Prompt Engineering pro kódování: 7 vzorů, které denně používáme v Claude Code a Cursor (2026)

Prompt Engineering pro kódování: 7 vzorů, které denně používáme v Claude Code a Cursor (2026)

Prompt engineering pro kódování je tím rozdílem mezi agentem, který doručí funkční pull request, a tím, který potichu rozbije něco v produkci. Naučili jsme se to draze: jedna neurčitá instrukce v naší vlastní pipeline jednou vytvořila 54 duplicitních živých stránek, než si toho kdokoli všiml. V těchto dnech setup s 16 agenty v Claude Code píše, překládá a publikuje náš obsah a prompty, které ho řídí, vypadají zcela jinak než seznamy 50 šablon na první stránce Google. Zde je 7 vzorů, které píšeme každý den, každý se skutečným příkladem „před a po“.

Rychlá odpověď: Dobré kodovací prompty mají jeden společný tvar. Uvedete cíl a definici „hotovo“, pojmenujete přesné soubory v rozsahu, vynutíte plán před jakoukoli úpravou, předáte testy a vyžadujete důkazy místo pouhého „vypadá to dobře“. Udělejte to a moderní agent (Claude Code, Cursor, GitHub Copilot) napíše kód, který projde revizí na první pokus mnohem častěji. Pokud to vynecháte, získáte sebevědomý, věrohodný balast.

7 vzorů v pořadí, v jakém je používáme:

1. Rámování úkolu: cíl, omezení a „hotovo“ hned na začátku
2. Výběr kontextu: pojmenujte soubory, ostatní ohraničte
3. Nejprve plán: nechte ho navrhnout postup před úpravami
4. Nejprve testy: vložte akceptační testy do promptu
5. Ladění: chyba plus reprodukce plus očekávání, příčina před opravou
6. Refaktorizace: změňte strukturu, zachovejte chování, ukažte diff
7. Revize: kontrolní seznam k ověření plus důkazy

Prompt Engineering pro kódování vs. Konfigurační soubory: Co kam patří

Konfigurační soubory a prompty pro jednotlivé úkoly plní různé funkce a jejich záměna je nejčastější chybou v této oblasti. Soubor CLAUDE.md nebo .cursor/rules představuje trvalou politiku, kterou agent čte při každé relaci: váš stack, konvence pojmenování, příkaz pro testy. Prompt je konkrétní úkol, který mu právě teď zadáváte. Trvalá pravidla patří do konfigurace; úkol patří do promptu.

Většina souhrnů „kodovacích promptů“ tuto hranici rozmazává a radí vám vložit obří personový prompt do .cursorrules. To nafukuje konfiguraci, kterou agent načítá při každém jednotlivém úkolu, a stále selhává v rámování toho jednoho úkolu, který má před sebou. Udržujte tyto dvě věci odděleně:

Pokud chcete mít konfigurační část udělanou dobře, podrobně se jí věnujeme v našich osvědčených postupech pro CLAUDE.md a průvodci pravidly pro Cursor. Tento článek je druhou polovinou: prompty, které píšete znovu při každém použití. Obojí spadá pod náš širší průvodce prompt engineeringem, pokud chcete nejprve znát základy.

Prompt Engineering pro kódování: 7 vzorů, které používáme denně

Každý níže uvedený vzor obsahuje slabou verzi, kterou lidé skutečně píší, a silnou verzi, která přináší funkční kód. Rozdíl mezi slabým a silným přístupem je téměř vždy stejný krok: nahraďte přání specifikací.

1. Rámování úkolu: Uveďte cíl, omezení a stav „Hotovo“

Rámování úkolu znamená napsat cíl, omezení a to, jak vypadá stav „hotovo“, dříve než se agent dotkne jediného řádku. Agent optimalizuje to, o co jste doslova požádali, takže mlhavý požadavek vydělá mlhavou záplatu. Pojmenujte soubor, chování, které chcete, akceptační kontrolu a věci, které nesmí změnit.

Toto je vzor, který nás stál 54 stránek. Naše stará instrukce pro překlad byla v podstatě přáním:

Weak: Re-translate this post into German and keep the brand names.

Nic tam neříká, co je povoleno dělat s URL slugem. Při opakovaném spuštění tedy agent „vylepšil“ URL slug a protože nový slug znamená nový dokument, skončili jsme se dvěma živými německými stránkami pro stejný příspěvek. Vynásobte to jazyky a starými příspěvky a máte 54 duplikátů a hromadu vyloučení kvůli duplicitnímu obsahu. Opravou byla specifikace, nikoli hezčí přání:

Strong: Re-translate this post into German.
- If a German file already exists, copy its existing slug verbatim. Never
  re-derive or "improve" it.
- Before creating any document, look up the existing one by its canonical
  reference and reuse that record.
- If the slug you would generate differs from the live one, STOP and tell me.
  A changed slug creates a second live URL for the same page.

Silný prompt hlasitě pojmenovává režim selhání. Tento jediný návyk, říkat, co se nesmí stát a proč, je nejcennější změnou, kterou může většina týmů provést. Každý task prompt také zakončujeme explicitní smlouvou o výstupu („vaše závěrečná zpráva musí uvést počet slov, skóre validace a všechny dotčené soubory“), aby agent věděl, co produkuje stav „hotovo“, nejen co má dělat.

2. Výběr kontextu: Pojmenujte soubory, ohraničte ostatní

Výběr kontextu znamená říct agentovi přesně, které soubory má číst a kterých se nemá dotknout, místo abyste mu nechali grepovat kolem a plnit jeho okno šumem. Vlastní guidance společnosti Anthropic je v tomto ohledu stručná: kontextové okno se rychle zaplní a kvalita klesá s jeho zaplňováním, takže většina osvědčených postupů existuje proto, aby ho chránila (osvědčené postupy pro Claude Code).

Weak: Fix the bug in the checkout flow.

Strong: Read only src/checkout/cart.ts and src/checkout/tax.ts. The tax
rounding is wrong for orders over $1,000 (it rounds each line item instead
of the order total). Fix the rounding. Do not touch anything outside
src/checkout/.

Ohraničujeme tvrdě. Skutečný řádek z našich agentních promptů zní: „nepište do url-mapping.json, pipeline.md ani config.json a nikdy se nedotýkejte žádného souboru mimo váš scratchpad directory.“ Tato jedna věta zabránila více náhodným škodám než jakékoli množství následného čištění. Když úkol skutečně potřebuje živé dokumenty nebo další nástroje, přidáváme je záměrně prostřednictvím MCP serverů, spíše než doufat, že agent narazí na správný soubor. A pokud jakýkoli z tohoto kontextu pochází mimo vaše repo, považujte jej za nedůvěryhodný: viz naše poznámka k prevenci prompt injection před tím, než vložíte scrapovanou stránku do kodovacího agenta.

3. Nejprve plán: Nechte ho navrhnout postup před úpravami

Prompting „nejprve plán“ nutí agenta, aby vám před jakoukoli úpravou předložil přístup. V Claude Code je Plan Mode tvrdý, vynucený stav pouze pro čtení, nikoli zdvořilé „nejprve přemýšlej“, které model může ignorovat, takže doslova nemůže psát, dokud plán neschválíte. Oddělení researchu a plánování od exekuce je jedinou praxí, na kterou se Anthropic nejvíce spoléhá, aby se vyhnulo řešení špatného problému.

Weak: Add rate limiting to the API.

Strong: Before writing any code, give me a numbered plan: which middleware,
where the counters live, how you handle the 429 response and headers, and
which tests you'll add. Wait for my approval before editing.

Proč to funguje: plán je levné číst a levné opravit. Oprava špatného plánu stojí jednu větu; oprava špatného kódu stojí cyklus revize. To přirozeně ladí s žádostí modelu, aby nejprve uvažoval krok za krokem (viz chain-of-thought prompting), a je páteří vícestupňových workflow v Claude Code, které spouštíme pro cokoli netriviálního.

4. Nejprve testy: Vložte akceptační testy do promptu

Prompting „nejprve testy“ vkládá akceptační kritéria do promptu jako konkrétní vstupy a výstupy, takže agent píše kód proti cíli, který jste definovali, nikoli proti tomu, který uhodl. Vložte failing test nebo malou tabulku očekávaných výsledků a řekněte „udělej, aby toto prošlo, aniž bys upravil test“.

Weak: Write a function to parse ISO 8601 dates.

Strong: Make this failing test pass without changing the test:

  parseIso("2026-07-20T15:00:00Z")   -> Date at that exact UTC instant
  parseIso("2026-07-20")             -> Date at 2026-07-20T00:00:00Z
  parseIso("not-a-date")             -> throws RangeError
  parseIso("")                       -> throws RangeError

Return only the function and its imports.

Konkrétní příklady vždy porazí adjektiva. „Zpracuj okrajové případy“ je naděje; čtyři řádky vstup-výstup jsou specifikace, kterou model skutečně může splnit, a můžete je spustit ve chvíli, kdy kód dorazí.

5. Ladění: Chyba, reprodukce, očekávání, příčina před opravou

Debugging prompt dává agentovi text chyby, vstup, který ji spouští, a to, co jste očekávali, a poté žádá o příčinu před jakoukoli opravou. Pokud to vynecháte, agent zalátá symptom, takže se bug pouze přesune někam tišeji.

Weak: This is throwing an error, fix it.

Strong: This throws on checkout. Here's the stack trace: [paste]. It happens
only when the cart has a discount code AND a gift card (repro: add both, then
check out). Expected: both apply, gift card last. Find the root cause and
explain it in one sentence before you change anything. Do not wrap it in a
try/catch that hides the error.

Řádek „nejprve vysvětli příčinu jednou větou“ dělá skutečnou práci. Nutí model zavázat se k diagnóze, kterou můžete sanity-checknout, místo aby dodal opravu, jejíž logiku nikdy neuvidíte. Řádek „neskrývej to v try/catch“ uzavírá nejčastější únikovou cestu.

6. Refaktorizace: Změňte strukturu, zachovejte chování, ukažte diff

Refactor prompt tvrdě omezuje rozsah: změňte strukturu, zachovejte identické chování a ukažte diff. Bez ohraničení agenti „uklízejí“ věci, na které jste se neptali, a ztrácíte schopnost zkontrolovat změnu, na které záleželo.

Weak: Clean up this file.

Strong: Extract the validation logic from submitOrder() into a pure function
validateOrder(). Keep every public signature and all behavior identical.
Change nothing else in this file. Show me a before/after diff and one line
on why each change is behavior-preserving.

Toto je druhá strana mince rozdělení konfigurace versus prompt z dřívější části: vaše trvalá pravidla stylu žijí v pravidlech pro Cursor, ale rozsah této refaktorizace patří do promptu. „Neměň nic jiného“ je fráze, která udržuje refaktorizace recenzovatelné.

7. Revize: Kontrolní seznam k ověření plus důkazy

Review prompt předává agentovi kontrolní seznam k ověření a vyžaduje důkazy, nikoli verdikt. „Vypadá to dobře“ je bezcenné; příkaz, který spustil, a výstup, který dostal, nikoliv. Anthropic to říká jasně: nechte agenta ukázat důkazy (výstup testu, příkaz a jeho výsledek), spíše než tvrdit úspěch, protože čtení důkazů je rychlejší než jejich opětovné ověřování sami.

Weak: Review my PR.

Strong: Check this diff against exactly these five items:
1. No secrets or API keys added
2. Every new function has a test
3. No behavior change outside src/checkout/
4. Error paths return typed errors, not strings
5. No console.log left behind
For each item, quote the line that satisfies or violates it. Then run the
test suite and paste the output. Do not say "done"; show me.

Naše vlastní review gate je postavena přesně tímto způsobem. Než je agentovi dovoleno nahlásit příspěvek jako publikovaný, provede grep draftu proti seznamu zakázaných slov (tvrdý blok, nulová tolerance) a spustí dotaz, aby potvrdil, že tělo dokumentu není prázdné. Agent nesmí tvrdit úspěch; musí produkovat výstup kontroly. Pro role reviewerů, které hodně znovu používáte, povyšujte kontrolní seznam do uložené persony, což je místo, kde přicházejí na řadu příklady system promptů.

Claude Code vs. Cursor vs. Copilot: Kde se každý vzor nachází

Všichni tři hlavní agenti roku 2026 podporují každý výše uvedený vzor, ale povrch se liší. Claude Code se spoléhá na Plan Mode a subagenty, Cursor na Agent mode a jeho okno Agents a GitHub Copilot na agent mode plus instruction files. Vyberte si nástroj, ve kterém váš tým žije; vzory se čistě přenášejí.

Několik aktuálních detailů, které stojí za to znát. Plan Mode v Claude Code je skutečný zámek pouze pro čtení a jeho subagenty běží každý v izolovaném kontextu s vlastními nástroji (dokumentace k subagentům). Linie Cursoru pro rok 2026 přidala okno Agents, které spouští paralelní agenty, každý ve vlastním git worktree (Cursor 2.0). Agent mode GitHub Copilot čte vlastní instrukce z .github/copilot-instructions.md plus soubory .instructions.md scopené podle cesty s polem applyTo (vlastní instrukce Copilot). Pokud je Cursor vaším denním driverem, podívejte se na náš příspěvek o efektivnějším používání Cursoru.

Jak promptujeme naše kodovací agenty v Techsy

Provozujeme content pipeline jako tým 16 agentů Claude Code: researcher, writer briefů, content writer, devět překladatelů, validator a publisher, koordinovaní prostřednictvím task zpráv. Dvě konvence z tohoto systému se přenášejí do jakéhokoli kodovacího týmu.

Za prvé, každý task prompt končí smlouvou o výstupu. Poslední řádek je vždy nějaká verze „vaše závěrečná zpráva musí hlásit X, Y a Z.“ Agent, který zná přesný tvar stavu „hotovo“, bloudí mnohem méně než ten, kterému bylo řečeno jen, co má začít.

Za druhé, nikdy nenecháme agenta hodnotit vlastní domácí úkol v próze. Generování a ověřování jsou samostatné kroky a ověřování je příkaz s výstupem, nikoli názor. Toto oddělení buildu a checku je jádrem toho, jak Anthropic rámcuje budování spolehlivých agentů, a je to důvod, proč naše review gate provádí grep a dotazy, místo aby věřila tvrzení „vypadá to dobře“.

Toto je také naše denní práce. V Techsy budujeme AI agenty a automatizaci pro B2B týmy a prompt discipline jako tato je tím, co nejvíce odděluje demo od něčeho, co můžete předložit klientovi. Pokud chcete mít kodovací nebo agentní workflow nastaveno správně, naše služba AI integrace je místem, kde to přesně děláme, a můžete si rezervovat bezplatnou konzultaci a probrat svůj stack.

Šablona promptu ke kopírování, kterou můžete upravit

Zde je kostra, ze které vycházíme pro jakýkoli netriviální kodovací úkol. Smažte sekce, které nepotřebujete, ale zachovejte pořadí, protože odráží sedm vzorů.

GOAL
One sentence: what should be true when you're done.

CONTEXT
Read only: <exact files>. Ignore everything else.
Relevant facts: <constraints, versions, the bug's trigger>.

PLAN FIRST
Before editing, give me a numbered plan and wait for approval.

TESTS / DONE
Done means: <paste failing test or input->output rows>.
Don't change the tests.

CONSTRAINTS
Keep all public signatures and behavior identical unless stated.
Do not touch <files/areas>. Name any assumption you make.

OUTPUT
Show a before/after diff, run the tests, and paste the output.
Don't say "done"; show the evidence.

Uložte ji jako snippet, nebo lépe, rozdělte ji: trvalá omezení jdou do vašeho konfiguračního souboru a cíl, kontext a testy jdou do promptu. Toto rozdělení je celým pointou.

O autorovi

Mert Batur Gurbuz je spoluzakladatelem Techsy.io, kde tým dodává AI agenty, automatizační systémy a voice/SDR pipeline pro B2B klienty. Studuje na University of Birmingham a píše o LLM tooling stacku, který tým Techsy skutečně používá v produkci.

Kredence: Spoluzakladatel, Techsy.io, University of Birmingham. Spoňte se na LinkedIn.

Často kladené otázky

Co je prompt engineering pro kódování?

Prompt engineering pro kódování je praxe psaní instrukcí, které přimějí AI agenta produkovat správný, recenzovatelný kód. V praxi to znamená uvést cíl a definici „hotovo“, pojmenovat soubory v rozsahu, vynutit plán před úpravami, dodat testy a vyžadovat důkazy. Je to blíže psaní specifikace než psaní chytré věty.

Jak se to liší od psaní souboru CLAUDE.md nebo .cursor/rules?

Konfigurační soubory obsahují trvalou politiku, kterou agent čte při každé relaci: váš stack, konvence a příkaz pro testy. Prompt pro jednotlivý úkol je konkrétní práce, kterou mu právě teď zadáváte. Dejte trvalá pravidla do konfigurace a úkol do promptu. Vkládání celých task promptů do konfiguračního souboru nafukuje každou relaci a stále selhává v rámování individuálního úkolu.

Jaká je nejlepší struktura promptu pro AI kodovací agenty?

Používejte označené sekce místo jednoho odstavce: CÍL, KONTEXT, PLÁN, TESTY, OMEZENÍ a VÝSTUP. Agenty parsují strukturované prompty spolehlivěji než stěny textu. Uveďte kritéria úspěchu hned na začátku, dejte jeden až tři konkrétní příklady místo adjektiv a specifikujte přesný formát výstupu, který chcete zpět.

Jak napsat dobrý debugging prompt?

Dejte agentovi čtyři věci: přesnou chybu nebo stack trace, vstup, který ji reprodukuje, co jste očekávali, a žádost o kořenovou příčinu před jakoukoli opravou. Přidejte „vysvětli příčinu jednou větou před změnou čehokoli“, abyste mohli zkontrolovat diagnózu, a „neskrývej to v try/catch“, aby bug opravil, nikoli maskoval.

Měl bych zahrnout testy do svých kodovacích promptů?

Ano, kdykoli je to možné. Vložení failing testu nebo malé tabulky řádků vstup-výstup změní mlhavý požadavek na cíl, kterého se model skutečně může trefit, a výsledek můžete okamžitě spustit. Řekněte agentovi, aby testy prošly bez jejich úpravy, aby nemohl posunout laťku, aby jeho vlastní kód vypadal správně.

Fungují tyto prompty také v Cursor a GitHub Copilot?

Ano. Vzory jsou nezávislé na nástroji. Claude Code je vystavuje prostřednictvím Plan Mode a subagentů, Cursor prostřednictvím Agent mode a jeho okna Agents s worktree pro každého agenta a GitHub Copilot prostřednictvím agent mode plus .github/copilot-instructions.md. Povrch se mění; rámování úkolu, výběr kontextu, nejprve plán a revize založená na důkazech nikoli.

Jak dlouhý by měl být kodovací prompt?

Dostatečně dlouhý, aby byl specifikací, dostatečně krátký, aby zůstal zaměřený. Kvalita uvažování klesá, jak se kontext plní, takže upřednostňujte strukturu před objemem: označený prompt o 150–300 slovech se správnými soubory a testy porazí upovídaný. Vše, co platí pro každý úkol, přesuňte do svého konfiguračního souboru, místo abyste to opakovali.

Jak zastavit AI agenta, aby měnil kód, o který jsem nežádal?

Ohraničte rozsah v promptu. Řekněte přesně, které soubory může upravovat, přidejte „neměň nic jiného“ a vyžadujte „zachovej všechny veřejné signatury a chování identické, pokud neřeknu jinak“. Pro refaktorizace požádejte o diff před/po s jedním řádkem vysvětlujícím, proč je každá změna zachovávající chování, aby jakákoli nevyžádaná úprava byla v revizi zřejmá.

Stojí knihovny promptů ke kopírování za to?

Jako starting point, někdy. Jako hotový nástroj, zřídka. Knihovna 50 promptů vám dá formulace, ale nemůže znát vaše soubory, vaše testy nebo vaše omezení, což je místo, kde skutečně žije správnost. Naučte se vzory, mějte jednu přizpůsobitelnou šablonu a vyplňte specifika úkolu, který máte před sebou.