Strukturyzacja Danych w Promptach - Formaty i Schematy

Dlaczego struktura ma znaczenie?

Modele językowe rozumieją nie tylko treść, ale również format. Dobrze ustrukturyzowane dane pomagają AI lepiej zrozumieć zadanie i generować spójne, przewidywalne odpowiedzi. W tym rozdziale pokażę Ci formaty, którymi opiszesz zadanie precyzyjniej niż zwykłym zdaniem, oraz frameworki, których profesjonaliści używają do pisania skutecznych promptów.

Frameworki do promptów

W rozdziale Podstawy promptowania przedstawiłem framework CO-STAR (Context, Objective, Style, Tone, Audience, Response) - standard biznesowy do tworzenia skutecznych promptów. Tutaj dokładam do niego drugi framework, przydatny wtedy, gdy zależy Ci na kilku wariantach odpowiedzi do wyboru.

Framework CRISPE - gdy chcesz kilku wariantów odpowiedzi

Gdy zależy Ci na tym, żeby AI wcieliło się w konkretną rolę, dostało tło sprawy i pokazało kilka wersji odpowiedzi do porównania, sięgnij po framework CRISPE. Ma pięć elementów - pierwsze dwie litery opisują jeden, wspólny (CRISPE w praktyce klinicznej, 2025):

Element	Opis	Przykład
C+R - Capacity and Role (kompetencje i rola)	Kim ma być AI i w czym jest ekspertem	“Działaj jako doświadczony specjalista od obsługi klienta.”
I - Insight (tło i kontekst)	Co AI musi wiedzieć o Twojej sytuacji	“Prowadzę małą księgarnię, klient reklamuje książkę po dwóch miesiącach.”
S - Statement (polecenie)	Co konkretnie ma zrobić	“Napisz odpowiedź na tę reklamację.”
P - Personality (ton i styl)	Jakim językiem ma odpowiedzieć	“Pisz ciepło i konkretnie, bez formalnego żargonu.”
E - Experiment (warianty)	Poproś o kilka wersji do porównania	“Pokaż trzy warianty i powiedz, który polecasz.”

Element E to sedno tego frameworka - to on odróżnia CRISPE od CO-STAR. Zamiast jednej odpowiedzi dostajesz kilka propozycji i wybierasz tę, która pasuje.

Przykład CRISPE w praktyce

CAPACITY AND ROLE: Działaj jako doświadczony specjalista
od obsługi klienta w handlu detalicznym.

INSIGHT: Prowadzę małą księgarnię internetową. Klientka
zamówiła książkę, która dotarła z zagiętą okładką.
Napisała nieuprzejmą wiadomość i grozi negatywną opinią.
Chcę ją zatrzymać jako klientkę.

STATEMENT: Napisz odpowiedź na jej wiadomość - przeproś,
zaproponuj rozwiązanie i zamknij sprawę.

PERSONALITY: Pisz ciepło i po ludzku, bez korporacyjnych
formułek. Nie tłumacz się długo, przejdź do konkretu.

EXPERIMENT: Podaj trzy warianty odpowiedzi - jeden krótki,
jeden ze zwrotem kosztów, jeden z wymianą egzemplarza.
Powiedz, który polecasz i dlaczego.

Kiedy używać którego frameworka?

Zadanie	Rekomendowany framework	Dlaczego?
E-maile biznesowe	CO-STAR	Ton i styl są kluczowe
Posty na social media	CO-STAR	Ważna jest persona i odbiorcy
Raporty i analizy	CO-STAR	Format i struktura priorytetem
Trudna odpowiedź do klienta	CRISPE	Chcesz porównać kilka wariantów
Tekst wymagający eksperta	CRISPE	Ważna jest rola i pełne tło sprawy
Szukanie pomysłów	CRISPE	Element Experiment daje kilka propozycji naraz

Wskazówka praktyczna

Nie musisz zawsze używać wszystkich elementów frameworka. Traktuj je jako checklistę - im więcej kontekstu podasz, tym lepszy wynik otrzymasz. Dla prostych zadań wystarczą 2-3 elementy, dla złożonych używaj wszystkich.

Format JSON

JSON (JavaScript Object Notation) to uniwersalny format wymiany danych, który modele AI doskonale rozumieją. Jest idealny gdy potrzebujesz strukturalnych, programowalnych odpowiedzi.

Definiowanie schematu wyjściowego

Wyodrębnij informacje o osobie z poniższego tekstu.
Zwróć odpowiedź w formacie JSON.

Tekst: "Jan Kowalski, lat 35, mieszka w Warszawie
i pracuje jako programista w firmie TechCorp."

Schemat JSON:
{
  "imie": string,
  "nazwisko": string,
  "wiek": number,
  "miasto": string,
  "zawod": string,
  "firma": string
}

JSON:

Odpowiedź:

{
  "imie": "Jan",
  "nazwisko": "Kowalski",
  "wiek": 35,
  "miasto": "Warszawa",
  "zawod": "programista",
  "firma": "TechCorp"
}

Zagnieżdżone struktury

Przeanalizuj zamówienie i zwróć strukturę JSON.

Zamówienie: "Klient: Anna Nowak (anna@email.com).
Produkty: 2x Laptop Dell (3500 zł/szt), 1x Mysz (120 zł).
Dostawa ekspresowa do Krakowa."

Schemat:
{
  "klient": {
    "imie": string,
    "email": string
  },
  "produkty": [
    {
      "nazwa": string,
      "ilosc": number,
      "cena_jednostkowa": number
    }
  ],
  "dostawa": {
    "typ": string,
    "miasto": string
  },
  "suma": number
}

JSON:

Wskazówka

Wymuszenie odpowiedzi w JSON to funkcja API (czyli dostępu do modelu z poziomu kodu), a nie okna czatu. U OpenAI tryb “JSON mode” pilnuje tylko tego, żeby odpowiedź była poprawnym JSON-em - nie tego, żeby trafiła w Twój schemat. Do zgodności ze schematem służą Structured Outputs (wyjścia zgodne ze schematem) i to je OpenAI zaleca (dokumentacja OpenAI). W samym oknie czatu takiego przełącznika nie znajdziesz - tam po prostu opisz schemat w prompcie, tak jak w przykładach wyżej.

Format tabelaryczny

Tabele są intuicyjne i czytelne zarówno dla ludzi, jak i AI. Świetnie sprawdzają się do porównań, list i danych wielowymiarowych.

Porównaj trzy popularne frameworki JavaScript.
Przedstaw wynik w tabeli Markdown z kolumnami:
Nazwa, Twórca, Rok wydania, Główne zastosowanie, Popularność (1-5).

Tabela:

Odpowiedź:

Nazwa	Twórca	Rok	Główne zastosowanie	Popularność
React	Facebook	2013	Interfejsy użytkownika	5
Vue	Evan You	2014	Aplikacje SPA	4
Angular	Google	2016	Aplikacje enterprise	4

Możesz również podawać dane wejściowe jako tabelę:

Przeanalizuj poniższe dane sprzedażowe i podaj wnioski.

| Produkt   | Q1    | Q2    | Q3    | Q4    |
|-----------|-------|-------|-------|-------|
| Laptopy   | 150   | 180   | 160   | 220   |
| Telefony  | 300   | 280   | 320   | 400   |
| Tablety   | 80    | 90    | 70    | 110   |

Pytania:
1. Który produkt miał największy wzrost Q4 vs Q1?
2. Który kwartał był najlepszy ogólnie?
3. Które produkty mają trend wzrostowy?

Analiza:

Format listy

Listy są najprostszym sposobem strukturyzacji - świetne dla instrukcji, kroków i wyliczeń.

Listy numerowane (kroków):

Opisz proces instalacji Pythona na Windows.
Podaj jako listę numerowaną kroków.

Kroki:

Listy punktowane (cech):

Wymień zalety i wady pracy zdalnej.

Format:
Zalety:
- [punkt]
- [punkt]

Wady:
- [punkt]
- [punkt]

Listy zagnieżdżone:

Przedstaw strukturę projektu webowego w formie hierarchicznej listy.

Struktura:
- projekt/
  - src/
    - components/
    - pages/
    - utils/
  - public/
  - tests/

XML i znaczniki

Znaczniki XML pomagają wyraźnie oddzielić różne części prompta i odpowiedzi. Są szczególnie przydatne w złożonych promptach.

<instrukcja>
Jesteś tłumaczem. Przetłumacz tekst z polskiego na angielski
i francuski, zachowując ton formalny.
</instrukcja>

<tekst_zrodlowy>
Szanowni Państwo, mamy przyjemność zaprosić Was
na konferencję, która odbędzie się 15 marca.
</tekst_zrodlowy>

<odpowiedz>
<angielski>
[tłumaczenie]
</angielski>
<francuski>
[tłumaczenie]
</francuski>
</odpowiedz>

Dlaczego XML działa?

Znaczniki XML tworzą wyraźne granice między sekcjami. Model “wie”, że zawartość między znacznikami to odrębna jednostka, co zmniejsza ryzyko pomieszania kontekstu z instrukcjami.

Separatory i delimitery

Prostszą alternatywą dla XML są separatory tekstowe, które oddzielają sekcje prompta:

### Styl z hashami ###
Sekcja 1

---
Styl z kreskami
---

"""
Styl z cudzysłowami (potrójnymi)
"""

===
Styl z równościami
===

[SEKCJA]
Styl z nawiasami kwadratowymi
[/SEKCJA]

Praktyczne zastosowanie:

### INSTRUKCJA ###
Podsumuj poniższy artykuł w 3 punktach.

### ARTYKUŁ ###
[Tutaj długi tekst artykułu...]

### PODSUMOWANIE ###

Definiowanie narzędzi (Function Calling)

Nowoczesne modele AI obsługują “function calling” - możliwość definiowania narzędzi, które model może “wywołać”. Format definicji jest kluczowy dla poprawnego działania.

{
  "name": "get_weather",
  "description": "Pobiera aktualną pogodę dla podanej lokalizacji",
  "parameters": {
    "type": "object",
    "properties": {
      "location": {
        "type": "string",
        "description": "Miasto i kraj, np. 'Warszawa, Polska'"
      },
      "unit": {
        "type": "string",
        "enum": ["celsius", "fahrenheit"],
        "description": "Jednostka temperatury"
      }
    },
    "required": ["location"]
  }
}

Kluczowe elementy definicji: name (unikalna nazwa funkcji), description (kiedy i do czego używać - najważniejsze!), parameters (schemat JSON parametrów wejściowych), required (lista wymaganych parametrów).

Szablony (Templates)

Dla powtarzalnych zadań warto tworzyć szablony z miejscami do wypełnienia.

Przeanalizuj produkt i wypełnij szablon:

PRODUKT: {{nazwa_produktu}}

---
ANALIZA PRODUKTU
---

Nazwa: {{nazwa_produktu}}
Kategoria: [wypełnij]
Grupa docelowa: [wypełnij]
Główne cechy:
1. [wypełnij]
2. [wypełnij]
3. [wypełnij]

Mocne strony:
- [wypełnij]

Słabe strony:
- [wypełnij]

Ocena ogólna (1-10): [wypełnij]
Rekomendacja: [wypełnij]

Wskazówka

Używaj spójnych placeholderów: {{zmienna}}, [wypełnij], lub <placeholder>. Wybierz jeden styl i trzymaj się go.

Formatowanie odpowiedzi wieloczęściowych

Gdy potrzebujesz złożonej odpowiedzi z wieloma elementami, zdefiniuj dokładną strukturę:

Przeanalizuj startup i podaj kompletną analizę.

Startup: [opis startupu]

FORMAT ODPOWIEDZI:

## PODSUMOWANIE
[2-3 zdania podsumowania]

## MODEL BIZNESOWY
- Źródła przychodów: [lista]
- Struktura kosztów: [lista]

## ANALIZA SWOT
| Mocne strony | Słabe strony |
|--------------|--------------|
| [punkt]      | [punkt]      |

| Szanse       | Zagrożenia   |
|--------------|--------------|
| [punkt]      | [punkt]      |

## OCENA INWESTYCYJNA
Ryzyko: [niskie/średnie/wysokie]
Potencjał: [niski/średni/wysoki]
Rekomendacja: [tak/nie/warunkowo]

## WNIOSKI
[3-5 punktów]

Najlepsze praktyki strukturyzacji

1. Bądź konsekwentny - używaj tego samego formatu w całym prompcie. Jeśli zaczynasz z JSON, kontynuuj JSON.
2. Pokazuj przykłady - zamiast tylko opisywać format, podaj przykład poprawnej odpowiedzi.
3. Używaj znaczników dla długich kontekstów - przy długich dokumentach używaj XML lub separatorów, by wyraźnie oddzielić dane od instrukcji.
4. Definiuj typy danych - w schematach JSON określaj typy: string, number, boolean, array.

Tabela formatów i zastosowań

Format	Najlepsze zastosowanie	Przykład użycia
JSON	Dane strukturalne, API	Ekstrakcja encji, konfiguracje
Tabela	Porównania, dane tabelaryczne	Analiza produktów, raporty
Lista	Kroki, cechy, wyliczenia	Instrukcje, zalety/wady
XML	Złożone dokumenty, tłumaczenia	Wielojęzyczne treści
Separatory	Proste oddzielenie sekcji	Kontekst + pytanie
Szablon	Powtarzalne zadania	Raporty, analizy

Podsumowanie

• JSON - dla danych strukturalnych i integracji z kodem
• Tabele - dla porównań i danych wielowymiarowych
• Listy - dla kroków, cech i prostych wyliczeń
• XML/znaczniki - dla wyraźnego oddzielenia sekcji
• Separatory - prosty sposób na organizację prompta
• Szablony - dla powtarzalnych zadań z określoną strukturą

Teraz wiesz

• Jak stosować framework CRISPE (rola, kontekst i kilka wariantów odpowiedzi) obok poznanego wcześniej CO-STAR (treści biznesowe) do budowania profesjonalnych promptów
• Jak używać formatów JSON, tabel, list, XML i szablonów do uzyskiwania spójnych, strukturalnych odpowiedzi
• Jak definiować narzędzia (function calling) i wieloczęściowe formaty wyjściowe dla złożonych analiz

Następny krok: Inżynieria kontekstu - nauczysz się zarządzać tym, co model naprawdę “widzi”: doborem informacji, długością rozmowy i instrukcjami stałymi.