Prečo Claude robí nesprávnu vec: 3 prompty

Viac informácií o používaní služby nájdete v dokumentácii Ailoot.

Prečo Claude robí nesprávnu vec?#

Napíšete: „Pridaj filtre na stránku produktov.“ Vy si pod tým predstavíte niekoľko zaškrtávacích políčok a aktualizovaný zoznam. Claude počuje to isté a rozhodne sa vytvoriť plnohodnotný filtrovací systém: vlastný state store, samostatnú logiku oneskorenia vstupu, synchronizáciu URL a tucet pomocných funkcií. Stovky riadkov, hoci by stačilo niekoľko parametrov URL.

V takomto prípade je záver jasný: agent neurobil chybu; jednoducho vyriešil oveľa väčší problém, než bolo potrebné. Chyba bola v tom, že požadovaný výsledok nebol opísaný dostatočne stručne a presne.

Kľúčové slovo je „zámer“. Vy ho máte v hlave; Claude nie. Vidí text vášho zadania a všetko, čo má v kontexte až po toto zadanie. Potom medzery vyplní odhadmi. Čím kratšie je zadanie, tým viac odhadov urobí — a tým viac sa výsledok vzdiali od toho, čo ste chceli.

Anthropic to v dokumentácii Claude Code hovorí jasne:

Stretol som sa s tým vo vlastnom projekte. Požiadal som o opravu jednej autorizačnej obrazovky a dostal som diff, ktorý zasiahol polovicu susedného modulu. Claude za to nemohol: dal som mu jeden riadok a zvyšok si doplnil sám. Odvtedy začínam každú úlohu väčšiu než oprava preklepu otázkami — tými, ktoré mi kladie Claude.

Je to naozaj modelom — a prečo sa mýlia aj tie najsilnejšie?#

Každý týždeň príde model, ktorý je „múdrejší“ než ten predchádzajúci, a zakaždým to vyzerá, akoby práve nastal okamih, keď nám AI konečne porozumie na základe niekoľkých slov. Nestane sa to. Silnejší model píše kód rýchlejšie a lepšie zvláda zložitú logiku, no stále vám nevie čítať myšlienky. Ak je úloha zle sformulovaná, dostanete niečo krásne napísané, čo je aj tak nesprávne.

Záver pre vás je jednoduchý. Naháňať najnovší model, aby lepšie odhadoval, je slepá ulička. Je lacnejšie a spoľahlivejšie naučiť sa zadávať mu úlohy tak, aby nemusel hádať. A práve tomu sa venujeme ďalej.

Čo je grilling a ako napraviť nesúlad s AI?#

Znie to neintuitívne. Obraciame sa na AI, aby sme veci vybavili rýchlejšie, a teraz nám hovoria, aby sme ju spomalili a najprv ju nechali klásť otázky. Päť minút otázok pred programovaním vám však môže ušetriť hodinu opráv neskôr.

Problém nie je iba v tom, že ste Claudeovi veci zle vysvetlili. Často ste si ani sami poriadne nepremysleli úlohu — ktoré prípady treba zohľadniť, kde sú hranice, čo je najdôležitejšie. Grilling to z vás otázkami vytiahne. Na konci rozhovoru máte nielen úlohu, ktorej AI rozumie, ale aj svoju vlastnú úlohu konečne podrobne sformulovanú.

Takto funguje kontextové inžinierstvo: hlavná práca sa odohráva pred zadaním, nie počas neho. Nehľadáte magickú formuláciu promptu; vopred Claudeovi vysvetľujete, čo potrebujete, až kým tomu neporozumie bez ďalšieho objasňovania.

Ako prinútite Claudea, aby sa vás najprv pýtal?#

Anthropic tento prístup nielen povoľuje, ale aj odporúča. V dokumentácii má časť s názvom „Nechajte Claudea, aby vás vyspovedal“ a hotový prompt. Tu je praktická verzia:

Chcem vytvoriť [stručný opis úlohy].

Pred napísaním kódu ma podrobne vyspovedaj. Pýtaj sa na implementáciu, rozhranie, okrajové prípady, riziká a kompromisy. Nepýtaj sa na očividné veci — zameraj sa na zložité časti, nad ktorými som sa možno nezamyslel.

Vždy polož iba jednu otázku a počkaj na moju odpoveď. Pri každej otázke mi hneď navrhni odpoveď, ktorú odporúčaš.

Pokračuj, kým nepreberieme všetko. Potom zostav úplnú špecifikáciu do súboru s názvom SPEC.md.

Tri podrobnosti robia tento prompt užitočným, nie iba okrasným. Po prvé: „jedna otázka naraz“. Ak na vás AI vysype desať otázok naraz, zahltí vás to a odpoviete povrchne. Po druhé: „navrhni svoju odpoveď“ — nemusíte všetko vymýšľať od začiatku; môžete súhlasiť alebo návrh opraviť. Po tretie: „zostav špecifikáciu do súboru“ — zámer, ktorý ste vysvetlili, sa stane dokumentom, ktorý sa nestratí.

Anthropic opisuje prínos z hľadiska vynaloženého úsilia:

Po rozhovore otvorte novú reláciu a odovzdajte jej dokončenú špecifikáciu. Čistý kontext a jasne vyjadrený zámer — a Claude trafí cieľ na prvý pokus.

Technika „dokáž mi, že toto je najlepší plán“#

Grilling odhalí váš zámer. AI má však aj druhý zlozvyk: siahne po prvom riešení, ktoré vyzerá vierohodne. Anthropic nazýva tento problém „dôveruj, ale preveruj“: Claude vytvorí vierohodnú implementáciu, ktorá neobstojí v okrajových prípadoch. Riešením je žiadať dôkazy ešte pred kódom.

Do promptu takmer vždy pridávam časť „dokáž to“. Tu je presné znenie:

Pred napísaním kódu analyzuj úlohu ako kritik.

Nájdi 2-3 spôsoby, ako ju vyriešiť. Pri každom mi dokáž, že skutočne rieši moju úlohu a nepridáva zbytočnú zložitosť. Nepíš kód len preto, aby si písal kód.

Potom jeden vyber a dokáž, že je to najlepšie riešenie, premyslené niekoľko krokov dopredu. Čo sa pokazí, keď projekt porastie? Čo nám teraz uniká?

Až potom navrhni implementáciu.

Bez tejto časti vám Claude ponúkne prvú funkčnú možnosť. S ňou sám vylúči slepé uličky, vysvetlí svoju voľbu a umožní vám pozrieť sa na jeho uvažovanie ešte predtým, než sa dotkne jediného súboru. Prečítate si krátky text, ktorý zaberie dve minúty, namiesto toho, aby ste hodinu zisťovali, prečo dokončený kód nefunguje podľa očakávania.

Predbežná analýza zlyhania: nechajte AI nájsť 10 dôvodov na neúspech ešte pred začiatkom#

Toto je moja obľúbená technika a funguje na psychologickej úrovni. Keď AI požiadate, aby „odviedla dobrú prácu“, naladí sa na úspech a prehliadne nedostatky. Požiadajte ju, aby si predstavila neúspech, a začne si všímať, čo predtým ignorovala. Prompt je krátky:

Predstav si, že je o rok neskôr. Projekt, ktorý plánujeme, zlyhal.

Napíš 10 dôvodov, prečo sa to stalo. Čo sme na začiatku nezohľadnili, čo sme podcenili, kde sme veci odbili a ktoré predpoklady sa ukázali ako nepravdivé?

Potom mi pri každom dôvode povedz, čo môžeme napraviť už teraz, aby sme ho odstránili.

Tento prompt spúšťam pred schválením plánu. Polovica dôvodov sa ukáže ako nezmysel, no druhá polovica predstavuje skutočné úskalia, na ktoré by som narazil o týždeň neskôr. Riešiť ich vo fáze plánovania trvá desať minút. Ak na ne narazíte v hotovom projekte, vyšetrovanie zaberie niekoľko dní.

Kombinácia je jednoduchá: grilling odhalí zámer, „dokáž to“ obhajuje rozhodnutie a predbežná analýza zlyhania odhalí nedostatky. Tri krátke texty, ktoré vložíte pred písaním kódu. Z uponáhľaného vykonávateľa urobia z Claudea spolupracovníka, ktorý najprv premýšľa.

Prečo preťažený kontext spôsobí, že sa Claude správa hlúpo?#

Aj dokonale sformulovaná úloha sa rozpadne, ak na nej pracujete v zapratanom kontexte. Funguje to takto: každé nové zadanie vloží do pracovného kontextu Claudea celú históriu chatu. Čím dlhšia je relácia, tým rýchlejšie sa okno zaplní. Udržujte ho zaplnené najviac do polovice; potom sa AI začne správať hlúpo a strácať dôležité veci, o ktorých ste hovorili na začiatku.

Toto pravidlo mi ušetrí najviac frustrácie: jedna úloha, jeden chat. Dokončili ste funkciu? Zatvorte chat a pre ďalšiu úlohu otvorte nový. Áno, niekedy je pohodlnejšie robiť všetko v jednom okne, ale zaplatíte za to strateným kontextom a odpoveďami mimo témy.

Anthropic tento spôsob zlyhania nazýva „relácia so zásuvkou na haraburdy“. Riešenie je jednoduché: medzi nesúvisiacimi úlohami použite /clear, vymažte okno a neprenášajte neporiadok z predchádzajúcej úlohy do novej.

Ak vediete dlhé relácie a nerozumiete, kam idú peniaze a pozornosť AI, venujem sa tomu samostatne v sprievodcovi o tom, kam smerujú tokeny Claude Code. Základy trvalého kontextu, ktorý Claude číta pri každom spustení, som zhrnul v sprievodcovi nastavením CLAUDE.md.

Grilling alebo Plan Mode — aký je medzi nimi rozdiel a ako spolu fungujú?#

Ľudia si tieto dve techniky často mýlia alebo predpokladajú, že stačí iba jedna. V praxi patria do rôznych fáz procesu.

Anthropic opisuje štandardný pracovný postup v štyroch fázach: najprv Explore (Claude skúma a kladie otázky), potom Plan (vytvorí plán bez zmien), následne Implement (napíše kód podľa plánu) a napokon Commit (zaznamená výsledok). Grilling patrí do prvej fázy; Plan Mode do druhej. Podrobný rozbor druhej fázy nájdete v sprievodcovi Plan Mode v Claude Code.

Dôležité upozornenie od samotnej Anthropic: nezaťažujte tým malé úlohy.

Pri preklepe, premenovaní alebo zmene jedného riadka ju jednoducho zadajte priamo, bez rozhovorov či plánov. Grilling sa oplatí pri nejednoznačných úlohách a tam, kde je chyba nákladná. Pri triviálnych úlohách vás iba spomalí.

5 chýb pri formulovaní úloh, ktoré vedú k nesprávnym výsledkom AI#

Bežné úskalia som zhrnul v tabuľke. Vľavo je to, čo ľudia zvyčajne robia a čo nefunguje; vpravo je, čo urobiť namiesto toho.

Pozrite si posledný prompt, pri ktorom vám AI dala nesprávnu odpoveď. Takmer určite sa uplatnila jedna z týchto piatich chýb. Najčastejšie je to tá prvá: dali ste jej krátku frázu a čakali, že Claude správne doplní zvyšok. Doplnil ho — len nie tak, ako ste zamýšľali.

Čo ďalej: vybudujte systém, vďaka ktorému vám AI porozumie z niekoľkých slov#

Tri prompty v tomto sprievodcovi — grilling, „dokáž to“ a predbežná analýza zlyhania — riešia konkrétnu úlohu. To je už samo osebe veľa: prestanete dostávať diff so 14 súbormi, keď ste chceli iba zmenu jedného riadka.

Grilling má však svoje hranice. Zisťovať zakaždým váš zámer úplne od začiatku trvá dlho. Skutočný posun nastane, keď je časť kontextu stále k dispozícii: v priečinku so znalosťami o projekte, v súbore CLAUDE.md, ktorý Claude číta pri každom spustení, a vo vašej metodike zakódovanej v skills. AI potom prichádza k úlohe a už pozná vaše podnikanie, ciele aj štýl — rozumie vám z niekoľkých slov, pretože ste polovicu kontextu pripravili vopred.

Nedávna analýza Anthropic ukazuje, koľko práce to predstavuje: vývojári používajú AI približne pri 60% svojej práce, no úplne jej dôverujú iba pri 0-20% úloh. Pri zvyšku sú potrebné vaše porozumenie, dohľad a schopnosť vysvetliť, čo treba vytvoriť. Práve túto zručnosť sa oplatí rozvíjať, nie naháňať najinteligentnejší model.

Spoznajte Ailoot.