Verziovanie prompt-šablón: Git-workflow pre prompty

Verziovanie promptov znamená zaobchádzať s prompt-šablónami ako s kódom: parametrizované, oddelené od aplikačnej logiky, verziované v Gite, kontrolované cez review, testované evalmi proti regresii a v prípade potreby vratné rollbackom. Zmeny promptov sú tak dohľadateľné, reprodukovateľné a auditovateľné namiesto náhodne roztrúsené v kóde. Pre produkčných agentov to v roku 2026 nie je nadštandard, ale základ toho, aby sa zmeny v správaní agenta nasadzovali kontrolovane.

• Prompty sú artefakty, nie príloha. Patria do systému verziovania s diffom, review a rollbackom, nie inline do aplikačného kódu.
• Každá zmena chce byť zmeraná. Bez eval-sady je zmena promptu nedokázaná. Konsenzus praktikov 2026: ak to nedokážeš zmerať, nestalo sa to.
• Verziovanie je aj ekonomika a compliance. Stabilné, verziované prompty zachovávajú prompt-cache (približne 90 % zľava na cache-reads v Anthropicu) a dodávajú dohľadateľnosť potrebnú pre logovanie podľa čl. 12 EU AI Act.

Prečo sa s promptami musí zaobchádzať ako s kódom

Prechod od jediného šikovného promptu k viacstupňovej agent-slučke zásadne zmenil nároky na prompty. Prompt, ktorý riadi správanie produkčného agenta, spolurozhoduje o selekcii nástrojov, formáte výstupu a chybovom správaní. Nenápadná zmena slova môže posunúť presnosť selekcie nástrojov alebo rozbiť schému výstupu, ktorú očakáva nadväzujúci systém.

Trial-and-error ladenie promptov, ktoré upravuje prompt priamo v kóde, tým prestáva byť únosné. Nahrádza ho eval-riadená, verziovaná iterácia. Kľúčové vlastnosti, ktoré na to prompt musí mať:

• Oddelenie promptu a kódu. Prompt žije ako samostatný artefakt (súbor, šablóna, záznam v registri), nie ako string-literál v biznis logike. Tak sa dá nezávisle verziovať, reviewovať a vymeniť.
• Parametrizácia. Dynamické časti (dátum, User-ID, aktívny workflow, načítané dokumenty) sa vkladajú ako zástupné symboly, nie hardkódujú. Anthropic navyše odporúča štruktúrovať sekcie XML-tagmi alebo Markdown-hlavičkami, to robí prompty diff-ovateľné a pre model spoľahlivejšie parsovateľné.
• Verziovanie v Gite. Každá zmena vytvára commit s autorom, časom a odôvodnením. Diffy presne ukazujú, čo sa zmenilo. Branche umožňujú paralelné experimentovanie.

Git-workflow pre prompty do detailu

Produktívny prompt-workflow sleduje rovnaké vzory ako dobrý code-workflow S jedným zásadným doplnkom: eval-gate.

1. Feature-branch. Variant promptu vzniká vo vlastnom branchi, nie priamo na main.
2. Review. Diff prechádza pull-request review. Reviewer kontroluje wording, príklady formátu výstupu, when-not-to-use klauzuly v popisoch nástrojov a či zostávajú safety-pravidlá označené ako nevyjednateľné.
3. PR-eval (merge-gate). Smoke-test eval s 20–50 reprezentatívnymi taskmi beží automaticky a blokuje merge pri regresii.
4. Pre-deploy eval (deploy-gate). Pred deployom beží plná eval-sada s 200–2 000 taskmi a blokuje rollout pri regresii.
5. Post-deploy detekcia driftu. Na produkčných trace beží týždenne kontrola driftu.
6. Quarterly re-validácia. Samotná eval-sada sa štvrťročne kontroluje na relevanciu a rozširuje o novo objavené failure-modes.

Rollback funguje ako pri kóde: posledná stabilná verzia promptu je známy Git-commit, na ktorý sa vrátite. Práve tu sa ukazuje hodnota oddelenia, rollback je výmena verzie, nie code-deploy.

Verziovanie a prompt caching: podceňovaná súvislosť

Hospodárnosť produkčných agentov závisí v roku 2026 fundamentálne od prompt cachingu. V Anthropicu stojí cache-read približne 10 % štandardnej input-sadzby (zhruba 0,30 $/M namiesto 3,00 $/M pri Sonnet 4.6, stav 2026), zatiaľ čo cache-writes stoja 1,25×. Problém: hierarchia cache znie Tools → System → Messages a každá zmena vyššie invaliduje všetko za ňou. Anthropic výslovne varuje, že už zmenený zoznam nástrojov rozbije cache: „Changing the Skills list in your container breaks the cache.“

Dôsledok pre verziovanie je priamy: zmeny promptov a katalógu nástrojov sa zoskupujú a nasadzujú v plánovaných releasoch, typicky mesačne, namiesto nekontrolovaných hotfixov. Štúdia na arXiv z februára 2026 („Don't Break the Cache“) zmerala, že strategické riadenie cache-blokov znižuje API-náklady o 41–80 % a time-to-first-token o 13–31 %. Kto mení prompty neverziovane a ad hoc, platí to zničeným cache-hit rate.

Najznámejší anti-pattern z koncernových blueprintov preto znie: „Skills/Capabilities bez verziovania, cache-invalidation disaster.“

Testovanie, regresia a A/B testy

Verziovanie bez testov je len účtovníctvo. Skutočnou pákou je eval-riadený postup. Poznatok komunity praktikov 2026: zmeny kontextu a promptov sa validujú evalmi, nie intuíciou.

Pre A/B testy platia jasné pravidlá:

• Jedna premenná na test. Variant system promptu A oproti B, nie meniť súčasne RAG-K, re-ranking a popis nástroja.
• Fixná eval-sada. Aspoň 50–200 taskov, reprezentatívnych pre produkčný traffic.
• Štatistická porovnateľnosť. Pri menej než 100 taskoch reportovať effect-size, nie len „lepšie/horšie“.
• Shadowing produkčného traffiku. Nový variant beží paralelne so starým, výstupy sa porovnávajú bez ovplyvnenia používateľov.

Rovnako dôležitá je úprimnosť voči folklóru: tipy ako „Si expert“, „Think step by step“ alebo „I'll tip you $200“ na rigoróznych evaloch väčšinou nevykazujú merateľný efekt. Sú to hypotézy, nie pravdy, a patrí ich testovať ako verziované varianty proti eval-sade, nie ich slepo preberať do produkčného promptu.

Tooling: prompt-management a registre (stav 2026)

Viacero frameworkov operacionalizuje verziovanie promptov, eval-datasety a sledovanie experimentov. V stacku relevantnom pre DACH:

Langfuse je v kontextoch DACH koncernov často default, pretože EU-hosting a self-hosting spĺňajú požiadavky GDPR a suverenity. Pre stacky založené na Anthropicu ponúka Skills-pattern navyše natívnu formu modulárnych, verziovateľných prompt-stavebných blokov: Skill je priečinok so súborom SKILL.md (YAML-frontmatter s name a description, Markdown-telo), ktorý sa dá verziovať v Gite ako každý iný súbor.

Praktický príklad: verziovaný prompt-release

Predpokladajme, že zákaznícky agent (Sonnet 4.6, 4–5 nástrojov, RAG nad približne 10 000 dokumentmi) má robiť presnejšie eskalačné rozhodnutia. Verziovaný workflow ako pseudokódová skica:

```

prompts/support_agent/system.md (v1.4.0 -> v1.5.0)

version: 1.5.0
model: sonnet-4.6
owner: agent-platform

Identity

Si support agent pre {org_name}. ...

Behavioral

Eskaluj na človeka, ak Confidence < 0.7. ... # zmenené v v1.5.0
```

Priebeh:

1. Branch prompt/escalation-threshold, diff ukazuje len zmenený behavioral riadok.
2. PR-review + PR-eval na 30 smoke-taskoch, 0 regresií, merge povolený.
3. A/B oproti v1.4.0 na 150 skutočných trace v shadowingu: miera správnych eskalácií 81 % → 88 % (+7 pp), false-eskalácie nezmenené.
4. Pre-deploy eval na 600 taskoch prešiel, release ako tag v1.5.0 Zoskupený s mesačným releasom katalógu nástrojov, aby sa cache invalidovala len raz.
5. Ak by miera eskalácií v produkcii klesla, rollback je výmena verzie späť na predchodcu v1.5.0.

Každý run protokoluje verziu promptu a verziu katalógu nástrojov, dátový základ, ktorý logovanie podľa čl. 12 EU AI Act od 2. augusta 2026 vyžaduje pre vysokorizikové systémy (dohľadateľnosť, retencia minimálne 6 mesiacov, tamper-evident).

Tímový workflow a DACH compliance rámec

V praxi leží zodpovednosť podľa stupňa zrelosti rôzne. V stredných firmách často stačí 0,25–1 FTE na jedného agenta, pričom dominuje údržba (aktualizácie evalov, katalóg nástrojov, refresh RAG-indexu). V koncernoch s agent-flotou sedí verziovanie promptov/kontextu pri agent-platform tíme (3–10 FTE) s CI/CD eval-pipelinami ako merge-block a kontinuálnym A/B testovaním cez traffic-shadowing.

Tri DACH constraints sú nevyjednateľné a priamo ovplyvňujú verziovaciu stratégiu: nemecká tokenizácia generuje o 30–50 % viac tokenov na ekvivalentný obsah, čo ROI z cachingu stabilných, verziovaných promptov ešte zvyšuje. GDPR vyžaduje PII-disciplínu (logy s pseudonymami plus oddelená, vymazateľná mapping-table). A logovanie podľa čl. 12 robí z capture verzie system promptu a katalógu nástrojov predpoklad compliance, nie nice-to-have.

Pre agentúry a B2B tímy

Pre AI agentúru je verziovanie promptov pákou, ktorá oddeľuje škálovanie od snowflake-chaosu. Únosný vzor: agentúrny baseline ako šablóna, z ktorej klientske prompty dedia cez dedenie a prepisujú branding aj správanie. Tak sa vyhnete per-client snowflakom s exponenciálnymi nákladmi na údržbu. Rozhodujúca je multi-tenant izolácia a oddelené cache-keys na klienta, aby nikdy nevznikli cross-client cache-hits ani úniky PII, ako aj spoločný eval-framework (napríklad Langfuse self-hosted) s per-client eval-sadami.

Pre B2B rozhodovateľov je jadrový odkaz jednoduchý: agent, ktorého prompty ležia neverziovane v kóde, nie je produkčne pripravený, nie je ani auditovateľný, ani bezpečne rollbacknuteľný, ani nákladovo efektívne cacheovateľný. Kto plánuje verziovanie promptov ako architektúru od prvého dňa namiesto dodatočného nalepenia, má v rokoch 2026–2027 štrukturálnu výhodu v stabilite, nákladoch a compliance. Blck Alpaca stavia agentov presne na tomto základe: verziovane, eval-riadene a od začiatku v súlade s GDPR a EU AI Act.