PECRA
⚙️ Optimalizace a dokumentace
✍ Generování textů
💡 Generování nápadů a konceptů
P
Purpose (Účel)
Definujte důvod a obecný záměr vytvoření promptu.
E
Expectation (Očekávání)
Specifikujte typ odpovědi nebo výsledku, který očekáváte.
C
Context (Kontext)
Poskytněte dodatečné informace a pozadí úkolu.
R
Request (Požadavek)
Jasně specifikujte, co konkrétně požadujete od AI.
A
Action (Akce)
Stanovte specifickou akci nebo kroky, které má AI vykonat.
Výhody:
- ✅ Strukturovanost – Poskytuje jasný rámec pro komplexní a cílené prompty.
- ✅ Cílenost – Zajišťuje přesné směřování AI k požadovaným výsledkům.
- ✅ Komplexnost – Pokrývá všechny klíčové aspekty efektivní komunikace s AI.
- ⚠️ Složitost – Vyžaduje pečlivé promyšlení všech pěti komponentů.
- ⚠️ Délka – Může vytvářet rozsáhlé prompty náročné na zpracování.
- Projektové plánování a strategie.
- Detailní analýzy a reporty.
- Vzdělávací materiály a tutoriály.
- Komplexní obchodní dokumentace.
Příklady použití prompt rámce PECRA
- Příklad 1:
Plán digitální marketingové strategie
- Purpose: Zvýšit online viditelnost nového produktu a dosáhnout konkurenceschopnosti.
- Expectation: Kompletní marketingová strategie s konkrétními kanály a časovým harmonogramem.
- Context: Startup s omezeným rozpočtem 150 000 Kč, cílová skupina 25-40 let, tech-savvy zákazníci.
- Request: Vytvořte detailní plán pro 6měsíční marketingovou kampaň.
- Action: Strukturujte podle kanálů, stanovte KPI metriky a navrhněte měsíční milníky.
- Příklad 2:
Školící program pro zaměstnance
- Purpose: Zvýšit kompetence týmu v oblasti kybernetické bezpečnosti a snížit bezpečnostní rizika.
- Expectation: Interaktivní školící program s praktickými cvičeními a evaluačními testy.
- Context: Střední firma s 50 zaměstnanci, různé úrovně technických znalostí, hybrid práce.
- Request: Navrhněte 4týdenní školící program pro všechny úrovně uživatelů.
- Action: Rozdělte podle pokročilosti, vytvořte praktické scénáře a připravte hodnoticí kritéria.
- Příklad 3:
Analýza zákaznické spokojenosti
- Purpose: Identifikovat slabá místa v zákaznickém servisu a zvýšit spokojenost o 25%.
- Expectation: Detailní analýza s konkrétními doporučeními pro zlepšení služeb.
- Context: E-commerce společnost s 5000+ zákazníky měsíčně, rostoucí počet stížností.
- Request: Proveďte komplexní analýzu zpětné vazby za posledních 6 měsíců.
- Action: Kategorizujte problémy, identifikujte trendy a navrhněte prioritní akční kroky.
Tipy pro použití:
- Jasně definujte účel: Konkrétní a měřitelný účel vede k přesnějším výstupům.
- Buďte specifičtí v očekáváních: Detailní očekávání pomáhají AI pochopit požadovaný formát a styl.
- Poskytněte bohatý kontext: Čím více relevantních informací, tím přesnější a užitečnější odpověď.
