍ. Když si ji vytisknete na kartičku vedle monitoru a každý prompt jí necháte projít, kvalita výstupů povyskočí o úroveň. Pokročilí přidávají sedmý prvek — příklad správné odpovědi (tzv. few-shot).

Pravidla 6–10: přesnost a omezení

6. Číselné limity vždy uveďte. „Krátký e-mail“ je pro každého jiný. „E-mail do 80 slov, max. 5 vět“ je jednoznačné. Modely respektují číselné limity dobře, pokud jsou rozumné — pod 30 slov a nad 3000 už nikoli.

7. Negativní instrukce fungují, ale jen krátce. „Nepoužívej slova fantastický, úžasný, neuvěřitelný“ — funguje. Seznam dvaceti zakázaných slov už ne. Místo dlouhých zákazů popište pozitivně, co chcete: „neutrální tón obchodního partnera“.

8. Pojmenujte výjimky. Pokud chcete obecné pravidlo s výjimkou, řekněte to: „Vždy česky, kromě technických termínů v originále.“ Bez výjimky model buď zlokalizuje vše („zásobníkové přetečení“), nebo nic.

9. Definujte, co znamená „hotovo“. „Hotová odpověď obsahuje: nadpis, 3 odstavce, CTA na konci, žádné placeholdery typu [jméno klienta].“ Jasné kritérium dokončení snižuje potřebu druhé iterace.

10. Pozor na default přátelské UX. Modely jsou trénovány být přívětivé, takže přidávají úvod „Skvělá otázka!“ a závěr „Doufám, že to pomohlo!“. Pokud to nechcete, řekněte to: „Žádný úvodní pozdrav, žádný závěrečný komentář, pouze požadovaný výstup.“

Pravidla 11–15: práce s daty a kontextem

11. Vkládejte data, ne odkazy. „Analyzuj https://…/zprava.pdf“ často selhává — model buď URL nečte, nebo čte zkrácenou verzi. Vložte obsah přímo do promptu (copy-paste z PDF), nebo soubor nahrajte přes UI.

12. Strukturujte vstupní data. Pokud máte 8 odpovědí z dotazníku, vložte je jako očíslovaný seznam s metadaty (datum, ID respondenta), ne jako jeden blok textu. Model lépe pracuje s daty, která vidí jako data.

13. Oddělujte instrukci a data. Použijte trojité backticky, XML značky nebo prostě nadpis. Model si pak pravidlo „nepřepisuj vstupní data“ interpretuje správně. Bez oddělení se data občas „pohltí“ do odpovědi a dostanete shrnutí místo analýzy.

14. Pojmenujte předpoklady. „Předpokládej, že čtenář ví, co je ETF, ale neví, co je TER.“ Pokud to neuděláte, model bude vysvětlovat základy nebo přeskočí potřebné definice.

15. Time-aware úlohy hlídejte ručně. Modely mají cutoff datum tréninku. Pokud potřebujete aktuální informaci, dejte ji do promptu ručně („Dnes je 1. září 2026, aktuální sazba je 7 %“) — jinak dostanete neaktuální data prezentovaná jako aktuální.

Když model halucinuje

Halucinace — věrohodně znějící, ale nepravdivé tvrzení — vznikají typicky ze tří důvodů: chybí kontext, otázka je mimo trénink, nebo model dostal protichůdné instrukce. První dva řeší doplnění dat. Třetí řeší přečtení vlastního promptu — překvapivě často si v dlouhém promptu odporujete sami.

Pravidla 16–20: pokročilé techniky

16. Few-shot examples. Místo popisu žánru ukažte 2–3 příklady správné odpovědi. „Takhle vypadá ideální odpověď: [příklad 1] [příklad 2]. Teď udělej totéž pro: [vstup].“ Few-shot často přebije sebelepší slovní instrukci.

17. Chain-of-thought. U úloh, které vyžadují uvažování (matematika, právní analýza, debugging), přidejte „Mysli krok za krokem a ukaž svůj postup.“ Moderní modely mají interní reasoning i bez instrukce, ale viditelný postup vám umožní chyby zachytit.

18. Self-critique loop. Po vygenerování odpovědi vyžádejte revizi: „Teď si odpověď přečti a najdi v ní 3 slabá místa.“ Druhá iterace je v 7 z 10 případů zřetelně lepší než první.

19. Persona pro tón, expert pro obsah. Tyto dvě věci míchat opatrně. „Pirát Jack Sparrow“ je dobrý pro tón („Arrr, kolego!“), ale špatný pro obsah (pirát nezná účetnictví). Lepší kombinace: „Jsi senior účetní; piš svižně, neformálně, mluv ve druhé osobě.“

20. Iterujte krátkými kroky. Místo jednoho 800slovního promptu udělejte 5 kratších. Po každé odpovědi pochvalte, co je správně, a opravte jen jednu věc. Modely lépe drží smysl v krátkých kruzích než ve velkých přepisech.

Časté chyby, kterých se vyvarujte

Nejčastější chyby v denní praxi: ptaní místo zadání („umíš mi pomoct?“), chybějící cíl, nedostatek dat, nereálná délka („sepiš mi 50stránkovou knihu“), nesoulad role a tématu („jsi lékař, napiš mi smlouvu“), zapomenutý formát, zapomenuté omezení.

Jiná chyba je nadužívání ChatGPT pro úlohy, kde lépe poslouží jiný nástroj. Tabulkový kalkulátor stále poráží AI v jednoduchých výpočtech. Vyhledávač poráží AI v ověření faktu z včerejška. AI je nejlepší jako asistent, který kombinuje různé zdroje a píše první draft — ne jako náhrada všech ostatních nástrojů.

A poslední chyba: spoléhat na výstup bez kontroly. AI píše věrohodně, ale občas se mýlí. U právních, daňových, zdravotních a finančních úloh berte výstup jako podklad, ne jako rozhodnutí.

Jak měřit, že prompty zlepšujete

Veďte si vedlejší dokument s promptem a hodnocením 1–5: kolik iterací jste potřebovali, kolik vět jste přepsali, jak rychle jste se k cíli dostali. Po měsíci uvidíte, které vzory fungují, a vyrobíte si vlastní mini-knihovnu šablon. Tým, který sdílí promptové šablony, má produktivitu o desítky procent vyšší než tým, který si každý prompt vymýšlí znovu.

Drobnosti, které dělají velký rozdíl

V denní praxi se vyplatí pár drobností, které nezapadnou do žádného hlavního pravidla, ale zlepší výstupy o 10 až 20 %. První drobnost: pojmenovávejte rozhovor. Když si pro každý projekt založíte vlastní chat s popisným názvem („e-mail kampaň podzim 2026″, „debug authentication bug“), neztrácíte kontext a po týdnu se snadno vrátíte. Druhá drobnost: ukládejte si dobré prompty bokem. Po pár měsících budete mít vlastní šablonovník, který poráží jakýkoli online seznam.

Třetí drobnost: pokud model odpoví špatně, neopravujte ho frází „špatně, zkus to znovu“. Místo toho přesně popište, v čem byl výstup mimo cíl. „První věta odpovědi začíná pozdravem, který jsem nechtěl. Tón je formálnější, než vyžadoval kontext. Odhad ceny je nepodložený.“ Konkrétní zpětná vazba vede k konkrétní opravě. Čtvrtá drobnost: u dlouhých textových úloh (analýza dlouhého dokumentu) si vyžádejte sumarizaci s odkazy do zdroje („u každého bodu uveďte, ze které části textu pochází“). Eliminuje to halucinace.

FAQ

Funguje stejný prompt na ChatGPT a Claude stejně?
Nikoli stejně, ale podobně. Pravidla 1–20 fungují cross-platform. Detaily formátu (markdown vs. plain) a délkový limit se mírně liší. Pokud přecházíte, otestujte 3 referenční prompty a doladíte.

Mám psát prompty česky, nebo anglicky?
Pro výstup v češtině pište prompt česky. Modely v češtině umí dobře a překlad zadání přes angličtinu vnáší ztráty. Pro úlohy v kódu nebo s anglickými termíny klidně míchejte jazyky.

Pomohou mi placené verze ChatGPT Plus / Claude Pro?
Pomohou hlavně novějším modelem, vyšším kontextovým oknem a méně omezeními. Pro běžné psaní stačí free tier; pro analýzy dlouhých dokumentů a kódu má placená verze smysl.

Jak dlouhý prompt je „moc dlouhý“?
Kontextová okna jsou dnes řádu 100–200 tisíc tokenů, prakticky byste se k limitu denně neměli dostat. Spíše hlídejte, aby v dlouhém promptu nebyly redundance a kontradikce — ty kvalitu sráží víc než délka sama.

Co když model trvá na chybné odpovědi?
Začněte chat znovu. Někdy se „naladí“ na chybnou stopu a v rámci jednoho vlákna z ní těžko vystoupí. Čistý kontext s upravenou instrukcí typicky problém řeší.

Existují prompt šablony, které si můžu stáhnout?
Existují, ale berte je jako inspiraci, ne dogma. Nejlépe vám slouží šablony, které si napíšete sami pro své opakované úlohy (e-maily klientům, popisky produktů, shrnutí schůzek).

Mohu prompty automatizovat?
Ano, přes API se prompty vkládají programaticky. Pro tým doporučujeme nejdříve ručně doladit šablonu na 20 příkladech, teprve potom automatizovat — jinak se rozjede systematická chyba.

Můžu modelu dát své interní firemní dokumenty?
Můžete, ale pozor na licence a GDPR. U placených tierů (Plus, Team, Enterprise) je v podmínkách deklarováno, že data uživatelů se nepoužívají k tréninku. U free tieru je opatrnost na místě. Pro citlivé dokumenty preferujte API s opt-out tréninku nebo lokální modely.

Mám dělat různý prompt pro různé jazyky?
Pokud chcete výstup v daném jazyce, pište prompt v tom jazyce. U strukturovaných úloh (kód, JSON) je angličtina často přesnější — modely mají v angličtině víc tréninkových dat. U kreativního psaní v češtině je čeština jednoznačně lepší.

Závěr a další kroky

Dobrý prompt je investice 60 sekund navíc, která ušetří 10 minut iterací. Začněte tím, že si dáte šablonu ROLE → ÚKOL → KONTEXT → CÍLOVKA → FORMÁT → OMEZENÍ vedle klávesnice a tři dny jí necháte projít každý prompt. Pak postupně přidávejte techniky 6–20 podle toho, jaké úlohy řešíte nejčastěji.

Pokud používáte AI pro tým, doporučujeme zavést sdílenou knihovnu promptů s krátkým popisem („k čemu“, „pro koho“, „kdy nepoužívat“). Po dvou měsících budete mít 30–50 hotových šablon, které pokrývají 80 % denní práce — a nový kolega se rozjede ve dvou dnech místo dvou týdnů.

Chcete spolehlivé připojení, na kterém AI nástroje běží bez čekání? Stabilní internet v Praze je základ pro plynulou práci s ChatGPT i Claude. Podívejte se na naši nabídku připojení a vyberte si tarif, který odpovídá vašemu workflow.