Linki do źródeł:

https://segmentui.com/uikit/banners

https://academy.openai.com/public/clubs/work-users-ynjqu/resources/prompting

Powyżej zamieściłam link do konkretnych lekcji z OpenAI Academy, z których możesz nauczyć się jeszcze więcej na temat promptowania. Pamiętaj, że każdy model językowy ma swoją dokumentację techniczną, a często także dobrze opracowane materiały edukacyjne, odpowiednio podzielone i aktualizowane. Dzięki nim możesz szybko dowiedzieć się na temat konkretnych funkcji lub zagadnień. Warto zaglądać do tych darmowych materiałów, zanim zdecydujesz się np. na kurs lub zakup e-booka, który bardzo szybko może stracić na aktualności. AI jest najszybciej rozwijająca się dziś technologią i istotne zmiany w działaniu oprogramowania może dzielić zaledwie kilka miesięcy.  

Słownik:

Pamięć kontekstu – mechanizm, dzięki któremu model językowy „pamięta” wcześniejsze fragmenty rozmowy i może do nich nawiązywać w kolejnych odpowiedziach. W praktyce oznacza to, że model analizuje wcześniejsze wiadomości, by zachować spójność tematu, tonu czy celu rozmowy. Pamięć kontekstu jest ograniczona technicznie – model nie zapamiętuje wszystkiego, lecz tylko określoną liczbę tzw. tokenów (czyli jednostek tekstu). Dlatego przy dłuższych interakcjach może „zapominać” wcześniejsze elementy rozmowy lub wymagać ich ponownego przypomnienia.
‍

Prompt – polecenie lub instrukcja, którą wpisujemy do modelu językowego, aby uzyskać określoną odpowiedź. Może przyjąć formę pytania, prośby, opisu sytuacji, scenariusza lub zestawu przykładów. Dobrze napisany prompt to taki, który jasno określa cel, kontekst i oczekiwany efekt. W projektowaniu treści AI pełni rolę podobną do briefu – to on decyduje, jak model zinterpretuje zadanie i w jakiej formie wygeneruje odpowiedź.
‍

Struktura promptu – sposób budowania polecenia w taki sposób, by model otrzymał wszystkie potrzebne informacje. Najczęściej obejmuje kilka elementów: kontekst (czyli opis sytuacji lub roli modelu), instrukcję (czyli co ma zrobić), przykłady (jeśli chcemy pokazać styl lub format), oraz efekt końcowy (czyli oczekiwaną formę odpowiedzi). Jasna struktura promptu pomaga uzyskać precyzyjne i spójne wyniki, a także ułatwia ich powtarzalność w projektach.
‍

Tokeny – najmniejsze jednostki tekstu, na podstawie których model językowy przetwarza informacje. Token może być całym słowem, jego częścią, znakiem interpunkcyjnym lub spacją – zależnie od języka i kontekstu. Wszystkie modele mają określony limit liczby tokenów, które mogą jednocześnie analizować. Oznacza to, że zarówno polecenie (prompt), jak i odpowiedź (output) muszą zmieścić się w tym limicie. Dla osób projektujących treści z użyciem AI tokeny mają znaczenie praktyczne: wpływają na koszt, długość i kompletność wygenerowanej odpowiedzi.
‍

Repozytoria UI – zbiory gotowych komponentów i elementów interfejsu użytkownika, które można ponownie wykorzystywać w projektach cyfrowych. Repozytoria (np. Figma Community, Material UI, Radix lub Design Systems firm) zawierają przyciski, formularze, alerty, panele czy sekcje tekstowe, często z już opracowanym microcopy. Dla UX writerów i projektantek treści stanowią ważne źródło kontekstu – pozwalają zobaczyć, gdzie i w jakim układzie pojawi się tekst, oraz jak komunikaty współgrają z wizualną strukturą interfejsu.

‍