Template Filling (Vyplňování šablon)

Template Filling (vyplňování šablon) v prompt engineeringu znamená, že používáš šablonu promptu s placeholdery (např. {{promenna}}) a před odesláním do LLM je automaticky nahradíš konkrétními hodnotami z dat. Výsledkem je vždy konkrétní prompt pro daný případ, ale se stejnou strukturou instrukcí.

K čemu to je

  • Konzistence: každá generace dostane stejná pravidla a formát.
  • Škálování: jedna šablona může obsloužit velké množství variant.
  • Kontrola: můžeš vynutit tón, délku, strukturu a zakázat nežádoucí tvrzení.
  • Stabilita: méně náhodných rozdílů, protože instrukce jsou pořád stejné.

Doporučená struktura šablony promptu

  1. Role / úkol: kdo má model být a co má udělat.
  2. Cíl: jaký typ výstupu a jak má být dlouhý.
  3. Data: vstupní fakta a parametry (zde se vyplňují placeholdery).
  4. Pravidla: co model smí/nesmí, zakázaná slova, omezení.
  5. Formát výstupu: přesná struktura (např. odstavce, seznam, JSON).
  6. Fallback: jak postupovat při chybějících datech (např. “neuvedeno” / “UNKNOWN”).

Ukázka šablony promptu (obecná)

Jsi [ROLE]. Tvůj úkol je [ÚKOL].

CÍL:
- Výstup: [TYP VÝSTUPU]
- Délka: [ROZSAH]
- Tón: [TÓN / STYL]

DATA (použij jen tato fakta, nic nevymýšlej):
- Pole A: {{pole_a}}
- Pole B: {{pole_b}}
- Pole C: {{pole_c}}

PRAVIDLA:
- Neuváděj informace, které nejsou v DATA.
- Dodrž délku a tón.
- Zakázaná slova/tvrzení: [SEZNAM]

FALLBACK:
- Pokud některé pole chybí, napiš “neuvedeno”.

VÝSTUPNÍ FORMÁT:
- [POVINNÁ STRUKTURA, např. H1 + 2 odstavce / JSON se schématem]
  

Nejčastější chyby a jak jim předejít

  • Nejasná data: používej standardizované názvy polí a stejný formát (data, měny, jednotky).
  • Chybějící pole: vždy definuj fallback chování (co napsat, když hodnota není).
  • Příliš volné instrukce: vynucuj strukturu výstupu a přidej konkrétní omezení.
  • Riziko halucinací: explicitně zakaž přidávání faktů mimo sekci DATA.

Doporučené “guardrails”

  • Explicitní pravidlo: „Použij pouze fakta z DATA.“
  • Zakázané tvrzení: seznam claimů/slov, která se nesmí objevit.
  • Kontrola formátu: požaduj výstup ve striktní struktuře (např. JSON schema).
  • Kontrola délky: stanov max/min rozsah a požaduj dodržení.
  • Fallback režim: jednotné chování při chybějících hodnotách.

Vladimír Matula

Vladimír Matula se v digitálním marketingu pohybuje od roku 2008. Svou expertízu staví na pevných základech z předních českých agentur, kde se specializoval na tvorbu webů, ecommerce, SEO a webovou analytiku. V roce 2012 založil marketingovou agenturu DIVERSITY PROMOTION s.r.o., kde nabízí online marketingové služby, tvorbu webů na WordPress, tvorbu eshopů na platformě Shoptet, Web design a AI marketing. Generativní AI integruje do klíčových procesů – od hloubkové analýzy dat, SEO a konverzního copywritingu podle ověřených vzorců až po automatizaci rutinních úkolů, které přináší úsporu času a vyšší kvalitu výstupů nejen jemu, ale i jeho klientům.