Dlaczego „Poleć mi jakiś strój” zawsze rozczarowuje

Dlaczego „Poleć mi jakiś strój” zawsze rozczarowuje — jak właściwie pytać AI o modę

„Poleć mi jakiś strój”. Gdy zadajesz takie pytanie, AI zazwyczaj udziela bardzo zachowawczej odpowiedzi. Zachowawcza oznacza dobra dla każdego, a to z kolei znaczy, że nie pasuje idealnie do Ciebie. Problem nie leży w modelu, lecz w pytaniu.

Puste pytanie rodzi nijaką odpowiedź

Co by się stało, gdyby zapytać prawdziwego stylistę: „W co mam się ubrać?”. Taka osoba nie odpowie od razu. Zada pytanie zwrotne: „A dokąd się wybierasz?”.

Badania nad konwersacyjnymi systemami rekomendacji wielokrotnie wskazują dokładnie na ten punkt. Komunikaty użytkowników trafiają do systemu w stanie niedookreślonym (underspecified), a jedną z kluczowych umiejętności AI powinno być dopytywanie o brakujące szczegóły. Rolą systemu jest pomóc użytkownikowi w doprecyzowaniu intencji podczas dalszej rozmowy.

Problem polega na tym, że wiele aplikacji nie zadaje pytań pomocniczych, tylko od razu generuje odpowiedź. Przy braku informacji tworzy uśredniony, generyczny zestaw. A my, patrząc na ten wynik, dochodzimy do wniosku: „To AI jest do niczego”.

Czym więc należy uzupełnić prompt?

Anatomia dobrego promptu

Badania nad rekomendacjami modowymi pokazują, że kluczowe znaczenie mają konkretne atrybuty (takie jak materiał i fason), informacje wizualne oddające formę i klimat oraz bazowa paleta barw. Nie jest to uniwersalna reguła dla każdej usługi, ale stanowi świetną, praktyczną checklistę do precyzowania zapytań.

Przekładając język naukowy na codzienną praktykę, otrzymujemy cztery elementy:

Po pierwsze: Okazja. Kiedy, gdzie i z kim. „Jutro rano” a „sobota wieczorem” wymagają zupełnie innych ubrań.

Po drugie: Sylwetka i baza. Wokół czego budujesz stylizację. Wystarczy jedno zdanie: „Baza: granatowe cygaretki”, aby zawęzić wybór o połowę.

Po trzecie: Paleta kolorów. Nie musisz wymieniać wszystkich barw. Często wystarczy wskazać jeden kolor, którego chcesz uniknąć. Na przykład: „Bez bieli i czerni”.

Po czwarte: Styl i klimat. Jak chcesz wyglądać. „Z klasą i spokojem”, „na luzie, ale z dbałością o detale”. Bez tego wynik będzie mdły i nijaki.

Uwzględniając te cztery punkty, nawet w dwóch zdaniach stworzysz precyzyjny prompt. Z kolei pominięcie niezbędnego kontekstu sprawi, że odpowiedź najpewniej okaże się przeciętna.

Czasami jednak nawet najlepiej napisany prompt nie przyniesie efektu.

Zanim napiszesz prompt: zadbaj o dane

AI widzi wyłącznie te ubrania, które zostały dodane do Twojej Szafy.

Jeśli w aplikacji masz tylko połowę swoich ubrań, nawet przy najlepszym prompcie otrzymasz propozycję opartą na połowie możliwości. Nawet jeśli idealny element garderoby wisi w Twojej szafie, AI nie ma pojęcia o jego istnieniu.

Jeszcze większy problem pojawia się przy błędnych tagach. Gdy sweter zostanie oznaczony jako „żakiet”, świetny prompt wygeneruje precyzyjnie błędną odpowiedź. To gorsza sytuacja niż błądzenie po omacku bez żadnych informacji.

Kolejność działań ma znaczenie: najpierw uzupełnij zawartość szafy, zweryfikuj przypisane tagi, a dopiero potem dopracuj treść promptu. Jeśli odwrócisz tę kolejność, nawet najlepiej sformułowane pytanie nie da dobrych rezultatów.

Kiedy wszystko jest gotowe, czas ułożyć odpowiednie zdania.

4 gotowe prompty do skopiowania

Oto szablony przygotowane na różne okazje, gotowe do natychmiastowego użycia. Wystarczy podmienić nazwy ubrań na własny Przedmiot.

Do pracy

Jutro rano spotkanie zespołu, po południu spotkanie zewnętrzne. Styl business casual.
Baza: granatowe cygaretki, żakiet obowiązkowy. Stonowana kolorystyka.

W podróż

Rzym w marcu, w dzień 18°C, w nocy 9°C. W planie wizyta w dwóch bazylikach (zasłonięte ramiona i kolana).
Pakowanie do jednej walizki podręcznej, zestaw na 5 dni.

Na wesele jako gość

Sobota wieczór, wesele w lokalu. Bez bieli i czerni.
Długość za kolano, dopasuj strój do moich beżowych szpilek.

Na randkę

Piątkowy wieczór, casualowy wine bar. Niewiele chodzenia.
Na luzie, ale z klasą. Stylizacja zbudowana wokół mojej skórzanej ramoneski.

Każdy z tych przykładów to zaledwie dwa lub trzy zdania, a zawiera wszystko: Okazję, bazę sylwetki, kolory i pożądany nastrój.

Wystarczy jedno dodatkowe zdanie, by zmienić wszystko

Możesz pójść o krok dalej.

Gdy otrzymasz propozycję, zapytaj: „Dlaczego wybór padł akurat na ten zestaw?”. Odpowiedź wskaże, o czym zapomniano wspomnieć. Jeśli AI odpowie: „Dopasowałem strój do jesiennej aury”, oznacza to, że nie podano pory roku, a system musiał zgadywać. Jeśli w kolejnym zapytaniu sprecyzujesz ten detal, wynik będzie znacznie trafniejszy.

A gdy stylizacja nie do końca Ci odpowiada, dodaj warunek wykluczający. „Pomiń zestaw z zeszłego tygodnia”, „Na górę cokolwiek poza swetrem”. Wykluczanie elementów znacznie częściej otwiera drogę do świeżych, nieoczywistych połączeń niż ciągłe dodawanie nowych wymagań.

W funkcji Stylizacja AI w Acloset wklej powyższe szablony i po prostu zmień nazwy ubrań. Udane propozycje zapisz jako Strój, a w kolejnych zapytaniach dodawaj preferencje lub wykluczenia.

To nie tak, że sztuczna inteligencja nas nie rozumie. Po prostu nie daliśmy jej wystarczająco dużo wskazówek.

❓ Najczęstsze pytania

P: Czy im dłuższy prompt, tym lepszy efekt?
O: Liczy się kontekst, a nie długość tekstu. Okazja, sylwetka, kolor i styl to praktyczna checklista — często wystarczą dwa konkretne zdania zawierające te elementy.

P: AI ciągle proponuje mi podobne stylizacje. Co zrobić?
O: Dodaj warunek wykluczający. Komendy typu „Pomiń zestaw z zeszłego tygodnia” lub „Bez tego koloru” często pozwalają odkryć zupełnie nowe kombinacje.

P: Jak najlepiej formułować zapytania do Stylizacji AI w Acloset?
O: Skopiuj szablony z tego artykułu i zmień tylko nazwy swoich ubrań. Zapisz najlepszy wynik jako Strój, a przy następnej okazji doprecyzuj wykluczenia lub własne preferencje.

Źródła i materiały:

ACM Computing Surveys, "A Survey on Conversational Recommender Systems"
ACM Transactions on Intelligent Systems and Technology, "Analysing Utterances in LLM-Based User Simulation for Conversational Search"
Fashion and Textiles (Springer), "LLM-generated content-based explanations for user experience in fashion recommender systems"

Materiał przygotowany przez zespół Acloset Magazine.

Dlaczego „Poleć mi jakiś strój” zawsze rozczarowuje — jak właściwie pytać AI o modę