Jak napisać prompt systemowy, który naprawdę działa

Traktuj to jak wdrożenie nowego pracownika

Ta analogia działa lepiej niż wszystkie poradniki o „inżynierii promptów”. Nowej osobie mówisz, za co odpowiada, jak ma wyglądać efekt, czego jej nie wolno i do kogo ma iść w razie wątpliwości. Dokładnie te cztery rzeczy potrzebuje agent, z jedną poprawką: jemu nikt nie dopowie reszty na korytarzu.

Różnica jest jedna, za to istotna. Nowy pracownik dopyta, gdy czegoś nie zrozumie. Agent nie dopyta, tylko wypełni lukę własnym domysłem, i zrobi to pewnym tonem. Wszystko, czego nie napiszesz, zostanie zgadnięte, a Ty dowiesz się o tym od klienta.

Prompt bywa też jedynym miejscem, w którym firmowe zasady korzystania z AI w ogóle istnieją. Większość polskich firm takich zasad nie ma spisanych (pokazujemy to liczbami w lekcji siódmej), a pracownicy i tak z AI korzystają. Prompt systemowy jest najtańszą wersją polityki: działa od pierwszej rozmowy i nie wymaga, żeby ktokolwiek przeczytał go ze zrozumieniem.

Z tego bierze się praktyczna wskazówka na cały tekst: pisz tak, jakby czytała to osoba bez kontekstu Waszej firmy, która ma zacząć pracę za dziesięć minut. Jedna reguła na zdanie, konkrety zamiast przymiotników, żadnych odwołań do tego, co „u nas oczywiste”.

Struktura, która się sprawdza

Nie ma jednego słusznego układu, ale ten porządek rzadko zawodzi. Kolejność nie jest przypadkowa: model czyta prompt od góry i wcześniejsze fragmenty ważą więcej, więc rola i format trafiają przed drobiazgi o godzinach otwarcia.

Podział na nazwane sekcje ma jeszcze jeden skutek, widoczny dopiero w trzecim miesiącu. Gdy reguły siedzą w blokach, dopisanie nowej nie wymaga czytania całości i nikt nie dokłada po raz trzeci tego samego zdania w innym brzmieniu.

Jeśli platforma pozwala rozbić to na osobne pliki, tym lepiej. W silniku OpenClaw, na którym stoi ClawLabs, ton i granice mieszkają w SOUL.md, dane właściciela w USER.md, a lista zadań wykonywanych z własnej inicjatywy w HEARTBEAT.md. Treść jest ta sama, tylko na pytanie „gdzie ustawiamy ton” odpowiada się nazwą pliku zamiast numerem akapitu.

• Rola i zakres. Kim jest agent i za co odpowiada. Dwa zdania wystarczą, plus jedno o tym, czym się nie zajmuje.
• Format wyniku. Jak ma wyglądać odpowiedź: liczba zdań, waluta, netto czy brutto, listy albo ich brak. Tu bądź drobiazgowy, bo to najczęstsze źródło rozczarowań.
• Zasady i granice. Czego nie wolno, kiedy ma odmówić, kiedy przekazać sprawę człowiekowi i komu dokładnie.
• Kontekst firmy. Nazwy produktów, ceny, godziny pracy, terminy realizacji, ton komunikacji.
• Przykłady. Jeden dobry i jeden zły, z jednozdaniowym uzasadnieniem, dlaczego zły jest zły. Przykłady uczą szybciej niż opisy.

Prompt jedzie z każdą wiadomością, więc długość ma cenę

Prompt systemowy nie jest wysyłany raz na początku rozmowy. Leci do modelu przy każdym kroku agenta, razem z historią rozmowy i wynikami narzędzi. Piąty krok niesie ze sobą cztery poprzednie i ten sam prompt po raz piąty.

W audycie kosztów tokenów przeprowadzonym przez LeanOps w maju 2026 ponownie wysyłany kontekst odpowiadał za 62% całego rachunku. Ten sam materiał pokazuje skalę na prostym przykładzie: pięciokrokowe zadanie typu „przeczytaj plik, zaproponuj poprawkę” zużyło 45 700 tokenów wejściowych przy zaledwie 1 350 wyjściowych.

Wniosek nie brzmi „pisz krótko za wszelką cenę”, bo obcięcie reguły, która gasi realny błąd, kosztuje więcej niż tokeny. Brzmi tak: każde zdanie w promptcie płacisz tyle razy, ile kroków wykona agent. Zdanie, które nie rozstrzyga żadnej konkretnej sytuacji, kosztuje i nic za to nie kupujesz.

Stąd prosty test przy każdej dopisywanej regule: weź wczorajszą odpowiedź agenta i sprawdź, czy nowa reguła by ją przepuściła, czy zatrzymała. Jeśli nie zmienia niczego w żadnym realnym przypadku, nie wchodzi do promptu.

Trzy błędy, które widzimy najczęściej

Pierwszy: uprzejmość zamiast konkretu. „Odpowiadaj profesjonalnie i pomocnie” nie znaczy nic, bo nie da się na tej podstawie odrzucić żadnej odpowiedzi. „Odpowiadaj w dwóch, trzech zdaniach, bez powitań, zawsze podawaj cenę netto w złotych” znaczy dużo i sprawdza się w sekundę.

Drugi: brak instrukcji na wypadek niewiedzy. Jeśli nie napiszesz, co agent ma zrobić, gdy nie zna odpowiedzi, to ją wymyśli, bo musi jakoś dokończyć zdanie. Jedno zdanie rozwiązuje większość problemów z halucynacjami: „Jeśli nie masz pewności, napisz, że sprawdzisz, i przekaż sprawę do Anny z obsługi”. Zakaz w stylu „nie zmyślaj” nie działa, bo nie mówi, co robić zamiast.

Trzeci: prompt pisany raz i zostawiony. Pierwsza wersja nigdy nie jest dobra i to nie jest wada narzędzia, tylko właściwość procesu. Dopiero na prawdziwych rozmowach widać, że klienci pytają o rzeczy, których nie było w żadnym scenariuszu.

Wszystkie trzy mają wspólny mianownik: brzmią jak reguła, a nie zmieniają zachowania. Dobra reguła daje się przetestować na jednej konkretnej odpowiedzi z wczoraj, zła daje się co najwyżej zacytować na spotkaniu.

Jedna reguła, której od sierpnia 2026 nie da się pominąć

Obowiązek ujawnienia, że rozmówcą jest AI, ma od 2 sierpnia 2026 r. podstawę w art. 50 ust. 1 AI Act, omawiamy go w lekcji siódmej. Tutaj liczy się co innego: to prompt systemowy jest miejscem, w którym ten obowiązek fizycznie mieszka. Zdanie wpisane do promptu działa w każdym kanale i przy każdej rozmowie, a zdanie dopisane ręcznie do jednego szablonu odpowiedzi tylko tam, gdzie ktoś pamiętał je wkleić.

W praktyce sprowadza się to do jednego zdania w sekcji granic i jednej linijki w pierwszej wiadomości agenta. Koszt: kwadrans. Przy okazji znika starszy problem, o którym mało kto myśli jako o zgodności: klient, który sądzi, że pisze z człowiekiem, zupełnie inaczej ocenia zdanie „sprawdzę to i wrócę”.

Drugi obowiązek dotyczy nie agenta, tylko ludzi wokół niego. Ministerstwo Cyfryzacji przypomina, że od 2 lutego 2025 r. obowiązuje już art. 4 AI Act o kompetencjach w zakresie AI wobec personelu podmiotów stosujących te systemy. Osoba, która pilnuje promptu, powinna rozumieć, co robi model i gdzie leżą jego granice.

Prompt to jeszcze nie zarządzanie ryzykiem, ale jest jego najtańszym fragmentem, a takich fragmentów w firmach brakuje. Badanie Deloitte „The State of AI in the Enterprise 2026”, obejmujące 3 235 liderów z 24 krajów, pokazało, że dojrzały model zarządzania autonomicznymi agentami ma tylko 20% organizacji. Prompt trzymany w repozytorium, z datą, autorem i historią zmian, załatwia kawałek tej luki bez ani jednego spotkania.

Jak poprawiać prompt na podstawie wyników

Zbieraj złe odpowiedzi. Dosłownie, do jednego pliku, z datą i jednym zdaniem, co było nie tak. Po dwudziestu przypadkach zobaczysz, że nie są przypadkowe, tylko układają się w trzy albo cztery powtarzalne wzorce.

Na każdy wzorzec dopisz jedną regułę. Nie przepisuj całego promptu, bo stracisz to, co już działało, i te same problemy wrócą w tydzień. Dokładanie punktowe jest wolniejsze, za to nie cofa Cię do punktu wyjścia.

Ten nawyk jest rzadszy, niż się wydaje, i to widać w danych. Raport LangChain „State of Agent Engineering”, oparty na 1 340 odpowiedziach, pokazuje, że obserwowalność wdrożyło 89% zespołów, ale systematyczne ewaluacje offline prowadzi tylko 52,4%. Największą wskazywaną barierą wdrożeniową jest właśnie jakość działania, czyli 32% wskazań. Większość widzi więc, co agent zrobił, a mniej niż połowa sprawdza, czy zrobił to dobrze.

I rzecz, którą łatwo przeoczyć: gdy prompt urośnie do dwóch stron, przeczytaj go w całości od góry do dołu. Reguły dopisywane przez miesiąc potrafią zacząć sobie przeczyć, a agent zachowuje się wtedy losowo, choć każda reguła z osobna wygląda sensownie.