Šta je Prompt Engineering?

Intervjuer te pita: „Šta je Prompt Engineering?" Ako odgovoriš „pa to je isto što i chat sa AI-jem, ko to ne ume?", onda možeš samo da se vratiš kući i čekaš obaveštenje o odbijanju.

Zašto?

Zato što je Prompt Engineering tehnička disciplina sa konkretnom metodologijom. Za isti zadatak, različit prompt znači drastično razliku u kvalitetu izlaza. Kad treba da se prikažeš, treba da zvučiš visokoprofesionalno.

Danas za 3 minuta ću ti objasniti šta Prompt Engineering zaista inženjeriše.

Intervjuer ovim pitanjem proverava tri nivoa: prvo, da li jasno objasniš ključne tehnike; drugo, koja tehnika odgovara kom scenariju; treće, koje probleme Prompt Engineering ne može da reši.

Dobro, evo odgovora za pun bod — nauči ga napamet i gotovo.

Prompt Engineering ima tri ključne tehnike.

Prvo, Zero-shot Prompting. Bez ijednog primera, zadatak se opisuje prirodnim jezikom i oslanja se potpuno na sposobnosti samog modela. Šta je ključno?

Opis mora da bude dovoljno konkretan. Prompt „napiši članak" je čista besmislica — model ne zna za koga piše, koliko dugo, u kom pravcu. „Napiši tutorijal od 300 reči, namenjen Java početnicima, koji pokazuje principe automatske konfiguracije u SpringAI" — to je primeran Zero-shot prompt. Što je zadatak precizniji, to je veća šansa da model proizvede rezultat koji želiš.

Drugo, Few-shot Prompting. U promptu se daju 2 do 5 primera ulaz-izlaz, iz kojih model uči obrazac zadatka. Na primer, ako želiš da model radi code review, prvo mu daš tri svoje prethodne primedbe kao primere — i on će naučiti format, dubinu i ton koji očekuješ. Ključno: primeri moraju da budu reprezentativni i da pokriju različite situacije. Ako su sva tri primera „nepravilno imenovanje promenljivih", model će tražiti isključivo probleme sa imenovanjem.

Treće, Chain-of-Thought. Traži se od modela da prvo prikaže proces rezonovanja, pa tek onda da iznese konačan zaključak. Odgovara za zadatke poput matematičkih proračuna i logičke analize, koji zahtevaju višestepeno rezonovanje. Naravno, većina današnjih modela na tržištu, poput Opus 4.8 i GPT-5.5, već ima ugrađenu sposobnost dubokog razmišljanja i ne zahteva ručno vođenje. Ali na nerezonujućim modelima, eksplicitno traženje „prvo analiziraj, pa daj zaključak" je i dalje vrlo efikasno.

Pored ove tri tehnike, postoje još dve praktične. Prvo, postavljanje uloge — u promptu modelu se dodeli stručni identitet, na primer „ti si Agent inženjer sa 20 godina iskustva", i nivo stručnosti u izlazu će očito rasti. Drugo, strukturirani izlaz — traži se od modela da rezultat vrati u JSON ili tabelarnom formatu, kako bi izlaz mogao programski da se parsira.

Ako intervjuer nastavi da pritiska: „Modeli su sve pametniji — da li će Prompt Engineering nestati?"

Reci mu — neće. Kao što Java inženjeri nisu nestali, kao što frontend inženjeri nisu nestali, ali je činjenica da sve više ljudi voli da sebe zove „AI Agent inženjerima".

Preciznije rečeno, Prompt Engineering je danas podskup Context Engineering-a. Context Engineering obuhvata četiri operacije: pisanje instrukcija, biranje relevantnih informacija, kompresija redundantne istorije razgovora i izolacija irelevantnog konteksta. Prompt Engineering odgovara prvoj — pisanju instrukcija.

Da pojasnimo poređenjem: Prompt Engineering vodi „kako da se ova rečenica formuliše", dok Context Engineering vodi „koje informacije treba dati modelu". Napisati dobar prompt je i dalje važno — ma koliko model bio pametan, neće pokupiti nejasnu instrukciju. Ali u eri Agent-a, samo dobar prompt nije ni izbliza dovoljno — moraš da upravljaš istorijom razgovora, dugoročnom memorijom, RAG pretragom, definicijama alata i slično.

Na kraju, jedna formula — Prompt Engineering je osnova, Context Engineering je napredni nivo. Kad savladaš Prompt Engineering, znaćeš da napišeš instrukcije koje model razume; kad savladaš Context Engineering, omogućićeš modelu da razume čitav razgovor i zadatak.

Da li si savladao ovo pitanje? Za još analiza na nivou izvornog koda pitanja iz Agent intervju —