Analiza konstrukcji prompta virala

Viral prompt — rozbieramy na żywo

Ten prompt stał się viralem na X/Instagram w 2024. Czytamy go jak mechanik, nie jak użytkownik.

~400

słów w prompcie

8

named sekcji

6

reguł negatywnych

1

zadanie

// TWARZ Create an ultra-realistic 8K Christmas portrait with a 55mm lens look. Use the woman's real face EXACTLY as it appears in the reference photo. Do NOT beautify, idealize, smooth, feminize, age-change, symmetrize, or alter her facial structure in any way. Preserve exact: bone structure · jawline · cheekbones · eye shape · nose shape · lip shape · natural skin texture // ANATOMIA (PRIORYTET) She is sitting sideways on a white cube block in a relaxed crossed-leg pose. Shoulder joint, upper arm, elbow, and wrist are anatomically correct and continuous. No limbs behind the torso, no hidden joints, no distortion. // STRÓJ Sparkly light Pink long-sleeve fitted jumpsuit · Subtle sequin shimmer · Elegant scoop-back detail // WŁOSY Holiday-styled loose hair · Hair color EXACTLY matches the reference photo · Natural texture, no AI over-perfection // MAKIJAŻ Festive glam makeup · Sharp winged eyeliner · Warm eyeshadow · Rosy cheeks · Soft holiday pink lips No facial reshaping, no smoothing // SCENOGRAFIA Large Pink-and-white peppermint lollipop · Snowy ground · Frosted Christmas trees · Oversized candy canes // OŚWIETLENIE Bright festive holiday lighting · Sharp focus · Shallow depth of field Photorealistic texture — NO plastic skin, NO AI beauty look // STRICT RULES Correct human anatomy only · Identity accuracy is the top priority No extra limbs, no floating hands, no stock-photo model face

Sekcje z nagłówkiem

Negative prompting

Pozytywne precyzowanie

Powtórzenie priorytetu

Pytanie do sali: Kto z was ma dokładnie to samo zadanie — wygenerować świąteczny portret konkretnej osoby w różowym kombinezonie? Cisza. A teraz — czy techniki które tu widać działają też dla Waszych procesów?

Dlaczego jest podzielony na sekcje

Każda technika w tym prompcie ma konkretny powód. Rozbieramy je jedną po drugiej.

📋

Nagłówki sekcji (TWARZ, ANATOMIA, STRÓJ...)

Struktura

Model językowy nie "czyta" prompta jak człowiek od góry do dołu z równą wagą. Nagłówki tworzą chunki tematyczne — model wie że "ANATOMIA" to jeden kontekst, "OŚWIETLENIE" to inny. → Bez nagłówków: 400 słów nieróżnicowanej instrukcji. Z nagłówkami: 8 osobnych modułów które model może przetwarzać niezależnie.

🚫

Negative prompting (Do NOT, NO, no AI beauty look)

Eliminacja

Modele generatywne mają domyślne zachowania — upiększanie twarzy, wygładzanie skóry, idealizacja proporcji. Bez negatywnych instrukcji model zawsze stosuje te defaults. → "Do NOT beautify" to nie nadmiarowość — to override domyślnego zachowania który autor odkrył przez dziesiątki iteracji.

🔁

Powtórzenie priorytetu na końcu (Identity accuracy is the top priority)

Waga

Prompt ma ~400 słów. Szczegóły stroju, scenografii, oświetlenia "rozmywają" priorytet tożsamości twarzy. Powtórzenie na końcu w sekcji STRICT RULES przypomina modelowi co jest ważniejsze gdy pojawi się konflikt. → To jest odpowiednik "najważniejsze na końcu maila" — model częściej pamiętając ostatnie instrukcje przy syntezie.

📐

Precyzja anatomiczna (shoulder joint, upper arm, elbow, wrist)

Precyzja

Modele generatywne mają problem z rękami i stawami. Ogólne "poprawna anatomia" nie działa — model nie wie co uznać za poprawne. Wymienienie każdego stawu po kolei wymusza poprawność przez wyliczenie. → "Anatomically correct" = instrukcja bez danych. "Shoulder joint, upper arm, elbow, wrist are continuous" = instrukcja z danymi.

⏱️

Ile to kosztowało zanim powstało

Kontekst

Ten prompt nie powstał w 5 minut. Każda sekcja STRICT RULES to prawdopodobnie osobna iteracja w której coś poszło nie tak — ręka za plecami, wygładzona twarz, zła fryzura. Autor zapisał każdy błąd jako regułę. → Viral prompt to skrystalizowane doświadczenie wielu godzin prób i błędów z jednym bardzo wąskim zadaniem. Nie jest transferowalny.

Dlaczego stał się viralem — i czego to nie znaczy

Viral ≠ dobry do Twojego zadania. Viral = działa na jedno konkretne zadanie lepiej niż cokolwiek wcześniej.

Siła tego prompta to nie długość.
To precyzja zbudowana przez iteracje na jednym wąskim problemie.

✓Co ten prompt robi dobrze

→Overriduje domyślne zachowania modelu które psują wynik

→Segmentuje zadanie na niezależne moduły

→Precyzuje priorytety gdy instrukcje mogą konfliktować

→Mówi co zachować (twarz), co dodać (strój), co zignorować (upiększanie)

✗Czego NIE robi

→Nie definiuje skąd biorą się dane (zdjęcie referencyjne)

→Nie mówi komu ma służyć wynik i po co

→Nie określa formatu outputu (rozmiar, format pliku)

→Nie ma kryterium sukcesu — skąd wiesz że "wyszło"?

Trzy pytania które obnażają każdy "gotowy prompt"

01Czy moje dane wyglądają tak samo jak dane autora tego prompta?

02Czy mój cel jest dokładnie taki sam jak cel autora?

03Czy błędy które ten prompt naprawia to moje błędy?

Jeśli odpowiedź na wszystkie trzy to "nie" — prompt jest bezużyteczny niezależnie od tego ile miał lajków.

Kluczowa obserwacja: Ten prompt ma 400 słów i rozwiązuje jeden problem — generowanie portretu konkretnej osoby. Twój proces biznesowy jest inny, Twoje dane są inne, Twoje błędy są inne. Techniki są transferowalne. Prompt nie jest.

Co z tego zabrać do F1/F2

Techniki które działają w tym prompcie są tymi samymi technikami co w F1/F2 — tylko w innym kontekście.

📐 Mapowanie: viral prompt → F1/F2

Viral — Sekcje nagłówkowe

TWARZ / ANATOMIA / STRÓJ / OŚWIETLENIE — każda sekcja to osobny moduł instrukcji

→

F1 — Struktura opisu

Kim jestem / Co to za zadanie / Dlaczego boli / Czego oczekuję / Co pokażę — każde pytanie to osobny moduł

Viral — Negative prompting

"Do NOT beautify, idealize, smooth..." — eliminuje defaults modelu

→

F2 — Dane i ograniczenia

"Dane: tylko faktura, bez danych klienta, bez zewnętrznych systemów" — eliminuje domysły AI

Viral — Precyzja anatomiczna

"Shoulder joint, upper arm, elbow, wrist are continuous" — wymienienie zamiast ogólnika

→

F2 — Format outputu

"Tabela: kolumna 1 data, kolumna 2 kwota, kolumna 3 VAT" — wymienienie zamiast "zestawienie"

Viral — Powtórzenie priorytetu

"Identity accuracy is the top priority" — co ważniejsze gdy coś konfliktuje

→

F2 — Rola i kontekst

"Jestem menedżerem który nie może wysyłać danych klientów" — priorytet bezpieczeństwa nad wygodą

Wniosek: Ten prompt stał się viralem bo ktoś odkrył techniki które działają — i zastosował je precyzyjnie do swojego zadania. F1/F2 to ten sam zestaw technik — tylko jako framework który możesz zastosować do swojego zadania, bez konieczności spędzania godzin na iteracjach.

Teraz Twoje zadanie — ten sam mechanizm

Weź swój problem z M4 i zastosuj te same techniki. Nie kopiuj — buduj.

Krok 1 — Znajdź swoje "Do NOT"

Co AI robi domyślnie gdy dostaję podobne zadanie — i co z tego jest złe? Zbyt ogólne odpowiedzi? Dodaje nieistniejące dane? Formatuje inaczej niż potrzebuję?
Twoje "Do NOT" to lista domyślnych zachowań AI które psują Twój wynik.

Krok 2 — Podziel na sekcje

Twój proces ma etapy — wejście, przetwarzanie, wyjście. Każdy etap to osobna sekcja z nagłówkiem. Nie pisz jednego długiego akapitu — segmentuj jak autor tego prompta segmentował twarz, strój i oświetlenie.
Twoje sekcje = Twoje pytania z F1/F2.

Krok 3 — Powiedz co ważniejsze

Gdy instrukcje mogą konfliktować — AI potrzebuje priorytetu. "Jeśli nie masz danych — napisz że brak, nie wymyślaj." "Bezpieczeństwo danych ważniejsze niż kompletność odpowiedzi."
Twój priorytet = Twoje kryterium sukcesu z M5.

Krok 4 — Wymień zamiast opisywać ogólnie

"Poprawna tabela" to ogólnik. "Tabela z kolumnami: data | nadawca | kwota netto | VAT | status" to instrukcja. Autor nie napisał "poprawna anatomia" — wymienił każdy staw.
Twoja precyzja = Twój format outputu z F2.

Test końcowy: Czy Twój prompt mógłby działać dla kogoś innego z inną firmą i innymi danymi? Jeśli tak — jest za ogólny. Viral prompt działa bo jest napisany dla jednej osoby, jednego zadania, jednego zestawu błędów do naprawienia. Twój prompt powinien być tak samo specyficzny.