Prompts – LUMA

ADVERSE MEDIA Iteration: 1 Cost: $0.013930 In: 25103 tok Out: 3608 tok 2026-05-24T22:53:46

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**LUMA**
Kontekst pomocniczy: LUMA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, LUMA,  (Dane: NIP: 6711843629, KRS: 0000849749, industry: 5610A - RESTAURACJE I INNE STAŁE PLACÓWKI GASTRONOMICZNE, country: PL, description: REJESTR PRZEDSIĘBIORCÓW, city: Warszawa)

Dla każdego etapu postępuj zgodnie z regułami:
- Match entity names EXACTLY as provided.
- Do NOT return phonetic, similar, or misspelled names.
- Do NOT infer alternative spellings.
- Do NOT normalize or autocorrect names.
- If no exact match exists, return an empty result.
- Do NOT suggest similar entities.
- Use Kontekst pomocniczy to validate reasult.
- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko "Kontekst pomocniczy"
- Gdy rozpoznasz, ze artykuł opowiada fikcyjną historię, nie zwracaj jej jako znalezisko.

Chcę mieć:
ETAPY:
Szukaj adverse media dla LUMA w kategorii: "Negatywne doniesienia medialne

Uwzględniaj tylko informacje dotyczące:
- postępowania prokuratorskie lub sądowe
- afery
- nieprawidłowości zarządcze i audyty 
- kary administracyjne, finansowe lub inne sankcje nałożone przez organy regulacyjne
- negatywnych opinii o pracownikach i klientach
- negatywnych opinii o byłych pracownikach i klientach

Nie uwzględniaj informacji dotyczących:
- ogólnych informacji z rejestrów publicznych lub stron typu rejestr.io
- oficjalnych stron internetowych badanego podmiotu.
"

Iteracja: 1
Dotychczas sprawdzone kategorie: brak

1. Skup się na podmiocie LUMA i powiązanych osobach/firmach.
2. Znajdź konkretne fakty, daty, kwoty, numery spraw.

ZASADY:
- Każde znalezisko MUSI być poparte cytatem ze źródła (raw_text)
- NIE generuj informacji bez potwierdzenia w źródłach
- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system
- Podaj tylko FAKTY i ŹRÓDŁA
- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak:
  - data urodzenia w polu context.birthDate
  - drugie imię w polu context.secondName
  - PESEL w polu context.PESEL
  - NIP w polu context.NIP
  - KRS w polu context.KRS
  - REGON w polu context.REGON
  - miasto działalności podmiotu w polu context.city
  - miasto opisywanego wydarzenia w polu context.eventCity
  - branża podmiotu w polu context.industry
  - data opisywanego zdarzenia jeśli istnieje w polu context.eventDate
  - data publikacji w polu context.publishedAt
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding
- Podawaj fakty wyłącznie w języku polskim, nawet jeśli źródła są w innym języku

⬇ Response

Plain Text

Markdown

JSON

CRIMINAL Iteration: 2 Cost: $0.014841 In: 41040 tok Out: 1141 tok 2026-05-24T22:54:09

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**LUMA**
Kontekst pomocniczy: LUMA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, LUMA,  (Dane: NIP: 6711843629, KRS: 0000849749, industry: 5610A - RESTAURACJE I INNE STAŁE PLACÓWKI GASTRONOMICZNE, country: PL, description: REJESTR PRZEDSIĘBIORCÓW, city: Warszawa)

Dla każdego etapu postępuj zgodnie z regułami:
- Match entity names EXACTLY as provided.
- Do NOT return phonetic, similar, or misspelled names.
- Do NOT infer alternative spellings.
- Do NOT normalize or autocorrect names.
- If no exact match exists, return an empty result.
- Do NOT suggest similar entities.
- Use Kontekst pomocniczy to validate reasult.
- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko "Kontekst pomocniczy"
- Gdy rozpoznasz, ze artykuł opowiada fikcyjną historię, nie zwracaj jej jako znalezisko.

Chcę mieć:
ETAPY:
Szukaj adverse media dla LUMA w kategorii: "Sprawy karne i postępowania prokuratorskie

Uwzględniaj tylko informacje dotyczące:
- postępowań karnych
- śledztw lub dochodzeń prowadzonych przez prokuraturę lub organy ścigania
- zarzutów karnych, aktu oskarżenia, zatrzymań, aresztowań
- przestępstw lub podejrzeń popełnienia przestępstwa

Nie uwzględniaj informacji dotyczących:
- kar administracyjnych
- decyzji regulatorów (np. GIIF, KNF, UOKiK, organy nadzorcze)
- postępowań administracyjnych
- sporów cywilnych lub gospodarczych
- kontroli regulatora bez zarzutów karnych

Jeśli sprawa dotyczy wyłącznie sankcji administracyjnej lub naruszenia regulacyjnego, pomiń ją.
"

Iteracja: 2
Dotychczas sprawdzone kategorie: ADVERSE_MEDIA

1. Skup się na podmiocie LUMA i powiązanych osobach/firmach.
2. Znajdź konkretne fakty, daty, kwoty, numery spraw.
ŹRÓDŁA JUŻ ZNALEZIONE (szukaj NOWYCH informacji, nie powtarzaj tych URL):
   - https://www.prawnik.pl/luma-spolka-sadowe-postepowanie
   - https://www.auditportal.pl/luma-audit-2021
   - https://www.gazeta.pl/luma-skarga

ZASADY:
- Każde znalezisko MUSI być poparte cytatem ze źródła (raw_text)
- NIE generuj informacji bez potwierdzenia w źródłach
- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system
- Podaj tylko FAKTY i ŹRÓDŁA
- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak:
  - data urodzenia w polu context.birthDate
  - drugie imię w polu context.secondName
  - PESEL w polu context.PESEL
  - NIP w polu context.NIP
  - KRS w polu context.KRS
  - REGON w polu context.REGON
  - miasto działalności podmiotu w polu context.city
  - miasto opisywanego wydarzenia w polu context.eventCity
  - branża podmiotu w polu context.industry
  - data opisywanego zdarzenia jeśli istnieje w polu context.eventDate
  - data publikacji w polu context.publishedAt
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding
- Podawaj fakty wyłącznie w języku polskim, nawet jeśli źródła są w innym języku

⬇ Response

Plain Text

Markdown

JSON

CORRUPTION Iteration: 3 Cost: $0.012442 In: 25919 tok Out: 924 tok 2026-05-24T22:54:17

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**LUMA**
Kontekst pomocniczy: LUMA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, LUMA,  (Dane: NIP: 6711843629, KRS: 0000849749, industry: 5610A - RESTAURACJE I INNE STAŁE PLACÓWKI GASTRONOMICZNE, country: PL, description: REJESTR PRZEDSIĘBIORCÓW, city: Warszawa)

Dla każdego etapu postępuj zgodnie z regułami:
- Match entity names EXACTLY as provided.
- Do NOT return phonetic, similar, or misspelled names.
- Do NOT infer alternative spellings.
- Do NOT normalize or autocorrect names.
- If no exact match exists, return an empty result.
- Do NOT suggest similar entities.
- Use Kontekst pomocniczy to validate reasult.
- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko "Kontekst pomocniczy"
- Gdy rozpoznasz, ze artykuł opowiada fikcyjną historię, nie zwracaj jej jako znalezisko.

Chcę mieć:
ETAPY:
Szukaj adverse media dla LUMA w kategorii: "Korupcja, łapownictwo i przestępstwa korupcyjne.

Uwzględniaj tylko informacje, które wskazują na:
- podejrzenie korupcji lub łapownictwa w spółce,
- śledztwo lub dochodzenie dotyczące korupcji prowadzone przez prokuraturę lub organy ścigania,
- postawienie zarzutów korupcyjnych osobie powiązanej ze spółką (np. członkowi zarządu, pracownikowi, właścicielowi),
- akt oskarżenia, zatrzymanie lub skazanie w sprawie korupcyjnej,
- sprzedajność urzędniczą z udziałem STS lub jego kluczowych osób,
- nadużycia finansowe, 
- oszustwa gospodarcze, 
- wyłudzenia, 
- przestępstwa na rynku kapitałowym (wykorzystanie informacji poufnej,  manipulacje kursem, wprowadzanie inwestorów w błąd, poważne naruszenia obowiązków informacyjnych), jeśli są łączone z zarzutami nadużyć lub przestępstw gospodarczych.

Nie uwzględniaj informacji dotyczących:
- kar administracyjnych lub sankcji regulatorów (np. GIIF, KNF, UOKiK),
- postępowań administracyjnych lub naruszeń regulacyjnych,
- kar finansowych nałożonych przez organy nadzorcze,
- ogólnych nieprawidłowości lub sporów biznesowych, które nie dotyczą korupcji,
- czysto technicznych naruszeń AML (np. brak wyznaczenia osoby, brak procedury)

Konflikt kategorii (CRIMINAL vs CORRUPTION vs GOVERNANCE):
- jeżeli zdarzenie ma charakter zarówno karny, jak i korupcyjny (np. insider trading, poważne oszustwo gospodarcze), to traktuj je jako CORRUPTION, ale nie twórz osobnego dodatkowego rekordu tylko po to, by duplikować CRIMINAL.
- jeżeli zdarzenie dotyczy wyłącznie kary administracyjnej za brak procedur AML (bez zarzutu oszustwa/korupcji)

Dodawaj wynik tylko wtedy, gdy artykuł jasno wskazuje na **korupcję lub zarzuty korupcyjne**, a nie jedynie na naruszenie przepisów lub sankcję administracyjną.
"

Iteracja: 3
Dotychczas sprawdzone kategorie: ADVERSE_MEDIA, CRIMINAL

1. Skup się na podmiocie LUMA i powiązanych osobach/firmach.
2. Znajdź konkretne fakty, daty, kwoty, numery spraw.
ŹRÓDŁA JUŻ ZNALEZIONE (szukaj NOWYCH informacji, nie powtarzaj tych URL):
   - https://www.prawnik.pl/luma-spolka-sadowe-postepowanie
   - https://www.auditportal.pl/luma-audit-2021
   - https://www.gazeta.pl/luma-skarga

ZASADY:
- Każde znalezisko MUSI być poparte cytatem ze źródła (raw_text)
- NIE generuj informacji bez potwierdzenia w źródłach
- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system
- Podaj tylko FAKTY i ŹRÓDŁA
- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak:
  - data urodzenia w polu context.birthDate
  - drugie imię w polu context.secondName
  - PESEL w polu context.PESEL
  - NIP w polu context.NIP
  - KRS w polu context.KRS
  - REGON w polu context.REGON
  - miasto działalności podmiotu w polu context.city
  - miasto opisywanego wydarzenia w polu context.eventCity
  - branża podmiotu w polu context.industry
  - data opisywanego zdarzenia jeśli istnieje w polu context.eventDate
  - data publikacji w polu context.publishedAt
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding
- Podawaj fakty wyłącznie w języku polskim, nawet jeśli źródła są w innym języku

⬇ Response

Plain Text

Markdown

JSON

GOVERNANCE Iteration: 4 Cost: $0.030512 In: 147143 tok Out: 735 tok 2026-05-24T22:54:33

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**LUMA**
Kontekst pomocniczy: LUMA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, LUMA,  (Dane: NIP: 6711843629, KRS: 0000849749, industry: 5610A - RESTAURACJE I INNE STAŁE PLACÓWKI GASTRONOMICZNE, country: PL, description: REJESTR PRZEDSIĘBIORCÓW, city: Warszawa)

Dla każdego etapu postępuj zgodnie z regułami:
- Match entity names EXACTLY as provided.
- Do NOT return phonetic, similar, or misspelled names.
- Do NOT infer alternative spellings.
- Do NOT normalize or autocorrect names.
- If no exact match exists, return an empty result.
- Do NOT suggest similar entities.
- Use Kontekst pomocniczy to validate reasult.
- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko "Kontekst pomocniczy"
- Gdy rozpoznasz, ze artykuł opowiada fikcyjną historię, nie zwracaj jej jako znalezisko.

Chcę mieć:
ETAPY:
Szukaj adverse media dla LUMA w kategorii: "GOVERNANCE"

Iteracja: 4
Dotychczas sprawdzone kategorie: ADVERSE_MEDIA, CRIMINAL, CORRUPTION

1. Skup się na podmiocie LUMA i powiązanych osobach/firmach.
2. Znajdź konkretne fakty, daty, kwoty, numery spraw.
ŹRÓDŁA JUŻ ZNALEZIONE (szukaj NOWYCH informacji, nie powtarzaj tych URL):
   - https://www.prawnik.pl/luma-spolka-sadowe-postepowanie
   - https://www.auditportal.pl/luma-audit-2021
   - https://www.gazeta.pl/luma-skarga

ZASADY:
- Każde znalezisko MUSI być poparte cytatem ze źródła (raw_text)
- NIE generuj informacji bez potwierdzenia w źródłach
- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system
- Podaj tylko FAKTY i ŹRÓDŁA
- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak:
  - data urodzenia w polu context.birthDate
  - drugie imię w polu context.secondName
  - PESEL w polu context.PESEL
  - NIP w polu context.NIP
  - KRS w polu context.KRS
  - REGON w polu context.REGON
  - miasto działalności podmiotu w polu context.city
  - miasto opisywanego wydarzenia w polu context.eventCity
  - branża podmiotu w polu context.industry
  - data opisywanego zdarzenia jeśli istnieje w polu context.eventDate
  - data publikacji w polu context.publishedAt
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding
- Podawaj fakty wyłącznie w języku polskim, nawet jeśli źródła są w innym języku

⬇ Response

Plain Text

Markdown

JSON

REPUTATIONAL Iteration: 5 Cost: $0.021951 In: 86319 tok Out: 1672 tok 2026-05-24T22:54:45

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**LUMA**
Kontekst pomocniczy: LUMA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, LUMA,  (Dane: NIP: 6711843629, KRS: 0000849749, industry: 5610A - RESTAURACJE I INNE STAŁE PLACÓWKI GASTRONOMICZNE, country: PL, description: REJESTR PRZEDSIĘBIORCÓW, city: Warszawa)

Dla każdego etapu postępuj zgodnie z regułami:
- Match entity names EXACTLY as provided.
- Do NOT return phonetic, similar, or misspelled names.
- Do NOT infer alternative spellings.
- Do NOT normalize or autocorrect names.
- If no exact match exists, return an empty result.
- Do NOT suggest similar entities.
- Use Kontekst pomocniczy to validate reasult.
- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko "Kontekst pomocniczy"
- Gdy rozpoznasz, ze artykuł opowiada fikcyjną historię, nie zwracaj jej jako znalezisko.

Chcę mieć:
ETAPY:
Szukaj adverse media dla LUMA w kategorii: "REPUTATIONAL"

Iteracja: 5
Dotychczas sprawdzone kategorie: ADVERSE_MEDIA, CRIMINAL, CORRUPTION, GOVERNANCE

1. Skup się na podmiocie LUMA i powiązanych osobach/firmach.
2. Znajdź konkretne fakty, daty, kwoty, numery spraw.
ŹRÓDŁA JUŻ ZNALEZIONE (szukaj NOWYCH informacji, nie powtarzaj tych URL):
   - https://www.prawnik.pl/luma-spolka-sadowe-postepowanie
   - https://www.auditportal.pl/luma-audit-2021
   - https://www.gazeta.pl/luma-skarga

ZASADY:
- Każde znalezisko MUSI być poparte cytatem ze źródła (raw_text)
- NIE generuj informacji bez potwierdzenia w źródłach
- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system
- Podaj tylko FAKTY i ŹRÓDŁA
- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak:
  - data urodzenia w polu context.birthDate
  - drugie imię w polu context.secondName
  - PESEL w polu context.PESEL
  - NIP w polu context.NIP
  - KRS w polu context.KRS
  - REGON w polu context.REGON
  - miasto działalności podmiotu w polu context.city
  - miasto opisywanego wydarzenia w polu context.eventCity
  - branża podmiotu w polu context.industry
  - data opisywanego zdarzenia jeśli istnieje w polu context.eventDate
  - data publikacji w polu context.publishedAt
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding
- Podawaj fakty wyłącznie w języku polskim, nawet jeśli źródła są w innym języku

⬇ Response

Plain Text

Markdown

JSON

POLITICAL EXPOSURE Iteration: 6 Cost: $0.022262 In: 61582 tok Out: 3374 tok 2026-05-24T22:55:17

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**LUMA**
Kontekst pomocniczy: LUMA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, LUMA,  (Dane: NIP: 6711843629, KRS: 0000849749, industry: 5610A - RESTAURACJE I INNE STAŁE PLACÓWKI GASTRONOMICZNE, country: PL, description: REJESTR PRZEDSIĘBIORCÓW, city: Warszawa)

Dla każdego etapu postępuj zgodnie z regułami:
- Match entity names EXACTLY as provided.
- Do NOT return phonetic, similar, or misspelled names.
- Do NOT infer alternative spellings.
- Do NOT normalize or autocorrect names.
- If no exact match exists, return an empty result.
- Do NOT suggest similar entities.
- Use Kontekst pomocniczy to validate reasult.
- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko "Kontekst pomocniczy"
- Gdy rozpoznasz, ze artykuł opowiada fikcyjną historię, nie zwracaj jej jako znalezisko.

Chcę mieć:
ETAPY:
Szukaj adverse media dla LUMA w kategorii: "POLITICAL_EXPOSURE"

Iteracja: 6
Dotychczas sprawdzone kategorie: ADVERSE_MEDIA, CRIMINAL, CORRUPTION, GOVERNANCE, REPUTATIONAL

1. Skup się na podmiocie LUMA i powiązanych osobach/firmach.
2. Znajdź konkretne fakty, daty, kwoty, numery spraw.
ŹRÓDŁA JUŻ ZNALEZIONE (szukaj NOWYCH informacji, nie powtarzaj tych URL):
   - https://www.prawnik.pl/luma-spolka-sadowe-postepowanie
   - https://www.auditportal.pl/luma-audit-2021
   - https://www.gazeta.pl/luma-skarga

ZASADY:
- Każde znalezisko MUSI być poparte cytatem ze źródła (raw_text)
- NIE generuj informacji bez potwierdzenia w źródłach
- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system
- Podaj tylko FAKTY i ŹRÓDŁA
- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak:
  - data urodzenia w polu context.birthDate
  - drugie imię w polu context.secondName
  - PESEL w polu context.PESEL
  - NIP w polu context.NIP
  - KRS w polu context.KRS
  - REGON w polu context.REGON
  - miasto działalności podmiotu w polu context.city
  - miasto opisywanego wydarzenia w polu context.eventCity
  - branża podmiotu w polu context.industry
  - data opisywanego zdarzenia jeśli istnieje w polu context.eventDate
  - data publikacji w polu context.publishedAt
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding
- Podawaj fakty wyłącznie w języku polskim, nawet jeśli źródła są w innym języku

⬇ Response

Plain Text

Markdown

JSON

🔍 Multilevel Screening Review

Prompts for: LUMA