Prompts – ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA"

CRIMINAL Iteration: 1 Cost: $0.015936 In: 47618 tok Out: 1322 tok 2026-04-11T07:53:13

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA"**
Kontekst pomocniczy: ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA", ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA",

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 ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" w kategorii: "Sprawy karne i postępowania prokuratorskie"

Iteracja: 1
Dotychczas sprawdzone kategorie: brak

1. Skup się na podmiocie ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" 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: $0.012128 In: 22062 tok Out: 1364 tok 2026-04-11T07:53:24

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA"**
Kontekst pomocniczy: ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA", ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA",

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 ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" w kategorii: "Korupcja, łapownictwo i przestępstwa korupcyjne"

Iteracja: 2
Dotychczas sprawdzone kategorie: CRIMINAL

1. Skup się na podmiocie ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" 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: $0.014444 In: 28942 tok Out: 1838 tok 2026-04-11T07:53:33

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA"**
Kontekst pomocniczy: ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA", ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA",

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 ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" w kategorii: "Audyty, nieprawidłowości zarządcze i governance"

Iteracja: 3
Dotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION

1. Skup się na podmiocie ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" 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: $0.014204 In: 36213 tok Out: 1287 tok 2026-04-11T07:54:08

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA"**
Kontekst pomocniczy: ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA", ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA",

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 ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" w kategorii: "Ryzyko reputacyjne oraz wpływ na media i opinię publiczną"

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

1. Skup się na podmiocie ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" 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: $0.011097 In: 14348 tok Out: 1574 tok 2026-04-11T07:54:18

⬆ Prompt (editable)

Przeprowadź screening adverse media dla podmiotu:
**ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA"**
Kontekst pomocniczy: ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA", ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA",

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 ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" w kategorii: "Ekspozycja polityczna i wpływ państwa"

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

1. Skup się na podmiocie ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA" 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

🔍 Multilevel Screening Review

Prompts for: ŁYŻWA MARCIN -"SETCOMP", KWIACIARNIA "KAMELIA"