AI prompty: Nejlepší prompty pro práci, marketing a programování (2026)

Umění psát efektivní prompty je v polovině roku 2026 jednou z nejvýnosnějších dovedností, které můžete v práci získat. V době, kdy mají k dispozici špičkové modely všichni — GPT-5.6 (Sol, Terra, Luna) od OpenAI, Claude Sonnet 5 a Opus 4.8 od Anthropicu nebo Gemini 3.5 od Googlu — rozhoduje o kvalitě výstupu čím dál více právě to, jak dokážete modelu zadat úkol. Rozdíl mezi průměrným a dobře napsaným promptem bývá dnes větší než rozdíl mezi dvěma špičkovými modely.

Tento průvodce vás provede osvědčenými technikami prompt engineeringu, ukáže vám připravené šablony, které zkopírujete a rovnou použijete, a představí praktické příklady pro práci, marketing i programování.

Jak se promptování změnilo v roce 2026

Dřívější generace modelů vyžadovala různé „triky" — „mysli krok za krokem", „dej mi tři příklady", „chovej se jako expert". Dnešní modely mají obrovské kontextové okno (Claude Sonnet 5 například až milion tokenů), vrozené schopnosti uvažovat (tzv. reasoning) a lépe chápou implicitní kontext. To přináší tři důležité posuny:

1. Kvalita promptu rozhoduje více než výběr modelu. Špatně napsaný prompt ve špičkovém modelu často dopadne hůř než průměrný prompt v průměrném modelu.
2. Delší a strukturovanější prompty se vyplatí. Kontext, omezení, příklady a formát výstupu dávají modelu jasnou mantinelu.
3. Strojově čitelný formát je nová norma. Pokud budete výstup dál zpracovávat — publikovat, odeslat, nahrát do databáze — žádejte JSON, tabulku nebo jinou strukturovanou podobu, nikoliv volný text.

Co je prompt engineering

Prompt engineering je disciplína zaměřená na formulování vstupních pokynů pro AI modely tak, aby produkovaly co nejkvalitnější a nejrelevantnější výstupy. Nejde jen o to, co se zeptáte, ale hlavně jak se zeptáte. Dobrý prompt je v podstatě dobře napsané zadání projektu — čím přesněji ho předáte, tím méně oprav budete dělat.

Základní stavební kameny každého promptu:

• Role — z jaké perspektivy má model odpovídat (copywriter, právník, senior vývojář)
• Kontext — kdo jste, co řešíte, pro koho to je
• Úkol — co konkrétně má model udělat
• Omezení — délka, tón, formát, co se nesmí objevit
• Příklady — ukázky očekávaného stylu nebo struktury
• Formát výstupu — odrážky, tabulka, JSON, markdown

Základní techniky promptování

1. Zero-shot prompting

Nejjednodušší technika — zadáte úkol bez příkladů:

Napiš 5 nápadů na nadpis článku o investování pro začátečníky.

Dnes funguje dobře u rutinních úloh, kde má model dostatečné znalosti. Pro specifičtější styl už ale nestačí.

2. Few-shot prompting

Poskytnete několik příkladů požadovaného výstupu:

Převeď neformální text na profesionální:

Neformální: "Hele, ten meeting byl fakt super, domluvili jsme se na všem."
Profesionální: "Jednání proběhlo úspěšně a byly dohodnuty všechny klíčové body."

Neformální: "Ten projekt je v háji, musíme to nějak zachránit."
Profizionální:

Few-shot zásadně zlepšuje konzistenci, hlavně tam, kde jde o tón, styl nebo formátování.

3. Chain-of-thought (řetězec myšlení)

Požádáte model, aby svůj postup rozvedl krok za krokem. U moderních reasoning modelů (GPT-5.6 Sol, Claude s extended thinking) je uvažování často zabudované, ale u analytických úloh explicitní pokyn stále pomáhá:

Potřebuji vypočítat ROI marketingové kampaně. Investice byla 50 000 Kč,
tržby z kampaně 180 000 Kč. Vysvětli krok za krokem výpočet ROI
včetně vzorce, mezičítů a finálního výsledku v procentech.

4. Role prompting

Definujete roli, ze které má model odpovídat:

Jsi zkušený B2B copywriter s 15 lety praxe v českém digitálním marketingu.
Napiš přesvědčivý text pro [landing page](/content/claude-design-v-praxi-landing-page-4-minuty) SaaS produktu pro správu projektů.
Cílová skupina jsou operační manažeři ve firmách s 50–200 zaměstnanci,
kteří řeší chaos v úkolech a reportingu.

5. Systémový prompt

Systémový prompt nastavuje dlouhodobé chování napříč celou konverzací. Většina nástrojů (ChatGPT Custom Instructions, Claude Projects, Gemini Gems) ho umožňuje nastavit jednou a používat opakovaně:

Jsi odborný poradce pro české podnikatele a živnostníky. Vždy odpovídáš
v češtině formálním vykáním, používáš praktické příklady z českého trhu
a zohledňuješ českou legislativu a daně. Odpovědi strukturuješ pomocí
nadpisů a odrážek, žádné omáčky. Pokud si nejsi jistý, řekni to.

Pokročilé techniky pro rok 2026

Strukturovaný výstup (JSON)

Když budete výstup dál zpracovávat — nahrát do databáze, poslat do API, zobrazit v aplikaci — žádejte JSON. Modely jako GPT-5.6 a Claude Sonnet 5 si s tím poradí spolehlivě:

Analyzuj následující recenzi produktu a vrať JSON přesně v této struktuře:

{
  "sentiment": "positive" | "negative" | "neutral",
  "score": 0-100,
  "key_topics": ["doprava", "kvalita", "cena"],
  "summary": "jedna věta shrnující recenzi",
  "action_items": ["konkrétní doporučení pro firmu"]
}

Recenze: [vložte text]

Kontextové rámování a paměť

Když pracujete v rámci projektu (Claude Projects, Custom GPTs), vložte na začátek rámcový kontext — kdo jste, jaký je cíl, jaký je tón značky, jaká jsou tabu. Potom už můžete klást krátké otázky, protože model má vše potřebné k dispozici. Explicitní pokyn typu „pamatuj si, že…" funguje i v běžném chatu a pomáhá udržet pravidla napříč dlouhou konverzací.

Iterativní zpřesňování

Velmi zřídka se povede první pokus. Pracujte iterativně:

1. Široký start: „Navrhni strukturu článku o AI v marketingu."
2. Zpřesnění: „Rozveď sekci o personalizaci, zaměř se na české e-shopy s příklady."
3. Doladění: „Přidej konkrétní čísla ze studií za roky 2025–2026 a případovou studii."
4. Kontrola: „Zkontroluj text na faktické chyby a na neorganické opakování klíčových slov."

Prompt chaining (řetězení)

Komplexní úkol rozdělte na menší kroky, jejichž výstupy posouváte dál. Tvorba obsahu tak může vypadat takto: první prompt generuje osnovu, druhý píše jednotlivé sekce podle osnovy, třetí hlídá SEO a tonalitu, čtvrtý vytváří meta popis a sociální příspěvky. Výsledek bývá kvalitnější než jeden obrovský mega-prompt.

Šablony promptů pro práci a produktivitu

Analýza dokumentu

Analyzuj následující [typ dokumentu] a vytvoř:
1. Shrnutí klíčových bodů (max 5 vět)
2. Seznam hlavních zjištění s důležitostí (vysoká / střední / nízká)
3. Potenciální rizika nebo problémy
4. Konkrétní doporučené další kroky s odhadem časové náročnosti

Piš česky, formální tón, vykání.

Dokument: [vložte text]

Profesionální email

Napiš profesionální email:
- Příjemce: [kdo a jaká role]
- Vztah: [zákazník / nadřízený / kolega / partner]
- Účel: [co chcete sdělit nebo požádat]
- Tón: [formální / přátelský / asertivní]
- Délka: [krátký / střední]
- Jazyk: čeština, vykání

Kontext situace: [popište pozadí ve 2–3 větách]

Brainstorming s filtrací

Vygeneruj nápady na [téma]. Postupuj takto:
1. Vygeneruj 15 různorodých nápadů (od konzervativních po odvážné)
2. Každý nápad ohodnoť podle dopadu (1–5) a námahy (1–5)
3. Vyber 3 s nejlepším poměrem dopad / námaha
4. Pro každý z nich uveď první konkrétní krok, který mohu udělat ještě dnes

Šablony promptů pro marketing

Sociální sítě

Vytvoř sadu příspěvků pro sociální sítě:
- Produkt/služba: [popis]
- Platforma: [LinkedIn / Instagram / X / Facebook]
- Cílová skupina: [demografie, zájmy, bolesti]
- Tón: [inspirativní / edukativní / provokativní]
- Počet příspěvků: [počet]

Každý příspěvek musí obsahovat: hook (první věta), hlavní sdělení, CTA.
Navrhni 5–8 relevantních hashtagů. Pro LinkedIn delší text, pro X do 280 znaků.

SEO článek

Napiš SEO optimalizovaný článek:
- Hlavní klíčové slovo: [keyword]
- Sekundární klíčová slova: [seznam]
- Délka: [počet slov]
- Cílová skupina: [kdo]
- Záměr vyhledávání: [informační / transakční]

Požadavky:
- Klíčová slova přirozeně, bez vynuceného opakování
- Strukturované H2 a H3 nadpisy
- Meta title (max 60 znaků) a meta description (max 155 znaků)
- FAQ sekce s 5 otázkami včetně JSON-LD schema (FAQPage)
- Odkazy na 2–3 důvěryhodné zdroje z roku 2025–2026

Produktový popis pro e-shop

Napiš přesvědčivý produktový popis:
- Produkt: [název a základní info]
- Hlavní výhody: [seznam 3–5]
- Cílový zákazník: [kdo a co řeší]
- Cenová kategorie: [nízká / střední / prémiová]

Formát:
- Název (max 60 znaků)
- Krátký popis (2 věty pro kategorii)
- Hlavní popis (cca 200 slov, scénáře použití)
- Odrážky výhod (5–7)
- Text pro CTA tlačítko

Šablony promptů pro programování

Code review

Proveď code review následujícího kódu:
- Jazyk a verze: [např. PHP 8.2, TypeScript 5.4]
- Účel kódu: [co má dělat]

Zaměř se na:
1. Bezpečnostní problémy (včetně běžných zranitelností jako SQL injection, XSS, CSRF)
2. Výkonnostní optimalizace
3. Čitelnost a udržovatelnost
4. Dodržování best practices daného jazyka a frameworku
5. Potenciální bugy a edge cases

Pro každý problém navrhni konkrétní opravu přímo v kódu
a stručně zdůvodni, proč je důležitá.

Kód:
[vložte kód]

Debugging

Pomoz mi debugovat problém:
- Jazyk/framework: [technologie a verze]
- Očekávané chování: [co by se mělo stát]
- Skutečné chování: [co se děje]
- Chybová hláška: [celý stack trace]
- Co jsem už zkoušel: [předchozí pokusy]
- Reprodukovatelnost: [ano / ne, jak kroky]

Kód: [vložte relevantní kód]

Generování testů

Napiš unit testy pro následující funkci:
- Framework: [Jest / pytest / PHPUnit / Vitest]
- Pokryj: happy path, edge cases (prázdný vstup, null, extrémní hodnoty), error handling
- Pojmenuj testy popisně, případně v češtině tam, kde to dává smysl
- Přidej krátký komentář k účelu každého testu
- Použij parametrizované testy tam, kde šetří duplicity

Kód k testování:
[vložte kód]

Praktický příklad krok za krokem

Představte si, že píšete newsletter o novém AI nástroji pro české účetní. Místo jednoho obrovského promptu postupujte iterativně:

Krok 1 — osnova:

Jsi editor newsletteru pro české účetní a finanční ředitele.
Navrhni osnovu emailu (400–600 slov) představujícího nový AI nástroj
pro automatizaci fakturace. Sekce: předmět, hook, problém, řešení,
ukázka, CTA. Zatím jen strukturu, nepiš plný text.

Krok 2 — první verze:

Rozveď osnovu do plného textu. Tón: profesionální, ale lidský, vykání.
Žádné zbytečné anglicismy, pokud existuje český ekvivalent.
Ukázkový příklad ať je konkrétní — firma, částka, ušetřený čas.

Krok 3 — kontrola:

Zkontroluj následující text na: (a) faktické chyby,
(b) klišé a nadužívání slov jako „revoluční" a „inovativní",
(c) příliš dlouhé věty, (d) zda CTA skutečně vede k akci.
Vrať text s konkrétními návrhy úprav.

Krok 4 — předmět a preview:

Navrhni 5 variant předmětu (do 50 znaků) a 3 verze preview textu
(do 90 znaků). Vyhni se clickbaitu a slovu „šokující".

Celý postup zabere kolem deseti minut, ale výsledek je řádově lepší než jeden prompt ve smyslu „napiš mi newsletter".

Specifika jednotlivých modelů

Ač jsou principy univerzální, každá rodina modelů má své silné stránky:

• Claude Sonnet 5 a Opus 4.8 — vynikají u dlouhých dokumentů, složitých analýz a psaní s důsledným dodržováním stylu a omezení. Ideální pro právní texty, dlouhé články a hlubší code review.
• GPT-5.6 (Sol, Terra, Luna) — silné v kódu, reasoning úlohách a integraci s nástroji (function calling, agenti). Dobrá volba pro automatizace a složitější analytiku.
• Gemini 3.5 (Flash i Pro) — těží z napojení na Google ekosystém (Docs, Sheets, Workspace), nabízí široký kontext a příznivé ceny. Vhodné pro každodenní firemní práci.

V praxi se vyplatí mít po ruce dva modely a u klíčových úkolů nechat výstup z jednoho zkritizovat druhým — tzv. cross-model review často odhalí slabá místa, kterých jste si sami nevšimli.

Časté chyby při promptování

1. Vágní zadání — „napiš něco o marketingu" místo „napiš 5 tipů pro e-mail marketing v e-commerce určených českým e-shopům s obratem do 50 milionů korun".
2. Chybějící kontext — model nezná vaši firmu, cílovou skupinu ani historii projektu, dokud mu to neřeknete.
3. Příliš mnoho úkolů najednou — místo „napiš článek, najdi klíčová slova a vytvoř sociální příspěvky" rozdělte úkol do tří na sobě nezávislých promptů.
4. Ignorování formátu — nespecifikovat, zda chcete odrážky, tabulku, JSON nebo souvislý text.
5. Chybějící příklady — u specifického stylu dramaticky pomáhá few-shot prompting.
6. Přehnané mikro-řídění modelu — dlouhé seznamy typu „nejdřív mysli, pak piš, pak zkontroluj" u moderních reasoning modelů často výstup naopak zhoršují. Spíše méně, ale přesnějších instrukcí.
7. Spoléhání na první verzi — nejběžnější je, že opravdu dobrý výsledek přinese až druhá nebo třetí iterace.

Závěr

Prompt engineering v roce 2026 už není sbírkou triků, ale disciplínou správného zadávání — kombinací role, kontextu, omezení, příkladů a formátu výstupu. Čím jsou AI modely výkonnější, tím více se cení lidé, kteří dokážou přesně říct, co chtějí. Investice několika hodin do zvládnutí těchto principů se vrátí mnohonásobně během prvního měsíce praxe.

Vyzkoušejte si šablony výše na svém dalším projektu — stačí upravit konkrétní údaje v hranatých závorkách a získáte okamžitě použitelný výstup, ať už pracujete v ChatGPT, Claude nebo Gemini.

FAQ — Často kladené otázky

Co je to prompt engineering? Prompt engineering je dovednost formulování vstupních pokynů pro AI modely tak, aby produkovaly co nejkvalitnější výstupy. Zahrnuje techniky jako role prompting, few-shot learning, chain-of-thought, strukturovaný výstup a iterativní zpřesňování.

Jaký je rozdíl mezi dobrým a špatným promptem? Dobrý prompt je konkrétní, obsahuje kontext, definuje roli, omezení a formát výstupu a případně i ukázky. Špatný prompt je vágní, bez kontextu a bez představy o očekávaném výsledku.

Fungují stejné prompty v GPT-5.6, Claude Sonnet 5 i Gemini 3.5? Základní principy ano. Rozdíly jsou v silných stránkách: Claude lépe zvládá dlouhé dokumenty a složité instrukce, GPT-5.6 vyniká v kódu a reasoning úlohách, Gemini těží z integrace s Google Workspace.

Jak dlouhý by měl být prompt? Záleží na složitosti úkolu. Pro jednoduché úkoly stačí jedna až dvě věty. Pro komplexní úkoly může mít prompt i několik odstavců nebo může jít o systémový prompt v rámci projektu. Klíčové je zahrnout vše podstatné a vynechat zbytečné.

Mohu AI výstupy používat komerčně? Ano, výstupy běžných AI nástrojů můžete používat komerčně. Vždy ale zkontrolujte konkrétní podmínky poskytovatele, ověřte faktickou správnost a ujistěte se, že výstup nekopíruje chráněný obsah. U citlivých firemních dat si navíc ověřte, zda je daný nástroj nepoužívá k tréninku dalších modelů.