Prompt engineering pre AI agentov

Čo je prompt engineering pre agentov?

Prompt engineering pre agentov označuje inžiniersku disciplínu, vďaka ktorej AI agent naprieč viacerými kolami inferencie konzistentne vykazuje požadované správanie. Klasický prompt engineering (2022–2023) znamenal napísať jeden šikovný reťazec inštrukcií. Pri agentovi však kontextové okno už nie je statický text, ale dynamicky skladaný stav systému: systémový prompt, definície nástrojov, výsledky nástrojov, priebeh konverzácie, načítané úseky z RAG (chunky), poznámky v pracovnom zápisníku (scratchpad) a štruktúrovaný stav.

Andrej Karpathy opísal tento posun 25. júna 2025 ako context engineering, „the delicate art and science of filling the context window with just the right information for the next step“, necelý týždeň po tom, čo šéf Shopify Tobi Lütke tento pojem spopularizoval. Anthropic ho 29. septembra 2025 formalizoval v článku „Effective context engineering for AI agents“ ako „prirodzený ďalší vývoj prompt engineeringu“. Dôležité je, že context engineering zahŕňa prompt engineering, nenahrádza ho. Dobrý systémový prompt zostáva nutnou podmienkou, len už nie je postačujúcou.

Táto prehľadová stránka pokrýva päť ústredných stavebných blokov: systémové prompty, popisy nástrojov, plánovacie slučky (ReAct), správu kontextového okna a evaluáciu.

Architektúra systémového promptu

Systémový prompt je jediná časť kontextu, ktorú agent vidí v každom kole. Je to kód: verziovaný, revidovateľný, porovnateľný cez diff. Produkčné systémové prompty majú v roku 2026 konzistentne štyri vrstvy:

Anthropic odporúča tieto sekcie oddeliť XML tagmi alebo nadpismi v Markdowne, pretože model štruktúrované prompty spracúva spoľahlivejšie. Správnu dĺžku Anthropic nazýva „the right altitude“: správy z praxe sa zhodujú na 500–3 000 tokenoch pre jadro (bez schém nástrojov). Oba extrémy škodia. Príliš dlhé prompty so 47 očíslovanými pravidlami vedú k tomu, že model pravidlá na konci zoznamu uplatňuje zriedkavejšie (lost-in-the-middle vo vlastnom systémovom prompte). Príliš vágne prompty („Si nápomocný asistent“) nechávajú príliš veľa na inferenciu modelu.

Zásadný posun sa týka absolútnych pravidiel. Odporúčania OpenAI pre GPT-5 (2026) výslovne upozorňujú, aby sa ALWAYS/NEVER používali len na skutočné invarianty: „for judgment calls, such as when to search, ask for clarification, use a tool, or keep iterating, prefer decision rules instead“. Pre tímy v regióne DACH navyše platí: jazyk odpovede vždy nastav explicitne (špičkové modely pri technickom obsahu inak predvolene prechádzajú do angličtiny) a formu oslovenia (v nemčine Sie alebo Du) pevne urči, aby sa štýl v slučke postupne neposúval.

Popisy nástrojov: kde agenti naozaj zlyhávajú

Keď produkčný agent koná chybne, príčina podľa vlastnej inžinierskej skúsenosti spoločnosti Anthropic „vo väčšine prípadov“ nie je v modeli, ale v definícii nástroja. Kľúčová otázka znie: „If a human engineer can't definitively say which tool should be used in a given situation, an AI agent can't be expected to do better.“

Rozhodujúce je, že popisy nástrojov sú súčasťou rozpočtu promptu. Každý nástroj pridáva 100–300 tokenov, ktoré sú v kontexte stále („always-on“). Katalóg 10 nástrojov stojí 1 000–3 000 tokenov pri každom volaní. Najúčinnejšou a najčastejšie zabúdanou zložkou je klauzula when-not-to-use (kedy nástroj nepoužiť): ak existujú search_web a query_internal_db súčasne, o výbere nástroja rozhoduje práve táto klauzula. Prekryv nástrojov, teda dva nástroje, ktoré by mohli zmysluplne odpovedať na ten istý dopyt, je jediný problém, ktorý nevyrieši žiadny prompt, nech je akokoľvek dobrý.

Empirické dáta sú jednoznačné. S nástrojom tool_search od spoločnosti Anthropic a nastavením defer_loading: true pre zriedka používané nástroje stúpla presnosť výberu nástroja v interných MCP evaluáciách pri modeli Opus 4 zo 49 % na 74 % a pri modeli Opus 4.5 zo 79,5 % na 88,1 % (Anthropic, november 2025), pri úspore tokenov približne 85 %. Približne od 10 aktívnych nástrojov začína merateľné zhoršovanie. Produkčný vzor preto znie: 3–7 vždy načítaných nástrojov plus vyhľadávanie nástrojov (tool search) pre zvyšok. Inou cestou ide vykonávanie kódu s MCP: agent volá MCP servery prostredníctvom kódu a definície nástrojov načítava až podľa potreby.

Ďalšie osvedčené konvencie: názvy v tvare sloveso a podstatné meno (get_user, send_email), popisy jednotlivých polí s ich významom, zdokumentované formáty návratových hodnôt a chybové stavy, nástroje zamerané na vyhľadávanie namiesto nástrojov typu list-all a pevné limity tokenov v odpovedi (orientačná hodnota spoločnosti Anthropic približne 25 000 tokenov na jednu odpoveď nástroja). Prax v regióne DACH: názvy nástrojov a parametre po anglicky (interoperabilita), popisy v jazyku, v ktorom agent pracuje.

Plánovacie slučky: ReAct a jeho nástupcovia

Plánovanie je štruktúra rozhodovacej slučky agenta. V roku 2026 dominujú štyri vzory, každý s jasnými kompromismi:

ReAct strieda uvažovanie a konanie (Thought → Action → Observation) a pre modely bez reasoningu je spoľahlivou predvolenou voľbou. Pri reasoning modeloch sa obraz mení: Interleaved Thinking (Anthropic Claude s Extended Thinking, OpenAI o-séria/GPT-5) umožňuje modelu plánovať nanovo medzi volaniami nástrojov, a tak zlučuje mnohé klasické implementácie „ReAct-in-a-Loop“ do jediného volania API. V praxi produkční agenti používajú hybridy: slučku ReAct s explicitným plánovacím krokom na začiatku a overením pred nevratnými akciami.

Disciplinované ukončovanie je najdôležitejšou poistkou. Nekonečné slučky boli v rokoch 2025–2026 najčastejšou triedou chýb v produkcii. Spoľahlivé slučky kombinujú maximálny počet iterácií (pevný strop, typicky 10–30 pri bežných úlohách, 50–100 pri programovaní), kritérium úspechu (napr. nástroj submit_final_answer), stropy nákladov, detekciu opakovaného stavu proti zacykleniu medzi nástrojmi (tool thrashing) a cestu eskalácie na človeka.

Správa kontextového okna

Dlhé kontextové okná sú v roku 2026 dostupné (Claude Opus aj Gemini až do 1M tokenov), no nedajú sa využiť rovnomerne. Štúdia „Context Rot“ od Chroma (júl 2025, 18 špičkových modelov) dokladá, že všetky modely s rastúcou dĺžkou vstupu degradujú. Navzájom sa posilňujú tri mechanizmy: Lost-in-the-Middle (Liu et al., Stanford/TACL 2024; modely venujú pozornosť začiatku a koncu, stredu len slabo), rozriedenie pozornosti (attention dilution) a rušenie nepodstatnými informáciami (distractor interference). Orientačne platí, že efektívna kapacita je 30–50 % nominálnej pri úlohách náročných na uvažovanie a 60–80 % pri úlohách zameraných na vyhľadávanie (retrieval). Kto naplní celé 1M okno, plytvá tokenmi a zhoršuje kvalitu.

Lance Martin (LangChain) na to zaviedol kanonickú taxonómiu štyroch pilierov, ktorú prevzali Anthropic aj Manus:

• Write: uložiť informácie mimo okna (scratchpady, todo.md, úložisko pamäte)
• Select: v každom kroku načítať správne tokeny (RAG, filtrovanie nástrojov, delegovanie na subagentov)
• Compress: ponechať len tokeny relevantné pre úlohu (sumarizácia, context editing od spoločnosti Anthropic)
• Isolate: rozdeliť kontext medzi subagentov a polia schémy

Ekonomiku určujú tri páky. Najdôležitejšou pákou je prompt caching: čítanie z cache stojí pri modeloch Anthropic 10 % štandardnej ceny za vstup, pri niektorých aktuálnych modeloch menej (stav k októbru 2026: 5 % pri Opus 5.5 a Sonnet 5.5, 2,5 % pri Fable 5.1 a Mythos 5.1). OpenAI účtuje pri rodine GPT-5 tiež 10 %, pri GPT-4.1 25 % a pri GPT-4o 50 %. Štúdia na arXiv (február 2026, „Don't Break the Cache“) meria pri agentových úlohách o 41–80 % nižšie náklady na API a o 13–31 % kratší čas do prvého tokenu (time-to-first-token) vďaka strategickému riadeniu cache blokov. Pruning odstraňuje staré kolá a zastarané výsledky nástrojov. Compaction komprimuje kontext pri zaplnení 70–85 % kapacity, v Claude Code napríklad cez /compact. Podľa spoločnosti Anthropic sa tak zachovávajú „architectural decisions, unresolved bugs, and implementation details“ a nadbytočné výstupy nástrojov sa zahadzujú. Delegovanie na subagentov funguje ako základný nástroj kompakcie: subagent skúma úlohu vo vlastnom okne a vracia len zhrnutie s rozsahom 1 000–2 000 tokenov.

Evaluácia: ak nemeriaš, neurobil si nič

Najtvrdšie poznanie pre technických lídrov znie: zmeny v context engineeringu sa overujú evaluáciami (evals), nie intuíciou. Najcitovanejšia rada Hamela Husaina, „Look at your data“, konkrétne znamená: prečítať 50–100 skutočných produkčných záznamov behu (traces), chyby voľne označiť, zoskupiť ich do taxonómie, pre každý častý typ chyby napísať kódový eval alebo eval typu LLM-as-judge a tieto evaly zapojiť do CI a monitoringu.

Husain pritom varuje pred čistým vývojom typu eval-first: „Write evaluators for errors you discover, not errors you imagine.“ Praktická stredná cesta začína malým end-to-end evalom (10–50 reprezentatívnych úloh), iteruje a pre skutočné typy chýb dopĺňa špecifické čiastkové evaly. Triezve, empiricky doložené zistenie: mnohé populárne tipy na prompty („Si expert“, „Think step by step“, „I'll tip you $200“) ukazujú v dôkladných evaluáciách minimálne alebo žiadne zlepšenie. Pri reasoning modeloch je „think step by step“ už predvolené správanie a ručne pridané býva často kontraproduktívne.

Produkčná zrelosť znamená, že evaly bežia automaticky pri každej zmene kontextu, nástrojov alebo vyhľadávania (retrieval). Eval pri pull requeste (20–50 úloh) blokuje merge, eval pred nasadením (200–2 000 úloh) blokuje nasadenie a eval po nasadení na produkčných záznamoch odhaľuje drift. Vynucovanie štruktúrovaného výstupu uzatvára kruh: OpenAI Structured Outputs v strict režime (GA od augusta 2024) a Structured Outputs od spoločnosti Anthropic so striktným tool use (od novembra 2025) vynucujú zhodu so schémou cez obmedzené dekódovanie (constrained decoding) a nahrádzajú niekdajšie „parsuj JSON a dúfaj“. Výnimky dokumentácia spoločnosti Anthropic výslovne uvádza: odmietnutia, prerušenia na limite tokenov a občas odlišnú veľkosť písmen pri hodnotách enum a const.

Región DACH a compliance

Pre tímy v regióne DACH (Nemecko, Rakúsko, Švajčiarsko) pribúdajú tri tvrdé inžinierske obmedzenia. Po prvé nemecká tokenizácia: zložené podstatné mená a flexia vytvárajú pri rovnakom obsahu o 30–50 % viac tokenov ako angličtina. Okno s 200K tokenmi tak pojme len toľko nemeckého obsahu, koľko by v angličtine zodpovedalo približne 130–150K tokenom. To znamená vyššie náklady, ale aj vyššiu návratnosť cachingu (ROI), pretože zľava na tokeny z cache sa uplatní na väčší počet tokenov.

Po druhé disciplína v súlade s GDPR v kontextovom okne: osobné údaje do neho nepatria nefiltrované. Osvedčené vzory sú pseudonymizácia pred vložením do kontextu (pseudonymy nahradiť skutočnými menami až vo vrstve nástrojov), vrstva na odstraňovanie osobných údajov (PII redaction) pred vložením výsledkov RAG a auditovateľný reset stavu relácie. Po tretie logovanie podľa čl. 12 EU AI Act pre vysokorizikové systémy: na základe AI omnibusu (nariadenie (EÚ) 2026/1744) platí pre systémy podľa prílohy III od 2. decembra 2027 a pre produkty podľa prílohy I od 2. augusta 2028. Pre švajčiarske tímy platia GDPR a AI Act len pri väzbe na EÚ. GDPR sa uplatní podľa čl. 3 ods. 2, ak tím ponúka osobám v EÚ tovar alebo služby alebo monitoruje ich správanie. AI Act sa uplatní podľa čl. 2, ak tím uvádza systémy AI na trh v EÚ alebo ak sa ich výstup používa v EÚ. Na národnej úrovni platí od 1. septembra 2023 revidovaný zákon o ochrane údajov (revDSG). Tento prehľad je informatívny a nie je právnym poradenstvom. Z inžinierskeho pohľadu povinnosť logovania znamená: verzia systémového promptu, verzia katalógu nástrojov, načítané dokumenty (alebo ich ID a hashe), vstup používateľa, volania nástrojov, výsledky nástrojov a finálny výstup sa musia ukladať tak, aby boli auditovateľné a zároveň vymazateľné podľa GDPR, najlepšie pri každom volaní nástroja s korelačným ID behu.

Výhľad a praktická poznámka

Prompt engineering pre agentov nie je v roku 2026 folklór ani len nový názov, ale odpoveď na posun od jednorazových volaní k viackrokovým agentovým slučkám. Kto stavia produkčného agenta, túto disciplínu praktizuje. Otázka je len, či vedome a reprodukovateľne, alebo nevedome a krehko. Viaceré oblasti sa stále vyvíjajú a treba ich čítať ako „aktuálny stav“: konvencie pre reasoning modely, heuristika multi-agent verzus single-agent (paralelizácia funguje pri úlohách s prevahou čítania, pri úlohách s prevahou zápisu nie) a frameworky na optimalizáciu promptov ako DSPy, ktoré sa hodia na úzko vymedzené čiastkové úlohy, no pre celé agentové slučky ešte netvoria produkčný štandard.

Praktický začiatok je nedramatický a dobre zdokumentovaný: vytiahni systémový prompt z playgroundu poskytovateľa a verziuj ho v Gite, validuj každý výstup voči schéme, zapni prompt caching pre stabilné časti, nastav pevné stropy nákladov a každý týždeň si prečítaj 20 skutočných záznamov behu. Zásada spoločnosti Anthropic vystihuje celý cieľ presnejšie než akákoľvek debata o nástrojoch: „Find the smallest set of high-signal tokens that maximize the likelihood of your desired outcome.“ To je engineering. A potom: look at your data.