LinkedIn Post - Článok 3/9: Prečo dávate veľa a dostávate málo

LinkedIn Post - Článok 3/9: Prečo dávate veľa a dostávate málo

"Výstup z AI je nepoužiteľný" - počúvam to neustále.

Problém nie je AI. Keď som začínal, robil som presne to, čo možno robíte teraz: dával som veľké tasky s nulovým kontextom, očakával zázraky.

Toto všetko zmenilo:

Zle: "Sprav mi appku na sledovanie výdavkov" Výsledok: 500 riadkov kódu, ktorý nikdy nepoužijete

Dobre: Rozdeľte to

  1. HTML tabuľka s 3 stĺpcami
  2. Pridaj validáciu
  3. Ulož do localStorage
  4. Naštýluj to
  5. Pridaj tlačidlo na zmazanie

Rovnaká potreba. Úplne iné výsledky.

Ale tu je skrytý zabijak - kontaminácia kontextu. Keď AI vygeneruje zlý kód, zostane v pamäti. Aj po "oprave" môže táto zlá referencia zavádzať budúce odpovede.

Časť 3/9 pokrýva:

  • Signály, že idete zle (trvá >2 minúty? Červená vlajka)
  • Kedy opraviť vs začať odznova
  • Prečo "Je môj plán dobrý?" je najhoršia otázka
  • Technika role play, ktorá naozaj funguje

Rýchly test: Viete vysvetliť váš task juniorovi, ktorý začal včera? Ak nie, chýba vám kontext.

Aké je vaše pravidlo pre rozhodnutie, kedy začať novú AI session?


Prvý komentár: Link na celý článok

#ContextEngineering #AIBestPractices #TechProductivity

Article Details

Category
context engineering new
Published
September 11, 2025
Length
188 words
1,180 characters
~1 page
Status
Draft Preview

More from context engineering new

Why You Give Much and Get Little (And How to Change It)

# Why You Give Much and Get Little (And How to Change It) "AI output is unusable" - I hear this constantly. Many people don't use AI precisely because of this. But the problem isn't AI. The problem i...

Read article