CBT = Prompt Engineering

Q: Ez nem veszélyezteti az emberi kapcsolat egyediségét a terápiában?

Egyáltalán nem. A párhuzam a **struktúrára** vonatkozik, nem a tartalomra vagy az empatikus kapcsolatra. A CBT is tudományos struktúrával rendelkezik, de a sikere az empátián, a bizalmon és az emberi kapcsolaton alapul. A prompt engineeringből származó struktúrális tanulságok csak eszközökként szolgálnak a terapeuta számára, hogy hatékonyabb legyen a munka során, de soha nem helyettesítik az emberi együttérzést.

TL;DR

A CBT — kognitív viselkedésterápia — átkeretezési technikája és a prompt engineering struktúrája meglepően egyforma. Mindkettő a gondolkodás bemenetét formázza, hogy jobb kimenetet kapjon. A párhuzam nem véletlen — és sokat elmond arról, hogyan gondolkodunk a gondolkodásról. Ez a struktúrális egybeesés nem csupán technikai érdekesség; az emberi és a mesterséges intelligencia hatékonyságának közös alaptörvényére mutat rá. A cikk ezt a párhuzamot bontja ki, és megmutatja, hogy a terápia és a technológia hogyan tanulhat egymástól.

A terapeuta kérdése

Egy pszichológus ismerősöm meséli: a páciens bejön és azt mondja, „Semmi sem sikerül.” A terapeuta nem azt mondja, hogy „De igen.” Nem vitatkozik. Ehelyett átfogalmaz: „Mondjuk el újra úgy, hogy mit próbáltál a héten és mi lett az eredménye.”

A páciens újra elmeséli. Ugyanaz a történet — más keretben. És a más keretből más következtetés születik.

Aaron Beck — a CBT megalkotója — az 1960-as években felismerte: nem az esemény okozza a szenvedést, hanem az esemény értelmezése. Ha megváltoztatod az értelmezés struktúráját, megváltozik az élmény. Beck úttörő munkája a kognitív modellről szól: az események, a gondolatok, az érzelmek és a viselkedés összefüggő rendszere. A terapeuta célja nem a valóság megváltoztatása, hanem a páciens belső narratívájának, a gondolati kereteknek a finomhangolása.

Hatvan év múlva egy AI-mérnök Szilícium-völgyben ugyanezt csinálja. Csak nem pácienssel, hanem nyelvi modellel. A mérnök szembesül egy gyenge eredménnyel, és nem a modellt okolja első körben, hanem felteszi magának a kérdést: Hogyan fogalmazhatom át a kérést, hogy más, jobb kimenetet kapjak?

Hogyan kapcsolódik a CBT átkeretezése a prompt engineeringhez?

A CBT-ben: a páciens gondolata a bemenet. A terapeuta segít átkeretezni — más struktúrába tenni ugyanazt a tartalmat. Az új keret más kimenetet eredményez: más érzést, más viselkedést. Ez nem pozitív gondolkodásra való unszolás, hanem egy tudományos, strukturált folyamat, amelynek a célja a torzítások (pl. fekete-fehér gondolkodás, katasztrófaelképzelés) kijavítása. A terapeuta kérdései új kontextust, perspektívát vagy specifikus részleteket adnak a gondolathoz.

A prompt engineeringben: a feladat a bemenet. A mérnök segít átfogalmazni — más struktúrába tenni ugyanazt a kérést. Az új prompt más kimenetet eredményez: pontosabb, relevánsabb, használhatóbb választ. Ahogy a korpusz egyik forrása állítja: “Prompt engineering is the deliberate and systematic design of queries or directives that guide AI models… to generate targeted and actionable results.” (CORPUS – Unknown: 5.2.1 Defining Prompt Engineering). Ez a folyamat nem varázslat; a nyelvi modellek, mint a GPT család, a bemenetükben kapott kontextus alapján generálnak választ. Minél pontosabb, struktúráltabb és körültekintőbben felépített ez a kontextus, annál jobb a válasz.

A struktúra azonos: bemenet átkeretezése → jobb kimenet. Ez az alapegyenlet.

A corpus-adatainkban — 4600 könyv, másfél millió szövegrészlet — megtaláltuk Beck eredeti munkáját. A reranker 0.710-es relevanciával társította a prompt engineering irodalommal. Nem mi húztuk össze erőszakkal. A szövegek maguktól közelítettek egymáshoz. Ez a statisztikai egybeesés azt jelzi, hogy a két diszciplína nem metaforikus, hanem funkcionális szinten osztozik azonos alapelveken.

A strukturális párhuzam mélyebb vizsgálata

Ahhoz, hogy megértsük, miért működik ez a párhuzam, el kell mélyülnünk a gondolkodás operatív modelljében. Mind az emberi agy, mind egy nagy nyelvi modell (LLM) egy alapvetően prediktív rendszer. Információt dolgoz fel a rendelkezésre álló kontextus alapján, és a legvalószínűbb következtetést vagy választ állítja elő.

Az emberi kognícióban: A “Semmi sem sikerül” gondolat egy magas szintű absztrakció, egy összefoglaló narratíva. Ez a narratíva aktiválja negatív érzéseket és passzív viselkedést. A terapeuta kérdése (“Mondd el, mit próbáltál…”) a gondolatot visszavisz egy alacsonyabb absztrakciós szintre, a konkrét, megfigyelhető események és eredmények szintjére. Ez az átkeretezés lehetővé teszi, hogy a páciens új mintákat lásson, és a narratíva megváltozzon.
A nyelvi modellben: A “Írj egy blogbejegyzést a fenntarthatóságról” prompt egy magas szintű, tág kérés. A válasz lehet általános és közhelyes. Az átkeretezett prompt – “Írj egy 800 szós, gyakorlati tippeket tartalmazó blogbejegyzést kisvállalkozások számára, amelyek szeretnék csökkenteni műanyaghulladékaikat. Használj alpontokat és hivatkozz konkrét alternatívákkra.” – konkrétabb kontextust, szerepkört, formátumot és struktúrát ad. Ez a modellt egy keskenyebb, értékesebb predikciós útra vezeti.

A párhuzam itt nem a tartalomban, hanem a kontextus-kezelés stratégiájában rejlik. Mindkét esetben a cél a bemeneti információ optimalizálása ahhoz, hogy a rendszer (agy vagy AI) a lehető legjobb kimenetet generálja. Ahogy a korpusz írja: “Prompt engineering is part art and part science, where we need to consider multiple things—the context of the task at hand, the modality… and finally, the nuances of the model.” (CORPUS – Unknown).

Mit árul el rólunk ez a párhuzam? A keret, mint elsődleges erőforrás

A párhuzam nem technikai érdekesség. Mélyen emberi felismerés. Feltárja a tudat és a technológia egy alapvető közös pontját.

Ha a gondolkodás javítása — legyen szó emberről vagy gépről — a bemenet struktúrájának megváltoztatásával történik, akkor a gondolkodás minősége nem a tartalomtól függ. Hanem a kerettől. Nem az számít, mit gondolsz. Hanem hogyan gondolod.

Ez egy radikális elmozdulás a hagyományos szemlélettől. Általában azt hisszük, hogy a válaszok minősége a belső “intelligenciától” (akár IQ, akár modell paraméterszáma) vagy a rendelkezésre álló “tényanyagtól” függ. A CBT és a prompt engineering együtt azt mutatja, hogy ezek az erőforrások csupán nyersanyagok. A tényleges értékteremtés a keretek tervezésén múlik – azon a mentális vagy digitális struktúrán, amelybe ezeket az anyagokat helyezzük. Egy zseniális fizikus is értelmetlen válaszokat adhat, ha a kérdés rosszul felállított. Egy hatalmas nyelvi modell is közhelyes szöveget generál, ha a prompt nem vezérel.

A CBT ezt hatvan éve tudja. A prompt engineering három éve fedezi fel. De senki nem kötötte össze a kettőt — mert a pszichoterápia és a számítástudomány két külön világ. Ez a szakítás mesterséges. Mindkettő az információfeldolgozás tudománya.

Miért működik? A kontextus, mint működő memória

Az analógia még mélyebbre ás, ha a memória működését vizsgáljuk. Az emberi agyban az emlékek nem statikus felvételek; inkább rekonstrukciók, amelyek erősen függnek a felkérdezés aktuális kontextusától. Egy terapeuta kérdése új kontextust hoz létre, amely lehetővé teszi a múltbeli események más megvilágításban történő “újra-emlékezését”.

Hasonlóképpen, a modern transzformer-alapú nyelvi modelleknek nincs állandó memóriájuk; a kontextusablak a működő memóriájuk. Minden információ, amit felhasználnak a válasz generálásához, a promptban kell, hogy benne legyen. A prompt engineering lényegében a modell működő memóriájának optimalizálása. A “prompt chaining” (láncolt promptok) technikája például egyenesen párhuzamba állítható a terápiás folyamattal: ahogy a terapeuta egy lépésről a másikra vezet, úgy a mérnök is egy bonyolult feladatot kisebb, egymásra épülő promptokra bont, minden lépésben új kontextust adva. “These advanced prompt engineering techniques, like prompt chaining, proved to be the first step toward enabling complex reasoning with generative models.” (CORPUS – Unknown).

Az operatív felismerés: A kerettervezés mint alapvető készség

Ha a prompt engineering = kognitív átkeretezés, akkor:

Aki jó promptokat ír, az valójában gondolkodási kereteket tervez. Nem csak szavakat ír le; olyan mentális tereket konstruál, amelyeken belül a modellnek gondolkodnia kell. Ez a tervezés magában foglalja a szerepkör definiálását (“Tégy úgy, mint egy tapasztalt marketinges”), a formátum meghatározását (“Adj listát…”) és a logikai lépések előírását (“Először ismertesd a problémát, majd…”).
A prompt minősége nem a szóválasztástól függ, hanem a struktúrától. Lehet szépen megfogalmazott, de homályos prompt, és kapunk közhelyes választ. Lehet tömör, de precíz és jól strukturált prompt, és kapunk kiválót. A korpusz hangsúlyozza: “There is no default or universal formula for prompts.” (CORPUS – Unknown). A hatékonyság a feladat kontextusához igazodó, egyedi struktúra kialakításától függ.
A legjobb prompt-mérnökök valószínűleg jó terapeuták lennének — és fordítva. Mindkét szakma követeli az aktív hallgatást (a modell vagy a páciens válaszának figyelését), a hipotézis-készítést (mi változtathat a kimeneten?), az iterációt (próbáljuk újra másképp) és a meta-gondolkodást (gondolkodás a gondolkodás módjáról).

Ez nem metafora. Ez struktúra-azonosság.

Hogyan alkalmazhatod ezt a tudást gyakorlatban? Kétirányú transzfer

1. A CBT-ből a Prompt Engineeringbe:

A “kooperatív szecesszió” kerete: A CBT egyik alapelve, hogy a terapeuta nem az ellenfele a páciens torz gondolatainak, hanem együtt kutatják meg azokat. Prompt mérnökként ne a modellt “javítsd”, hanem kooperálj vele. A promptod ne legyen parancs, hanem együttműködésre való felhívás, amely lehetővé teszi a modell számára, hogy a legjobb tudása szerint működjön.
Konkrétumokra fókuszálás: Ahogy a terapeuta a “semmi” helyett a konkrét eseményekre kérdez rá, te is kerüld az absztrakt fogalmakat. “Írj kreatív ötletet” helyett: “Generálj 5 konkrét, 10 percen belül végrehajtható csapatépítő játék ötletet irodai környezetben.”
Vizsgáld meg a bizonyítékokat: A CBT-ben a pácienst arra ösztönzik, hogy tesztelje a negatív gondolatát. Promptban ezt úgy alkalmazhatod, hogy megkérded a modellt: “Milyen ellenérveket lehetne felhozni a következő állítással szemben?” Ez a megközelítés mélyebb, kritikus gondolkodást ösztönöz.

2. A Prompt Engineeringből a személyes CBT-be:

Saját gondolataid “promptolása”: Amikor egy negatív vagy produktivitást gátló gondolat fog el, kérdezd meg magadtól: “Hogyan fogalmaznám át ezt a gondolatot úgy, hogy konstruktív cselekvésre ösztönözzön?” Például: “Ez túl nehéz” → “Melyik része a legkevésbé ismert, és hogyan tájékozódhatok róla?”
Struktúra alkalmazása a célokhoz: Ahogy egy jól strukturált prompt jobb választ ad, egy jól strukturált belső monológ jobb döntéshez vezet. A vágytalan “Fogynom kell” helyett próbáld meg a prompt-ot: “Tervezz egy hétre szóló, reális étkezési tervet, amely 3 főétkezést és 2 uzsonnát tartalmaz, alapanyagokkal, amik most a hűtőmben vannak.”
Iteratív finomhangolás: Egyetlen prompt sem tökéletes elsőre. A jó prompt mérnök iterál. Ezt alkalmazd a saját gondolkodásodra is. Ha egy gondolat nem vezet jó eredményre, ne ragadj le benne, hanem fogalmazd át, próbáld újra – pont mint a terápiában.

Key Takeaways

A CBT átkeretezése és a prompt engineering struktúrája azonos: bemenet formázása → jobb kimenet. Ez egy alapvető információfeldolgozási elv.
A gondolkodás minősége nem a tartalomtól (a “mit”) elsősorban függ, hanem a kerettől (a “hogyan”). A struktúra az elsődleges erőforrás.
A párhuzam nem szándékos — a szövegek maguktól közelítenek, 4600 könyvből. Ez azt jelzi, hogy az alapvető minták azonosak.
Aki jó promptot ír, az gondolkodási kereteket tervez — nem szavakat választ. Ez egy tervezői, architektusi készség.
A transzfer kétirányú: a pszichológiai technikák javíthatják az AI-kommunikációt, az AI-promptolás szemlélete pedig strukturáltabbá teheti a saját belső párbeszédünket.

Gyakran Ismételt Kérdések

Hogyan kapcsolódik a CBT a prompt engineeringhez?

A CBT (kognitív viselkedésterápia) lényege: változtasd meg a gondolat bemenetet, és változik a kimenet. A prompt engineering pontosan ugyanezt csinálja: a bemenet (prompt) minősége határozza meg az AI válasz minőségét. Mindkettő a kontextus optimalizálásán, a torzítások korrigálásán és a struktúra tervezésén alapul, hogy pontosabb, hasznosabb eredményt kapjunk – legyen az egy érzelmi állapot vagy egy szöveges válasz.

Mit tanulhat a prompt engineer a terápiából?

A legfontosabb tanulság: a pontatlan kérdés pontatlan választ szül — mind az emberi agyban, mind az AI-ban. A CBT technikák (újrakeretezés, specifikusság, kontextus-adás, a “bizonyítékok” vizsgálata) közvetlenül alkalmazhatók a prompt írásban. Megtanulhatod, hogyan kérdezz kooperatívan, hogyan bontsd le a komplex feladatokat, és hogyan alkoss olyan mentális teret a promptoddal, amely lehetővé teszi a pontosabb “gondolkodást”.

És fordítva: mit tanulhat egy terapeuta a prompt engineeringből?

A prompt engineering szisztematikus, iteratív megközelítése felhívhatja a figyelmet a saját terápiás kérdéseik és intervencióik struktúrájára. Azt tanulhatják meg, hogy a kontextus pontos, lépésenkénti felépítése (mint a prompt chaining) hogyan vezethet mélyebb megértéshez. Emellett a meta-gondolkodás, a “hogyan kérdezzünk” tudatos gyakorlása mindkét területen kulcsfontosságú.

Ez nem veszélyezteti az emberi kapcsolat egyediségét a terápiában?

Egyáltalán nem. A párhuzam a struktúrára vonatkozik, nem a tartalomra vagy az empatikus kapcsolatra. A CBT is tudományos struktúrával rendelkezik, de a sikere az empátián, a bizalmon és az emberi kapcsolaton alapul. A prompt engineeringből származó struktúrális tanulságok csak eszközökként szolgálnak a terapeuta számára, hogy hatékonyabb legyen a munka során, de soha nem helyettesítik az emberi együttérzést.

Kapcsolódó gondolatok

Varga Zoltán - LinkedIn
Neural • Knowledge Systems Architect | Enterprise RAG architect
PKM • AI Ecosystems | Neural Awareness • Consciousness & Leadership
You are not the user. You are the prompt.