A prompt sablon egy újrahasznosítható szöveg-szerkezet, amit ismétlődő AI-feladatokra használsz — szövegbeli helyek (placeholderek) jelzik, hova kerül a változó input. Pl. „Írj egy 100 szavas vezetői összefoglalót a következő üzleti tervről: {dokumentum_szöveg}”. Ezt a sablont aztán bármilyen üzleti tervre alkalmazhatod — csak a placeholder-be illeszted a konkrét tartalmat, és a kimenet konzisztens minőségű lesz minden alkalommal. Egy érett AI-rendszerben tipikusan 10-50 prompt-sablon él, mindegyik egy konkrét feladatra specializált.
Így is ismerheted
Magyarul prompt-sablon, AI-utasítás minta, prompt-template. Angolul a klasszikus prompt template, parameterized prompt, vagy a tágabb prompt library (ha sok sablonod van egy gyűjteményben). A LangChain, LlamaIndex és más AI-frameworkök beépített prompt-template osztályokat kínálnak.
Mire jó cégeknek a prompt-sablon?
Három fő érték-tengely:
Konzisztencia: ha minden vezetői összefoglaló ugyanazzal a sablonnal készül, a stílus, struktúra, hangnem mindig egyforma. Nincs „melyik kolléga írta?” különbség. Ez különösen fontos sales-, marketing-, ügyfélkommunikációban.
Hatékonyság: nem kell minden alkalommal újraírni az utasítást. A fejlesztő/üzemeltető egyszer beállítja, és az AI-rendszer minden hívásnál ugyanazt használja.
Karbantarthatóság: ha javítani kell a kimeneten (pl. „túl hosszúak a válaszok”), egy helyen módosítod a sablont, és minden további hívás automatikusan a jobb verziót használja.
Hogyan néz ki egy prompt-sablon?
A klasszikus felépítés: a sablon szövege tartalmaz állandó részeket (utasítás, kontextus, példák) és placeholder-eket (változó bemenetek). Egy egyszerű példa:
Téma: {tema}
Célközönség: {celkozonseg}
Hossz: {hossz}
Írj egy {hossz} hosszú blog-bevezetőt a fenti témáról, ami:
- A célközönség nyelvén szól
- Magyarul, tegezve
- Egy meglepő ténnyel vagy kérdéssel kezd
- A bevezető végén utal arra, mit fog megtudni az olvasó
Tone-of-voice: laza, példa-erős, eClick brand.
Amikor használod, csak behelyettesíted a placeholder-eket:
Téma: Core Web Vitals
Célközönség: webfejlesztő ügynökségek tulajdonosai
Hossz: 150 szó
Az LLM-nek pedig a behelyettesített kompletten szöveg megy be.
Tipikus prompt-sablon-területek
Néhány klasszikus kategória, amikre érdemes sablont építeni:
- Tartalom-generálás — blog, hírlevél, social poszt, termékleírás.
- E-mail-válaszok — köszönő, ajánlat-érdeklődéses, áremelési bejelentő.
- Sales-szövegek — első reakció, follow-up, ajánlat-vázlat.
- Dokumentum-feldolgozás — számla-kinyerés, szerződés-elemzés, önéletrajz-szűrés.
- Riportok és összefoglalók — havi vezetői beszámoló, sales-pipeline-elemzés.
- Kategorizálás — beérkező üzenetek osztályozása.
- Validáció — egy szöveg ellenőrzése (helyesírás, formátum, megfelelőség).
Hogyan tervezz jó prompt-sablont?
A folyamat lépésről lépésre:
1. Azonosítsd az ismétlődő feladatot. Ha valami hetente-naponta többször lemegy ugyanúgy, az ideális sablon-jelölt.
2. Írj meg egy kézzel egy verziót. Egy konkrét bemenetre fogalmazz meg egy teljes, hatékony promptot, ami jó választ ad.
3. Találd meg a változó részeket. Mit kell minden alkalommal cserélni a konkrét adatra? Ezek lesznek a placeholder-ek.
4. Helyezd el a placeholder-eket strukturáltan. Általában elöl a változó adat (a kontextus), aztán a fix utasítás. A modell így jobban érti, hogy a változó rész „bemenet”, nem új szabály.
5. Tesztelj 5-10 különböző bemenettel. A sablon csak akkor jó, ha mindegyikre jó választ ad.
6. Iterálj és finomíts. Tipikusan 3-5 körön át fejleszted, mire éles minőséget kapsz.
7. Verzióld és dokumentáld. Tartsd Git-ben vagy egy prompt-DB-ben. Minden módosítást kommentelj.
Prompt-könyvtár (prompt library)
Ha 10-50 sablonod van, egy prompt-könyvtár megépítése elengedhetetlen. Ez egy központi gyűjtemény, ahol minden sablon:
- Egyedi névvel/azonosítóval
- Verzió-számmal
- Leírással (mire való)
- Példa-bemenetekkel és -kimenetekkel
- Karbantartó-felelőssel
Tárolhatod egyszerűen Git-ben (Markdown-fájlok), Notion-ben, vagy egy konkrét promptDB-szolgáltatásban (PromptLayer, Helicone). A LangChain és LlamaIndex frameworkök is támogatják.
Mibe kerül egy prompt-sablon-rendszer felépítése?
Egy 10-20 sablonos rendszer első felépítése egy átlagos cégnél 1-3 napos munka — ha valaki tapasztalattal csinálja. A karbantartás havi szinten 4-8 órát igényel: új sablonok hozzáadása, régiek finomítása, A/B-tesztelés. A költséget főleg a saját idő, nem a tooling adja: a Git, Notion, vagy egyszerű DB ingyenes.
Mire figyelj a sablon-tervezésnél?
Az első tipp: ne placeholderzz túl sokat. Egy sablonban 2-4 placeholder az ideális. Ha 10 különböző placeholder van, sokszor egyszerűbb külön sablont csinálni minden esetre.
A második: tartsd a placeholder-eket egyértelműen elhatárolva. Használj {kapcsos zárójeleket}, [szögletes zárójeleket], vagy XML-tag-eket. Ezek vizuálisan kiemelik a változó részeket, és csökkentik a hibázási kockázatot.
A harmadik: védd a placeholder-eket prompt-injekció ellen. Ha a placeholder-be felhasználói input kerül, az tartalmazhat „felülíró” utasítást. Részletesen a prompt injection cikkben.
A negyedik: tesztelj minden új verziónál. Tarts „regressziós teszt”-halmazt — 10-30 reprezentatív bemenet, amire ismerd a kívánt kimenetet. Új verzió előtt fuss végig rajta.
Az ötödik: nyilvántartás a sablon-használatról. Logolj minden hívást: melyik sablont használtad, milyen input ment be, mi jött ki. Ez segít a hibák felderítésében és az optimalizálásban.
A hatodik: több sablont kombinálhatsz. Egy komplex feladatot bonts kisebb lépésekre, mindegyikre saját sablont. Pl. „1. lépés: kategorizáld a beérkező e-mailt; 2. lépés: a kategória alapján válassz választ-sablont; 3. lépés: generáld a választ.” Több, fókuszáltabb sablon jobban skálázódik, mint egy hatalmas mester-sablon.
Ha cégednél AI-rendszert fejlesztesz, és prompt-sablon-rendszert szeretnél kiépíteni, az AI és automatizáció szolgáltatásunkban segítünk a sablon-tervezésben, verziókövetésben és karbantartásban. Egy ügyfél-felé néző AI-megjelenéshez (chatbot) a chatbot fejlesztés az induló pont — minden bevezetésnél tipikusan 5-15 prompt-sablon közvetlenül a chatbot mögé épül.
