Prompt Engineering v praxi: od zadání k výsledku

• Uživatelé AI nástrojů (ChatGPT, Claude, Gemini), kteří chtějí jít do hloubky
• Specialisté mimo IT (office, marketing, finance, HR)
• Každý, kdo chce systematizovat práci s AI a zvýšit kvalitu výstupů

• Vytvářet strukturované prompty podle ověřených frameworků
• Používat pokročilé techniky
• Testovat, měřit a optimalizovat kvalitu výstupů AI
• Rozpoznat rozdíly mezi modely a zvolit vhodný nástroj
• Budovat a spravovat vlastní knihovnu prompt templates

• Vlastní licence chatGPT Plus
• Běžná práce s počítačem a kancelářskými nástroji

Základy fungování AI a prompt engineeringu

• Jak fungují LLM modely a jak zpracovávají vstup
• Principy generativní AI a jejich dopad na výstup
• Nejčastější chyby při zadávání promptů
• Přechod od „pokus–omyl“ k systematickému přístupu

Frameworky a tvorba kvalitních promptů

• Strukturované prompty
• Role, kontext, úkol, formát (praktická aplikace)
• Přepis běžných zadání do profesionálních promptů
• Tvorba opakovaně použitelných šablon

Pokročilé techniky práce s AI

• Chain-of-thought prompting
• Few-shot learning a práce s příklady
• Role prompting a řízení stylu výstupu
• Kombinace technik pro vyšší kvalitu a konzistenci

Testování, optimalizace a práce s prompt library

• Metody testování a iterace promptů
• Měření kvality výstupů
• Organizace a správa prompt templates
• Vytvoření vlastní knihovny (5–8 šablon)

Praxe

• Přepis reálných pracovních zadání do kvalitních promptů
• Tvorba e-mailů, analýz a sumarizací dokumentů
• Iterativní zlepšování promptů na základě výstupů
• Budování vlastní knihovny prompt templates
• Simulace běžných pracovních scénářů

Závěr

• Shrnutí klíčových principů a technik
• Diskuze nad konkrétními use-cases účastníků
• Q&A
• Doporučení nástrojů a zdrojů pro další rozvoj