Proč si AI v novém chatu nepamatuje zadání: kontext, historie a paměť

Proč nový chat začíná bez vašeho zadání

Otevřete nový chat a máte pocit, že mluvíte s někým, kdo vás nikdy neviděl. Přitom v jiném vlákně jste stejnému nástroji hodinu vysvětlovali projekt, tón, cílovou skupinu a omezení. To překvapení je běžné a má technický důvod: každá konverzace obvykle pracuje jen s vlastním aktuálním kontextem.

Pokud potřebujete pochopit, jak takový konverzační nástroj funguje a co od něj čekat, pomůže základní přehled, co je ChatGPT a jak pracuje s dotazy. Pro každodenní práci je ale důležitější jedna zásada: nový chat automaticky nedědí celé staré zadání, přílohy, rozpracované verze ani vaše myšlenkové kroky mezi zprávami.

Některé produkty a nastavení mohou novému chatu zpřístupnit také uložené preference nebo vybrané informace z historie; nejde však o předání celého starého zadání. V praxi se na ně ale nespoléhejte jako na plné předání projektu. Bezpečnější je brát nový chat jako nového spolupracovníka: šikovného, ale nezasvěceného. Musíte mu předat to podstatné stručně a úplně.

Kontext, historie a paměť nejsou totéž

Lidé tato tři slova zaměňují, proto vzniká zklamání. Přitom jde o tři různé mechanismy s různou životností a účelem.

Kontext je to, s čím model právě teď pracuje v otevřené konverzaci. Tedy vaše poslední zprávy, vložené podklady a odpovědi v tomto vlákně. Jak konverzace roste, starší část se může zkracovat nebo vypadávat, proto je užitečné vědět, co je kontextové okno a proč omezuje dlouhé konverzace.

Historie chatů je seznam předchozích konverzací, který některé aplikace zpřístupňují. Podle možností konkrétního produktu se k nim můžete vrátit, pokračovat v nich nebo jejich obsah zkopírovat. Samotná existence historie neznamená, že nový chat jejich obsah automaticky čte.

Paměť je zvláštní uložená vrstva, například preferovaný tón, jméno projektu nebo opakované požadavky. Podle nápovědy OpenAI k paměti se paměť liší od historie chatů a její chování závisí na produktu a nastavení uživatele. Tento rozdíl je doložený fakt, zbytek postupu v článku je pracovní doporučení redakce.

Kdy paměť pomůže a kdy raději předat vše ručně

Uložená paměť se hodí na stabilní věci: jak si přejete oslovovat, jaký formát výstupu máte rádi, že pracujete v českém prostředí nebo že nechcete anglicismy. Ušetří opakování drobností.

Nehodí se na aktuální zadání projektu. Cíl kampaně, schválený rozpočet, termín, konkrétní data, verze textu a rozhodnutí z minulé porady patří do zprávy, ne do předpokladu, že si je nástroj domyslí z paměti. Stejně tak nepatří do paměti citlivé nebo dočasné údaje, které platily jen pro jedno zadání.

Jednoduché pravidlo: preference mohou zůstat uložené, projektové zadání vždy předejte explicitně. Oddělení těchto dvou vrstev zabrání tomu, aby staré rozhodnutí přežilo do nového úkolu. Právě k tomu slouží předávací karta níže.

Rozlišujte také obecný princip od funkce konkrétní aplikace. Obecně nový chat nemusí mít k dispozici obsah předchozích konverzací; konkrétní možnosti propojení závisí na produktu a jeho nastavení. Konkrétní produkt pak může přidávat paměť, propojení s historií, projekty nebo sdílené pracovní prostory. Nespoléhejte na názvy funkcí, ověřte si chování ve svém prostředí a nastavení.

Předávací karta projektu: šablona ke zkopírování

Předávací karta je krátký blok textu, který vložíte jako první zprávu do nového chatu. Jejím cílem je oddělit aktuální zadání od dlouhodobých preferencí. Následující tabulku si zkopírujte a vyplňte před každým důležitým novým vláknem.

Při vyplňování se držte zásady, že do modelu patří jen data, která tam smíte vložit. Pomůže vám matice dat pro rozhodování, co do AI patří a co ne. Neuvádějte rodná čísla, hesla, citlivé osobní údaje ani interní důvěrné informace, pokud pro to nemáte jasný postup.

Kartu vložte celou najednou, podklady přidejte ve stejné zprávě nebo bezprostředně za ni. Nepište jen pokračuj, ale napište pokračuj v úkolu podle karty výše. Tím novému chatu dáte uzavřený a kontrolovatelný start.

Hypotetický příklad: stejné zadání ve dvou chatech

Představme si ilustrativní situaci. V původním vlákně máte dvacet zpráv o podzimním kurzu. V novém chatu napíšete pouze: Navrhni leták na kurz.

Hypotetický výsledek bez karty: model vrátí obecný leták, vymyslí si datum, cenu a místo, protože aktuální zadání nemá. To není chyba paměti, ale chybějící vstup. V tomto příkladu nový chat nemá k dispozici dvacet předchozích zpráv, protože je uživatel nepředal a produkt mu nezpřístupnil informace z historie.

Nyní hypoteticky vložíte vyplněnou kartu z předchozí kapitoly včetně čtyř schválených vět a předchozí verze letáku. Požadujete přesný výstup: dvě varianty nadpisu a jeden text v rozsahu 90-120 slov.

Hypotetický výsledek s kartou: model by mohl nabídnout dvě varianty nadpisu a text například o 104 slovech, který obsahuje datum 14. října, místo Knihovna Smíchov a lektora Jana Nováka, bez ceny a slevy a se třemi odrážkami. Rozdíl nevznikl lepší pamětí, ale lepším předáním. Stejný postup pak můžete opakovat v jakémkoli dalším novém chatu.

Omezení postupu a rozumný další krok

Předávací karta nezaručuje správnost faktů ani stejnou odpověď při opakování. Model může i s dobrým zadáním přehlédnout omezení, zkrátit text jinak nebo stylisticky uhnout. Věcné omezení pro toto téma: kartu berte jako doporučenou interní praxi pro přenos zadání, ne jako doloženou povinnost produktu nebo garanci chování paměti. Doložený je pouze výše uvedený rozdíl mezi pamětí a historií a závislost na nastavení.

Proto po každém novém startu proveďte tři rychlé kontroly. Za prvé zkontrolujte povinné vstupy: datum, jména, čísla. Za druhé zkontrolujte omezení: délku, formát a zakázané sliby. Za třetí porovnejte výstup s podklady, ne s dojmem, že to už jsme řešili.

Další krok je jednoduchý: uložte si kartu jako šablonu pro opakované typy úloh, například leták, nabídka, zápis nebo zadání dodavateli. Při každém novém chatu změňte jen pole cíl, vstupy, omezení a výstup. Pokud to produkt umožňuje, preference nastavte či uložte zvlášť; aktuální projektové zadání předejte v kartě.