# Jak sprawić, by AI pisała energooszczędny kod?

> Jak formułować prompty dla narzędzi AI do kodowania, by uzyskać wydajny kod, dlaczego wydajny, ale błędny kod jest bezwartościowy i jak go testować i mierzyć.

Source: https://greenai.guide/pl/jak/jak-sprawic-by-ai-pisala-energooszczedny-kod/  
Updated: 2026-11-19

## W skrócie

Należy wprost poprosić o wydajny kod i nazwać ograniczenie, na przykład pamięć, alokacje lub złożoność algorytmiczną, a przed przyjęciem kodu uruchomić testy i zmierzyć jego zużycie energii. Badania wykazały, że zmiany w prompcie mogą uczynić wygenerowany kod nawet o 91,9% bardziej energooszczędnym, ale często kosztem poprawności. Warto dać asystentowi zasady energetyczne do przestrzegania, a wynik powinien sprawdzać człowiek.

## Steps

1. Poprosić o wydajny kod i nazwać istotne ograniczenie, na przykład pamięć lub liczbę zapytań do bazy danych.
2. Przekazać asystentowi pełny opis problemu, a nie skrócony.
3. Uruchomić zestaw testów na wszystkim, co wygeneruje.
4. Zmierzyć energię, a przynajmniej czas działania i zużycie pamięci, przed zmianą i po niej, na tym samym komputerze.
5. Dać asystentowi spisany zestaw zasad energetycznych lub antywzorców, według których ma sprawdzać kod.

**Należy wprost poprosić o wydajność, a potem ją sprawdzić.** Asystenci AI piszą kod, który przechodzi testy, ale
bywa rozrzutny: pętle z zapytaniami do bazy danych w środku, zbędne kopie, powtarzana praca.

## Co pokazują dane? {#what-does-the-evidence-show}

EnergyBench autorstwa Ionescu, Jensena i Thomsena ocenia kod napisany przez AI pod kątem zarówno poprawności, jak
i zużycia energii. Autorzy ustalili, że zmiana promptu może uczynić wygenerowany kod nawet o 91,9% bardziej
energooszczędnym, ale często kosztem dokładności. W niektórych przypadkach usunięcie połowy opisu problemu dawało kod
ponad cztery razy wydajniejszy, a poprawność spadała do zera. Kod wydajny, ale błędny, jest nic niewart.

## Jak formułować prompt? {#how-do-i-prompt-for-it}

- **Nazwać ograniczenie.** „Unikaj zapytania do bazy danych wewnątrz pętli”, „przetwarzaj plik strumieniowo zamiast
  wczytywać go do pamięci”, „zachowaj złożoność O(n log n)”.
- **Zachować pełną specyfikację.** Nie należy skracać opisu problemu, by oszczędzić tokeny; to właśnie wtedy znika
  poprawność.
- **Dać mu zasady.** Badacze GreenCode opublikowali GreenCode Constitution, zestaw zasad energetycznych i antywzorców,
  którymi może kierować się agent AI do kodowania: profilować kod, usuwać antywzorce według ich ważności, mierzyć
  ponownie i zachowywać tylko zmiany, które oszczędzają energię.

## Częste błędy {#common-mistakes}

- **Wiara w słowo „zoptymalizowany” w odpowiedzi.** Należy mierzyć na tym samym komputerze przy tym samym obciążeniu.
- **Utożsamianie szybszego z bardziej ekologicznym.** Prace GreenCode wykazały, że energia i szybkość mogą się
  rozchodzić; należy mierzyć jedno i drugie. Zob.
  [jak zmierzyć energię zużywaną przez AI na własnym komputerze](/pl/jak/jak-zmierzyc-ile-energii-zuzywa-ai-na-moim-komputerze-lub-gpu/).
- **Pomijanie przeglądu** wygenerowanego kodu, którego nie napisało się samodzielnie.

Metody pomiaru opisuje strona [jak mierzyć energię i emisje AI](/pl/dobre-praktyki/jak-mierzyc-zuzycie-energii-i-emisje-ai/).

## Źródła

- [EnergyBench: holistic benchmark for correct and energy-efficient LLM-generated code](https://doi.org/10.1109/flta67013.2025.11336593), Ionescu, Jensen and Thomsen, FLTA 2025 (2025)
- [GreenCode Constitution: agent principles for optimizing code and LLM inference energy use](https://greencode.ai/publications/greencode-constitution-agent-principles-for-optimizing-code-and-llm-inference-en/), Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
- [Web Sustainability Guidelines](https://www.w3.org/TR/web-sustainability-guidelines/), W3C (2025)
