Prompts – ReD r.e.a.d.y. Wiktoria Lel

CRIMINAL Iteration: 1 Cost: $0.013934 In: 28366 tok Out: 1132 tok 2026-04-10T17:11:05

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ReD r.e.a.d.y. Wiktoria Lel**
Kontekst pomocniczy: ReD r.e.a.d.y. Wiktoria Lel, ReD r.e.a.d.y. Wiktoria Lel,

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"

Chcę mieć:
ETAPY:
Szukaj adverse media dla ReD r.e.a.d.y. Wiktoria Lel 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: 1
Dotychczas sprawdzone kategorie: brak

1. Skup się na podmiocie ReD r.e.a.d.y. Wiktoria Lel 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, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w polu context
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding

⬇ Response

Plain Text

Markdown

JSON

CORRUPTION Iteration: 2 Cost: $0.011491 In: 21706 tok Out: 392 tok 2026-04-10T17:11:29

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ReD r.e.a.d.y. Wiktoria Lel**
Kontekst pomocniczy: ReD r.e.a.d.y. Wiktoria Lel, ReD r.e.a.d.y. Wiktoria Lel,

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"

Chcę mieć:
ETAPY:
Szukaj adverse media dla ReD r.e.a.d.y. Wiktoria Lel 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: 2
Dotychczas sprawdzone kategorie: CRIMINAL

1. Skup się na podmiocie ReD r.e.a.d.y. Wiktoria Lel 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, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w polu context
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding

⬇ Response

Plain Text

Markdown

JSON

GOVERNANCE Iteration: 3 Cost: $0.011197 In: 17087 tok Out: 1057 tok 2026-04-10T17:12:30

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ReD r.e.a.d.y. Wiktoria Lel**
Kontekst pomocniczy: ReD r.e.a.d.y. Wiktoria Lel, ReD r.e.a.d.y. Wiktoria Lel,

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"

Chcę mieć:
ETAPY:
Szukaj adverse media dla ReD r.e.a.d.y. Wiktoria Lel w kategorii: "GOVERNANCE"

Iteracja: 3
Dotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION

1. Skup się na podmiocie ReD r.e.a.d.y. Wiktoria Lel 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, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w polu context
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding

⬇ Response

Plain Text

Markdown

JSON

REPUTATIONAL Iteration: 4 Cost: $0.010989 In: 16839 tok Out: 772 tok 2026-04-10T17:12:39

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ReD r.e.a.d.y. Wiktoria Lel**
Kontekst pomocniczy: ReD r.e.a.d.y. Wiktoria Lel, ReD r.e.a.d.y. Wiktoria Lel,

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"

Chcę mieć:
ETAPY:
Szukaj adverse media dla ReD r.e.a.d.y. Wiktoria Lel w kategorii: "REPUTATIONAL"

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

1. Skup się na podmiocie ReD r.e.a.d.y. Wiktoria Lel 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, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w polu context
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding

⬇ Response

Plain Text

Markdown

JSON

POLITICAL EXPOSURE Iteration: 5 Cost: $0.000000 In: 0 tok Out: 0 tok 2026-04-10T17:12:49

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ReD r.e.a.d.y. Wiktoria Lel**
Kontekst pomocniczy: ReD r.e.a.d.y. Wiktoria Lel, ReD r.e.a.d.y. Wiktoria Lel,

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"

Chcę mieć:
ETAPY:
Szukaj adverse media dla ReD r.e.a.d.y. Wiktoria Lel w kategorii: "POLITICAL_EXPOSURE"

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

1. Skup się na podmiocie ReD r.e.a.d.y. Wiktoria Lel 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, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w polu context
- source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding

🔍 Multilevel Screening Review

Prompts for: ReD r.e.a.d.y. Wiktoria Lel