Kako da pišem prompt za AI: 15 tehnika koje rade u 2026.

Ažurirano: 12.10.2026. | Verzija 1.0

Većina loših odgovora nije greška modela, nego posledica zahteva koji je model morao da pogađa. Ovaj vodič je skup tehnika iz zvaničnih uputstava tri proizvođača (Anthropic, OpenAI, Google) i nezavisnih istraživanja, sa primerima na srpskom. Na kraju je i deo koji drugi vodiči preskaču: šta je od ranijih saveta prestalo da važi.

Jedna stvar se promenila iz temelja. Modeli koji sami razmišljaju pre odgovora traže drugačiji prompt od starijih modela, pa savet „razmišljaj korak po korak" danas zna da odmogne. O tome piše u sedmom i u pretposlednjem delu.

Anatomija zahteva koji radi

Dobar prompt ima pet delova. Ne moraju svi da postoje svaki put, ali kad odgovor nije dobar, gotovo uvek nedostaje jedan od njih.

Petnaest tehnika

1. Budite konkretni, pa uradite probu sa kolegom

Zamislite da ste isti tekst dali čoveku koji ne zna ništa o vašem poslu. Ako bi on pitao „na šta tačno misliš", pitaće i model. Anthropic i Google u svojim uputstvima to navode kao prvo pravilo, jer model ne zna šta vi podrazumevate.

Loše: „Napiši tekst o našoj usluzi." Bolje: „Napiši opis usluge za stranu cenovnika, 120 reči, za vlasnike malih radnji koji nikad nisu koristili fiskalnu kasu. Bez stručnih izraza, bez obećanja ušteda u procentima."

2. Recite i zašto, ne samo šta

Kad uz pravilo date razlog, model ga primeni i na slučajeve koje niste nabrojali. Anthropic to ilustruje primerom: umesto „ne koristi tri tačke", napišite „tekst će se čitati naglas, pa izbegavaj tri tačke". Prvo pravilo važi za tri tačke, drugo i za sve ostalo što se loše čita naglas.

3. Tražite ono što hoćete, ne ono što nećete

Spisak zabrana ostavlja model da pogađa šta je onda dozvoljeno. Umesto „nemoj da bude formalno i predugačko", napišite „piši kratkim rečenicama, obraćanje na vi, do 150 reči".

Tu spada i format: dužina, oblik i ton se kažu izričito. „Tabela sa kolonama alat, cena, za koga" daje predvidljiv rezultat, „napravi pregled" ne daje.

4. Dajte tri do pet primera, uvek istog oblika

Primer vredi više od opisa. Anthropic preporučuje tri do pet primera koji su međusobno različiti po sadržaju, ali potpuno isti po obliku, jer model kopira upravo taj oblik. Ako vam odgovori variraju po strukturi, znači da su vam primeri bili neujednačeni.

Kod modela koji razmišljaju prvo probajte bez ijednog primera, pa dodajte primere samo ako je potrebno.

5. Razdvojite delove zahteva

Kad u istoj poruci imate uputstvo, podatke i primere, odvojite ih oznakama. Rade i XML oznake i Markdown naslovi. Bez toga se dešava da model deo vaših podataka pročita kao uputstvo.

<uputstvo>
Izvuci stavke i iznose iz računa ispod.
</uputstvo>

<racun>
...tekst računa...
</racun>

6. Postavite ulogu, ali bez iluzija

Uloga u sistemskoj poruci („ti si urednik koji piše za male preduzetnike") pomaže tonu i fokusu. Anthropic i OpenAI je preporučuju.

Ovde je pošteno reći i drugu stranu. Istraživanje sa Wharton škole pokazalo je da uloga stručnjaka ne poboljšava tačnost odgovora na pitanja sa ponuđenim odgovorima, a uloga laika je čak odmaže. Uloga, dakle, podešava stil i ugao, ali ne čini model pametnijim. Nemojte na nju računati kao na proveru tačnosti.

7. Dugačak dokument ide na početak, pitanje na kraj

Ako prилažete ugovor, izveštaj ili zapisnik, prvo ide dokument, pa tek onda pitanje. Anthropic navodi da taj redosled u njihovim merenjima daje do 30 odsto bolji rezultat kod dugačkog sadržaja. Dodatno pomaže ako tražite da model prvo izvuče delove na koje se poziva, pa tek onda odgovori.

8. Veliki zadatak razbijte na korake

Umesto jedne poruke koja traži sve, napravite lanac: nacrt, pa pregled nacrta, pa doterivanje. Svaki korak ima svoj zadatak i svoj kriterijum. To je isto pravilo koje važi i za ljude: niko ne piše dobar tekst u jednom potezu.

9. Prilagodite se vrsti modela

Ovo je najvažnija izmena u odnosu na vodiče od pre dve godine.

Vrsta modela	Šta radi	Kako se piše prompt
Obični modeli	Odgovaraju odmah	Pomaže da tražite korake u razmišljanju, pomažu i primeri
Modeli koji razmišljaju	Sami razmišljaju pre odgovora	Kratak i jasan zahtev, bez „razmišljaj korak po korak", umesto toga se podešava nivo razmišljanja

OpenAI izričito savetuje da se traženje koraka izbegava kod modela koji razmišljaju, a Google navodi da je kod novijih Gemini modela nepotrebno. Anthropic upućuje da se umesto toga koristi ugrađeno razmišljanje.

10. Pustite model da pita pre nego što uradi

Jedna rečenica koja menja ishod: „Pre nego što počneš, postavi mi do pet pitanja koja ti nedostaju." Posebno vredi kod dužih zadataka i kod alata koji prave aplikacije, gde pogrešna pretpostavka na početku znači da ceo rezultat ide u koš.

11. Menjajte jednu po jednu stvar

Ako prompt doterujete tako što odjednom menjate pet stvari, nećete znati šta je pomoglo. Napravite tri do pet tipičnih primera i uvek ih prođite nakon izmene. Za ozbiljniju upotrebu zapišite i tačnu oznaku modela, jer isti prompt na novoj verziji ume da se ponaša drugačije.

12. Kad vam treba podatak, tražite strukturu

Ako rezultat ide u tabelu, bazu ili drugi program, nemojte se oslanjati na formulaciju „vrati kao JSON". Koristite ugrađene mogućnosti za strukturirani izlaz ako ih alat ima, a u suprotnom dajte tačnu šemu polja i jedan primer ispravnog odgovora.

13. Tražite proveru na kraju

Dodajte korak samoprovere: „Pre nego što završiš, proveri da svaka tvrdnja ima izvor i da nijedan iznos nije izmišljen." Kod zadataka sa kodom ista uloga pripada testu koji ili prolazi ili ne prolazi.

Anthropic napominje da kod njihovih najjačih modela preterana provera ume da uspori rad, pa to ne treba stavljati u svaki prompt, nego tamo gde je tačnost važnija od brzine.

14. Dozvolite „ne znam"

Model koji nema izlaz iz nezgodnog pitanja izmisliće odgovor. Zato se u prompt piše: „Ako podatak nije u priloženom tekstu, napiši da ga nema, nemoj da pretpostavljaš." Uz to dajte izvor na koji sme da se osloni. Ta jedna rečenica otklanja veliki deo izmišljanja.

15. Izbacite protivrečnosti i viku

Velika slova, „KRITIČNO", „OBAVEZNO" i gomila uzvičnika danas više odmažu nego što pomažu, a kod alata sa alatkama znaju da izazovu nepotrebne radnje. Isto važi za uputstva koja se međusobno sudaraju („budi kratak" i „objasni detaljno" u istoj poruci). Pre slanja pročitajte svoj prompt i izbacite sve što se bije.

Primer: isti zadatak, dva zahteva

	Slab zahtev	Dobar zahtev
Tekst	„Napiši mi mejl kupcu koji se žali."	„Napiši odgovor kupcu koji se žali da mu paket kasni pet dana. Ton: izvinjenje bez pravdanja, jedno konkretno rešenje, do 120 reči, obraćanje na vi. Ne obećavaj datum isporuke jer ga nemam. Na kraju ponudi dve opcije: čekanje ili povraćaj novca."
Šta dobijete	Opšti tekst koji se mora prepisivati	Tekst koji se šalje uz sitnu izmenu

Šta je prestalo da važi

Vodiči stariji od godinu dana i dalje preporučuju stvari koje su proizvođači u međuvremenu povukli.

Savet	Status danas
„Razmišljaj korak po korak"	Kod modela koji razmišljaju se izbegava. Wharton istraživanje je kod takvih modela našlo zanemarljiv dobitak uz 20 do 80 odsto duže vreme odgovora
Uloga stručnjaka poboljšava tačnost	Nije potvrđeno. Uloga pomaže stilu, ne tačnosti
Podesite temperaturu na 0,8	Google savetuje da se kod Gemini 3 ostavi podrazumevana vrednost, jer snižavanje ume da izazove vrtenje u krug
Započnite odgovor umesto modela	Anthropic to više ne podržava na novijim Claude modelima
Što više primera, to bolje	Anthropic preporučuje tri do pet, a kod modela koji razmišljaju prvo probati bez primera
Naglasite rečima „KRITIČNO" i „obavezno"	Preteruje u pozivanju alata i troši pažnju modela

Tu je i promena imena. Sve češće se umesto „prompt inženjering" govori „context engineering", jer se posao pomerio sa pisanja jedne rečenice na sastavljanje celog konteksta: koji dokumenti ulaze, koja pravila važe, koji alati su dostupni.

Prompt za AI koji piše kod

Ako tražite da vam AI napravi aplikaciju ili ispravi grešku, pravila su delimično druga: prvo plan, pa kod, uz test koji potvrđuje da radi. To je tema zasebnog teksta, jer se tu greši najviše i najskuplje.

Česta pitanja

Koliko dugačak treba da bude prompt? Onoliko koliko treba da nema pogađanja. Za jednostavno pitanje dve rečenice, za zadatak sa pravilima i formatom lako i dvadeset redova. Dužina sama po sebi nije kvalitet.

Da li da pišem na srpskom ili na engleskom? Za rad sa srpskim tekstom pišite na srpskom, jer model zadržava vaš rečnik i ton. Kod zadataka koji zavise od stručne literature engleski ume da da precizniji rezultat. Ako prelazite na engleski, izričito tražite odgovor na srpskom.

Zašto isti prompt daje različite odgovore? Modeli su po prirodi promenljivi, a proizvođači menjaju verzije. Zato se za ozbiljan posao pamti tačna oznaka modela i proverava na istim primerima posle svake izmene.

Da li uloga („ti si advokat") čini odgovor tačnijim? Ne. Pomaže tonu i uglu, ali istraživanja ne potvrđuju poboljšanje tačnosti. Tačnost se dobija izvorom koji priložite i dozvolom da model kaže da ne zna.

Koja je najveća greška početnika? Zahtev bez konteksta i bez načina da se proveri rezultat. Dodajte jednu rečenicu o tome ko je čitalac i jednu o tome kako se vidi da je posao dobro urađen, i kvalitet skače odmah.

Sledeći korak

Uzmite zadatak koji radite svake nedelje i prepišite ga po ovih pet delova. Sačuvajte ga kao šablon i menjajte samo podatke. Za rad sa kodom pročitajte nastavak o pisanju zahteva za AI programera.

GoSimple · Ivan Dabetić

Izvori (provereno 12.10.2026)

• Anthropic, uputstvo za pisanje promptova: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
• OpenAI, prompt engineering: https://developers.openai.com/api/docs/guides/prompt-engineering
• OpenAI, modeli koji razmišljaju: https://developers.openai.com/api/docs/guides/reasoning-best-practices
• Google, strategije promptovanja: https://ai.google.dev/gemini-api/docs/prompting-strategies
• Wharton, istraživanje o lancu razmišljanja: https://arxiv.org/abs/2506.07142
• Wharton, istraživanje o ulogama: https://arxiv.org/abs/2512.05858
• DAIR.AI, zbirka tehnika: https://www.promptingguide.ai/introduction/tips
• Simon Willison o pojmu context engineering: https://simonwillison.net/2025/Jun/27/context-engineering/