Промпт работает как техническое задание для модели. Контекст, конкретная задача, формат, ограничения и критерии качества дают предсказуемее результат, чем попытка найти особую формулировку.

Модель не знает скрытый контекст

Это вторая статья серии. В первой мы разобрали выбор модели и подготовку контекста.

Запрос «сделай маркетинг» не сообщает модели ничего о продукте, аудитории и допустимом бюджете. Результатом почти неизбежно станет общий черновик.

Человек, получивший задачу «сделай презентацию», может задать уточняющие вопросы. Модель часто начинает отвечать сразу, поэтому полезно убрать основную неопределённость в самом запросе.

Пять блоков рабочего промпта

Контекст. Опишите компанию, продукт, аудиторию, текущую ситуацию и исходные данные. Длинный, но структурированный ввод полезнее короткого запроса с пробелами в информации.

Задача. Формулируйте ожидаемое действие. Вместо «проанализируй отток» можно попросить найти три вероятные причины оттока за четвёртый квартал, отделить факты от предположений и предложить меры с бюджетом до 500 тысяч рублей.

Формат результата. Укажите, нужен ли список, письмо, таблица, план на две страницы или структура презентации. Без этого ограничения модель выберет форму сама.

Ограничения. Перечислите запреты и границы: не выдумывать цифры, не использовать непроверенные источники, сохранить юридические формулировки или уложиться в 1500 знаков.

Критерии качества. Объясните, по каким признакам вы примете результат. Например, ответ содержит источники, риски и альтернативы, а выводы отделены от фактов.

Microsoft начинает список базовых рекомендаций с короткого правила:

“Start with clear instructions.” — Microsoft Learn

Источник: Microsoft Learn, Prompt engineering techniques

Модели не приходится угадывать, что именно считается успехом. Это сокращает число общих фраз и лишних итераций.

Роль не заменяет задачу

Фраза «ты senior-маркетолог с 15-летним опытом» может задать тон и предметную область. Слабый запрос она не исправит.

Слабый вариант:

Ты эксперт. Сделай стратегию продвижения.

Рабочий вариант:

Ниже дано описание B2B SaaS для финансовых директоров. Подготовь план продвижения на 90 дней при бюджете до 500 000 ₽ и команде из основателя и одного маркетолога. Для пяти каналов укажи гипотезу, стоимость теста, метрику успеха и риск; рыночные цифры без источника не используй.

Во втором запросе заданы входные данные и способ проверки. Название роли здесь вторично.

Приёмы для повседневной работы

Выбирайте язык инструкции по результатам проверки. Некоторые модели стабильнее следуют структуре на английском. Если это подтверждается на ваших задачах, рабочую часть можно написать на английском и отдельно указать язык ответа.

Попросите AI составить промпт. В отдельном чате опишите задачу и попросите модель сначала собрать недостающие вводные, а затем подготовить запрос для другой модели.

Работайте итерациями. Первый ответ является черновиком. Дальше можно запросить источники, сократить текст, изменить тон или разделить факты и предположения.

Разделяйте задачи по чатам. Договор, рекламный текст и стратегия в одной истории создают противоречивый контекст.

Используйте голосовой ввод для длинных вводных. Он экономит время, когда нужно последовательно рассказать, что произошло, почему это важно и какие ограничения действуют.

Anthropic перечисляет инструменты Claude Console для создания и улучшения запросов:

“The Claude Console also offers prompting tools—prompt generator, templates and variables, and prompt improver—to help you build and refine prompts quickly.” — Anthropic Claude Docs

Источник: Anthropic Claude Docs, Prompt engineering overview

Шаблоны и генераторы ускоряют подготовку запроса. Пользователь всё равно должен понимать задачу и критерии приёмки.

Как проверять ответ

Уверенный тон модели не подтверждает точность. Для рабочих задач полезно запросить:

  • разделение фактов и предположений;
  • источники для внешних данных;
  • риски и слабые места ответа;
  • альтернативный вариант;
  • список недостающих данных.

Договоры, финансовые расчёты, юридические и медицинские материалы, а также публичная аналитика требуют проверки профильным специалистом. AI готовит материал, но ответственность остаётся у человека.

Универсальный шаблон

Context:
[Компания, продукт, аудитория и ситуация]

Task:
[Конкретное действие]

Input data:
[Факты, документы, ссылки и ограничения]

Output format:
[Список / таблица / письмо / план / JSON]

Quality criteria:
- separate facts from assumptions
- do not invent numbers
- mention risks
- ask questions if data is missing

Respond in Russian.

Шаблон стоит адаптировать под задачу. Открытые примеры можно найти в Anthropic Prompt Library и документации Microsoft.

Копировать пример целиком обычно бессмысленно. Полезнее разобрать его на контекст, формат, ограничения, примеры и критерии проверки, а затем собрать собственный запрос.

Промпт задаёт управляемый вход в систему. Чем точнее описаны задача и условия, тем быстрее черновик становится пригодным для дальнейшей работы.