A prompt az a szöveges bemenet, amit egy nyelvi modellnek adsz, és amire válaszként generálja a kimenetet. Nem klasszikus parancs, hanem kiindulópont: a modell ezt a szöveget folytatja a legvalószínűbb következő résszel.
Hogyan működik
A prompt először tokenekre bomlik. Egy LLM (nagy nyelvi modell) ezeket a tokeneket olvassa, majd egyesével generálja a válasz tokenjeit. Minden információ, amit a modell a feladatról tud, a kontextus-ablakban van. Ami nem fér bele, az a modell számára nem létezik.
A prompt ritkán csak a felhasználó kérdése. A tipikus összeállítás rétegekből áll:
- rendszerprompt: szerep, hangnem, tiltások, formátum
- felhasználói üzenet: a tényleges kérdés
- beszúrt forrásszöveg: keresésből vagy RAG (retrieval-augmented generation)-rendszerből érkező részletek
- előzmény: a beszélgetés korábbi körei
Miért más ez, mint egy keresőkifejezés
A keresőmezőbe 2-3 szót írnak. A promptba egész mondatot, gyakran több feltétellel: helyszín, határidő, ár, kizárás. A generatív kereső ezt a mondatot bontja belső lekérdezésekre, keres, és a talált szövegekből fogalmaz választ.
Itt lép be a weboldalad. Ha egy oldalad bekerül a forrásrészletek közé, akkor a saját szövegedből lesz a prompt egy darabja. A modell nem az oldal designját olvassa, hanem a nyers mondatokat.
Mikor számít igazán
Akkor, amikor a kérdés konkrét és ellenőrizhető: nyitvatartás, szállítási díj, jogosultság, hatókör. A riportokban jól látszik a minta: a szép, de általános szövegből a modell semmit nem tud idézni. A rövid, tényszerű mondatokból viszont igen.
Mit néz ebből a riport
Az audit tipikus prompteket futtat az oldal nyers szövegére. Azt vizsgálja, mit tud belőle kiolvasni egy modell: mivel foglalkozol, kinek, hol. Ha a válaszok üresek vagy bizonytalanok, az a tartalom hibája, nem a modellé.
Röviden: a prompt az a szöveg, amit a modell lát, és az oldalad tartalma ennek a szövegnek a része lehet.
Technikai példa
Így néz ki egy tipikus prompt rétegekre bontva, amikor a rendszer a te oldaladat használja forrásként:
[rendszerprompt]
Csak a megadott forrásokból válaszolj. Ha nincs adat, mondd, hogy nem tudod.
[beszúrt forrás: oldalad.hu/szallitas]
Szállítás futárral, 1-2 munkanap. Hétvégén nincs kézbesítés.
Díj: 1 590 Ft. 25 000 Ft felett ingyenes.
[felhasználói prompt]
Szállítotok hétvégén, és mennyibe kerül?
A modell egyetlen szövegfolyamként kapja meg mindhárom részt. Ha a középső blokk üres, a válasz bizonytalan lesz.
API-hívásban ugyanez így fest:
{
"model": "a-valasztott-modell",
"messages": [
{ "role": "system", "content": "Csak a megadott szövegbol valaszolj." },
{ "role": "user", "content": "Mennyi a szallitasi dij es hany nap?" }
]
}
A system és a user mező együtt alkotja a promptot. A beszúrt forrásszöveg általában a user mezőbe kerül, a kérdés elé.
Gyakori kérdések
A prompt ugyanaz, mint a keresőkifejezés?
Nem. A keresőkifejezés néhány szó, amire találati lista jön. A prompt egész mondat vagy bekezdés, amire generált szöveg a válasz. A generatív keresők a promptot belül több lekérdezésre bontják, majd a talált forrásokból fogalmaznak.
Tudom befolyásolni, milyen promptot kap a modell rólam?
Közvetlenül nem. Azt tudod befolyásolni, mi kerül be a forrásrészletek közé az oldaladról. Ha a gyakori kérdésekre konkrét, számokkal alátámasztott mondatok vannak a szövegben, nagyobb eséllyel azok lesznek a prompt része.
Érdemes rejtett utasítást írni a HTML-be az AI-nak?
Nem érdemes. A felhasználónak nem látszó, csak robotnak szánt szöveg
cloakingnak minősülhet, és büntetést vonhat maga után. A modellek jelentős része ráadásul figyelmen kívül hagyja az ilyen beágyazott utasításokat.
Miért mond rólunk rossz adatot az AI?
Legtöbbször azért, mert a helyes adat nincs leírva az oldalon, vagy régi verzió maradt fent. Ilyenkor a modell más forrásból pótolja, vagy egyszerűen kitalálja. A javítás a pontos, dátumozott adat kiírása a saját oldalon.
Hány karakter fér egy promptba?
Ez a modelltől függ, és tokenben mérik, nem karakterben. A mai modellek több tíz- vagy százezer tokent kezelnek. A gyakorlatban mégis a prompt elején és végén lévő rész érvényesül a legerősebben.
