Что такое промпт — от «как объяснить» ИИ зависит результат
Когда вы о чём-то просите друга, между «сделай как-нибудь по-хорошему» и «сделай, пожалуйста, к следующей пятнице бизнес-план на 2 страницы формата A4, бюджет — до 500 тысяч» разница в результате колоссальная, верно?
С указаниями для ИИ то же самое. Промпт (Prompt) — это текст-инструкция, который вы отправляете ИИ. И от того, как написан промпт, ответ ИИ меняется кардинально.
Это не вопрос ощущений. По данным исследования, обобщившего метаанализом более 1500 научных работ о промптах, если просто добавить в промпт конкретные условия, точность ответа вырастает примерно на 30%, а объём лишней информации сокращается на 42%[1].
Некоторые слышали выражение «промпт-инжиниринг». Есть данные, что в 2025 году 68% компаний включили навыки работы с промптами в стандартное обучение для всех сотрудников[2]. Это уже не особый навык одних лишь инженеров, а базовое умение, необходимое каждому, кто пользуется ИИ.
В этой главе мы на конкретных примерах разберём, как писать промпты так, чтобы это мог применить каждый уже сегодня. Ещё более практичный сборник шаблонов есть в материале практическое руководство по промпт-инжинирингу.
От промпта ответ ИИ меняется кардинально
Пять элементов хорошего промпта
У эффективного промпта есть пять элементов. Если сравнить с кулинарным рецептом, это как «кто готовит (роль)», «что готовим (задача)», «для кого готовим (контекст)», «как подать (формат)» и «учёт аллергий (ограничения)».
Достаточно предпослать «Ты — эксперт по такому-то», и тон и уровень знаний в ответе ИИ меняются.
Пример: «Ты — веб-маркетолог с 10-летним опытом. Расскажи, как нарастить просмотры личного блога».
Не просто «расскажи» или «подумай», а конкретный глагол. «Резюмируй», «сравни», «предложи 5 вариантов» — чем яснее действие, тем точнее работает ИИ.
Если сообщить ИИ вашу ситуацию, направление ответа заметно улучшится. Достаточно написать «Я студент без опыта в программировании», и уровень сложности подстроится автоматически.
«Списком», «в виде таблицы», «в пределах 300 символов», «с заголовками» — без указания формата ИИ склонен отвечать длинными абзацами. Указывайте формат под задачу.
«Не используй профессиональные термины», «Ограничься рынком России», «Обязательно укажи и минусы» — если сразу задать запреты и условия, переделывать придётся реже.
💡 Вставлять все пять каждый раз не обязательно. Пока не привыкли, достаточно держать в уме лишь два — ② задачу + ③ контекст, и качество ответа заметно изменится. Освоитесь — добавляйте остальные элементы.
Сборник практических приёмов — 7 шаблонов на каждый день
В крупном исследовании «The Prompt Report», опубликованном в 2024 году, систематически классифицированы целых 58 приёмов работы с промптами[3]. Но запоминать все 58 не нужно. В повседневной работе с ИИ реально пригождается около семи. Здесь мы разложили их по уровням сложности.
Добавьте числа, объект, условия. Самый простой и самый эффективный.
Список, таблица, число символов. Получаете в удобном виде.
«Ты — такой-то с N-летним опытом» меняет глубину ответа.
2–3 примера «вход-выход» работают для классификации, преобразования и типовых задач.
Повышает точность рассуждений в расчётах, логике и сложном анализе.
Пусть критически перепроверит свой ответ — повышает точность.
Пусть ИИ сам составит промпт, а вы подстроите его под себя.
[Начальный]① Давать конкретные указания
Самый простой и самый действенный приём. Достаточно добавить к расплывчатому вопросу числа, объект и условия.
❌ Расплывчато: «Расскажи, как повысить продажи»
✅ Конкретно: «Предложи 5 мер, чтобы поднять месячную выручку кафе с 10 сотрудниками на 20%, в порядке возрастания затрат. Сейчас средний чек 900 рублей, посещаемость около 3000 человек в месяц»
[Начальный]② Указывать формат вывода
По данным исследований, наличие или отсутствие указания формата в отдельных случаях меняет точность вплоть до 76 пунктов[1]. Достаточно добавить пару слов — «списком», «в виде сравнительной таблицы», «в пределах N символов» — и ответ станет удобным.
[Начальный]③ Назначать роль (ролевая игра)
Достаточно сказать «Ты — такой-то», и вы получите ответ, заточенный под эту область.
«Ты — менеджер по продажам с 10-летним опытом. Расскажи в порядке приоритета, какие навыки новичок в продажах должен освоить за первые 3 месяца»
Ключ — указать стаж и конкретную позицию. «Ты — такой-то с N-летним опытом» даёт более глубокий ответ, чем просто «Ты — эксперт».
[Средний]④ Показать примеры (Few-shot)
Способ, при котором вы сначала показываете ИИ 2–3 примера «вход-выход», а затем ставите основную задачу. Особенно эффективен в классификации, преобразовании и типовых задачах.
Классифицируй тональность отзывов о товаре в следующем формате.
Отзыв: «Этот товар — супер!» → тональность: позитивная
Отзыв: «Не оправдал ожиданий» → тональность: негативная
Отзыв: «Пользоваться можно, обычный» → тональность: нейтральнаяОтзыв: «Доставка быстрая, но была царапина» → тональность:
Есть любопытный результат исследования. Анализ показывает, что эффект Few-shot зависит скорее от «разнообразия» примеров, чем от их «правильности». То есть важнее показать широту закономерностей, чем подготовить безупречные примеры[4].
[Средний]⑤ Заставить рассуждать пошагово (Chain-of-Thought)
Есть исследование, по которому достаточно добавить пару слов «рассуждай шаг за шагом», и точность на задачах на рассуждение растёт примерно на 35%[1]. Особенно эффективно в вычислительных, логических задачах и сложном анализе.
«Яблоко стоит 150 рублей за штуку, мандарин — 80 рублей. Купили 3 яблока и 5 мандаринов и заплатили купюрой 1000 рублей — сколько сдачи? Отвечай, показывая ход расчёта по одному шагу»
⚠️ Оговорка 2025 года: новейшим «моделям рассуждений» — ChatGPT серии o, Claude Extended Thinking и им подобным — не давайте указание «рассуждай шаг за шагом». Эти модели выполняют пошаговое мышление внутри автоматически, поэтому явное указание порой, наоборот, снижает качество[5]. «Рассуждай шаг за шагом» применяйте в стандартных диалоговых моделях без режима рассуждений.
[Продвинутый]⑥ Заставить провести самопроверку
Приём, при котором вы заставляете ИИ критически проверить собственный ответ. Эффективен там, где требуется точность.
(после получения ответа ИИ)
«Критически проверь этот ответ на наличие проблем и упущений. Если есть ошибки — исправь»
Однако ИИ вовсе не находит свои ошибки на 100%. Исследователи указывают на «ловушку правдоподобия» (plausibility trap): чем правдоподобнее выглядит вывод ИИ, тем труднее его проверить[5]. Для важных решений обязательно подключайте и человеческую проверку.
[Продвинутый]⑦ Метапромпт — пусть ИИ сам составит промпт
Когда привыкнете писать промпты, есть и способ заставить ИИ составить сам промпт.
«Я — фрилансер, веб-дизайнер, и хочу эффективно готовить коммерческие предложения для клиентов. Составь оптимальный промпт для достижения этой цели»
Хитрость в том, чтобы не использовать составленный ИИ промпт как есть, а подстроить его под свою ситуацию.
Before / After — как меняется один и тот же запрос
По одному объяснению приёмов это трудно прочувствовать, поэтому посмотрим на конкретные Before/After. Слева — расплывчатое указание, справа — указание с добавленными условиями.
Пример 1: составление делового письма
| Before | After |
|---|---|
| «Напиши письмо с извинениями» → генерируется универсальное, непригодное письмо |
«Напиши партнёру, начальнику отдела Танаке, письмо с извинениями за задержку поставки на 3 дня. Причина — сбой в логистике, доставка ожидается в следующий понедельник» → готово письмо, которое можно сразу отправить |
Пример 2: генерация идей для проекта
| Before | After |
|---|---|
| «Предложи идеи для нового товара» → неясно, какая отрасль и товар, поэтому предложения расплывчатые |
«Предложи 5 подписных товаров категории здорового питания для женщин 20–30 лет по цене до 3000 рублей в месяц. Добавь и точки отличия от конкурентов — компаний A и B» → выходят идеи, которые можно сразу вставить в проектный документ |
Пример 3: обучение и поиск информации
| Before | After |
|---|---|
| «Расскажи про машинное обучение» → возвращается сухое и заумное объяснение |
«Объясни, как работает машинное обучение, так, чтобы понял и школьник, на аналогии с кулинарным рецептом. Без профессиональных терминов, с двумя конкретными примерами» → возвращается доступное и сразу понятное объяснение |
Общее у всех примеров — ясно заданное «кому, что, как и в каком виде». Чем больше условий, тем точнее ответ ИИ.
Типичные ошибки и как с ними справляться
Представим пять ловушек, в которые часто попадают новички в работе с ИИ, и способы из них выбраться.
❌ Ошибка 1: слишком расплывчатое указание
«Напиши по-хорошему», «Сделай ещё лучше» — такие указания ставят в тупик и ИИ. Конкретно сообщайте, что и как именно «хорошо». Приём — явно задать критерий: «В неформальном тоне», «Вставь три числа», «В пределах 300 символов».
❌ Ошибка 2: спрашивать всё сразу
«Расскажи, как выстроить маркетинговую стратегию, какие инструменты посоветуешь и как составить бюджет» — при таком запросе ИИ пытается охватить всё поверхностно, и всё выходит наполовину. За один вопрос спрашивайте одну тему. Задавать следующий вопрос, опираясь на предыдущий ответ, — так вы получите более глубокий ответ.
❌ Ошибка 3: слепо верить выводу ИИ
ИИ порой уверенно ошибается (галлюцинации). Особенно осторожно с:
- Конкретными числами и статистикой — спросите и проверьте источник
- Именами собственными — имена людей, названия компаний и законов обязательно перепроверяйте
- Свежей информацией — у знаний модели есть срок
- Правом и налогами — обязательно сверяйте с официальной информацией
Решение простое. Выработайте привычку спрашивать «Укажи источник этой информации». Информация, для которой ИИ не может указать источник, — сигнал к проверке.
❌ Ошибка 4: заканчивать после одного обмена репликами
«Спросил у ИИ, но ответ так себе» → «Всё-таки ИИ бесполезен». Это крайне обидная модель поведения. Подробно разберём в следующем разделе, но диалог с ИИ по умолчанию — это 2–3 обмена репликами.
❌ Ошибка 5: сваливать на ИИ вообще всё
ИИ силён в составлении черновиков, упорядочивании информации и генерации идей. Человек силён в окончательных решениях, считывании контекста и этических соображениях. Сочетать эти двое — самый эффективный способ. «Пусть ИИ сделает черновик, а человек доведёт до ума» — такое разделение труда работает лучше всего.
Искусство диалога с ИИ — не заканчивайте с первого раза
Важнее приёмов работы с промптами сам подход «вести диалог в несколько заходов».
В исследованиях промптов считается, что итеративная обратная связь (итерация) повышает качество вывода на 35%[1]. Не требуйте совершенства с первого раза: посмотрите на ответ ИИ, скорректируйте направление и спросите снова. Этот цикл и повышает качество.
Отправьте первый промпт, держа в уме 5 элементов.
Человеческим глазом оцените плюсы и недочёты.
Сообщите правку направления, углубление и т. п. — пусть исправит.
За 2–3 обмена достигаете нужного качества.
Шесть шаблонов обратной связи
Для тех, кто «не знает, что именно давать в обратной связи», представим шесть удобных шаблонов.
| Шаблон | Пример использования |
|---|---|
| Правка направления | «Сделай стиль более неформальным», «Слишком специально — сделай для новичков» |
| Углубление | «Объясни третий вариант подробнее», «Добавь конкретные шаги» |
| Дополнительные условия | «Оставь только варианты в пределах бюджета 100 тысяч», «Ограничься рынком России» |
| Смена ракурса | «Переосмысли с точки зрения клиента», «Приведи и противоположное мнение» |
| Проверка качества | «Проверь этот текст на ошибки и противоречия» |
| Смена формата | «Оформи это как текст письма», «Переработай в таблицу» |
За 2–3 захода обратной связи качество ответа заметно вырастает. Секрет — не требовать совершенства с самого начала.
От промптов к «контекст-инжинирингу»
Напоследок коснёмся и новейшего тренда в технике промптов.
Исследователь ИИ Андрей Карпати в июне 2025 года заявил, что «повседневные короткие промпты — лишь малая часть промышленного применения ИИ», и предложил концепцию контекст-инжиниринга[6].
Это подход, при котором грамотно проектируется не только промпт (инструкция), но и вся информация, передаваемая ИИ, — справочные материалы, прошлые обмены репликами, результаты работы инструментов и прочее. Сюда относятся, например, такие приёмы: сначала дать ИИ прочитать внутренние документы, а потом задавать вопросы; приложить заметки прошлых совещаний и попросить резюме. Подробнее — в материале что такое контекст-инжиниринг. Этот подход важен и в вайб-кодинге, где реализацию поручают ИИ, и в разработке на основе спецификаций.
И всё же основа не меняется. Сначала применяйте на практике пять элементов и семь приёмов из этой главы. Уже одного этого хватит, чтобы качество ответов ИИ изменилось до неузнаваемости.
- От того, как написан промпт, ответ меняется кардинально. Просто добавьте условия — и точность вырастет.
- Хороший промпт — это 5 элементов: роль, задача, контекст, формат, ограничения. Начните с ② задачи + ③ контекста.
- Практических приёмов 7, по уровням сложности. От конкретизации, указания формата и назначения роли — к Few-shot, пошаговому мышлению и самопроверке.
- Новейшим моделям рассуждений «шаг за шагом» не нужно. Применяйте на стандартных моделях.
- Не заканчивайте с первого раза — шлифуйте 2–3 заходами обратной связи. А дальше начинается контекст-инжиниринг.
Источники
- Gupta, Aakash. "I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering." Medium, 2025.
- "Is Prompt Engineering Dead?" Fast Company, May 2025.
- Schulhoff, Sander et al. "The Prompt Report: A Systematic Survey of Prompting Techniques." arXiv:2406.06608, 2024.
- Min, Sewon et al. "Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?" arXiv:2202.12837, 2022.
- Lakera. "Prompt Engineering Guide 2026." lakera.ai, 2026.
- Karpathy, Andrej. "Context Engineering." X (Twitter), June 2025.
Полезные ссылки:
- Prompt Engineering Guide — исчерпывающее руководство по технике промптов (на английском)
- Anthropic Prompt Engineering Docs — руководство по проектированию промптов для Claude
В следующей главе — как применять изученные приёмы работы с промптами в реальных сценариях: конкретные способы использования в работе, учёбе и творчестве.