Prompt engineering dla architektów: framework RTF vs RAG w praktyce
- Jowita Chmura
- AI w architekturze , Prompt engineering
- 04 Mins read
W 2026 roku podstawą profesjonalnej pracy z AI nie jest już samo „zadawanie pytań”. Kluczową umiejętnością staje się prompt engineering, czyli sposób budowania precyzyjnych instrukcji dla modeli AI.
Prompt engineering to sposób projektowania i optymalizacji instrukcji dla modeli AI w celu uzyskania bardziej trafnych, precyzyjnych i użytecznych odpowiedzi.
Źródło: OpenAI Help Center
To właśnie jakość promptu najczęściej decyduje o tym, czy AI:
- wygeneruje ogólną i mało użyteczną odpowiedź,
- czy stanie się realnym wsparciem w procesie projektowym.
Dla architektów ma to szczególne znaczenie. Praca projektowa wymaga kontekstu, lokalnych przepisów, źródeł, standardów biura oraz odpowiedzialności zawodowej. Dlatego dobry prompt nie jest dodatkiem. Jest częścią profesjonalnego workflow.
RTF vs RAG: jaka jest różnica?
RTF i RAG rozwiązują dwa różne problemy podczas pracy z AI.
RTF (Role -> Task -> Format) to framework prompt engineeringu, który pomaga lepiej „rozmawiać” z modelem AI. Określasz w nim:
- kim AI ma być,
- jakie zadanie ma wykonać,
- oraz w jakim formacie ma odpowiedzieć.
Dzięki temu AI otrzymuje jasny kontekst i generuje bardziej trafne oraz uporządkowane odpowiedzi.
RAG (Retrieval-Augmented Generation) działa inaczej. Zamiast polegać wyłącznie na wiedzy modelu, AI najpierw przeszukuje Twoje dokumenty, np. MPZP, Warunki Techniczne, PFU czy dokumentację projektową, a dopiero później generuje odpowiedź.
Najprościej mówiąc:
- RTF pomaga AI lepiej zrozumieć pytanie,
- a RAG dostarcza AI właściwe źródła wiedzy.
To właśnie połączenie dobrego promptu i pracy na własnej dokumentacji sprawia, że AI zaczyna działać jak realny asystent architekta, a nie przypadkowy chatbot z internetu.
| Cecha | RTF (Prompt Engineering) | RAG (Retrieval) |
|---|---|---|
| Główny cel | Styl, ton i struktura wypowiedzi. | Precyzja merytoryczna i aktualne dane. |
| Gdzie leży zmiana? | W samym pytaniu (input). | W bazie danych, do której AI ma dostęp. |
| Analogia | Jak asystent ma do Ciebie mówić. | Jakie książki asystent ma na biurku. |
RTF = Role -> Task -> Format
Jednym z najskuteczniejszych frameworków pracy z AI dla architektów jest RTF: Role, Task, Format.
To prosty model, który znacząco ogranicza halucynacje AI, poprawia trafność odpowiedzi oraz pozwala uzyskać bardziej profesjonalne rezultaty.
Słaby prompt
„Jakie są wymagania dla schodów?”
Taki prompt nie zawiera:
- kontekstu,
- rodzaju budynku,
- kraju,
- aktualnych przepisów,
- ani oczekiwanego formatu odpowiedzi.
W efekcie AI zaczyna zgadywać.
Profesjonalny prompt oparty o framework RTF
[ROLE]
Działaj jako ekspert ds. polskiego prawa budowlanego i rzeczoznawca ppoż.[TASK]
Na podstawie Warunków Technicznych (stan na 2026 rok) podaj wymagania dla schodów ewakuacyjnych w budynku biurowym ZL III powyżej 12 m.[FORMAT]
Przygotuj odpowiedź w formie tabeli zawierającej:
- szerokość schodów,
- wysokość stopnia,
- wymagane materiały,
- odporność ogniową,
- wymagania ewakuacyjne.
Więcej przykładów znajdziesz w sekcji promptów: quickarchviz.com/pl/knowledge-hub/prompts.
Dlaczego framework RTF działa?
ROLE: zawężenie kontekstu
Rola działa jak filtr dla modelu AI. Pomaga ograniczyć halucynacje i kieruje model w stronę konkretnej specjalizacji, np. prawa budowlanego, urbanistyki czy przepisów przeciwpożarowych.
TASK: precyzyjne zdefiniowanie problemu
Im bardziej precyzyjne zadanie, tym większa szansa na poprawną odpowiedź. Dobrze opisany task eliminuje niejednoznaczność i zmniejsza ryzyko błędnych interpretacji.
FORMAT: uporządkowanie odpowiedzi
Określenie formatu odpowiedzi:
- oszczędza czas,
- poprawia czytelność,
- oraz wymusza bardziej uporządkowane i praktyczne rezultaty.
To właśnie tutaj pojawia się różnica między AI używanym jak ciekawostka technologiczna, a AI działającym jako profesjonalne narzędzie wspierające architekta w codziennej pracy projektowej.
Dobrze przygotowany prompt potrafi zmienić AI z generatora przypadkowych odpowiedzi w system, który realnie wspiera analizę dokumentacji, interpretację przepisów oraz organizację wiedzy projektowej całego biura.
RAG i NotebookLM: AI pracujące na Twoich dokumentach
Sam prompt nie zawsze wystarczy. Jeśli pytasz AI o MPZP, Warunki Techniczne, PFU albo dokumentację projektową, model powinien pracować na konkretnych źródłach.
Tu pojawia się RAG, czyli Retrieval-Augmented Generation.
W standardowym modelu AI model odpowiada na podstawie swojej pamięci treningowej.
W NotebookLM model:
- najpierw analizuje Twoje dokumenty,
- wyszukuje informacje w dostarczonych materiałach,
- a dopiero później generuje odpowiedź.
Dzięki temu AI przestaje działać jak „generator odpowiedzi z internetu”, a zaczyna przypominać asystenta pracującego bezpośrednio na dokumentacji projektowej biura.
Jakie dokumenty można wrzucić do NotebookLM?
Architekci mogą budować własne bazy wiedzy AI oparte np. na:
- MPZP,
- Warunkach Technicznych,
- PFU,
- normach budowlanych,
- ekspertyzach,
- dokumentacji projektowej,
- specyfikacjach technicznych,
- wytycznych inwestora,
- standardach biura projektowego,
- oraz wcześniejszych projektach.
Im lepiej przygotowana baza wiedzy, tym bardziej użyteczne staje się AI.
Dlaczego NotebookLM zmniejsza ryzyko halucynacji?
NotebookLM nie opiera odpowiedzi wyłącznie na ogólnych danych treningowych czy przypadkowych informacjach z internetu.
Model pracuje przede wszystkim na Twoich dokumentach, Twoich standardach oraz Twoim kontekście projektowym. To znacząco ogranicza halucynacje i poprawia trafność odpowiedzi.
W praktyce oznacza to, że architekt może szybciej przejść od pytania do sprawdzalnego fragmentu dokumentacji. To nadal wymaga weryfikacji, ale skraca czas researchu i zmniejsza ryzyko pracy na niepewnych informacjach.
Co AI realnie zmienia w biurach architektonicznych?
AI już dziś pozwala:
- skrócić analizę dokumentacji z kilku godzin do kilku minut,
- szybciej analizować MPZP,
- tworzyć checklisty projektowe,
- automatycznie porównywać przepisy,
- budować bazy wiedzy biura,
- wspierać juniorów,
- oraz ograniczać liczbę błędów projektowych.
Największa zmiana nie polega jednak na samej szybkości. Chodzi o to, że wiedza projektowa przestaje być rozproszona między PDF-ami, mailami, notatkami i pamięcią zespołu. Zaczyna być dostępna w bardziej uporządkowanym workflow.
Jak łączyć RTF i RAG w praktyce?
RTF i RAG nie są alternatywami. Najlepiej działają razem.
| Podejście | Do czego służy | Przykład w pracy architekta |
|---|---|---|
| RTF | Porządkuje instrukcję dla modelu | „Działaj jako ekspert prawa budowlanego, przeanalizuj wymagania i podaj odpowiedź w tabeli” |
| RAG | Dostarcza modelowi źródła | MPZP, Warunki Techniczne, PFU, dokumentacja projektu |
| RTF + RAG | Łączy precyzyjne polecenie z pracą na dokumentach | Analiza konkretnej działki na podstawie przesłanych dokumentów |
Jeśli używasz tylko promptu, AI nadal może zgadywać. Jeśli używasz tylko dokumentów bez dobrego polecenia, odpowiedź może być chaotyczna. Profesjonalny workflow łączy jedno i drugie.
Podsumowanie: jak architekci powinni korzystać z AI w 2026 roku
Profesjonalne wykorzystanie AI w architekturze nie polega już na zadawaniu przypadkowych pytań chatbotowi. Kluczem staje się połączenie prompt engineeringu, frameworków takich jak RTF oraz systemów RAG i Google NotebookLM pracujących bezpośrednio na dokumentacji projektowej.
To właśnie kontekst decyduje dziś o jakości odpowiedzi generowanych przez AI. Dobrze przygotowany prompt oraz własna baza wiedzy pozwalają ograniczyć halucynacje AI, poprawić trafność analiz i zmienić model z prostego generatora odpowiedzi w realnego asystenta projektowego.
Nowoczesne biura architektoniczne coraz częściej wykorzystują AI do:
- analizy MPZP i Warunków Technicznych,
- interpretacji przepisów budowlanych,
- organizacji wiedzy projektowej,
- tworzenia checklist projektowych,
- oraz automatyzacji researchu i analizy dokumentacji.
AI nie zastępuje architekta. Pomaga natomiast szybciej analizować informacje, ograniczać błędy i lepiej zarządzać wiedzą całego biura projektowego.
I właśnie tutaj znajduje się prawdziwy potencjał AI w architekturze: nie w generowaniu przypadkowych odpowiedzi, ale w budowaniu inteligentnych workflow wspierających codzienną pracę projektową.
