Skip to content
TheChatArchiveThe Chat Archive
o3-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

co zrobic by uzyskac jak najwyzsza jakosc odpowiedzi ai, gdy nie moge miec prawdziwych…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Googlegemma-3n-e4b-it’s answer.
  1. User

    co zrobic by uzyskac jak najwyzsza jakosc odpowiedzi ai, gdy nie moge miec prawdziwych naglowkow? mam kod ktory pobiera tekst z dokumentu google docs i wysyla go do ai. moj tekst zawiera naglowki, ale metoda getbody() sprawia, ze naglowki sa usuwane.

  2. Assistant

    Dlaczego nagłówki znikają?

    getBody().getText() zwraca surowy ciąg znaków – a więc tylko to, co znajduje się “w treści” akapitów. Informacja o stylu (HEADINGS, BOLD, ITALIC …) jest zachowana w obiekcie Paragraph/Element, ale przepada w momencie, gdy wołamy getText().


    Jak zachować (lub odtworzyć) strukturę dokumentu

    Poniżej kilka sposobów – od najprostszych do najbardziej zaawansowanych – dzięki którym możesz wysłać do modelu LLM tekst z nagłówkami, a tym samym znacząco poprawić jakość odpowiedzi.

    PoziomPomysłPlusyMinusy
    1Dodać ręczne znaczniki w dokumencie (np. ### Nagłówek)Ekspresowo, brak koduManualne, łatwo o literówki
    2Iterować po paragrafach w Apps Script i zamieniać style HEADINGS na prefiks Markdown #, ##, ### …100 % automatyczne, szybkieTrzeba napisać kilka linijek kodu
    3Użyć zaawansowanego Docs API (documents.get) – tam style są w JSONPełna kontrola: listy, tabele, linki, styleTrochę więcej konfiguracji (OAuth + Scopes)
    4Zamiast plain-text przesyłać do LLM JSON/Markdown zachowujący strukturę (prompt engineering)Bardzo dobre wyniki modeliWiększy prompt = więcej tokenów

    2. Przykładowy skrypt Apps Script (wariant “Markdown z nagłówkami”)

    function exportDocWithHeadings(docId) {
      const doc   = DocumentApp.openById(docId);
      const body  = doc.getBody();
      const paras = body.getParagraphs();
    
      let out = "";
    
      paras.forEach(p => {
        const headingType = p.getHeading();        // np. HEADING1, NORMAL
        const text        = p.getText();
    
        if (headingType !== DocumentApp.ParagraphHeading.NORMAL) {
          const level = getHeadingLevel(headingType);   // HEADING1 → 1, HEADING2 → 2 …
          out += "#".repeat(level) + " " + text + "\n\n";
        } else {
          out += text + "\n";
        }
      });
    
      // Teraz `out` to gotowy Markdown / prompt
      Logger.log(out);
    
      // (opcjonalnie) wyślij dalej → fetch / UrlFetchApp / OpenAI
    }
    
    function getHeadingLevel(h) {
      return {
         "HEADING1":1, "HEADING2":2, "HEADING3":3,
         "HEADING4":4, "HEADING5":5, "HEADING6":6
      }[h] || 0;
    }
    

    Rezultat:

    # Tytuł dokumentu
    
    ## Podrozdział
    
    Treść akapitu…
    
    ### Niższy poziom
    
    Kolejna treść…
    

    Model GPT otrzymuje jasne znaczniki # → rozumie strukturę i generuje bardziej trafne odpowiedzi.


    3. Jeśli potrzebujesz bardziej szczegółowych danych (Docs REST API)

    1. Włącz w projekcie “Advanced Google Services” → Google Docs API.
    2. Autoryzuj z zakresem: https://www.googleapis.com/auth/documents.readonly.
    3. Pobierz cały dokument:
    function fetchRawDoc(docId) {
      const doc = Docs.Documents.get(docId, { fields: '*' });
      const content = JSON.stringify(doc, null, 2);
      // Tutaj analizujesz doc.body.content → paragraph → paragraphStyle.namedStyleType
    }
    

    Dostajesz pełny JSON, w tym style nagłówków (HEADING_1…), listy (bullet), tabele itd.


    4. „Prompt engineering” – jak to przekuć na lepsze odpowiedzi AI

    1. Używaj jasnych separatorów sekcji, np.:
    === SEKCJA: Pytanie Użytkownika ===
    ...
    === SEKCJA: Kontekst ===
    ...
    
    1. Dodaj metainstrukcję na początku promptu:
    System: Jesteś ekspertem technologicznym…
    User: <tu wklejasz dokument z nagłówkami Markdown>
    
    1. Jeśli tokeny Cię nie ograniczają, dołącz „spis treści”:
    <toc>
    1. Wstęp
    2. Architektura
    3. API
    </toc>
    
    1. Precyzyjnie poproś model o rezultat, np.:
    Proszę odpowiedz na podstawie powyższego dokumentu. 
    Zachowaj strukturę:
    - Streszczenie (max 3 zdania)
    - Lista najważniejszych punktów (bullet list)
    - Rekomendacje (nagłówki H3)
    

    5. Szybkie FAQ

    • Dlaczego w ogóle warto zachowywać nagłówki?
    → Large Language Models potrafią lepiej „rozumieć” kontekst sekcyjny. Znika ryzyko pomieszania wątków.

    • Czy można w Apps Scriptie pobrać styl w trakcie getText()?
    → Nie, ta metoda zwraca czysty tekst. Trzeba iterować po elementach.

    • Czy nagłówki w Google Docs = “Styles” w Wordzie?
    → Tak – Heading 1, Heading 2 itd. – w JSON jest to HEADING_1, HEADING_2…


    TL;DR

    1. Nie używaj getBody().getText(), tylko przejdź po paragrafach i sprawdzaj getHeading().
    2. Zamień nagłówki na łatwo rozpoznawalny format – np. Markdown (#, ##).
    3. Przekazując dokument do AI, trzymaj strukturę i dodaj wyraźne instrukcje (prompt design).
    4. Jeśli potrzebujesz pełnej informacji o stylach, użyj Google Docs API zamiast samego Apps Script.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.