AI, które potrafi wyciągać wnioski z własnych błędów, to nie science fiction. Poznaj reflexion prompting i gotowe prompty, aby Twoje AI było coraz lepsze.
Czym jest reflexion prompting?
Reflexion prompting to technika, dzięki której AI nie tylko odpowiada na prompt, ale też analizuje własne błędy i poprawia odpowiedzi. To jakby połączenie self-feedback z automatycznym uczeniem się na własnych potknięciach, bez konieczności programowania retrainów czy zbierania datasetów.
Przy reflexion prompting AI najpierw rozwiązuje zadanie, potem samodzielnie analizuje wynik, znajduje błędy i generuje poprawioną wersję odpowiedzi. Efekt? Lepsze, bardziej przemyślane odpowiedzi niż przy standardowym promptowaniu.
Kiedy warto stosować reflexion prompting?
- Gdy zależy Ci na wysokiej jakości odpowiedzi (np. teksty eksperckie, szczegółowe analizy)
- Przy zadaniach, gdzie łatwo o błędy logiczne lub merytoryczne
- W zadaniach wymagających kilku kroków rozumowania (chain of thought)
- Kiedy chcesz, żeby AI „uczyło się” na własnych pomyłkach w obrębie jednej sesji
Tip: Reflexion prompting działa najlepiej na dużych modelach (GPT-4, Claude 3). Modele typu GPT-3.5 mogą sobie gorzej radzić z autorefleksją.
Jak działa reflexion prompting?
Reflexion prompting polega na zastosowaniu kilku kroków w jednym prompt chainie:
- AI generuje odpowiedź na zadanie
- AI analizuje swoją odpowiedź pod kątem błędów
- Na podstawie tej analizy tworzy poprawioną wersję
Możesz zrobić to „ręcznie” (podając wszystkie etapy w jednym prompt chainie) lub automatycznie – powtarzając pętlę, aż jakość odpowiedzi będzie zadowalająca.
Podstawowy prompt reflexion
Najprostszy wariant reflexion prompting w jednym prompt chainie. Wklej treść zadania w miejsce [TWOJE ZADANIE]:
Rozwiąż poniższe zadanie: [TWOJE ZADANIE]
Następnie przeanalizuj swoją odpowiedź. Zidentyfikuj potencjalne błędy logiczne, nieścisłości lub luki w rozumowaniu. Opisz je krótko.
Na końcu wygeneruj poprawioną, końcową odpowiedź, uwzględniając wskazane błędy.Ten prompt sprawdzi się przy zadaniach wymagających kilku kroków rozumowania (np. analiza tekstu, rozwiązywanie problemów, pisanie esejów).
Przykład użycia
Przygotuj tekst wyjaśniający teorię względności dla licealisty, a potem poproś AI o autorefleksję i poprawki:
Wyjaśnij teorię względności w sposób zrozumiały dla licealisty.
Przeanalizuj swoją odpowiedź. Czy są w niej nieścisłości, uproszczenia, które mogą wprowadzać w błąd lub trudne do zrozumienia fragmenty? Opisz je.
Na końcu popraw odpowiedź, eliminując te błędy.Reflexion prompting w kilku iteracjach
Chcesz, by AI poprawiało odpowiedź wielokrotnie? Zastosuj pętlę reflexion (prompt chaining):
- Odpowiedź na zadanie
- Analiza i feedback
- Poprawka
- Opcjonalnie: ponowna analiza (wróć do punktu 2)
Prompt do iteracyjnej poprawy — kopiuje się całe chain of thought:
Zadanie: [TWOJE ZADANIE]
Krok 1: Odpowiedz na zadanie.
Krok 2: Przeanalizuj odpowiedź. Wskaż błędy, nieścisłości, luki.
Krok 3: Popraw odpowiedź, eliminując wskazane błędy.
Krok 4: Jeśli uznasz, że odpowiedź nadal można poprawić, powtórz kroki 2-3. Zakończ, gdy uznasz, że jest optymalnie.Tip: Jeśli pracujesz z zadaniami matematycznymi lub logicznymi, poproś AI o bardzo szczegółowe uzasadnienie każdego kroku. Reflexion działa lepiej, gdy analiza jest dokładna.
Reflexion prompting z explicit self-critique
Chcesz wymusić na AI głęboką krytykę własnej odpowiedzi? Dodaj sekcję „self-critique”:
Odpowiedz na pytanie: [TWOJE ZADANIE]
Teraz przejdź do self-critique. Oceń swoją odpowiedź pod kątem:
- Czy jest zgodna z faktami?
- Czy nie ma błędów logicznych?
- Czy jest wystarczająco szczegółowa?
- Jak można ją poprawić?
Na końcu wygeneruj poprawioną wersję odpowiedzi, korzystając z powyższych uwag.Taka autorefleksja sprawdza się zwłaszcza w zadaniach kreatywnych, esejach, analizach czy copywritingu.
Przykłady praktyczne reflexion prompting
AI poprawia własny kod
Napisz funkcję w Pythonie, która znajduje największy wspólny dzielnik dwóch liczb.
Teraz przeanalizuj kod. Czy zawiera błędy, luki efektywności lub przypadki brzegowe nieujęte w kodzie? Opisz je.
Popraw funkcję, eliminując te błędy i optymalizując kod.AI poprawia tekst marketingowy
Napisz krótki tekst promujący nową kawiarnię w Krakowie.
Przeanalizuj tekst. Czy jest atrakcyjny, zrozumiały, czy zawiera call to action? Jak można go poprawić? Wskaż błędy.
Popraw tekst, eliminując zauważone błędy lub słabe punkty.Tipy i dobre praktyki przy reflexion prompting
- Stosuj jasny podział na etapy (analiza, self-critique, poprawka)
- Poproś AI o wypunktowanie błędów, nie tylko ogólną ocenę
- Jeśli chcesz głębszej refleksji — sformułuj pytania pomocnicze (np. „Jak można poprawić…?”)
- Możesz użyć few-shot learning: pokaż AI przykłady złych i poprawionych odpowiedzi
- Przy dłuższych tekstach poproś AI, by analizowało fragmenty krok po kroku
Podsumowanie
Reflexion prompting to prosty sposób, by Twoje AI zaczęło „uczyć się” na własnych błędach w obrębie jednego prompt chaina. Dzięki tej technice uzyskasz odpowiedzi lepszej jakości, bliższe eksperckim, a AI samo poprawi się po pierwszym podejściu. Skorzystaj z gotowych promptów, testuj różne warianty i obserwuj, jak AI rozwiązuje zadania coraz lepiej — bez żmudnego powtarzania promptów od zera.
FAQ
Według poradnika Kwestia Prompta, reflexion prompting polega na tym, że AI najpierw rozwiązuje zadanie, następnie analizuje swoją odpowiedź pod kątem błędów i na końcu generuje poprawioną wersję. Możesz to zrobić jednorazowo, przekazując wszystkie kroki w jednym prompt chainie, lub iteracyjnie, powtarzając analizę i poprawki aż do uzyskania satysfakcjonującego efektu. Przykładem jest zadanie z teorią względności, gdzie AI najpierw wyjaśnia temat, potem wskazuje nieścisłości i w kolejnym kroku poprawia odpowiedź. Dzięki temu Twoje AI będzie coraz lepsze bez konieczności retrainów.
Jak wyjaśnia Kwestia Prompta, przy zadaniach wymagających kilku kroków rozumowania warto zastosować iteracyjną pętlę reflexion prompting. Polega ona na kolejnych etapach: AI odpowiada na pytanie, analizuje odpowiedź, wskazuje błędy, poprawia ją, a następnie powtarza te kroki do momentu, gdy uzna, że odpowiedź jest optymalna. Takie podejście sprawdza się szczególnie w pracach analitycznych lub matematycznych, gdzie ważna jest dokładność i szczegółowe uzasadnienie każdego kroku.
Według Kwestii Prompta, reflexion prompting najlepiej sprawdza się na dużych modelach takich jak GPT-4 czy Claude 3, ponieważ mają one większe zdolności do autorefleksji i dokładniejszej analizy własnych odpowiedzi. Modele GPT-3.5 mogą mieć trudności z głęboką krytyką i samodzielnym poprawianiem błędów, co ogranicza skuteczność tej techniki. Dlatego jeśli zależy ci na jakości autorefleksji, warto wybierać bardziej zaawansowane modele AI.
Jak podaje Kwestia Prompta, aby wymusić głębszą autorefleksję, warto dodać do promptu sekcję "self-critique", która nakazuje AI ocenić swoją odpowiedź pod kątem zgodności z faktami, błędów logicznych, szczegółowości oraz możliwych ulepszeń. Po takiej krytyce AI tworzy poprawioną wersję odpowiedzi z uwzględnieniem tych uwag. Ta technika sprawdza się świetnie w zadaniach kreatywnych, esejach czy analizach, gdzie ważna jest precyzja i wieloaspektowa ocena.
Według porad Kwestii Prompta, dobrym podejściem jest najpierw poprosić AI o napisanie tekstu marketingowego, np. promującego kawiarnię w Krakowie, a następnie nakazać mu analizę pod kątem atrakcyjności, zrozumiałości i obecności call to action. AI wskazuje błędy lub słabe punkty, a potem tworzy poprawioną wersję tekstu, eliminując zauważone niedociągnięcia. Dzięki temu uzyskasz bardziej skuteczny i przemyślany przekaz reklamowy.