Tato příručka vám ukáže, jak tyto nové možnosti využít. Žádné zbytečnosti, žádná teorie, jen praktické kroky, které přinášejí výsledky. Naučíte se techniky, které s GPT-5 skutečně fungují, jak zrychlit práci bez ztráty přesnosti a dokonce i to, jak pomocí GPT-5 vylepšit vaše vlastní zadání.
1. Dejte AI jasný plán a mantinely, aby nebloudila.
Nechte AI pracovat jako podle navigace, ne jako zmateného turistu. Pokud jí nedáte přesné instrukce, bude zbytečně zkoumat slepé uličky. Toto je naprostý základ úspěchu. Dobrý pokyn by měl obsahovat:- Jasný cíl: Co přesně má být výsledkem?
- Kroky postupu: Jak se má k cíli dostat? (Např. nejdřív obecně, pak do detailů).
- Pravidlo pro zastavení: Kdy má přestat sbírat informace a začít jednat?
- Co dělat při nejistotě: Jak se zachovat, když narazí na protichůdné informace?
- Hloubku detailů: Jak hluboko se má ponořit do problému, aby se neztratila v detailech?
<shromažďování_kontextu>
#Cíl: Rychle získat dostatek kontextu.
Paralelizujte objevování a zastavte se, jakmile můžete jednat.
#Metoda:
- Začněte zeširoka, pak se rozvětvte do zaměřených poddotazů.
- Paralelně spouštějte různé dotazy; přečtěte si nejlepší výsledky pro každý dotaz. Deduplikujte cesty a ukládejte do mezipaměti; neopakujte dotazy.
- Vyhněte se přílišnému hledání kontextu. V případě potřeby spusťte cílené vyhledávání v jedné paralelní dávce.
#Kritéria pro včasné zastavení:
- Můžete pojmenovat přesný obsah, který se má změnit.
- Nejlepší výsledky se shodují (~70 %) na jedné oblasti/cestě.
#Eskalovat jednou:
- Pokud jsou signály v konfliktu nebo je rozsah nejasný, spusťte jednu zpřesněnou paralelní dávku a poté pokračujte.
#Hloubka:
- Sledujte pouze symboly, které budete upravovat nebo na jejichž smlouvy se spoléháte; vyhněte se tranzitivnímu rozšiřování, pokud to není nutné.
#Smyčka:
- Dávkové vyhledávání → minimální plán → dokončení úkolu.
- Hledejte znovu pouze v případě, že ověření selže nebo se objeví nové neznámé. Upřednostňujte jednání před dalším hledáním.
</shromažďování_kontextu>
2. Vyhněte se protichůdným příkazům, AI tím zmatete.
GPT-5 se snaží pokyny plnit velmi přesně. Pokud mu dáte dva příkazy, které si odporují (např. „vždy čekej“ a zároveň „udělej to hned“), zasekne se nebo udělá chybu. Místo toho stanovte jedno hlavní pravidlo a k němu jasně definujte výjimku. Je to pro něj logicky srozumitelnější. Zde je špatná výzva:Před odesláním zprávy vždy počkejte na schválení manažera. Pokud je zpráva naléhavá, odešlete ji okamžitě bez čekání na schválení.
Zde je výzva, která bude fungovat lépe:
Před odesláním zprávy počkejte na schválení manažera. Výjimka: Pokud je zpráva naléhavá, odešlete ji okamžitě a poté informujte manažera.
3. Nechte AI naplánovat si práci, než se do ní pustí.
Stejně jako člověk, i AI podává lepší výsledky, když si nejprve promyslí strategii. Požádejte model, aby před generováním finální odpovědi nejprve vytvořil plán: rozložil problém na menší části, identifikoval nejasnosti a navrhl strukturovaný postup. Tím se výrazně zvýší kvalita a relevance odpovědi.Než odpovíte, prosím:
1. Rozložte požadavek na základní komponenty.
2. Identifikujte jakékoli nejasnosti, které je třeba objasnit.
3. Vytvořte strukturovaný přístup k řešení každé komponenty.
4. Ověřte své porozumění, než budete pokračovat.
4. Dejte AI roli experta, bude se chovat i vyjadřovat jako on.
Když úkol začnete slovy „Jsi finanční analytik…“ nebo „Chovej se jako zkušený právník…“, model se přepne do daného režimu. Začne používat specifickou terminologii, zaměří se na relevantní aspekty problému a jeho uvažování bude odpovídat dané profesi. Je to jednoduchý trik s obrovským dopadem na kvalitu. Příklad:Při kontrole návrhu zásad z hlediska souladu s předpisy začněte slovy „Jste pracovníkem pro dodržování předpisů. Zkontrolujte text, zda neobsahuje porušení GDPR“, abyste zajistili, že odpověď bude vycházet ze správných odborných znalostí a zaměření.
5. Složité úkoly rozdělte na menší, samostatné kroky.
Místo jednoho obrovského a komplexního zadání je efektivnější rozdělit úkol na několik menších, samostatných kroků. Každý krok by měl mít jasně definovaný úkol. Tímto způsobem dosáhnete lepších a spolehlivějších výsledků, protože model řeší vždy jen jednu dílčí, dobře definovanou část problému.6. Chcete hloubkovou analýzu? Dejte AI volnost a nechte ji přemýšlet.
Pokud je vaším cílem co nejlepší a nejpropracovanější odpověď, zvyšte parametrreasoning_effort na high. Tím modelu umožníte, aby se do problému ponořil, prozkoumal více možností a byl samostatnější v řešení. Následující pokyn ho navíc povzbudí, aby se nenechal odradit nejistotou a pokračoval až do úplného vyřešení.
Příklad:
<vytrvalost>
- Jste agent
- Pokračujte, dokud není dotaz uživatele zcela vyřešen, než ukončíte svůj tah a předáte zpět uživateli.
- Svůj tah ukončete pouze tehdy, když jste si jisti, že je problém vyřešen.
- Nikdy se nezastavujte ani nepředávejte zpět uživateli, když narazíte na nejistotu
— Prozkoumejte nebo odvoďte nejrozumnější přístup a pokračujte.
- Neptejte se člověka na potvrzení nebo objasnění předpokladů, protože je můžete vždy později upravit
— Rozhodněte, jaký je nejrozumnější předpoklad, postupujte podle něj a zdokumentujte ho pro referenci uživatele poté, co dokončíte jednání
</vytrvalost>
7. Chcete rychlost? Řekněte AI, ať tolik nepřemýšlí.
Představte si, že AI má ovladač pro „úsilí vynaložené na přemýšlení“. Pomocí parametrureasoning_effort můžete toto úsilí regulovat. Pokud potřebujete co nejrychlejší odpověď a ne hloubkovou analýzu, nastavte úsilí na nízkou úroveň (minimal nebo low). Model pak nebude zkoumat všechny možné cesty a dá vám odpověď s minimálním zpožděním.
8. Přidejte do zadání kontrolní body pro ověření.
U vícekrokových úkolů můžete předejít chybám tím, že do zadání vložíte „kontrolní body“. Nařiďte modelu, aby po dokončení jednoho kroku (např. vytvoření shrnutí) přerušil práci a výslovně se zeptal na schválení, než bude pokračovat dalším krokem (např. překladem). Tím si zajistíte, že celý proces jde správným směrem.Máte za úkol dokončit dva úkoly: Úkol 1: Shrňte poskytnutou zprávu do přesně 5 bodů. Úkol 2: Přeložte tyto body do francouzštiny. Naplánujte si oba úkoly před zahájením: Nejprve dokončete Úkol 1, poté se zastavte a předložte shrnutí k ověření. Před zahájením Úkolu 2 se výslovně zeptejte: „Splňuje toto shrnutí požadavky?“. Jakmile bude ověřeno, dokončete Úkol 2 a předložte překlad k závěrečné kontrole, abyste se ujistili, že oba úkoly splňují stanovené cíle.
9. Nechte si od AI poradit, jak vylepšit vaše vlastní zadání.
GPT-5 je překvapivě dobrý v analyzování a opravování promptů. Pokud nejste spokojeni s výsledky, které dostáváte, můžete ho požádat, aby vaše zadání zkontroloval a navrhl úpravy, které povedou k lepšímu chování. Stačí mu popsat, čeho chcete dosáhnout a co se místo toho děje. Příklad:Když jste požádáni o optimalizaci promptů, odpovídejte z vlastní perspektivy - vysvětlete, jaké konkrétní fráze by mohly být do tohoto promptu přidány nebo z něj odstraněny, aby se konzistentněji vyvolalo požadované chování nebo zabránilo nežádoucímu chování.Zde je prompt: [PROMPT]
Požadované chování od tohoto promptu je, aby agent [UDĚLAL POŽADOVANÉ CHOVÁNÍ], ale místo toho [DĚLÁ NEŽÁDOUCÍ CHOVÁNÍ]. Při zachování co největší části stávajícího promptu, jaké minimální úpravy/doplnění byste provedli, abyste agenta povzbudili k tomu, aby tyto nedostatky konzistentněji řešil?
10. Donuťte AI „přemýšlet nahlas“, i když má spěchat.
I když po modelu chcete rychlou odpověď s nízkým úsilím, můžete ho přimět, aby si svou myšlenku lépe utřídil. Požádejte ho, aby před finální odpovědí stručně v bodech shrnul svůj myšlenkový postup. Tím se kvalita odpovědi často zlepší, aniž by to výrazně zvýšilo časovou náročnost. Příklad:Odpovězte jednou větou. Nejprve uveďte 2–3 body vysvětlující vaše uvažování.
11. Vytvořte „únikový ventil“ pro případy, kdy si AI není jistá.
Když dáváte modelu větší volnost, je důležité mu říct, co dělat, když si neví rady. Můžete mu explicitně povolit, aby v případě nejistoty raději poskytl rychlou, i když možná ne 100% správnou odpověď, než aby se zasekl. Tím zajistíte, že se proces nezastaví a vy dostanete alespoň nějaký výsledek. Příklad:<context_gathering>
- Search depth: very low
- Bias strongly towards providing a correct answer as quickly as possible, **even if it might not be fully correct.**
- Usually, this means an absolute maximum of 2 tool calls.
- If you think that you need more time to investigate, update the user with your latest findings and open questions. You can proceed if the user confirms.
</context_gathering>
Český překlad:
<shromažďování_kontextu>
- Hloubka vyhledávání: velmi nízká
- Silně upřednostňujte poskytnutí správné odpovědi co nejrychleji, **i když nemusí být zcela správná.**
- Obvykle to znamená absolutní maximum 2 volání nástrojů.
- Pokud si myslíte, že potřebujete více času na prozkoumání, informujte uživatele o svých nejnovějších zjištěních a otevřených otázkách. Můžete pokračovat, pokud to uživatel potvrdí.
</shromažďování_kontextu>
12. Pro více úkolů v jednom zadání buďte extrémně specifičtí.
Ačkoliv je lepší úkoly oddělovat, GPT-5 zvládne i více úkolů najednou, ale pouze pokud je zadání křišťálově čisté. Nařiďte mu, aby si nejprve vytvořil podrobný plán, po každém kroku si zkontroloval dílčí výsledek a na konci ověřil, že splnil všechny části zadání. Bez této striktní struktury se může v paralelních úkolech snadno ztratit. Příklad:Při vytváření vícestránkové finanční zprávy sdělte GPT-5: „Před psaním si naplánujte každou sekci a zdroj dat, po vypracování každé sekce ověřte údaje a před odesláním potvrďte, že konečná zpráva splňuje všechny uvedené požadavky.“
13. Omezte výběr nástrojů, aby AI neváhala a byla bezpečnější.
Pokud má AI k dispozici mnoho nástrojů, ale pro daný úkol potřebuje jen dva, můžete jí explicitně povolit pouze tyto dva. Pomocí parametruallowed_tools zúžíte její možnosti, což vede k rychlejšímu rozhodování, předvídatelnějšímu chování a vyšší bezpečnosti, protože nemůže omylem použít nástroj, který by neměla.
Zde model zná všechny tři nástroje, ale v tomto požadavku může použít pouze get_weather nebo deepwiki:
{
"tools": [
{ "type": "function", "name": "get_weather" },
{ "type": "mcp", "server_label": "deepwiki" },
{ "type": "image_generation" }
],
"tool_choice": {
"type": "allowed_tools",
"mode": "auto",
"tools": [
{ "type": "function", "name": "get_weather" },
{ "type": "mcp", "server_label": "deepwiki" }
]
}
}
14. Ovládejte „upovídanost“ modelu podle potřeby.
Pomocí parametruverbosity (výřečnost) můžete snadno řídit, jak podrobná má být odpověď. Pro rychlé shrnutí pro manažera nastavte low. Pro detailní technický manuál, kde je potřeba každý krok pečlivě vysvětlit, nastavte naopak high.
Příklad:
Nastavte verbosity: low pro stručné shrnutí představenstva; zvyšte na high pro technického průvodce nástupem s podrobným popisem krok za krokem.
15. Pokud chcete formátovaný text, řekněte si o něj.
GPT-5 v základu neformátuje své odpovědi pomocí Markdown (nadpisy, tučné písmo, seznamy). Pokud takový výstup chcete, musíte mu to explicitně nařídit. Následující instrukce funguje velmi spolehlivě.- Používejte Markdown **pouze tam, kde je to sémanticky správné** (např. `inline kód`, ```bloky kódu```, seznamy, tabulky).
- Při použití markdownu ve zprávách asistenta používejte zpětné apostrofy k formátování názvů souborů, adresářů, funkcí a tříd. Použijte \\( a \\) pro inline matematiku, \\[ a \\] pro blokovou matematiku.
Často kladené otázky o GPT-5
Odpovědi na nejčastější dotazy o efektivním používání GPT-5.2 a optimalizaci promptů
GPT-5.2 představuje významný upgrade oproti předchůdci GPT-5.1. Na interním benchmarku investičního bankovnictví dosahuje GPT-5.2 Thinking průměrného skóre 68,4 % oproti 59,1 % u GPT-5.1, což znamená zlepšení o 9,3 procentního bodu.
Hlavní vylepšení zahrnují:
- Nižší chybovost - GPT-5.2 generuje o 30 % méně chybných odpovědí než GPT-5.1
- Profesionální úkoly - Na testu GDPval dosahuje 70,9 % úspěšnosti oproti 38,8 % u předchůdce
- Dlouhé kontexty - Téměř 100% přesnost při zpracování až 256 000 tokenů
- Rychlost - Produkuje výstupy 11x rychleji než odborníci při méně než 1 % nákladů
Více o možnostech efektivního využití ChatGPT najdete v našem průvodci.
Parametr reasoning_effort funguje jako ovladač pro "úsilí vynaložené na přemýšlení" a má následující úrovně:
- none (výchozí) - Standardní zpracování bez dodatečného uvažování
- low - Minimální úsilí, nejrychlejší odpovědi
- medium - Vyvážený poměr kvality a rychlosti
- high - Hloubková analýza, vyšší kvalita
- xhigh - Maximální úsilí pro nejsložitější úkoly (pouze GPT-5.2 Pro)
Pro rychlé odpovědi: Nastavte reasoning_effort: low nebo minimal
Pro hloubkovou analýzu: Nastavte reasoning_effort: high nebo xhigh a zvyšte samostatnost modelu v řešení
Seznamte se s základy promptování pro lepší výsledky.
Ano, většina technik popsaných v článku funguje i na starších modelech, včetně GPT-4 a GPT-4o, ale nejlepší výsledky poskytuje právě GPT-5.2.
Univerzální techniky fungující na všech modelech:
- Strukturované instrukce - Jasné cíle, kroky a pravidla
- Rozdělení úkolů - Komplexní požadavky rozdělit na menší části
- Role experta - Definování perspektivy ("Jsi finanční analytik...")
- Příklady - Few-shot learning funguje i na GPT-3.5
GPT-5.2 ale nabízí pokročilé funkce jako verbosity, allowed_tools nebo reasoning_effort, které starší modely nepodporují. Prozkoumejte pokročilé prompt engineering techniky pro optimální výsledky.
GPT-5.2 Thinking je specializovaná varianta modelu GPT-5.2 optimalizovaná pro složité úkoly vyžadující rozsáhlé uvažování a profesionální znalosti. Dosahuje průměrného skóre 68,4 % na profesionálních úkolech oproti 59,1 % základní verze GPT-5.1.
Hlavní charakteristiky:
- Profesionální práce - Vyniká v úkolech jako tvorba finančních modelů, prezentací, tabulek
- Nízká chybovost - O 30 % méně chyb než GPT-5.1 Thinking
- Rychlost - Produkuje výstupy 11x rychleji než odborníci
- Náklady - Méně než 1 % nákladů ve srovnání s lidskými experty
GPT-5.2 Thinking je ideální pro dlouhodobé projekty, komplexní analýzy a úkoly vyžadující důkladné prozkoumání problému. Objevte více v našem článku o úkolech jazykových modelů.
Pro konzistentní a strukturované odpovědi použijte následující strategie:
- Požadujte plán - "Než odpovíš, vytvoř strukturovaný přístup k řešení"
- Očíslované kroky - "Popište požadavek v očíslovaných krocích" (viz návod na strukturované instrukce)
- Oddělovače - Použijte <tags> nebo --- pro oddělení částí promptu
- Kontrolní body - "Po dokončení kroku 1 se zastav a zeptej se na schválení"
- Verbosity parametr - Nastavte
verbosity: lowpro stručnost nebohighpro detaily
Příklad strukturovaného promptu:
Šablona pro strukturovanou odpověď
Nejprve vytvoř plán s 3-5 kroky. Pak každý krok realizuj samostatně. Na konci shrň výsledky v maximálně 3 větách.Naučte se designovat efektivní prompty v ChatGPT.
Ačkoli GPT-5.2 dosahuje vysoké přesnosti v profesionálních úkolech, má některá omezení:
- Kreativní psaní - Sam Altman přiznal, že GPT-5.2 má slabší schopnosti při kreativním psaní oproti předchozím modelům. OpenAI na tom aktivně pracuje.
- Rychlost složitých úkolů - Některé komplexní generace mohou trvat několik minut
- Citace zdrojů - Model může citovat sporné zdroje jako Grokipedia
- Hallucinations - I přes 30% snížení chybovosti stále může generovat nesprávné informace (6,2 % vs 8,8 % u GPT-5.1)
Bezpečnostní důležitost: GPT-5.2 zatím nedosáhl "High" úrovně kybernetických schopností podle Preparedness Frameworku, ale každý nový model se k této hranici přibližuje.
Prozkoumejte bezpečnostní principy velkých jazykových modelů.
Parametr allowed_tools omezuje GPT-5.2 na konkrétní nástroje, což zvyšuje rychlost rozhodování, předvídatelnost a bezpečnost.
Příklad použití:
{
"tools": [
{ "type": "function", "name": "get_weather" },
{ "type": "mcp", "server_label": "deepwiki" },
{ "type": "image_generation" }
],
"tool_choice": {
"type": "allowed_tools",
"mode": "auto",
"tools": [
{ "type": "function", "name": "get_weather" },
{ "type": "mcp", "server_label": "deepwiki" }
]
}
}
Výhody omezení nástrojů:
- Rychlejší rozhodování - Model nevyhodnocuje nepotřebné nástroje
- Vyšší bezpečnost - Nemůže použít potenciálně nebezpečný nástroj omylem
- Předvídatelnost - Chování je konzistentnější
Více o integraci nástrojů v článku Pochopení ChatGPT API.
GPT-5.2 Pro je určen pro nejnáročnější úkoly vyžadující maximální kvalitu a je dostupný pouze přes Responses API. Některé požadavky mohou trvat několik minut.
| Vlastnost | GPT-5.2 (Standard) | GPT-5.2 Pro |
|---|---|---|
| Reasoning effort | none, low, medium, high, xhigh | medium, high, xhigh |
| Rychlost | Rychlá až střední | Pomalejší (minuty) |
| Kvalita výstupu | Vysoká | Nejvyšší možná |
| Ideální pro | Běžné profesionální úkoly | Komplexní analýzy, výzkum |
Použijte Pro, když: Potřebujete nejvyšší možnou kvalitu, pracujete na kritickém projektu nebo máte dostatek času na zpracování. Prozkoumejte důvody pro placený tarif.
GPT-5.2 je první model OpenAI, který dosahuje téměř 100% přesnosti při zpracování kontextů s délkou až 256 000 tokenů (varianta 4-needle MRCR).
Co to znamená v praxi:
- Rozsáhlé dokumenty - Analyzuje kompletní knihy, výzkumné práce, technickou dokumentaci
- Velké tabulky - Zpracovává komplexní finanční modely a databáze
- Celé codebase - Rozumí struktuře velkých softwarových projektů
- Bez ztráty informací - Pamatuje si detaily z celého kontextu
Praktický příklad
Můžete nahrát celou knihu (cca 100 000 slov) a GPT-5.2 bude schopen přesně odpovídat na otázky o jakékoli části textu, vytvářet shrnutí nebo nacházet souvislosti mezi vzdálenými kapitolami.Naučte se analyzovat data s ChatGPT efektivně.
GPT-5.2 vyniká s pokročilými prompt engineering technikami. Zde jsou nejefektivnější přístupy:
- Chain of Thought - "Vysvětli svůj myšlenkový proces krok za krokem"
- Few-Shot Learning - Poskytněte 2-3 příklady požadovaného výstupu
- Template-Based Prompting - Použijte předpřipravené šablony pro konzistenci
- Expert Prompting - Definujte roli experta pro kvalifikovanější odpovědi
- Self-Consistency - Nechte model ověřit vlastní odpověď
Kombinovaný přístup: Nejlepší výsledky dosáhnete kombinací více technik. Například použijte Expert Prompting + Chain of Thought + kontrolní body pro komplexní analytické úkoly.
Prozkoumejte kompletní seznam v našem přehledu typů promptování.
