Короткий ответ
Промпт даёт пригодный результат, когда в нём названы задача, контекст, которого у модели нет, ограничения, форма ответа и то, по чему вы оцените результат. Добавьте один-два примера, разбейте большую работу на шаги, разрешите модели сказать «не знаю» и проверьте факты сами. В этом сходятся руководства OpenAI, Anthropic и Google.
Промпт — это весь запрос, а не волшебная фраза
Когда ищут, как писать промпты, обычно надеются на список готовых фраз. В руководствах компаний, которые делают сами модели, такого списка нет. Википедия определяет промпт как текст на естественном языке, который описывает и задаёт задачу для ИИ. OpenAI в документации добавляет главное слово: инструкции пишут так, чтобы модель стабильно выдавала то, что отвечает вашим требованиям. Умение — в запросе целиком, и секрета в нём нет.
Почему один и тот же вопрос в понедельник даёт сильный ответ, а во вторник слабый? OpenAI прямо пишет, что результат генерации недетерминирован. Руководство Google по Gemini называет механизм: параметр «температура» задаёт степень случайности при выборе каждого следующего фрагмента текста. Википедия ссылается на исследования: модели очень чувствительны к мелким изменениям в оформлении и структуре промпта, поэтому любой пробел в запросе каждый раз заполняется по-своему.
Пять частей запроса: задача, контекст, ограничения, форма, критерий готовности
Самый полезный образ даёт руководство Anthropic: модель — это блестящий, но новый сотрудник, который не знает ваших правил и порядков. Отсюда «золотое правило»: покажите промпт коллеге, который не в курсе задачи, и если он запутается, запутается и модель. Значит, первые две части — задача и контекст: для кого текст и что было до него. Google показывает это на неисправном роутере: с инструкцией по устранению неполадок в запросе общий ответ стал ответом про это устройство.
Третья часть — ограничения, четвёртая — форма ответа. Google пишет, что модели можно указать, что делать и чего не делать; пример там в одну строку — пересказать текст одним предложением. Можно попросить и таблицу, список или абзац. Anthropic добавляет два уточнения: говорите, что нужно, а не чего не нужно, и объясняйте причину. Запрет на многоточия работает лучше, когда модель знает, что ответ будет читать вслух синтезатор речи.
Пятую часть новички пропускают: как вы оцените результат. Обзор Anthropic исходит из того, что до любой настройки у вас есть ясное определение успеха и способ его проверить. Совет OpenAI для рассуждающих моделей о том же: очень точно опишите конечную цель. Впишите критерий в запрос: объём, читатель, обязательные факты.
Пример в запросе работает лучше, чем его описание
Описать тон трудно, показать — одна вставка. Anthropic называет примеры одним из самых надёжных способов управлять форматом, тоном и структурой ответа и советует давать от трёх до пяти. Примеры должны быть близки к реальному случаю, непохожи друг на друга и отделены от инструкций. Google идёт дальше: рекомендует включать примеры всегда и предупреждает, что без них промпт, скорее всего, сработает хуже. Продавец на Wildberries может вставить две карточки, которые уже продают, и попросить третью в той же манере.
Разработчики называют и пределы. Google предупреждает: если примеров слишком много, модель начинает подгонять ответ под них. OpenAI просит показывать разнообразные входные данные, а для рассуждающих моделей советует сначала попробовать без примеров. Википедия добавляет важное: то, чему модель научилась на примерах внутри промпта, временно, в отличие от обучения. В новом диалоге урока уже нет — хороший повод хранить примеры в файле.
Один запрос — одна работа: большая задача как цепочка шагов
Запрос, в котором сразу просят исследование, план, текст и перевод, обычно возвращает четыре посредственные вещи. Руководство Google даёт рецепт в одной фразе: вместо многих инструкций в одном промпте — по промпту на каждую инструкцию. Для последовательной работы там описана цепочка, где результат одного промпта становится входом следующего. Коммерческое предложение превращается в четыре шага: ситуация клиента, структура, черновик, сверка с заданием.
Anthropic делает оговорку. Нынешние модели компании, сказано в руководстве, большую часть многошаговых рассуждений ведут внутри себя, так что цепочка уже не нужна, чтобы заставить модель думать. Она полезна, когда вы хотите видеть промежуточные результаты или держать работу в жёстком порядке. Самая частая схема там — самопроверка: черновик, его разбор по вашим критериям, доработанная версия. Выгода простая: ошибка, пойманная на втором шаге, не уезжает в третий и четвёртый.
Рассуждение, встречные вопросы и разрешение ответить «не знаю»
Самый старый приём — попросить модель думать по шагам. Википедия описывает его как технику, при которой модель решает задачу через ряд промежуточных шагов до окончательного ответа. OpenAI в советах по рассуждающим моделям называет такие просьбы лишними, а Google отмечает, что новые модели Gemini рассуждают сами. Anthropic замечает: общая просьба подумать основательно часто даёт лучшее рассуждение, чем расписанный вручную план.
Строчки по-прежнему заслуживает проверка в конце. Anthropic советует дописать просьбу сверить ответ с вашими критериями и пишет, что это надёжно ловит ошибки, особенно в коде и математике. Одна из недавних моделей, отмечено там же, делает это без напоминания: такие советы быстро стареют. Страница Anthropic о том, как уменьшить число выдумок, начинается с шага проще: прямо разрешите модели признать неуверенность. Фраза «если в отчёте нет нужных данных, так и скажи» меняет ответ.
Со встречными вопросами так же. Новый сотрудник спросил бы перед началом, и OpenAI пишет о своих рассуждающих моделях, что они часто задают уточняющие вопросы, прежде чем строить необоснованные догадки. Любую другую модель об этом можно попросить одной строкой: прежде чем писать, спроси, чего тебе не хватает. После ответа спросите, в чём модель не уверена и что она додумала сама. Правдой ответ от этого не станет, но вы увидите, с чего начинать проверку.
Как править черновик, а не начинать диалог заново
В руководстве Google это записано как принцип: промпт доводят в несколько заходов. Первый ответ — черновик. Если он мимо, не стирайте диалог: скажите, что не так, что оставить и что должно появиться в следующей версии. Не помогло — у Google три хода: сказать то же другими словами, перейти к похожей задаче, например превратить свободную классификацию в выбор из вариантов, или поменять порядок частей в промпте.
Запрос, который наконец сработал, ценнее ответа, который он дал. Сохраните его вместе с примером и критерием. OpenAI советует командам строить тесты, которые измеряют поведение промпта, чтобы следить за качеством при доработке и при смене версии модели. Вариант для одного человека — заметка рядом с каждым сохранённым промптом: дата, модель, один вход и принятый результат.
Чего не исправит промпт: нет фактов, не тот инструмент, ответ без проверки
Документация Anthropic говорит о пределе прямо. Даже самые сильные языковые модели иногда выдают текст, который фактически неверен или противоречит данному им материалу. Приёмы компании уменьшают число таких ошибок, но не устраняют их, и итоговое замечание жёсткое: критически важные сведения всегда проверяйте, особенно когда ставки высоки. Формулировка не даст модели факт, которого у неё нет. OpenAI называет средство — добавить контекст: ваши документы и данные, которых не было в обучении модели.
Некоторым задачам нужен другой инструмент, а не более удачная фраза. По руководству Google, поиск стоит подключать всякий раз, когда модели нужны малоизвестные или свежие факты, а выполнение кода — когда нужно считать. Обычный чат без них — не место для курса валют на эту неделю или столбца сумм. Anthropic добавляет, что не каждую неудачу лучше всего лечить промптом. В вопросах права, налогов и здоровья ответ — материал для проверки специалистом, а не решение.
Своя библиотека промптов и что к ней добавляет курс
Этого хватит на неделю самостоятельной практики. Возьмите одну повторяющуюся задачу: ответы на отзывы, описание товара, еженедельный отчёт. Напишите запрос из пяти частей, добавьте два примера подходящего результата и прогоните его на трёх настоящих случаях. Поправьте и сохраните ту версию, что выдержала. Десяток таких записей — рабочая библиотека с вашим тоном, товарами и критериями. Кто после такой недели всё ещё спрашивает, как писать промпты, на деле спрашивает, куда их применить.
Для этого вопроса и нужен курс. Курс «Искусственный интеллект» в VITON13 SCHOOL учит работать с ИИ осознанно: от постановки задачи через промптинг и проверку до автоматизации своих процессов и создания агентов. Его модули: «Грамотная работа с AI», «Prompting как инженерия», «Исследование и верификация», «Автоматизация процессов», «AI-агенты», «Собственные системы», «Безопасность и ответственность». Это онлайн-курс с практикой на собственной задаче ученика. Самостоятельная практика даёт библиотеку, программа расставляет темы по порядку. Актуальные условия — на странице курса.
Практический чеклист
- Запишите задачу одним предложением: что сделать и для кого этот результат.
- Вставьте в запрос то, чего у модели нет: документ, факты о товаре, прошлую версию текста.
- Добавьте два-три примера подходящего результата и отделите их от инструкций.
- Впишите в запрос критерий готовности: объём, читатель, обязательные факты, форма ответа.
- Сохраняйте сработавший промпт с датой, моделью и принятым результатом и перепроверяйте его после обновлений.
Вопросы и ответы
Правда ли, что длинный промпт даёт лучший ответ нейросети?
Сам по себе — нет. Помогает недостающая информация: задача, контекст, ограничения, форма и критерий. OpenAI отмечает, что её рассуждающие модели хорошо понимают короткие ясные инструкции. Удлиняйте запрос только тем, чего модель не могла знать.
Нужно ли задавать модели роль вроде эксперта или редактора?
Это может помочь. В руководстве Anthropic сказано, что роль настраивает поведение и тон модели и что разницу даёт даже одно предложение. Но роль не заменяет задачу и контекст: эксперт без вводных всё равно будет гадать.
Сколько примеров добавлять в один промпт?
Anthropic советует от трёх до пяти хорошо подобранных примеров; Google рекомендует добавлять их всегда и предупреждает, что при избытке модель слишком точно их копирует. Начните с двух непохожих, посмотрите на результат и добавляйте ещё, только если форма по-прежнему плывёт.
Почему один и тот же промпт каждый раз отвечает по-разному?
Потому что в генерации есть случайность. OpenAI называет результат модели недетерминированным, а руководство Google объясняет, что случайностью выбора управляет параметр «температура». Полный запрос сужает разброс: чем меньше пробелов приходится заполнять модели, тем ближе два ответа друг к другу.
Может ли хороший промпт отучить модель выдумывать факты?
Он снижает риск, но не убирает его. Anthropic перечисляет способы: разрешить ответ «не знаю», сначала попросить цитаты из исходного текста и подтверждать цитатой каждое утверждение. Важные факты всё равно нужно сверять с первоисточником.