Mam w głowie obraz, który widzę w co drugim wdrożeniu:

Inżynier, dwa monitory. Po lewej Confluence z folderem „Złote prompty”. Po prawej Claude. Kopiuj - wklej - uzupełnij {project_name}, {requirements}, {output_format} - Enter. Czeka. Niezadowolony z wyniku, wraca do Confluence, kopiuje „Złoty prompt v2 - kontekst rozszerzony (FINAL)”. Wkleja, koryguje. Pisze do siebie „muszę zaktualizować v3”.

Tę osobę chcę przekonać do jednej rzeczy: to nie jest sukces. To jest objaw.

Czego naprawdę dotyczy biblioteka promptów

Patrząc na Skalę Holaka - biblioteka 200-linijkowych promptów to nie poziom 3 (frameworki), tylko poziom 3 z utykaniem przed 4. Czemu?

Bo bibliotekę masz wtedy, gdy:

  • powtarzasz tę samą rolę / styl / ograniczenia w każdym prompcie
  • przepisujesz kontekst projektu za każdym razem
  • zarządzasz wersjami promptów ręcznie
  • tworzysz konwencje „v1 - basic, v2 - z testami, v3 - z testami i security”

Wszystko to są rzeczy, które powinny żyć wyżej. W ustawieniach modelu (poziom 4), w plikach kontekstowych (poziom 5), w zaawansowanych instrukcjach (poziom 6).

Biblioteka promptów to dług, który zaciągasz, bo nie chcesz przejść wyżej.

Czemu działa krótkoterminowo

Trzeba uczciwie powiedzieć: w sprincie biblioteka działa. Sztampowy prompt na 200 linii daje sztampowy output. Output jest powtarzalny. Zespół ma „wspólny język”. Wszystko fajnie.

Po trzech miesiącach widzisz:

  • Drift modelu. Anthropic / OpenAI zmieniają wersję modelu - twoje prompty nagle dają inne wyniki, bo bazowały na konkretnych regularnościach.
  • Brak transferu. Nowy projekt = przepisz wszystkie prompty z konteksem nowego projektu. Skala roboty rośnie liniowo z liczbą projektów.
  • Rozwarstwienie zespołu. Dwóch inżynierów ma „swoją wersję v3” tego samego prompta - nieuzgodnione. Trzeci napisał własną od zera, bo „te są stare”.
  • Brak ewolucji. Po pół roku nadal jesteś na 3. Twoja branża dawno jest na 5-6.

Jak rozłożyć 200-linijkowy prompt

Konkretny zabieg. Wziąłem realny prompt z jednego z banków (z anonimizacją). Wyglądał tak:

Jesteś senior software engineerem z 15-letnim doświadczeniem w Pythonie.
Pracujesz dla zespołu Risk Engine, który obsługuje system limitów kredytowych
dla 12 milionów klientów. Stack: Python 3.11, FastAPI, PostgreSQL 15, Redis.
Konwencje:
- type hinty wszędzie
- docstringi w formacie Google
- testy w pytest, mock'i przez unittest.mock
- logging przez structlog
- error handling: nigdy except Exception, zawsze konkretne typy
- nigdy nie używaj print
- nie używaj global state
- ...

[150 linii dalej]

Twoje zadanie:
Napisz endpoint do tworzenia limitu kredytowego dla klienta. Wymagania:
- POST /limits
- body: customer_id, amount, currency, expires_at
- walidacja: amount > 0, currency in ['PLN', 'EUR', 'USD']
- ...

Trzy operacje:

Operacja 1: do custom instructions

Wszystko o tobie i twoim stylu. Wjeżdża do Settings → Custom Instructions w ChatGPT/Claude:

Jestem senior software engineerem z 15-letnim doświadczeniem w Pythonie.
Pracuję w stack: Python 3.11, FastAPI, PostgreSQL, Redis.
Preferuję: type hinty wszędzie, docstringi Google style, testy w pytest,
logging przez structlog, konkretne typy w except (nigdy Exception).
Unikaj: print, global state, magicznych liczb.
Odpowiadaj zwięźle, kod komentuj tylko gdzie WHY jest nieoczywiste.

20 linii zamiast 80. Trzymane raz, używane zawsze.

Operacja 2: do pliku kontekstowego projektu

Wszystko o twoim projekcie. Wjeżdża do CLAUDE.md w katalogu repo (lub AGENTS.md, więcej w osobnym poście):

# Risk Engine

System limitów kredytowych dla 12 milionów klientów.

## Stack

FastAPI + PostgreSQL 15 + Redis. Migracje przez Alembic. Auth przez wewnętrzny JWT service.

## Konwencje testów

- pytest, fixtures w conftest.py per modul
- mockujemy zewnętrzne calle, nie wewnętrzne
- integration tests na PostgreSQL Docker (skrypt make test-int)

## Czego unikamy

Bez Alembic auto-generated migracji - zawsze ręcznie review przed merge.
Bez zmian w schemacie tabeli `customers` bez review z teamem KYC.

To 30 linii kontekstu projektu, które agent ma za każdym razem, gdy uruchamiasz Claude Code w tym repo.

Operacja 3: prompt zostaje minimalistyczny

Zostaje tylko cel zadania. Z 200 linii - 5:

Endpoint POST /limits do tworzenia limitu kredytowego.
Body: customer_id, amount (>0), currency (PLN/EUR/USD), expires_at.
Walidacja przez Pydantic. Audit log przez structlog.

Tyle. Model zna twój styl (custom instructions), zna projekt (CLAUDE.md), wykonuje zadanie (prompt). Jesteś na 4-5, biblioteka jest niepotrzebna.

„Ale ja używam 50 różnych zadań, nie jednego”

Najczęstsza obrona biblioteki. Też ma rozwiązanie:

  • Powtarzalne patterny zadań (raport, review, refactor, migracja) → skille Claude Code albo dedykowane subagenty
  • Konkretne workflow’y end-to-end → własny subagent z zaprojektowanym systemem prompt
  • Eksperymenty / one-off → tu możesz pisać prompty ad hoc, są ad hoc

Biblioteka 200-linijkowych promptów to próba zrobienia z poziomu 3 substytutu poziomów 4, 5, 6 i 7 naraz. Każdy z tych poziomów ma swoje narzędzie. Biblioteka żadnego z nich nie zastąpi dobrze.

Wyjątek: ad-hoc eksperymenty

Nie chodzi o to, żeby nigdy nie pisać długich promptów. Chodzi o to, żeby długi prompt nie był stałym fragmentem twojego workflow’u.

Eksperymentujesz z nową techniką? Długi prompt OK. Onboardujesz model do projektu, którego nie znasz? OK. Robisz raz w roku coś jednorazowego? OK.

Ale jeśli prompt ma datę modyfikacji sprzed 3 miesięcy i ty go nadal kopiujesz - to nie jest eksperyment. To jest poziom 3 z anti-patternem.

Test, czy jesteś w tej pułapce

Trzy pytania:

  1. Kiedy ostatnio były zmieniane custom instructions? Jeśli „nigdy” lub „pół roku temu” - pułapka.
  2. Ile czasu spędzasz w narzędziu AI tygodniowo vs ile czasu spędzasz pisząc / aktualizując prompty? Jeśli >20% to drugie - pułapka.
  3. Czy nowa osoba w zespole zaczyna od „daj mi twoją bibliotekę promptów”? Tak = pułapka systemowa.

Jeśli choć raz odpowiedź to „tak” - wybierz jeden prompt z biblioteki, rozłóż go zgodnie z trzema operacjami powyżej, używaj tydzień, zobacz.

Co dalej

5 promptów, które zmienią Twoją pracę z AI to dobry start. Ale jeśli po pół roku te 5 promptów stało się 50 i wszystkie żyją w Confluence - to znak, że czas na promocję do wyższego poziomu, nie kolejny prompt.

Biblioteka to nie sukces. Jest niezbędnym etapem - i objawem, że czas iść dalej.