Beírod a feladatot, megadod az összes szükséges adatot, az MI mégis mellékes részletre építi a válaszát, miközben elsiklik a legfontosabb feltétel felett. Sokszor az információ nem hiányzik a promptból, egyszerűen rossz helyre került benne.
A modell nem egyenlő súlyú listaként látja a promptot
Egy nyelvi modell számára a prompt sorrendben következő szövegegységekből, úgynevezett tokenekből áll. A válasz létrehozásakor figyelembe tudja venni a korábbi részeket, de nem biztos, hogy minden mondatot ugyanolyan erősen használ fel. A szöveg helye, a környező információk, a megfogalmazás és a prompt hossza együtt befolyásolhatja, mi kerül a válasz középpontjába.
A Lost in the Middle című kutatás hosszú szövegek feldolgozásakor azt találta, hogy a modellek gyakran jobban használták fel a szöveg elején vagy végén található lényeges adatokat, mint a középre szorult információkat. Ez nem jelenti azt, hogy minden középre írt mondat elveszik. A hatás modellenként, feladatonként és szöveghosszonként is változott, ezért univerzális sorrendet sem lehet kihirdetni.
Egy 2026-os előzetes kutatás még látványosabb különbséget mért feleletválasztós feladatoknál. Amikor a háttérszöveg megelőzte a kérdést és a válaszlehetőségeket, a vizsgált modellek eredménye több mint 14 százalékponttal javult a fordított sorrendhez képest. Ez egy meghatározott teszthelyzet eredménye, nem általános teljesítményígéret, mégis jól mutatja, hogy a puszta átrendezés érdemi eltérést okozhat.
A fontos feltétel könnyen belesüllyed a háttérbe
Képzelj el egy fizetési emlékeztetőt. A prompt elején leírod, hogy a számla tizennégy napja lejárt, felsorolod az előzményeket, bemásolod a korábbi levelezést, majd valahol a közepén hozzáteszed, az ügyféllel hosszú távon is együtt szeretnél dolgozni, ezért a levél ne legyen fenyegető. A végén csak ennyi áll:
Írd meg az e-mailt.
Minden szükséges információ szerepel, a modell mégis könnyen a tartozás tényét és a felszólító hangot teszi hangsúlyossá. A kapcsolat megőrzésére vonatkozó szempontot körülvette a háttéranyag, a végső utasítás pedig túl általános maradt.
Ugyanez magyar vállalkozói környezetben ajánlatoknál, ügyfélleveleknél, pályázatoknál vagy belső szabályzatoknál is előfordulhat. A hosszú prompt gyakran a gondolkodás időrendjét követi. Előbb leírjuk, ami eszünkbe jut, később pontosítunk, végül kérünk valamilyen eredményt. A modellnek ebből kell kitalálnia, melyik mondat háttéradat, melyik feltétel és melyik a tényleges feladat.
Adj látható szerepet a prompt minden részének
Hosszabb feladatnál célszerű elkülöníteni a célt, a kötelező feltételeket, a forrásanyagot és a végső utasítást. Egy használható szerkezet így nézhet ki:
Cél: Írj udvarias fizetési emlékeztetőt egy régi ügyfélnek.
Kötelező feltétel: Őrizze meg az együttműködő hangot, és ne tartalmazzon jogi fenyegetést.
Háttér: A számla tizennégy napja lejárt, az ügyfél korábban mindig pontosan fizetett.
Kimenet: Adj tárgymezőt és egy legfeljebb hatmondatos magyar e-mailt, amely péntekig kéri a fizetést.
Hosszú dokumentumoknál más elrendezés működhet jobban. Előre kerülhet maga a forrásanyag, utána pedig a pontos kérdés. Az Anthropic aktuális útmutatója és a Google Gemini-ajánlása is ezt javasolja nagy mennyiségű háttérszövegnél. A kritikus korlátokat azonban ilyenkor is jól elkülönítve kell megadni.
Ha a kívánt hangot vagy formátumot nehéz körülírni, egy minta is bekerülhet a promptba. Ilyenkor az elhelyezés mellett a minta minősége is számít. Egy jól megválasztott példa többet érhet egy hosszú magyarázatnál, a rossz példa viszont nem kívánt fordulatokat és hibákat is rögzíthet.
A sorrend hatását tesztelni kell
Ha egy prompt rendszeresen használt ügyféllevélhez, elemzéshez vagy céges munkafolyamathoz készül, cseréld fel benne a háttéranyag és az utasítás helyét, majd hasonlítsd össze az eredményeket előre rögzített szempontok alapján. Egyetlen jó válasz kevés, mert ugyanaz a modell azonos promptból is adhat eltérő kimenetet. Az eredményességet több próbaesettel érdemes ellenőrizni.
Az összehasonlítás előtt döntsd el, mit tekintesz jó válasznak. Maradt-e ki kötelező adat, megfelelő-e a hangnem, betartotta-e a terjedelmet, és ugyanilyen eredményt ad-e több eltérő bemenettel? Így a sorrend változtatása mérhető próba lesz, nem puszta benyomás.
A jobb sorrend nem menti meg az ellentmondásos vagy homályos utasítást. Segít viszont láthatóvá tenni, mi a cél, miből dolgozhat a modell, és mely feltételeket kell minden körülmények között betartania. A jól felépített prompt ezért kevésbé hasonlít egy gondolatfolyamra, és inkább egy áttekinthető munkafeladatra.
