Читать онлайн GPTML. Справочник по промпт-инжинирингу

Глава 1. Введение в промпт-инжиниринг

Книга создана проектом GPTML.ru – онлайн-платформой, посвящённой нейросетям, ИИ и практическим инструментам будущего.

Приятного изучения!

Промпт – это рабочая инструкция для модели. Вы задаёте цель, границы и формат результата, модель опирается на них и строит ответ. Правильный промпт соединяет вашу идею и готовый материал без потерь. Ошибка в формулировке ломает мост, ответ уходит в сторону.

Это ремесло. Чем яснее задача и контекст, тем точнее результат. Ниже разберём, что такое промпт-инженерия, как устроены современные модели, зачем вообще уметь писать промпты и как составлять их так, чтобы они давали предсказуемый, полезный выход.

Промпт-инженерия – это методика постановки задач для языковых моделей. В неё входят формулировка цели, отбор контекста, задание роли, выбор формата и критериев качества. По сути, это бриф для цифрового исполнителя.

Как взаимодействует человек и модель:

– Вы сообщаете, что нужно сделать, и для кого.

– Добавляете контекст, который нельзя угадать.

– Ограничиваете поле решения, чтобы убрать лишнее.

– Просите выдать результат в удобном виде.

– Проверяете и уточняете, пока ответ не подходит под задачу.

Чем промпт отличается от обычного запроса:

– В промпте есть цель, аудитория и формат.

– Он задаёт тон и стиль.

– Он объявляет «красные линии», что нельзя использовать.

– Он проверяет сам себя, просит модель перепроверить факты, структуру, орфографию.

Чтобы понять, как искусственный интеллект отвечает на наши запросы, представьте обычный разговор. Мы не слушаем каждое слово отдельно, а воспринимаем всю фразу целиком.

Например, если кто-то говорит: «Мальчик, который катался на велосипеде, уронил шлем». Мы сразу понимаем, что шлем уронил мальчик, а не велосипед.

Именно это делает трансформер. Он смотрит не на отдельные слова по порядку, а на весь текст сразу, чтобы уловить смысловые связи. Можно сравнить его с внимательным читателем. Такой читатель пробегает глазами страницу и понимает, что слово в начале может влиять на то, что сказано в конце.

Это нужно:

– Чтобы модель не путала роли. Сравните: «Учитель похвалил ученика» и «Ученик похвалил учителя» – это разные ситуации.

– Чтобы ответ звучал связно, а не как случайный набор слов.

– Чтобы ИИ мог работать с длинными текстами и не терять суть.

Если коротко: трансформер – это механизм, который помогает модели видеть текст целиком и отвечать так, будто она понимает контекст.

Что это даёт нам на практике:

– Если контекст точный, модель попадает в цель.

– Если контекст размытый, она заполняет пробелы как умеет, и это не всегда совпадает с вашей задачей.

– Значит, качество промпта напрямую управляет качеством ответа.

– Экономия времени. Один продуманный промпт заменяет цепочку уточнений.

– Предсказуемость. Вы управляете тоном, длиной, структурой, а не надеетесь на «повезёт».

– Масштабирование. Можно повторять процесс и получать одинаково понятные результаты в новых темах.

Промпт – это целая система решений. В нём вы задаёте роль исполнителя, указываете цель, определяете канал и формат результата, описываете стиль, степень свободы и критерии проверки.

Можно сравнить это с постановкой задачи сотруднику. Если сказать абстрактно «сделай красиво», итог получится неожиданным и, скорее всего, не тем, что вы хотели. Но если вы составите чёткий бриф с требованиями к стилю, объёму и срокам, результат будет максимально близок к вашим ожиданиям.

Таким образом, промпт – это ваш инструмент управления нейросетью. От его качества напрямую зависит, получите ли вы сырую заготовку или готовый к использованию результат.

Пример на практике

Задача: нужно подготовить текст для рассылки про скидки в интернет-магазине.

Плохой промпт: «Напиши письмо о скидках». Результат: сухой текст вроде «В нашем магазине начались скидки. Успейте купить товары дешевле».

Хороший промпт: «Ты – email-маркетолог. Подготовь письмо для рассылки интернет-магазина одежды. Аудитория – молодые женщины 25–35 лет. Длина письма – 120–150 слов. Тон дружелюбный и лёгкий. Подчеркни выгоду: скидки до 40% на летнюю коллекцию. Добавь заголовок, приветствие, два абзаца с преимуществами и заверши призывом перейти на сайт».

Результат: письмо получается структурированным, с эмоциональным заходом и конкретными выгодами, готовое к отправке.

Два примера профессиональных промптов

Пример 1. Маркетинговый пост

Задача. Нужен короткий пост для ленты о запуске мобильного приложения, цель – подогреть интерес и собрать предзапись.

Промпт: «Ты маркетолог с опытом продуктовых запусков. Напиши пост до 700 знаков для ленты. Тема, открытый бета-доступ к новому приложению для заметок. Тон дружелюбный и уверенный. Укажи три выгоды, синхронизация между устройствами, офлайн-доступ, быстрый поиск. Один призыв записаться в бета-лист. Без штампов, без эмодзи.»

Что здесь сработает.

– Роль сузила стиль под продуктовый маркетинг.

– Чёткие выгоды не дают уйти в общие слова.

– Ограничение длины держит текст в фокусе.

– Один призыв к действию исключает распыление.

Пример 2. Письмо от поддержки

Задача. Ответить пользователю, который столкнулся с ошибкой выставления счета, нужно снизить напряжение и предложить понятный план.

Промпт: «Ты специалист поддержки уровня L2. Напиши письмо до 140 слов. Ситуация, у клиента не сформировался счёт после оплаты. Цель, объяснить шаги решения и дать сроки. Тон спокойный и доброжелательный. Структура, приветствие, признание проблемы, два пункта плана, срок, как связаться в случае повторения, завершение.»

Что здесь сработает.

– Роль задаёт деловой и уважительный тон.

– Структура письма исключает лишние отступления.

– Конкретные шаги и сроки снижают тревогу.

Когда вы задаёте роль, модель «играет персонажа». Это влияет на лексику, структуру и стиль текста. Один и тот же запрос в роли маркетолога, учителя или юриста даст совершенно разные результаты.

Роль помогает:

– быстрее попасть в нужный тон общения,

– убрать лишние пояснения и сосредоточиться на том, что важно именно в этой сфере,

– сделать текст более убедительным для конкретной аудитории.

Пример.

Промпт без роли: «Напиши текст о том, почему стоит учить английский язык». Результат: общие фразы, которые подойдут всем, но не зацепят никого.

Промпт с ролью: «Представь, что ты преподаватель английского с опытом 10 лет. Напиши пост для подростков о том, как знание языка помогает в путешествиях и общении. Добавь лёгкий юмор и два конкретных примера». Результат: текст звучит живо, убедительно и адресован именно подросткам.

Это три шага. Сначала формулируем цель, затем даём контекст, потом фиксируем формат результата. Каждый шаг усиливает предыдущий.

Шаг 1. Чётко сформулируйте задачу

Плохой промпт: «Напиши текст про новый курс.»

Хороший промпт: «Ты редактор образовательных программ. Подготовь аннотацию курса по продвинутому Excel для начинающих аналитиков. Объём 120–150 слов. Цель, показать пользу и сценарии применения. Аудитория, специалисты на первых ролях. Без жаргона, без обобщений вроде “улучшите эффективность”.»

Что здесь сработает.

– Определена аудитория и цель, значит текст попадёт по уровню.

– Ограничение длины не даст размыть аннотацию.

– Запрет на пустые формулы чистит стиль.

Шаг 2. Добавьте контекст и детали

Пример. «Исходные данные, курс стартует 15 октября, занятия два раза в неделю, формат, видео и домашние задания с проверкой, оплата помесячно. Упомяни, что в курсе есть блок по сводным таблицам и построению дашбордов, это ключевой модуль.»

Что здесь сработает.

– Модель не придумывает факты, а использует ваши данные.

– Акценты расставлены заранее, дашборды не потеряются.

– Читатель получает конкретику, а не общие обещания.

Шаг 3. Уточните формат результата

Пример. «Выдай ответ в виде, заголовок в одну строку, абзац-аннотация, нумерованный список из трёх результатов, последний пункт, кому подойдёт курс. Проверка перед выдачей, есть ли дата старта, формат занятий и ключевой модуль.»

Что здесь сработает.

– Структура делает текст удобным для публикации.

– Чек-лист в конце заставляет модель перепроверить важные поля.

– Риск потерять ключевые детали минимален.

Полезный совет

– Добавляйте примеры. Если нужен особый стиль, приведите короткий образец, по которому модель выровняет тон.

– Показывайте антипримеры. Попросите избегать клише и перечислите их.

– Просите самооценку. В конце промпта добавьте просьбу проверить себя по списку критериев.

Базовый каркас промпта, который надёжно работает

1. Роль исполнителя

2. Цель и аудитория

3. Исходные данные и ограничения

4. Формат ответа и длина

5. Тон и стиль

6. Критерии готовности и самопроверка

Этот каркас можно использовать в любой сфере. Он задаёт мост между замыслом и результатом, и чем аккуратнее вы его строите, тем реже вам приходится чинить недочёты готового текста.

Ещё примеры промптов с ролями

Пример 1. Рекламный текст от лица маркетолога

Задача: написать рекламный пост для Instagram о новом продукте. Промпт: «Представь, что ты опытный маркетолог с десятилетним стажем. Напиши рекламный пост на 100 слов для Instagram. Продукт – ортопедический матрас. Аудитория – молодые родители и люди старше 30 лет. Стиль – дружеский и ободряющий. Основные выгоды: поддержка спины, глубокий сон, улучшение самочувствия. Добавь эмоциональный заход и закончи призывом к действию».

Что работает:

– Роль маркетолога добавляет экспертности.

– Указан конкретный стиль – дружеский, но уверенный.

– Чётко прописаны выгоды продукта.

– Призыв к действию мотивирует на покупку.

Пример 2. Объяснение технологии от лица эксперта

Задача: доступно объяснить сложную тему. Промпт: «Ты технический эксперт, пишущий статьи для блога. Объясни, как работает блокчейн, для аудитории новичков. Объём – 300 слов. Используй аналогии и живые примеры. Разбей текст на короткие подзаголовки».

Что работает:

– Роль эксперта придаёт уверенности и авторитета. – Аналогии помогают объяснить сложное понятие простым языком. – Подзаголовки структурируют материал.

Пример 3. Письмо клиенту от аккаунт-менеджера

Задача: ответить клиенту на жалобу о задержке проекта. Промпт: «Ты аккаунт-менеджер в IT-компании. Клиент недоволен задержкой сроков. Напиши ответ на 150 слов: вежливый и профессиональный. Подчеркни, что компания уже предпринимает меры, предложи план действий и убеди клиента в контроле ситуации».

Что работает:

– Стиль письма соответствует роли.

– Предложен конкретный план, а не пустые извинения.

– Клиент чувствует внимание и заботу.

От первых ботов до умных собеседников

Ещё десять лет назад разговор с искусственным интеллектом выглядел как игра. Первые чат-боты отвечали по заранее заготовленным фразам. Вы писали «Привет», а они отвечали «Здравствуйте! Чем могу помочь?» Стоило спросить что-то необычное – и бот терялся.

Сегодня всё иначе. Современные модели читают текст целиком, понимают контекст и подстраиваются под стиль общения. Это уже не автомат с готовыми фразами, а гибкий собеседник.

Что изменилось?

Тогда – запросы формулировали жёстко, по ключевым словам. Теперь – пишете так, как вы говорите в жизни, модель поймёт и адаптируется.

Тогда – ответы короткие и однотипные. Теперь – получаете развернутый текст, план, сценарий или даже стилизованное письмо.

Тогда – боты не умели учиться от запроса к запросу. Теперь – модели анализируют тон, формат и уточнения, подстраиваясь под вас.

Примеры

Из прошлого. Запрос: «Расписание автобусов Москва–Тула» Ответ чат-бота: «Автобус отправляется в 9:00, 13:00 и 18:00» Если уточнить «А какой автобус лучше выбрать, чтобы успеть вернуться вечером домой?», бот отвечал «Такой информации нет»

Пример из настоящего. Запрос: «Хочу съездить из Москвы в Тулу на один день. Уезжаю утром и хочу вернуться вечером. Подбери удобное время отправления и укажи, сколько займёт дорога» Ответ модели: «Можно выехать автобусом в 9:00, в дороге около трёх часов. В Тулу прибудете в полдень, у вас будет несколько часов на прогулку. Обратно удобно ехать в 18:00, чтобы вернуться в Москву около 21:00»

Разница заметна: теперь модель понимает контекст и отвечает так, как будто это совет от человека.

Пользователю больше не нужно подбирать правильные слова. Разговор с ИИ стал естественным и похожим на обычное общение. Задачи решаются быстрее, от прогноза погоды до написания делового письма. ИИ перестал быть инструментом только для специалистов и стал помощником, доступным каждому.

Общение с ИИ перестало быть экзотикой и стало частью повседневной жизни. Это видно в разных областях.

Бизнес Раньше для подготовки коммерческого предложения нужно было несколько часов работы менеджера. Теперь достаточно одной минуты, чтобы получить черновик письма или описания продукта и лишь слегка его доработать.

Образование

Ещё недавно студент искал информацию в учебниках и на форумах. Сейчас он может задать вопрос нейросети: «Объясни теорему Пифагора простыми словами» – и сразу получить понятное объяснение с примерами.

Повседневные задачи

Раньше нужно было самому составлять список покупок и придумывать рецепты. Теперь достаточно написать: «Сделай меню на три дня из курицы, картофеля и брокколи» – и модель выдаст готовый план.

Креатив и творчество

Если раньше идея сценария или текста могла надолго застрять в голове, то теперь достаточно набросать промпт, и вы получите сюжет, который можно развивать дальше.

ИИ вошёл в бизнес-процессы, образование и бытовые дела. Главное отличие современного общения с моделями в том, что оно стало простым, быстрым и понятным любому человеку, а не только специалисту.

Глава 2. Основы эффективных промптов

Когда человек только начинает работать с искусственным интеллектом, он часто думает: «Чем больше деталей я напишу, тем лучше будет результат». Кажется логичным загрузить модель длинным описанием, но на деле это часто приводит к обратному эффекту.

ИИ умеет работать с большим количеством текста, но, если промпт перегружен, он перестаёт видеть главное. В итоге часть информации теряется или ответ становится слишком размытым.

Хороший промпт – это не роман на страницу, а чёткая инструкция. Думайте о нём как о задании для сотрудника: если вы пишете задачу на три абзаца с лишними пояснениями, сотрудник запутается. Если выделить главное и сказать прямо, результат будет ближе к ожиданиям.

Почему простота работает лучше:

– Модели проще выделять ключевые требования, когда текст короткий

– Вы экономите время: меньше уточнений и переделок

– Ответ получается структурированным и соответствует цели

– Модель не уходит в лишние подробности, которые вы не просили

Как выглядит перегруженный промпт

Пример сложного запроса: «Напиши рекламный текст про новый фитнес-клуб. Обязательно расскажи про акции, персональных тренеров, оборудование, бассейн, атмосферу и кафе. Сделай это в стиле блога, но без канцелярита, с юмором, добавь три призыва к действию, укажи адрес, телефон, цену абонемента и придумай слоган».

Что получится? Ответ будет слишком длинным и пёстрым. Модель попытается вставить всё сразу, и текст потеряет фокус.

Как выглядит простой и эффективный промпт

Пример короткого запроса: «Напиши рекламный текст для фитнес-клуба. В одном абзаце укажи три преимущества: новые тренажёры, опытные тренеры, акция для новичков. В конце добавь один призыв к действию».

Что получится? Текст будет понятным, легко читаемым и сразу готовым для публикации.

Как разбивать большие задачи

Если у вас много требований, не пытайтесь засунуть их в один промпт. Разбейте задачу на части.

Пример большой задачи: «Сделай текст для сайта фитнес-клуба с историей бренда, описанием услуг, отзывами клиентов, контактами и рекламным баннером».

Лучше сделать несколько шагов:

1. Промпт для истории клуба

2. Промпт для описания услуг

3. Промпт для блока отзывов

4. Промпт для контактной информации

5. Промпт для рекламного баннера

После этого можно собрать результат в единый документ. Такой подход проще для вас и для модели.

Ещё примеры из разных сфер.

Образование

Сложный запрос: «Объясни закон Ома и сразу приведи примеры для школьников, студентов и инженеров». Простой запрос: «Объясни закон Ома простыми словами для школьника восьмого класса и приведи один пример из физики».

Бытовые задачи

Сложный запрос: «Составь меню на неделю, учти низкий бюджет, разные диеты, отсутствие плиты и добавь список покупок».

Простой запрос: «Составь меню на три дня для семьи из двух человек с использованием духовки. Сделай список продуктов».

Креатив

Сложный запрос: «Придумай сюжет книги в жанре фантастика, добавь юмор, философию, романтическую линию и политическую интригу».

Простой запрос: «Придумай сюжет фантастического рассказа о путешествии на Марс, объём – 200 слов».

Советы для практики

– Одна цель – один промпт

– Формулируйте задачу короткими фразами

– Убирайте лишние уточнения, если они не влияют на результат

– Добавляйте контекст, только если он критически важен

– Проверяйте: можно ли объяснить запрос вслух за 15 секунд – если да, промпт достаточно прост

Когда мы говорим «одна цель», важно понимать не только ограничение по количеству задач, но и умение выделить самое главное. Именно это отличает хороший промпт от размытых формулировок.

ИИ реагирует на то, что вы ставите во главу угла. Если цель туманная, модель будет гадать. Если же вы ясно обозначите, что именно нужно, результат окажется точнее.

Как отличить главную цель от деталей

Попробуйте задать себе три вопроса:

– Для чего я пишу этот промпт?

– Какой итоговый результат я хочу получить?

– Что можно убрать из формулировки, не потеряв суть?

Например, вместо: «Напиши статью о маркетинге, добавь историю бренда, кейсы, советы для бизнеса и сделай это в стиле блога»

Лучше начать с: «Напиши статью о том, как маркетинг помогает малому бизнесу привлекать клиентов». А уже потом уточнять детали отдельными запросами.

Бывает, вы хотите охватить целый пласт темы. Например: «Сделай подробное руководство по работе с нейросетями».

Такой запрос слишком объёмный. Чтобы не потерять качество, его можно переформулировать в цепочку целей:

– Напиши введение в тему нейросетей простым языком

– Объясни, как они применяются в бизнесе

– Дай три примера для повседневных задач

Так вы сохраняете структуру и не перегружаете модель.

Приёмы фокусировки

– Задайте вопрос «А что самое важное для меня в этом тексте?»

– Уберите все украшения вроде «добавь юмор, сделай стильно, подбери картинки» и оставьте их на второй шаг

– Проверяйте: можно ли сформулировать задачу одним предложением

Пример

Размытый промпт: «Сделай рекламный текст для магазина одежды, добавь описание коллекции, расскажи про скидки, вставь эмоции, придумай слоган и оформи как пост для Instagram».

Сфокусированный промпт: «Сделай короткий рекламный пост для Instagram о новой коллекции одежды со скидками для первых покупателей».

Второй вариант короче, но он даёт понятный результат. Всё остальное – эмоции, оформление, слоган – можно добавить отдельными запросами.

Один запрос – это как один точный вопрос к собеседнику.

Если вы спросите: «Расскажи всё сразу», ответ будет расплывчатым.

Если уточните «Объясни в двух словах, зачем нужен маркетинг малому бизнесу», вы получите ясный и полезный ответ.

ИИ даёт быстрый черновик, но ответственность за качество остаётся на человеке. Проверка и уточнение превращают черновик в готовую работу. Это не дополнительный этап, а часть нормального процесса.

Что проверяем

– Соответствие цели и аудитории

– Факты и цифры

– Структуру и формат ответа

– Тон и стиль

– Полноту и соблюдение ограничений

– Риски, двусмысленности, клише

Как проверять в три круга

Круг 1. Быстрая проверка за минуту

– Пробегите глазами заголовок, первый абзац и финал

– Ответил текст на исходный запрос

– Нет явных ошибок и лишней воды

Это экспресс-этап: вы смотрите на текст свежим взглядом и решаете, стоит ли его вообще дорабатывать или проще сразу попросить новую версию. На проверку уходит не больше минуты.

1. Заголовок

– Есть заголовок, если он был в задании?

– Понятно из него, о чём текст?

– Привлекает он внимание или выглядит как пустая формальность?

2. Первый абзац

– Начало соответствует задаче?

– Понятно с первых строк, о чём идёт речь?

– Нет слишком общих фраз вроде «С давних времён люди…»?

3. Финал

– Завершает текст мысль?

– Есть вывод или призыв к действию, если вы его просили?

– Нет ощущения, что текст оборвался на полуслове?

4. Ответ на запрос

– Совпадает ответ с тем, что вы просили в промпте?

– Нет подмены задачи (например, просили «инструкцию», а получили «рассуждение»)?

5. Быстрые ошибки

– Бросаются в глаза орфографические или смысловые ляпы?

– Есть абзацы или предложения, которые явно «пустые» и не несут пользы?

– Нет случайных повторов?

Пример проверки

Промпт: «Напиши короткий пост для Instagram о новой коллекции одежды. Обязательно: заголовок, один абзац описания и призыв к действию».

Полученный текст: «Коллекция одежды. У нас новые модели. Покупайте у нас».

Проверка по Кругу 1

– Заголовок есть, но он слишком общий и не цепляет

– Первый абзац слишком короткий и ничего не объясняет

– Финала нет, призыв к действию формальный

– Запрос выполнен формально, результат непригоден

Вывод: проще сразу перезапросить новую версию с уточнением «сделай текст ярким и добавь конкретные преимущества».

Круг 2. Смысл и форма

– Уберите повторы, общие слова и штампы

– Проверьте структуру, чтобы каждое требование из промпта было на месте

– Выровняйте тон под аудиторию

На этом этапе мы уже проверяем, насколько текст логичен, структурирован и соответствует задачам. Здесь важно поймать баланс: текст может быть грамотным, но сухим, или наоборот – эмоциональным, но бессвязным.

1. Логика и связность

– Каждая мысль продолжает предыдущую, нет ли «скачков»?

– Есть начало, основная часть и завершение?

– Нет противоречий (в одном месте говорится «скидка 30%», а в другом – «скидка 50%»)?

2. Структура

– Текст разделён на абзацы, а не идёт сплошной «простынёй»?

– Есть подзаголовки или списки, если это облегчает чтение?

– В каждом абзаце раскрывается одна мысль, а не всё сразу?

3. Стиль

– Соответствует тон задания (дружелюбный, официальный, нейтральный, экспертный)?

– Подходит уровень сложности для аудитории (школьник, студент, специалист)?

– Нет штампов вроде «уникальное качество», «в наше время», «лучший выбор»?

4. Полнота ответа

– Все пункты из промпта отражены?

– Не пропущены важные детали, без которых текст теряет смысл?

– Не «раздуло» текст общими словами вместо конкретики?

5. Ясность

– Можно пересказать суть текста в одном-двух предложениях?

– Понятен смысл без дополнительных пояснений?

– Читается легко, или приходится напрягаться, чтобы уловить мысль?

Пример проверки

Промпт: «Напиши короткое письмо клиенту о новой акции на доставку. Укажи скидку, срок действия и добавь дружелюбный тон».

Полученный текст: «Уважаемый клиент, рады сообщить, что у нас проходит акция. Успейте воспользоваться предложением в ближайшее время. Мы ценим вас».

Проверка по Кругу 2

– Логика: текст есть, но слишком общий, детали отсутствуют

– Структура: письмо короткое, не информативное

– Стиль: слишком формально, нет дружелюбного тона

– Полнота: нет конкретной скидки, нет даты окончания акции

– Ясность: непонятно, в чём выгода

Вывод: нужно уточнить.

Пример уточнения: «Перепиши письмо, сохрани дружелюбный тон.

Укажи конкретно: скидка 15%, акция до 15 октября, доставка бесплатна».

Круг 3. Техническая чистота

– Формат, длина, подача, наличие нужных элементов

– Орфография и пунктуация

– Финальный взгляд свежими глазами

На этом этапе мы проверяем форму текста. Важно убедиться, что результат полностью соответствует заданию: правильный объём, верное оформление и наличие всех обязательных деталей.

Под «нужными элементами» понимаются части, которые вы явно указали в промпте. Если хотя бы один элемент пропал, текст нельзя считать завершённым.

1. Формат

– Совпадает тип текста с заданием: пост, статья, письмо, сценарий?

– Есть правильное оформление: абзацы, подзаголовки, списки там, где они нужны?

– Выглядит результат так, чтобы его можно было сразу вставить в документ или на сайт?

2. Длина

– Уложился текст в заданный диапазон слов или символов?

– Нет лишних абзацев, которые перегружают восприятие?

– Если текста меньше, чем просили, не потерялись ли важные детали?

3. Подача

– Стиль соответствует аудитории? Например, «простыми словами для школьника» или «официально для делового письма».

– Есть плавный переход между абзацами, логическая последовательность?

– Нет резких скачков, когда одно предложение никак не связано с другим?

4. Нужные элементы

– Все обязательные блоки присутствуют: заголовок, подзаголовки, списки, факты, примеры, вывод?

– Есть призыв к действию, если он был в промпте?

– Не исчезли детали: цифры, названия, конкретные характеристики?

5. Чистота текста

– Орфография и пунктуация в порядке?

– Нет повторов и тавтологий?

– Убраны общие фразы вроде «лучшее качество» или «уникальное предложение»?

Инструменты уточнения

– Уточняющий промпт с перечислением конкретных правок

– Самокритика модели по чек-листу

– Два варианта на выбор, короткое сравнение

– Ограничение длины и жёсткий формат, абзац, список, письмо

– Тест на целевую аудиторию, попросите переписать под нужного читателя

Шаблоны для уточнений

– Проверь текст по чек-листу, цель, аудитория, формат, длина, факты, убери клише

– Спроси у меня три вещи, которых тебе не хватает, чтобы улучшить текст

– Перепиши с акцентом на выгоды, оставь один призыв к действию в конце

– Сократи до 120–150 слов, сохрани смысл и порядок аргументов

– Сформируй версию А и версию Б, кратко укажи разницу и когда лучше применять каждую

Пример 1. Письмо клиенту

Задача: нужно ответить на жалобу о задержке, снизить напряжение и предложить план действий.

Первый ответ модели: Здравствуйте. Мы видим вашу проблему. Постараемся решить её в ближайшее время. Благодарим за понимание.

Что не так:

– Нет сроков и конкретики

– Нет шагов решения

– Тон слишком общий

Уточняющий промпт: Перепиши письмо. Сохрани вежливый тон. Добавь два понятных шага, что делаем сегодня и завтра. Укажи срок, когда вернёмся с обновлением. Заверши фразой, куда писать, если ошибка повторится.

Исправленный фрагмент: Здравствуйте. Мы проверили заказ и нашли ошибку в выставлении счёта. Сегодня исправим данные в системе и отправим новый счёт на почту. Завтра подтверждаем оплату и пришлём статус доставки. Вернёмся с обновлением до 18:00. Если вопрос повторится, напишите в ответ на это письмо, ответим в приоритетном порядке.

Пример 2. Описание продукта

Задача: нужно короткое описание беспроводных наушников для карточки товара.

Первый ответ модели: Отличные наушники с хорошим звуком. Подходят для спорта и путешествий

Что не так:

– Нет конкретных характеристик

– Отсутствуют выгоды и формат карточки

Уточняющий промпт: Перепиши в формате, один абзац до 70 слов и список из трёх преимуществ. Укажи время работы, защиту от влаги и быструю зарядку. Без громких эпитетов.

Исправленный фрагмент: Лёгкие беспроводные наушники для музыки и звонков. До 8 часов работы на одном заряде, зарядка до 50 процентов за 15 минут, защита от влаги для пробежек под моросящим дождём. Преимущества: до 8 часов без розетки, защита корпуса от влаги, быстрая зарядка перед выходом.

Уже лучше, дорабатываем дальше.

Пример 3. Объяснение для учёбы

Задача: объяснить закон Ома школьнику.

Первый ответ модели: Закон Ома устанавливает линейную зависимость тока от напряжения при постоянном сопротивлении.

Что не так:

– Сухо и непонятно

– Нет примера

Уточняющий промпт: Объясни простыми словами для восьмого класса. Приведи короткий пример из быта. Не используй формулы в первом абзаце.

Исправленный фрагмент: Представьте, что в зал хочет войти толпа людей. Напряжение – это насколько сильно люди хотят войти внутрь. Ток – это количество людей, которые реально проходят через дверь. Сопротивление – это ширина двери. Если дверь узкая, люди проходят медленно, если широкая – быстрее. Чем выше «желание войти» (напряжение), тем больше людей прорывается (ток). Но если дверь узкая (сопротивление большое), то сколько ни старайся, быстро все не войдут.

Ошибка 1. Общие слова и клише

– «У нас лучшее качество»

– «Мы предлагаем уникальное предложение»

– «Наш продукт – инновационный и современный»

Такие слова ничего не значат. Они звучат громко, но не дают фактов. Читатель не понимает, чем именно вы отличаетесь от конкурентов. Замените клише на факты: цифры, сроки, конкретные характеристики. Добавьте пример из практики или короткий кейс.

Попросите модель: «Замени все общие слова на факты и конкретику. Приведи цифры или примеры». Сами составьте мини-список: цена, гарантия, срок доставки, опыт работы, и попросите вставить их в текст.

Пример

Вместо: «Мы предлагаем лучшее качество и инновационный подход»

Исправление: «Мы работаем 10 лет на рынке и даём гарантию 3 года на каждое устройство».

Ошибка 2. Потеря обязательных условий

Вы просили: «Сделай заголовок, три преимущества и призыв к действию». Модель прислала текст без заголовка и без финальной фразы. Текст неполный. Пришлось бы вручную додумывать то, что должно было быть в ответе.

Сверьте текст с исходным промптом: все ли пункты выполнены? Попросите модель самой поставить «галочки» напротив каждого условия.

Промпт: «Сверь текст с заданием. Укажи, какие условия выполнены, а какие нет» Промпт: «Добавь недостающие элементы: заголовок, три преимущества и финальный призыв»

Ошибка 3. Лишние абзацы и повторы

Модель повторяет одну мысль разными словами: «Наш сервис удобный и быстрый. Мы делаем всё для удобства клиентов. Наша скорость работы радует пользователей». Текст раздувается, теряет динамику. Читатель устает и бросает чтение.

Попросите сократить текст, сохранив только уникальные мысли. Сами подчеркните повторяющиеся фразы и уберите их.

Промпт: «Сожми текст до 100 слов. Убери повторы, оставь только уникальные мысли» Промпт: «Сделай текст на 30% короче без потери смысла»

Пример

Вместо трёх одинаковых абзацев про «удобство и скорость» достаточно одного: «Мы доставляем заказы за 24 часа, и клиенты ценят это удобство».

Ошибка 4. Слишком мягкий или жёсткий тон

– Мягкий вариант: «Мы постараемся решить проблему когда-нибудь»

– Жёсткий вариант: «Вы неправильно оформили заказ, поэтому задержка на вашей стороне». Тон либо не вызывает доверия, либо раздражает клиента.

Уточните роль и стиль: «Ты специалист поддержки», «Ты юрист», «Ты преподаватель» Пропишите желаемую манеру: «дружелюбно», «официально», «коротко и по делу»

Промпт: «Перепиши текст в официально-деловом стиле, сохрани вежливость и конкретику» Промпт: «Сделай текст дружелюбнее, добавь эмпатию»

Пример

Вместо: «Мы постараемся что-то сделать» Исправление: «Мы проверили ваш заказ и уже исправляем данные. Вернёмся с обновлением сегодня до 18:00».

Ошибка 5. Сомнительные факты

Модель может «выдумывать»: «Компания работает с 1995 года», хотя вы открылись в 2018 или «Товар производится в Германии», хотя он китайский. Фейковые данные подрывают доверие. Если не проверить, можно случайно опубликовать ошибку.

Просите модель отмечать места, где она «не уверена». Проверяйте факты вручную через документы или сайт компании.

Промпт: «Отметь в тексте все факты, в которых ты не уверен, и предложи варианты уточнения»

Промпт: «Замени выдуманные данные на нейтральные формулировки: “основана несколько лет назад”, “производится в Европе”»

Вместо: «Компания работает с 1995 года» Исправление: «Компания работает уже несколько лет и зарекомендовала себя на рынке».

Бывает так, что текст, который вы получили от модели, проще не исправлять, а начать заново. Это происходит в тех случаях, когда сама цель изменилась – например, вы сначала просили короткое письмо, а теперь нужен подробный чек-лист. Вроде бы можно дописать детали, но в итоге получится неуклюжая «заплатка», а не готовый текст.

То же самое, если из всего задания выполнена лишь малая часть: вы обозначили десять требований, а модель справилась только с тремя. Попытки добавить недостающее часто превращают работу в бесконечную доработку. Гораздо быстрее перезапросить ответ с нуля.

И ещё одна ситуация – когда основа текста держится на сомнительных фактах. Если модель выдумала даты, цифры или историю компании, исправления не помогут: весь текст построен на неверной базе. Здесь единственный выход – начать заново, но уже с уточнённым промптом.

Правка работает там, где нужно улучшить форму, стиль или добавить детали. Но если ошибка лежит в самой основе, лучше сразу попросить новую версию. Это сэкономит вам и время, и силы.

Формулировать уточнения нужно так, чтобы они работали как инструкция, а не как пожелание. Главное правило – писать коротко и по делу. Хорошо работает приём «сначала проблема – потом решение». Например: «В тексте слишком много общих слов, сделай его конкретнее. Добавь цифры и факты». Такой формат даёт модели понимание, куда смотреть и что менять.

Ещё один приём – попросить модель проверить сама себя. Добавьте в конце уточнения инструкцию: «Убедись, что все условия выполнены». Это маленький «контрольный пункт», который помогает избежать повторных ошибок.

Пример

Первый запрос: «Напиши текст для лендинга нового онлайн-курса по английскому языку».

Что вы получили: «Наш курс по английскому – это лучший способ выучить язык. Вас ждёт уникальная методика и инновационный подход. Регистрируйтесь прямо сейчас!»

– В тексте только громкие фразы и ни одной конкретики – Нет упоминания преимуществ, ради которых читатель купит курс – Тон выглядит рекламным, но не вызывает доверия

Уточнение: «Перепиши текст для лендинга. Включи три конкретных выгоды: занятия с носителями, расписание по выбору и доступ к материалам 24/7. Убери общие слова вроде “лучший” и “уникальный”. Добавь один призыв к действию в конце. Проверь, чтобы длина первого экрана была до 80 слов».

Исправленный фрагмент: «Учите английский в удобном формате. Занятия с носителями языка помогут быстрее заговорить. Вы сами выбираете расписание и можете подключаться к урокам в любое время. Все материалы всегда доступны онлайн. Присоединяйтесь сегодня и начните учиться легко!»

Теперь текст стал конкретным: есть факты, есть выгоды, есть действие. А самое главное – он соответствует изначальной цели лендинга.

Проверка и уточнение делают ответ понятным и готовым к применению. Это простой цикл: черновик, правка, подтверждение. Чем яснее вы формулируете уточнение, тем быстрее получаете тот самый результат, который можно сразу использовать.

Когда человек впервые пробует общаться с искусственным интеллектом, он часто удивляется: почему один запрос даёт размытый ответ, а другой – точный и полезный? Разница кроется не в «настроении» модели, а в том, как был составлен промпт.

Промпт – это не просто набор слов. Это инструкция, контекст, рамки и даже интонация, в которой вы разговариваете с моделью. Грамотный промпт можно сравнить с тщательно подготовленным брифом для дизайнера или с техническим заданием для программиста. Если сказать «сделай красиво», результат будет случайным. Если же задать задачу конкретно – сроки, формат, цели, – вы получите именно то, что нужно.

Структура промпта – это каркас, на который опирается модель. Чем он прочнее и логичнее, тем выше вероятность, что результат будет сразу близок к вашим ожиданиям.

Глава 3. Структура промпта

Первая и главная часть любого промпта – это чёткая инструкция. Она отвечает на вопрос: что именно должно быть сделано.

Если вы просто пишете «Напиши текст про спорт», модель выдаст вам общее рассуждение о пользе бега или йоги. Такой текст не будет ни уникальным, ни применимым. Но если сформулировать конкретную задачу: «Напиши мотивационный пост для Instagram о том, как бег помогает снижать стресс. Длина – 100 слов. Добавь лёгкий юмор и призыв в конце», результат будет совершенно другим.

Пример 1. Плохая инструкция

Запрос звучал так: «Сделай описание смартфона». Модель “честно” ответила: «Современный смартфон с хорошей камерой и большим экраном». На первый взгляд, текст вроде бы правильный – смартфон действительно «современный», у него есть «камера» и «экран». Но в этом и проблема: такие слова не несут никакой ценности.

Во-первых, здесь нет конкретики. Камера может быть на 8 мегапикселей, а может на 64 – это совершенно разные устройства, но в ответе разницы нет.

Во-вторых, не показана польза для человека. Слова «хорошая камера» ничего не говорят покупателю: он не понимает, чем именно она хороша – делает чёткие снимки ночью, подходит для съёмки видео в 4К или просто имеет режим селфи?

И наконец, формулировка звучит слишком обобщённо, будто скопирована из рекламного буклета десятилетней давности. Такой текст не помогает принять решение о покупке.

Пример 2. Хорошая инструкция

Запрос был сформулирован так: «Составь описание для карточки товара. Смартфон: экран 6,5 дюймов, батарея 5000 мА·ч, камера 64 Мп, поддержка 5G. Сделай абзац до 70 слов и выдели три преимущества списком».

Что мы видим?

Во-первых, в запросе сразу указаны ключевые характеристики устройства: размер экрана, ёмкость батареи, параметры камеры и поддержка новой технологии связи. Это уже не абстрактное «смартфон с хорошим экраном», а конкретные цифры и факты.

Во-вторых, есть ограничение по объёму: один абзац до 70 слов. Благодаря этому текст не расползётся на полстраницы, а останется компактным.

В-третьих, чётко обозначен формат – абзац + список преимуществ. То есть модель понимает, что нужно не просто описать устройство, а ещё и структурировать информацию.

Результат получился совсем другим:

«Смартфон с экраном 6,5 дюймов и мощной батареей на 5000 мА·ч создан для тех, кто хочет оставаться на связи весь день. Камера 64 Мп делает чёткие фото даже ночью, а поддержка 5G обеспечивает быстрый интернет. Преимущества:

– Долгая работа без подзарядки

– Качественные снимки днём и ночью

– Высокая скорость интернета».

Разница очевидна. Теперь покупатель понимает, чем именно этот смартфон полезен. Ему сразу ясно, что батареи хватит на целый день, что камера снимает не только днём, но и в темноте, и что интернет будет работать быстро. Такой текст уже можно вставлять в карточку товара – он продаёт, а не просто констатирует факт существования смартфона.

Таким образом, хорошая инструкция превращает промпт в полноценное техническое задание. Она даёт модели «очки», через которые она смотрит на задачу. И чем точнее эти «очки» подобраны, тем ближе результат к вашим ожиданиям.

Теперь задача решена: есть и факты, и формат, и выгоды для покупателя.

Модель не «догадывается», что у вас в голове. Она опирается только на то, что вы ей сказали. Если инструкция размытая, результат будет таким же. Если точная – вы сэкономите время на уточнения и правки.

Попробуйте сами, возьмите любую простую задачу, например: «Напиши текст о здоровом питании». Сначала дайте её модели в таком виде и посмотрите на результат. Затем перепишите инструкцию по правилам: «Напиши короткий пост в стиле дружеского совета о том, как завтрак влияет на энергию. До 80 слов, лёгкий тон, пример из повседневной жизни». Сравните. Вы увидите, как изменилась структура текста, его подача и ценность для читателя.

Если инструкция отвечает на вопрос «что сделать», то контекст раскрывает «как и для кого». Именно контекст делает текст живым и применимым.

Когда мы даём модели задание без деталей, результат выходит сухим и обобщённым. Например, если написать: «Напиши поздравление с днём рождения», то ИИ ответит чем-то вроде: «Поздравляю с днём рождения! Желаю здоровья, счастья и успехов во всех делах». На первый взгляд, вроде бы всё верно: это действительно поздравление, оно вежливое и корректное. Но в нём нет ни теплоты, ни намёка на личное отношение. Такой текст можно отправить кому угодно, и от этого он воспринимается как дежурный, шаблонный.

Совсем иначе выглядит ситуация, когда мы добавляем контекст. Допустим, мы уточняем: «Напиши поздравление для коллеги по работе. Ей 30 лет, она менеджер по продажам, любит путешествия и кофе. Стиль – дружеский, лёгкий, до 50 слов». Уже в самой постановке задачи появляются ориентиры: возраст, профессия, увлечения и нужный стиль. Теперь у модели есть за что «зацепиться», и она выдаёт совсем другой результат: «Поздравляю с днём рождения! Пусть сделки заключаются легко, а новые путешествия дарят вдохновение. Желаю, чтобы каждый день начинался с вкусного кофе и хорошего настроения!»

Это поздравление звучит живо и адресно. Здесь есть упоминание о работе (сделки), о хобби (путешествия) и даже о любимом кофе. В итоге текст получается не универсальной открыткой, а посланием, написанным именно для этого человека.

Разница очевидна: первый вариант можно назвать «дежурным», второй – «персональным». Именно контекст превращает набор общих фраз в сообщение, которое вызывает улыбку и ощущение заботы.

Третий элемент структуры промпта – это формат. Модель умеет выдавать текст в разных формах: абзац, список, письмо, диалог, сценарий. Если формат не обозначен, результат может быть неудобным для использования.

Формат играет не меньшую роль, чем сама инструкция. Когда мы не указываем, в какой форме нужен результат, ИИ пишет его так, как «считает нужным».

Представьте, вы просите: «Составь план статьи про здоровый сон». Модель отвечает длинным абзацем на 300 слов с рассуждениями о том, почему сон важен, сколько нужно спать и что делать перед сном. По сути, вы получили текст, но не план. Чтобы выделить из него структуру, придётся тратить время: резать абзацы, придумывать подзаголовки, перестраивать порядок мыслей.

Теперь попробуем ту же задачу, но с уточнением формата. В запрос добавляем: «Сделай нумерованный список из пяти пунктов с короткими подзаголовками и пояснениями на одно–два предложения». И сразу результат меняется. Модель выдаёт не сплошной текст, а понятный план: первый пункт о важности сна, второй – о длительности, третий – о режиме, четвёртый – о среде, пятый – о полезных привычках. У каждого пункта есть заголовок и короткое пояснение.

Разница очевидна. В первом случае вы получили «сырой материал», который ещё нужно было дорабатывать. Во втором – готовый скелет статьи, который можно сразу отдать автору или использовать для презентации.

Формат – это не мелкая деталь, а важная часть промпта. Он экономит время, делает текст структурированным и помогает сразу получить результат в нужном виде.

Тон и стиль: как звучит текст

Четвёртый элемент структуры – это тональность. Можно попросить один и тот же текст в разных стилях: официальном, дружеском, креативном или экспертном. Это меняет восприятие результата и его применимость.

Тон и стиль текста – это как одежда на человеке: информация может быть одной и той же, но звучать она будет по-разному. Один и тот же запрос может превратиться в сухое официальное заявление, дружеский совет или яркий креативный образ. Всё зависит от того, какой стиль вы укажете в промпте.

Возьмём простой запрос: «Объясни, зачем бизнесу нужен сайт». Если оставить его без уточнений, модель даст что-то среднее между официальным и нейтральным стилем. Но стоит попросить конкретнее – и результат меняется.

В официальном варианте ответ звучит так: «Наличие сайта обеспечивает компании дополнительный канал коммуникации с клиентами, повышает уровень доверия и упрощает процесс взаимодействия». Здесь всё правильно и строго, подходит для делового отчёта.

Если тот же запрос задать в дружеском стиле, тон меняется: «Сайт – это как офис в интернете. Клиенты могут зайти в любое время и узнать о вас всё нужное». Уже ощущается лёгкость, простота и метафора, понятная любому. Такой текст можно использовать для общения с широкой аудиторией.

А в креативной подаче тот же факт выглядит иначе: «Представьте, что у вашего бренда есть собственный виртуальный дом. Дверь всегда открыта, и гости находят там всё, что искали». Здесь появляется образ, эмоция, картинка. Такой стиль хорош для рекламы или презентаций.

Таким образом, одна и та же мысль звучит совершенно по-разному в зависимости от выбранной тональности. И именно промпт определяет, в каком «костюме» выйдет ваш текст к читателю.

Даже если инструкция, контекст, формат и стиль заданы правильно, результат может сильно различаться. Всё потому, что у текстовых моделей есть дополнительные настройки и особенности генерации. Наиболее важные из них – температура, контроль длины и ограничение повторов.

Температура: насколько креативен ответ

Температура в работе нейросети – это параметр, который регулирует её «смелость» при выборе слов. Представьте, что вы говорите писателю: «Опиши весеннее утро». Один возьмёт самые очевидные слова, а другой постарается придумать что-то образное и необычное. Вот именно этот баланс предсказуемости и неожиданности задаёт температура.

Если поставить температуру низкой, модель будет выбирать самые надёжные и частотные варианты. Запрос «Опиши весеннее утро» даст ответ вроде: «Весеннее утро прохладное. Солнце встаёт рано, на улице поют птицы». Всё правильно, но предсказуемо. Это описание можно встретить в учебнике или справочнике. Оно подходит для деловых или официальных текстов, где важна точность и нейтральность.

А теперь поднимем температуру. При значении около 0,8 тот же запрос превращается в более креативный ответ: «Весна просыпается лениво: солнце золотит крыши, в лужах дрожат отражения, а птицы спорят за право первым открыть новый день». Здесь уже появляются метафоры, неожиданные образы, лёгкий художественный оттенок. Такой текст можно использовать в рассказе, рекламном ролике или посте в соцсетях.

Разница между двумя вариантами огромна. В первом случае мы видим сухой, предсказуемый текст. Во втором – картинку, в которой чувствуется атмосфера. И именно промпт с уточнением температуры позволяет управлять этим результатом.

Как меняется текст при разных значениях температуры.

0,0–0,2 – почти без креатива. Текст сухой, фактический, иногда даже канцелярский. Подходит для технических описаний, инструкций, деловой переписки. Пример: «Весеннее утро прохладное. На улице светло. Птицы поют».

0,3–0,5 – сбалансированный вариант. Текст остаётся понятным и связным, но уже не таким скучным. Подходит для статей, постов, обучающих материалов. Пример: «Весеннее утро прохладное, солнце встаёт рано, а первые птицы напоминают о начале нового дня».

0,6–0,8 – лёгкая креативность. Модель начинает добавлять образы, метафоры, яркие детали. Подходит для рекламы, сторителлинга, блогов. Пример: «Весна просыпается лениво: солнце золотит крыши, в лужах дрожат отражения, а птицы спорят, кто первым запоёт в новый день».

0,9–1,2 – высокая креативность, но и больше риска. Может получиться свежо и ярко, а может – слишком хаотично. Используется для идей, сценариев, мозгового штурма. Пример: «Весна улыбается дерзко, как художник с кистью: небо в акварели, ветер гоняет запахи сырой земли, а птицы устраивают концерт без афиши».

1,3–1,5 и выше – полная свобода. Модель начинает писать совершенно непредсказуемо: от гениальной метафоры до абсурдного набора слов. Такой режим редко нужен в работе, но полезен для экспериментов, поэзии или поиска неожиданных идей.

Одна из самых частых проблем при работе с нейросетью – несоответствие объёма текста. Вы просите «короткий пост», а получаете три страницы. Или наоборот – рассчитываете на развёрнутую статью, а модель выдаёт один абзац. Всё потому, что без указания длины она сама решает, сколько писать.

Очень часто проблема объёма проявляется в отзывах и рецензиях. Представим, что вы просите: «Напиши отзыв на фильм “Интерстеллар”». Без уточнений модель выдаст длинный текст на несколько абзацев: «Фильм “Интерстеллар” – это выдающееся произведение Кристофера Нолана, в котором сочетаются космические приключения, драма и философские размышления о месте человека во Вселенной. Картина исследует тему времени, любви и жертвенности. Великолепная игра актёров и потрясающие визуальные эффекты делают его одним из лучших фильмов XXI века…»

Формально это рецензия, но для публикации в соцсетях или для отзыва на сайте кинотеатра такой вариант слишком длинный. Читатель устанет ещё до конца первого абзаца.

Теперь попробуем задать рамки: «Напиши отзыв на фильм “Интерстеллар” длиной до 50 слов. Стиль – живой и понятный, чтобы мог прочитать любой зритель».

Результат будет компактным: «“Интерстеллар” – фильм, который заставляет задуматься о времени и ценности близких. Визуально потрясающий, эмоционально сильный, он остаётся в памяти надолго. Отличный выбор для вечера, если хочется испытать сильные эмоции и немного прослезиться».

Разница очевидна: первый текст тянет на статью в журнал, второй – готовый отзыв, который можно сразу опубликовать. Контроль длины помогает получать результат именно в том формате, который нужен – будь то короткий комментарий, пост или развёрнутая статья.

Когда модели не заданы чёткие рамки, она часто начинает «заедать» и выдавать одни и те же фразы. Особенно это заметно в рекламных текстах: слова «лучшее качество», «уникальное предложение» или «потрясающий сервис» встречаются снова и снова. В итоге текст выглядит как заезженный рекламный слоган и не вызывает доверия.

Представьте, вы просите: «Напиши рекламный текст для фитнес-зала». Без уточнений модель ответит чем-то вроде: «Наш фитнес-зал предлагает лучшее качество, уникальные тренировки и лучших тренеров. У нас лучшее оборудование и лучшие цены». На первый взгляд – звучит неплохо, но если прочитать внимательно, в глаза бросается, что слово «лучшее» повторилось несколько раз подряд. Более того, в тексте нет ни фактов, ни конкретики.

Теперь изменим запрос и зададим ограничения: «Составь рекламный текст для фитнес-зала. Объём – до 100 слов. Не используй слова: лучшее, уникальный, качество. Сделай акцент на фактах: количество залов, часы работы, опыт тренеров». В этом случае модель перестраивает логику и выдаёт совсем другой вариант: «Фитнес-зал открыт с 7 утра до 11 вечера. В распоряжении клиентов – 15 залов в центре города и более 30 профессиональных тренеров. Просторные залы, современное оборудование и гибкие абонементы делают тренировки доступными для всех».

Разница огромная. Первый вариант – дежурный набор рекламных клише, который ничем не выделяется. Второй – конкретное и убедительное сообщение, в котором есть факты, цифры и понятные выгоды. Читатель доверяет такому тексту, потому что он выглядит не как лозунг, а как реальное предложение.

Именно так работает ограничение повторов: оно заставляет модель отказаться от пустых слов и найти более содержательные формулировки.

Инструкция, контекст, формат и стиль – это основа любого качественного промпта. Они работают только вместе: инструкция задаёт направление, контекст делает текст осмысленным, формат превращает его в удобный инструмент, а стиль придаёт индивидуальность. Если убрать хотя бы одну грань, результат сразу теряет ценность. Хорошо собранный запрос экономит время, снижает количество правок и даёт готовый материал, который можно использовать сразу – будь то письмо, сценарий или аналитика.

Но кроме этих базовых элементов есть и дополнительные настройки, которые помогают довести результат до совершенства. Температура, контроль длины и ограничение повторов не меняют саму задачу, но влияют на то, как именно она будет выполнена. Они работают как «фильтры» в фотографии или, если провести более бытовую параллель, как уточнения при заказе в ресторане.

Представьте, что вы пришли в кафе и сказали просто: «Принесите что-нибудь вкусное». Вам принесут еду, но она вряд ли совпадёт с вашими ожиданиями. А если вы уточните: «Принесите пасту, но не больше средней порции, сделайте её менее острой и без сыра», – шансы получить именно то, что хочется, значительно выше. Здесь «паста» – это инструкция, «менее острая» – контекст, «не больше средней порции» – контроль длины, а «без сыра» – ограничение повторов. Всё вместе превращает абстрактную просьбу в чёткий заказ, который повар понимает без лишних догадок.

Так же и с промптом: без уточняющих параметров вы рискуете получить общий ответ, который придётся переделывать. Но стоит добавить детали и задать нужные рамки, и результат оказывается точным, компактным и подстроенным под вас.

Чтобы закрепить материал, рассмотрим несколько кейсов, где один и тот же запрос можно улучшить с помощью структуры.

Пример 1. Письмо клиенту

Представим ситуацию: клиент пишет жалобу, что его заказ задерживается. На первый взгляд задача простая – нужно ответить вежливо. Но если промпт звучит так: «Напиши письмо клиенту о задержке доставки», результат будет сухим и формальным. Модель даст нечто вроде: «Здравствуйте. Мы видим вашу проблему. Постараемся решить её в ближайшее время. Благодарим за понимание». Это письмо не помогает. Клиенту в нём неясно, что именно происходит и когда ситуация будет решена. Оно больше похоже на отписку, чем на реальное взаимодействие.

Теперь посмотрим, что меняется, если промпт уточнить и структурировать. Допустим, вы добавляете требования: письмо должно быть вежливым и профессиональным, в нём должны быть указаны конкретные шаги – что делается сегодня и что завтра. Нужно обозначить срок, когда компания вернётся с обновлением, и завершить письмо контактной фразой, куда обращаться в случае повторной проблемы. При этом ограничиваете длину текста до 120–150 слов, чтобы оно выглядело компактным и читалось легко.

Результат сразу становится другим. Модель пишет: «Здравствуйте. Мы проверили заказ и нашли ошибку в системе. Сегодня исправим данные и пришлём новый счёт. Завтра подтверждаем оплату и уточним статус доставки. Мы вернёмся с обновлением до 18:00. Если ситуация повторится, пожалуйста, напишите в ответ на это письмо – мы придадим запросу приоритет».

Что изменилось? Во-первых, письмо перестало быть абстрактным. Клиент видит конкретику: компания работает над исправлением ошибки прямо сегодня, завтра продолжает процесс, и к вечеру будет новое обновление. Во-вторых, в письме появляется чёткая структура: приветствие, описание найденной проблемы, план действий, срок ответа и контакт для повторной связи. В-третьих, сам тон письма звучит спокойнее и профессиональнее: клиент понимает, что его жалоба не просто «замечена», а реально решается шаг за шагом.

Такой ответ не только снимает напряжение, но и показывает уровень сервиса. У клиента появляется чувство, что его вопрос важен, а компания держит ситуацию под контролем. Это и есть результат правильно составленного промпта: он превращает формальную заготовку в письмо, которое действительно работает – объясняет, успокаивает и направляет на следующий шаг.

Пример 2. Описание продукта

Представим задачу: нужно составить карточку товара для интернет-магазина, где продаются беспроводные наушники. На первый взгляд кажется, что можно просто написать об их «хорошем звуке» и универсальности. Но если задать модели промпт без структуры, например: «Сделай описание наушников», то результат действительно будет похож на рекламный штамп: «Отличные наушники с хорошим звуком. Подходят для спорта и путешествий».

Что не так с этим текстом? Во-первых, он слишком общий. «Хороший звук» – это не характеристика, а пустое обещание. Во-вторых, отсутствуют факты: ни времени работы, ни формата зарядки, ни даже базовых данных о модели. В-третьих, текст никак не помогает покупателю принять решение: такие слова можно написать про любые наушники, и доверия они не вызывают.

Теперь попробуем другой подход. Мы уточняем промпт и добавляем структуру: «Составь описание беспроводных наушников. Сделай один абзац до 70 слов и укажи три конкретные выгоды. Обязательно добавь: время работы 8 часов, быструю зарядку – за 15 минут до 50 процентов, защиту от влаги. Стиль – нейтральный, без громких эпитетов».

Что даёт такая инструкция? Во-первых, мы ограничиваем длину текста, чтобы он был компактным и удобным для карточки товара. Во-вторых, мы задаём обязательные факты, которые покупатель ищет в первую очередь: сколько работают наушники, насколько быстро заряжаются и выдержат ли они дождь. В-третьих, мы уточняем стиль – без лишних «лучший в мире» или «не имеющий аналогов», потому что такие выражения вызывают недоверие.

Результат получается совсем другим: «Лёгкие беспроводные наушники для музыки и звонков. Они работают до восьми часов на одном заряде, а быстрая зарядка позволяет восстановить 50 процентов энергии всего за 15 минут. Защита от влаги по стандарту IPX4 делает их удобными для пробежек и прогулок даже в дождливую погоду. Эти наушники подойдут тем, кто ценит свободу движения и хочет, чтобы техника не подвела в повседневных ситуациях».

Теперь текст не только описывает товар, но и отвечает на реальные вопросы покупателя. Он понимает, что может использовать наушники целый день, что успеет подзарядить их даже в спешке перед выходом и что они не испортятся от дождя. Такой текст продаёт, потому что соединяет факты и выгоды, а не ограничивается пустыми эпитетами.

Вот зачем нужны уточнённые промпты: они помогают модели выдавать не абстрактные фразы, а конкретный инструмент для бизнеса. В результате мы экономим время на доработку и сразу получаем описание, которое можно публиковать в магазине и быть уверенным, что оно работает на продажи.

Пример 3. Учебное объяснение

Представим задачу: нужно объяснить школьнику закон Архимеда. Если мы дадим модели промпт без структуры – например, просто «Объясни закон Архимеда», – то она выдаст что-то вроде: «Закон Архимеда утверждает, что на всякое тело, погружённое в жидкость, действует выталкивающая сила, равная весу вытесненной жидкости».

Формально это верно. Но попробуйте отдать такой текст восьмикласснику. Для него это набор сложных слов, которые нужно расшифровывать: что значит «выталкивающая сила», как её можно почувствовать и при чём тут «вес вытесненной жидкости»? В итоге вроде бы ответ есть, но он бесполезен: ребёнок не понял сути.

Теперь возьмём уточнённый промпт. Мы просим модель: «Объясни закон Архимеда простыми словами для ученика восьмого класса. Приведи пример из быта. Первый абзац без формул». И здесь всё меняется.

Во-первых, мы сразу задали аудиторию – школьник. Значит, язык объяснения должен быть простым и ближе к повседневной жизни. Во-вторых, мы попросили пример, потому что именно примеры делают абстрактные законы наглядными. В-третьих, мы запретили использовать формулы в первом абзаце. Это важно: ребёнок сначала должен «почувствовать» явление на бытовом уровне, а уже потом узнавать точные термины и уравнения.

Теперь модель отвечает иначе: «Закон Архимеда объясняет, почему предметы в воде становятся легче. Например, если вы когда-нибудь пробовали поднимать в воде тяжёлое ведро, то замечали, что оно как будто весит меньше. Всё дело в том, что вода подталкивает его снизу. Благодаря этому человек может держаться на воде, а огромные корабли из металла не тонут».

Такое объяснение работает. Ребёнок тут же вспоминает собственный опыт: как тяжёлый мяч легче поднять в бассейне или как пластмассовая бутылка выскакивает из воды. Закон перестаёт быть формулой из учебника, он превращается в понятное и наглядное правило.

В чём сила уточнённого промпта? Он не просто говорит «объясни», он задаёт рамки: для кого, как именно, с каким примером и в каком стиле. Благодаря этому ответ модели становится живым и понятным. В итоге мы получаем не сухое определение, а маленький рассказ, который легко запомнить и даже пересказать друзьям.

Пример 4. Сценарий для видео

Представим задачу: маркетинговая команда готовит рекламный ролик для нового приложения по изучению языков. Если мы сформулируем промпт без структуры – просто «Сделай сценарий ролика про приложение для изучения языков», – модель выдаст сухой и универсальный текст: «В ролике показывают человека, который учит английский. Он доволен. Приложение помогает быстро учить слова».

На первый взгляд – это сценарий. Но если вдуматься, становится ясно, что пользы от него почти нет. Режиссёр не поймёт, какие сцены снимать. Монтажёр не увидит переходов. Маркетолог не уловит, какие эмоции будут у зрителя. У нас есть лишь констатация факта: человек доволен, потому что приложение помогает. Это похоже на рекламный лозунг, но точно не на основу для ролика.

Теперь давайте добавим структуру в промпт: «Напиши сценарий для 30-секундного рекламного ролика приложения для изучения языков. Формат – описание сцен и реплик. Герой – молодой офисный сотрудник, который мечтает путешествовать. В ролике должно быть три сцены: трудности на работе из-за незнания английского, момент открытия приложения и финал – он свободно разговаривает с иностранцами в кафе. Стиль – лёгкий, мотивирующий, без сложных терминов».

Что мы сделали? Во-первых, задали длительность ролика – 30 секунд. Это даёт модели рамку: сценарий должен быть компактным и динамичным. Во-вторых, описали главного героя: офисный сотрудник, мечтающий о путешествиях. У аудитории появляется возможность увидеть себя на его месте. В-третьих, задали конкретную структуру: три сцены, каждая с определённым смыслом. И, наконец, уточнили стиль – лёгкий и мотивирующий, чтобы реклама вызывала улыбку, а не ощущение учебника.

Результат превращается в полноценную историю. Первая сцена – офис. Герой сидит на встрече, иностранный партнёр шутит, коллеги смеются, а наш герой опускает глаза, потому что не понял ни слова. Мы чувствуем его неловкость. Вторая сцена – дома. Герой качает приложение, нажимает на кнопку «Старт», экран оживает яркими иконками, появляются простые упражнения, прогресс растёт. Его лицо меняется: он начинает верить, что у него получится. Третья сцена – кафе. Герой сидит за столиком с туристами и уверенно заказывает кофе на английском. Он шутит, и все смеются вместе с ним. На экране появляется финальная надпись: «Открой новые возможности с нашим приложением».

Разница колоссальная. Там, где раньше был набор общих слов, теперь есть чёткий сценарий, который можно отдать режиссёру, актёрам и продюсерам. Такой текст работает, потому что он эмоциональный, динамичный и визуально понятный. Мы не просто говорим, что приложение полезно, мы показываем, как оно меняет жизнь героя. И зритель уже не смотрит рекламу со стороны, а ощущает: это мог быть он сам.

Пример 5. Бизнес-анализ

Задача звучит просто: нужно составить краткий анализ рынка онлайн-образования для потенциального инвестора. Если мы задаём модели промпт без структуры – «Сделай анализ рынка онлайн-образования» – то получаем текст уровня школьного сочинения: «Онлайн-образование растёт. Люди всё чаще учатся в интернете. Это перспективное направление».

Формально всё верно. Но пользы для инвестора – ноль. Нет цифр, нет фактов, нет понимания, где именно лежат деньги. Такой текст можно прочитать и через секунду забыть.

Теперь посмотрим, что меняется, если мы формулируем уточнённый промпт. Мы говорим модели: «Составь краткий бизнес-анализ рынка онлайн-образования. Формат: 3 абзаца по 100–120 слов. В первом – текущие тенденции (рост, ключевые сегменты). Во втором – основные игроки и их доли рынка. В третьем – прогноз на ближайшие 3 года. Используй цифры и конкретные данные. Стиль – деловой, аналитический, без лишних эпитетов».

Такой запрос работает как чёткое техническое задание. Мы задали структуру – три абзаца, каждый со своей задачей. Мы уточнили объём – 100–120 слов, чтобы не было воды и при этом хватало места для анализа. Мы попросили цифры и прогнозы, потому что инвестор доверяет только фактам.

Результат сразу меняется. Текст становится похожим на краткую справку для делового отчёта. Первый абзац описывает динамику: рынок онлайн-образования за последние пять лет рос в среднем на 15 % в год, а самыми востребованными направлениями остаются языковые курсы, IT-обучение и корпоративные программы. Второй абзац показывает расстановку сил: Coursera, Udemy и несколько локальных платформ контролируют свыше 40 % рынка, остальные делят нишу специализированных программ. Третий абзац даёт прогноз: в ближайшие три года рынок прибавит ещё 40–45 %, при этом драйверами роста станут корпоративное обучение и внедрение технологий искусственного интеллекта.

Разница очевидна. В первом случае мы получили общие слова, которые можно услышать в любом разговоре. Во втором – фактический и структурированный анализ, который можно положить в аналитическую записку, отправить инвестору или включить в презентацию. Структурированный промпт превращает модель из болтуна в консультанта, который помогает принимать решения.

Мы разобрали все ключевые элементы структуры промпта: инструкцию, контекст, формат и стиль. Увидели, как дополнительные настройки – температура, длина и ограничения – влияют на результат. На примерах убедились, что одна и та же задача может превратиться либо в размытый текст, либо в полноценный инструмент для работы, в зависимости от того, как вы задали запрос.

Главная мысль проста: промпт – это не случайная фраза, брошенная в чат, а осознанное задание. Чем яснее и детальнее вы формулируете задачу, тем меньше нужно правок и тем ближе результат к вашим ожиданиям.

ИИ не умеет читать мысли. Но он отлично справляется с выполнением конкретных инструкций, если вы даёте ему все нужные «строительные блоки».

Пользователи замечают удивительную вещь: один и тот же запрос в разных моделях даёт совершенно разные ответы. Слова вроде бы те же самые, а результат – иной. Всё дело в том, что каждая нейросеть смотрит на задачу под своим углом. GPT склонен писать развёрнутые тексты с метафорами и примерами из жизни, Claude чаще рассуждает шаг за шагом и старается звучать максимально корректно и этично, а Gemini обычно выбирает краткий и чётко структурированный формат ответа.

Причины этого различия кроются сразу в нескольких факторах.

Во-первых, у каждой модели своя архитектура и особенности обучения. Все они основаны на трансформерах, но реализованы по-разному, поэтому и стиль работы у каждой свой.

Во-вторых, разные базы данных. GPT «читает» гигантские массивы книг, статей и форумов, Claude уделяет особое внимание диалогам и аккуратным формулировкам, а Gemini учат давать точные и мультимодальные ответы.

И наконец, важны системные настройки. В GPT можно менять температуру или ограничивать длину текста. Claude по умолчанию осторожнее, предпочитает не рисковать и избегает резких формулировок. Gemini часто обрезает текст и сразу предлагает сжатый вариант.

Представьте простой запрос: «Объясни ребёнку, как работает электричество». GPT, скорее всего, расскажет через образ воды в трубах: «Представь, что ток течёт как вода по шлангу». Claude сделает акцент на безопасности и напишет мягко: «Электричество полезно, но не трогай розетки руками». А Gemini выстроит всё по пунктам: «Источник энергии, проводник, потребитель». Все три ответа будут правильными, но звучать они будут совершенно по-разному.

Это и есть главный вывод: нет универсальной модели «на все случаи». Одна лучше подходит для креативных текстов и историй, другая – для аналитики и структурированных рассуждений, третья – для коротких и ёмких подсказок. Поэтому, работая с ИИ, важно учитывать характер конкретной модели и подбирать её под задачу. Тогда результат будет максимально точным и полезным.

Один из частых вопросов, который задают начинающие пользователи: «А какую модель лучше использовать – GPT, Claude, Gemini или другую?» Ответ прост: универсальной «лучшей» модели не существует. Всё зависит от того, какую задачу вы решаете.

Если нужно придумать историю, написать сценарий или создать текст с эмоциональным посылом, лучше работает GPT. Эта модель умеет «рассуждать образами» и добавляет метафоры, бытовые примеры и живые детали. Её стиль ближе к креативному копирайтеру или сценаристу, который не боится фантазировать.

Когда приоритет – аккуратность, логика и взвешенность, полезнее подключить Claude. Он больше похож на вдумчивого собеседника, который осторожно подбирает слова, разбирает проблему шаг за шагом и стремится не допустить двусмысленности. Его особенно ценят там, где важна корректность: в диалогах с клиентами, в учебных текстах или в ответах на этические вопросы.

Gemini хорошо проявляет себя в случаях, когда нужен быстрый и компактный результат. Он структурирует информацию «по полочкам» и не уходит в лишние подробности. Такой стиль идеально подходит для заметок, инструкций, чек-листов или когда вам нужно быстро ухватить суть.

Важно и то, как вы формулируете запрос. Один и тот же промпт, заданный в разных моделях, даст разные результаты не только по стилю, но и по объёму. Поэтому лучше заранее подумать: нужен ли вам вдохновляющий рассказ, спокойный разбор или короткий ответ в формате шпаргалки.

Ещё один полезный приём – пробовать сразу несколько моделей. Попросите у GPT черновик текста, у Claude – структурировать его и убрать лишнее, а у Gemini – сделать короткое резюме. В итоге вы получите три разных взгляда на одну задачу и сможете выбрать лучший вариант или даже объединить сильные стороны всех трёх.

Главная мысль проста: модели – это как инструменты в наборе. Молотком удобно забивать гвозди, но бесполезно закручивать шурупы. Так и с нейросетями: у каждой есть своя специализация. Чем лучше вы знаете сильные стороны каждой, тем точнее сможете подобрать её под конкретную задачу и тем меньше времени потратите на переделки.

Глава 4. Типы промптов

У промптов есть три базовых режима работы. Открытый нужен, когда вы ищете направление и смысл. Закрытый – когда хотите точность и конкретику. Условный – когда важно учесть разные ветки ситуации и принять решение по правилам. Это не три изолированные полки. Скорее три передачи в одной коробке. Вы переключаете их по ходу задачи, чтобы разогнаться, войти в поворот и затем ровно остановиться у цели. Ниже – как устроен каждый тип, какие вопросы он решает, как понять, что вы попали мимо, и чем исправить курс. Примеры разные и прикладные. Мы не будем повторять кейсы из предыдущих глав.

Открытый промпт уместен там, где нет чётко сформулированной цели. Вы еще «щупаете» тему и хотите увидеть спектр возможностей. Такой промпт просит модель развернуть пространство вариантов, а не выбрать единственный правильный шаг. Его сила – в широте и неожиданных находках. Его слабость – в размытости. Поэтому открытый промпт обязательно опирается на рамки: для кого генерируем, где будем применять результат, какой тон держим, сколько времени у нас на просмотр выдачи.

Представьте, что вы запускаете семейный фестиваль настольных игр. Целей много. Нужны темы для мастер-классов, форматы активности для детей и взрослых, идеи коротких конкурсов на сцене. Открытый промпт в этом случае звучит как приглашение к мозговому штурму, а не как заявка на пресс-релиз. Он просит не «написать программу», а «придумать направления», чтобы потом собрать из них работающий план.

Как звучит рабочий запрос в открытом формате. Вы кратко обозначаете площадку, аудиторию и ограничение по объёму. Просите не текст на публикацию, а карту идей по блокам. Уточняете, что вам важны не слоганы, а механики, которые реально провести на площадке. В ответ вы получаете набор треков: «семейные дуэли», «игровая школа», «марафон тактильных игр». В каждом треке короткое описание механики и условия проведения. Такой ответ читается быстро и сразу зовёт к отбору.

Что произойдёт, если забыть рамки. Модель уйдёт в общие слова про «теплую атмосферу» и «дружеские турниры», на которые нечего опереться. Исправить это просто. Добавьте три направляющих: кто у вас на площадке, какие ограничения по времени и ресурсам, какой формат ответа вы ждёте. Открытый промпт не отменяет дисциплину. Он лишь открывает обзор.

Когда переключаться на другой тип. Как только у вас появились направления, пора переходить к закрытым запросам. Открытый дал поляну. Дальше уточните формулировки, просчитайте ресурс и выведите тексты для публикаций. Это уже работа на точность.

Как проверять качество открытой выдачи. Смотрите на разнообразие и применимость идей и на повторяемость. Если половина предложений похожа друг на друга, попросите модель показать подходы по разным осям. Например, «для интровертов», «для детей пяти–семи лет», «для пар, которые пришли на свидание». Такой поворот часто даёт новые ветви.

Пример из другой сферы. Вы готовите тематическую неделю в школьной библиотеке. Нужно придумать, как оживить интерес к чтению у подростков. Открытый запрос просит не «написать текст объявления», а «предложить форматы». Модель предлагает «обмен книгами вслепую», «тихие клубы для тех, кто не любит выступать», «комикс-лабораторию по переосмыслению классики». Дальше вы берёте каждую идею и прогоняете закрытым промптом: что нужно для запуска, сколько волонтёров, как выглядит стол рассадки, какие риски.

Закрытый промпт работает как задание с жесткими рамками. Он просит модель извлечь, сопоставить, переформатировать, пересчитать. Это не поиск направления, а доведение до результата, который можно сразу вставлять в документ, письмо, карточку, таблицу. Базовая ошибка в закрытых промптах – недосказанность. Когда вы просите «оформить» или «подвести итог», но не говорите, в каком виде это должно вернуться. Лечится просто. Вы задаёте формат и проверку на выходе.

Представьте, что вы готовите сопроводительную записку к заявке на грант по развитию школьного оркестра. Вас просят указать цели, измеримые результаты и план по кварталам. Закрытый промпт в таком случае описывает не тему, а форму. Он просит три компактных блока и ограничивает объём каждого. Он (промпт) требует, чтобы в измеримых результатах была хотя бы одна цифра по охвату и одна по качеству. Он просит проверить себя перед выдачей и отметить, что все три блока на месте. Модель возвращает аккуратный текст, где цели читаются так, как ждёт комиссия. Вы экономите время и нервы.

Как звучит проверка в самом запросе. Вы пишете, что до отправки модель должна убедиться в полноте ответа и дополнить недостающее. Это не риторика. Это способ снизить количество повторных гонок. Если в исходнике не хватает данных, модель помечает это нейтральной формулировкой и предлагает, что уточнить у заказчика. На практике это спасает от выдуманных цифр и ошибок по датам.

Где особенно полезны закрытые промпты. В извлечении данных из текста. В приведении разнородных материалов к одному виду. В сопоставлении двух вариантов по одинаковым критериям. В переписывании сложного документа в краткую памятку. В сборке черновика письма, который уже можно отправлять без многочасовой вычитки.

Пример из другой сферы. Вы ведёте курс по фотонаблюдению городской среды. После практики студенты присылают заметки. Ваша задача – сделать из них единый «полевой сборник» на четыре разворота: один абзац впечатления, один абзац описания конкретного места, один мини-инсайт, что меняется в городе, и одна фотография с подписью. Закрытый промпт просит у модели собрать эти материалы в нужную структуру, уравнять длину, выровнять стиль, убрать повторы и добавить в конце каждой заметки короткую подпись с локацией. На выходе вы получаете сборник, который можно отдавать в вёрстку.

Как понять, что вы взяли слишком мало ограничений. Ответ получился вежливым, но неудобным. Много вводных слов. Нет точных цифр. Слишком длинные фразы. В таком случае вернитесь к промпту и добавьте явные рамки. Укажите длину блока, назовите конкретные поля, которые должны быть в каждом фрагменте, и попросите модель отметить в отчете, что все поля заполнены. Этого обычно хватает.

Условный промпт нужен там, где один и тот же запрос может вести в разные стороны. Вы заранее описываете, как модель должна себя вести при разных вводных. Это напоминает небольшую инструкцию: если аудитория новичок, объясняй проще. Если у аудитории уже есть базовый опыт, иди быстрее и глубже. Если канал коммуникации короткий, убирай примеры и оставляй один вывод. Если канал длинный, добавляй иллюстрации и мини-кейсы.

Как это устроить на практике.

Вы ведёте кружок научного письма при университете и готовите инструкцию по подготовке тезисов для конференции. У вас три группы: бакалавры, магистры и аспиранты. Каждой группе нужен свой уровень глубины. Условный промпт описывает три ветви.

Для бакалавров – короткая памятка на одну страницу с акцентом на структуру текста.

Для магистров – расширенная версия с требованиями к источникам и примерами ошибок.

Для аспирантов – чек-лист проверки логики, где уделено внимание формулировке гипотезы и границам исследования.

Один запрос – три траектории. На выходе три готовых файла, каждый по делу.

Где ещё помогает условный подход. В подготовке писем-шаблонов, которые должны звучать по-разному для разных сегментов. В сценариях опросов, где от ответа «да» или «нет» меняется следующий вопрос. В инструкциях для редакторов, где от жанра зависят вводные требования к тону, длине и обязательным элементам. В анализе гипотез, где от исходного признака зависит набор проверок.

Пример из другой сферы. Небольшой театр готовит программу лояльности. Одним зрителям важнее скидка на билет. Другим ближе закулисные встречи и открытые репетиции. Условный промпт описывает две ветки письма. Если человек чаще покупает билеты в будни, ему показывают спокойный тон и аргумент «вы сможете выбрать лучшие места». Если чаще ходит на премьеры, письмо делает акцент на приватные мероприятия. Текст отличается, хотя платформа одна и та же.

Почему условные промпты критичны. Они экономят цикл согласования. Вместо одного «среднего» текста вы сразу получаете версию под каждую ветку. Меньше правок. Больше попаданий. При этом вся логика лежит в одном месте, её легко обновить и передать коллегам.

Начинайте с вопроса «что у меня уже есть». Если нет формы задачи, и вы не понимаете, как к ней подступиться, идите в открытый режим. Пусть модель предложит карту вариантов, а вы быстро отметёте лишнее. Как только увидите рабочие направления, переходите в закрытый. Зафиксируйте формат результата и длину. Если на пути стало ясно, что у вас несколько разных аудиторий или каналов, оформите условный промпт. Объясните, что и когда показывать, как менять тон и где резать объём.

Частая ошибка – оставаться в открытом режиме слишком долго. Вы уже видите, что идеи повторяются, а вы всё просите «ещё варианты». Это знак, что время перебирать закончено. Пора закрывать. Обозначьте форму, длину, сроки и переложите ответственность с креатива на дисциплину. Другая крайность – сразу писать закрытый промпт, когда не ясна цель. В итоге выходят тексты «ни о чём», которые формально чистые, но не цепляют. Лечится шагом назад. Дайте модели право на штурм, но держите рамки и время.

Примеры, как это работает в реальных задачах

1. Кейc: «Город и звук» в городском музее

Музей готовит новый сезон с темой «Город и звук». Нужно придумать форматы, отобрать рабочие идеи и правильно коммуницировать их для разных аудиторий. Это отличный пример, где задействованы все три типа промптов: открытые, закрытые и условные.

Шаг 1. Открытый промпт

На старте нам важно собрать как можно больше идей, не ограничивая модель рамками готового сценария. Здесь работает открытый промпт.

Промпт: «Мы готовим сезон мероприятий в городском музее на тему “Город и звук”. Придумай 10 разных форматов: экспозиции, публичные лекции, уличные аудио-маршруты, мастер-классы. Дай короткие пояснения для каждого формата, не больше трёх предложений».

Ответ модели (фрагмент):

– Экспозиция «Звуки старого города»: архивные записи трамваев, уличных музыкантов, голосов дикторов.

– Лекция «Город как музыкальный инструмент»: исследователи рассказывают, как шумы становятся частью культуры.

– Аудио-маршрут «Прогулка по шумам»: посетители идут по маршруту и слушают город через наушники с подготовленной дорожкой.

– Мастер-класс «Запиши свой двор»: участники делают аудиозаписи в своём районе и приносят их в музей.

Из открытой выдачи мы выбираем 3–4 реально применимых формата. Остальное идёт в архив идей.

Шаг 2. Переход к закрытому промпту

Теперь нужны конкретные карточки для каждой идеи. Без закрытого промпта здесь не обойтись: важно получить структуру, цифры и ограничения.

Промпт: «Возьми идею аудио-маршрута “Прогулка по шумам” и оформи её в виде карточки мероприятия. Формат: цель, оборудование, длительность, максимальное количество участников, примерная бюджетная оценка. Используй до 120 слов».

Ответ модели (фрагмент):

Цель: познакомить горожан с акустическим наследием города.

Оборудование: смартфоны с приложением, наушники, карта маршрута.

Длительность: 45–60 минут.

Участники: до 20 человек в группе.

Бюджет: 150 000 ₸ на запись дорожки и поддержку приложения.

Ответ выглядит формальным. Добавляем уточнение.

Уточнённый промпт: «Перепиши карточку так, чтобы она читалась как предложение партнёрам. Добавь больше деталей про эмоции участников, сохранив структуру».

Исправленный ответ: Цель: дать жителям новый способ услышать свой город. Оборудование: смартфоны с бесплатным приложением и наушники, которые выдаёт музей. Длительность: около часа, включая вступительное слово куратора. Участники: группы до 20 человек, чтобы не терялся эффект погружения. Бюджет: порядка 150 000 ₸ на создание дорожки, запись уличных звуков и обслуживание приложения.

Шаг 3. Условный промпт

Когда карточки готовы, встаёт вопрос: как презентовать одно и то же мероприятие для разных аудиторий? Здесь работает условный промпт.

Промпт: «Перепиши описание аудио-маршрута “Прогулка по шумам” в двух версиях.

Для семей с детьми: лёгкий тон, упор на совместное времяпрепровождение и познавательность.

Для студентов: акцент на исследовательскую часть, уникальность и возможность пообщаться с экспертами».

Ответ модели (фрагмент):

Семейная версия: «Отправьтесь вместе с детьми в необычное путешествие по городу. Наушники и приложение превратят улицы в музыкальную сказку: трамвай зазвучит как оркестр, а пение птиц станет живой партитурой. Отличный способ провести час всей семьёй и открыть привычные улицы по-новому».

Студенческая версия: «Аудио-маршрут “Прогулка по шумам” – это исследование городской среды. Вы услышите архивные записи, сравните их с современными и обсудите с кураторами, как меняется звуковая культура. Формат сочетает прогулку и лекцию, идеально для студентов гуманитарных и креативных направлений».

Что мы видим?

– Открытый промпт дал пул идей.

– Закрытый превратил выбранную идею в рабочую карточку.

– Условный позволил подстроить одну и ту же идею под разные аудитории.

Так шаг за шагом мы переходим от генерации к конкретике и к адаптации. Это и есть живая работа с тремя типами промптов.

2. Кейc: закрытый промпт и проверка фактов в издательском проекте

Задача: редактору нужно подготовить профайлы дизайнеров световой среды для сайта. У него есть шесть расшифрованных интервью. Требуется: сделать короткие тексты в едином формате, сохранить стиль, убрать повторы и проверить факты.

Шаг 1. Закрытый промпт для базовой структуры

Редактор формулирует чёткие поля, которые должны быть в каждом профайле.

Промпт: «Возьми текст интервью и оформи краткий профайл дизайнера.

Формат:

– Город проживания

– Специализация

– Два главных проекта с названиями и датами

– Ключевой подход к работе (в одном предложении)

– Цитата от первого лица (до 20 слов).

Объём ответа – до 150 слов. Отметь в скобках все факты, которые требуют проверки, если они не указаны напрямую».

Ответ модели (фрагмент):

Город: Санкт-Петербург.

Специализация: световой дизайн общественных пространств.

Проекты: «Свет для Невского проспекта» (2019), «Подсветка музея современного искусства» (2021).

Подход: «Свет – это инструмент, который помогает людям чувствовать пространство».

Цитата: «Я хочу, чтобы улицы ночью были безопасными и красивыми». (Факт проверки: дата второго проекта не указана в интервью, нужны уточнения).

Здесь мы сразу видим ценность: модель не придумывает, а помечает, где данных нет. Это и есть контроль фактов через закрытый промпт.

Шаг 2. Корректировка стиля

Редактору нужен не сухой список, а короткая заметка, которую можно поставить на сайт.

Уточнённый промпт: «Перепиши этот профайл в виде короткой заметки для сайта музея. Напиши три абзаца: вводный, основной и заключение:

1) кто такой дизайнер,

2) его проекты,

3) его подход.

Оставь цитату в конце. Сохрани пометку, где нужны уточнения».

Исправленный ответ: Дизайнер из Санкт-Петербурга работает со световой средой в общественных пространствах. Среди проектов – подсветка Невского проспекта (2019) и оформление музея современного искусства (2021, уточнить дату). Его работа строится на идее, что свет помогает людям чувствовать пространство и по-новому воспринимать город. «Я хочу, чтобы улицы ночью были безопасными и красивыми», – говорит он.

Шаг 3. Проверка на единообразие

Чтобы все профайлы выглядели одинаково, редактор прогоняет их через дополнительный промпт.

Промпт: «Сверь этот профайл с форматом: три абзаца, 150 слов максимум, финал с цитатой. Если что-то нарушено – перепиши в нужной структуре».

Ответ: Модель переписывает текст, оставляя ровно три абзаца, убирая лишние вводные и сохраняя цитату в конце.

Шаг 4. Условное ответвление

Редактору нужно две версии профайла: одна для профессионального сообщества, другая для широкой публики.

Промпт: «Сделай две версии текста:

Для профессионалов: подчеркни технические решения и упоминание конкурсов.

Для широкой публики: лёгкий язык, упор на эмоции и красоту города. Сохрани цитату в обеих версиях».

Ответ модели (фрагмент):

Профессиональная версия: Дизайнер из Санкт-Петербурга специализируется на освещении общественных пространств. Его проекты – подсветка Невского проспекта (2019) и оформление музея современного искусства (2021, уточнить дату). Работы отмечены на конкурсе «Свет в городе». Его подход строится на идее гармонии между технологией и восприятием пространства. «Я хочу, чтобы улицы ночью были безопасными и красивыми», – говорит он.

Публичная версия: Дизайнер из Санкт-Петербурга создаёт свет, который меняет город. Его работы вы увидите на Невском проспекте и у музея современного искусства (2021, уточнить дату). По его словам, свет помогает людям чувствовать пространство уютным и безопасным. «Я хочу, чтобы улицы ночью были безопасными и красивыми», – признаётся автор.

Закрытый промпт дал чёткую структуру профайла. Уточняющий промпт превратил список в связный текст. Проверочный запрос обеспечил единообразие по формату. А условный промпт позволил адаптировать один и тот же материал под разные аудитории.

3. Кейс: условный промпт в работе с учебной платформой

Задача: образовательная компания запускает онлайн-курс по финансовой грамотности. Им нужно, чтобы одна и та же лекция выглядела по-разному для школьников, студентов и взрослых слушателей. Обычный линейный промпт здесь не справится – нужна ветвящаяся логика, которая учитывает разные аудитории.

Шаг 1. Базовый запрос

Редактор даёт модели простой промпт: «Напиши краткое объяснение, что такое инфляция».

Результат: «Инфляция – это рост цен на товары и услуги, который снижает покупательную способность денег».

Ответ формально верный, но одинаково сухой для всех возрастов. Ни школьник, ни взрослый здесь не видят примеров, которые близки их опыту.

Шаг 2. Условный промпт для трёх аудиторий

Редактор уточняет задачу: «Объясни, что такое инфляция. Составь три версии:

для школьников 8–9 классов – простыми словами, с примером из школьной столовой;

для студентов – через примеры из стипендии и аренды жилья;

для взрослых – через зарплату, кредиты и цены в магазинах. Каждая версия – до 100 слов».

Результат:

Версия для школьников: «Инфляция – это когда деньги со временем теряют силу. Например, в прошлом году в школьной столовой пирожок стоил 100 рублей, а теперь 120. Сам пирожок не изменился, но денег нужно больше. Это и есть инфляция».

Версия для студентов: «Инфляция – это рост цен, из-за которого стипендии и дохода становится недостаточно. Если вы снимаете комнату за 50 000 рублей, а через год цена выросла до 60 000, то деньги обесценились. Это инфляция».

Версия для взрослых: «Инфляция – это постоянное подорожание товаров и услуг. Например, зарплата осталась прежней, но продукты в магазине стоят дороже, а проценты по кредиту выросли. Это значит, что ваши деньги уже не покупают столько же, сколько раньше».

Теперь одна и та же концепция объяснена в трёх стилях – под возраст и жизненный опыт аудитории.

Шаг 3. Проверка гибкости

Редактору нужно не только объяснение, но и задания для разных групп.

Промпт: «Составь три задания для закрепления материала. Условие: каждое задание должно соответствовать версии объяснения. Для школьников – игра или подсчёт, для студентов – задача с бюджетом, для взрослых – практическая ситуация в магазине».

Результат:

Школьники: «Вычисли, сколько пирожков можно купить на 500 рублей, если цена выросла с 100 до 120».

Студенты: «Посчитайте, сколько месяцев сможете снимать комнату на стипендию 40 000 рублей, если аренда стоит 50 000 и растёт на 10 % в год».

Взрослые: «Сравните, сколько продуктов вы покупали на 10 000 рублей год назад и сколько можете купить сейчас при росте цен на 15 %».

Шаг 4. Условное ответвление внутри одного ответа

Чтобы сэкономить время, редактор может задать условие:

Промпт: «Объясни, что такое инфляция, но добавь условие: если аудитория – школьники, дай пример из столовой; если студенты – из аренды; если взрослые – из магазина. Сделай ответ в одном тексте, где будут три версии подряд».

Результат: Модель выдаёт блок из трёх объяснений подряд. Такой формат удобно использовать в методичке: преподаватель сразу видит все варианты и выбирает нужный.

Этот кейс показывает, как условные промпты превращают один сухой ответ в целый набор адаптаций под разные аудитории. Это особенно ценно в образовании, где одна и та же тема должна быть понятна школьнику, студенту и взрослому. Закрытые промпты дают структуру, открытые помогают искать идеи, а условные позволяют гибко ветвить сценарии и менять стиль под конкретного читателя.

Открытый режим любит разные оси. Просите генерировать не «ещё по десять», а «пять через призму времени», «пять через призму возраста», «пять через призму ограничений». Так вы выжимаете новые углы вместо повторов.

Закрытый режим любит явные поля и самопроверку. Пишите впрямую, что на выходе должны быть все элементы, и просите отмечать пропуски.

Условный режим любит простые правила. Чем проще ответвление, тем быстрее вы поддерживаете логику и обновляете её под новые данные.

Если сомневаетесь, с чего начать, проговорите задачу вслух. Спросите себя, нужен ли мне спектр или результат. Если спектр, идите в открытый. Если результат, идите в закрытый. Если спектр разный для разных людей, включайте условный.

Что делать, если результата нет

Бывает, что открытый промпт приносит одно и то же под разными названиями. Попробуйте сжать рамки. Попросите идеи только на час или только на зал до двадцати человек. Или задайте ресурсный лимит. Это часто выбивает штампы. Бывает, что закрытый промпт всё равно возвращает общие слова. В таком случае дайте модели мини-пример, как выглядит готовый фрагмент. Не просите переписать «в таком же стиле», а покажите структуру: где цифра, где действие, где ограничение. Бывает, что условный промпт расползается на слишком много веток. Уберите половину. Сформулируйте одно правило выбора. Остальное добавите позже, когда появится время и данные.

Тип промпта – это выбор траектории. Открытый помогает увидеть поле и наметить курс. Закрытый доводит до готового результата, который можно вставлять в письмо, заявку или карточку. Условный удерживает логику, когда путь не один, а несколько. Вы свободно переключаетесь между этими режимами в пределах одной задачи, как между передачами. Это и есть ремесло работы с ИИ. Не искать волшебную формулу, а знать, когда раздвинуть рамки, когда их сузить и когда задать правила выбора. Когда это понимание становится привычкой, вы перестаёте бороться с текстом и начинаете управлять им.

Новички часто пишут всё, что приходит в голову, в одном длинном сообщении. Текст получается, как поток сознания, модель ловит первые смыслы и теряет остальные, вы получаете усреднённый ответ. Размытый запрос не даёт модели опор, значит она выбирает самые вероятные формулировки, значит вы читаете аккуратный, но пустой текст.

В запросе много прилагательных и мало глаголов действия. Много общих слов, вроде «проработай», «сделай качественно», «добавь креатива», и почти нет конкретных требований. Нет ограничений по объёму, нет адресата, нет сценария применения. Итог похож на случайный конспект, а не на задачу.

Проговаривайте цель вслух, это помогает убрать лишнее. Затем запишите один абзац, где есть действие, адресат и результат. Дайте модели один фокус и один формат, тогда ответ соберётся вокруг них. Если нужно охватить несколько задач, разбейте их на отдельные заходы, это быстрее, чем просить обо всём сразу.

Редактор пишет, что «нужно придумать презентацию для партнеров, пусть будет интересно и современно, можно добавить истории клиентов и цифры». Модель возвращает общие советы про структуру и шрифты. Редактор меняет подход, формулирует цель и рамки. Он просит план на семь слайдов, просит один пример с конкретной индустрией и просит выделить места, где нужны цифры. Ответ превращается в черновик презентации, который уже можно собирать в файл.

Пользователь просит «план путешествия на неделю, чтобы было недорого и красиво», модель выдаёт набор мест, где красиво, но без хронометража и логистики. Пользователь уточняет дату и город прилёта, просит расписать каждый день двумя абзацами и добавляет ограничение по стоимости билетов между точками. Во втором ответе появляются конкретные поезда, время в пути и пример бюджета. Один и тот же запрос, разное качество рамок, разная ценность результата.

Модель не читает мысли, она читает текст. Когда вы не указываете аудиторию, канал, роль исполнителя и ограничения, ответ получается дежурным. Это особенно заметно в поздравлениях, письмах, сопроводительных записках, где тон решает половину эффекта.

Как выглядит голый запрос. «Напиши пост о запуске обновления». Модель пишет нейтральный абзац про «новые возможности и удобство использования». Команда смотрит и не понимает, куда это вставлять, в соцсети или в рассылку для клиентов. Затем начинаются догадки, правки, потеря времени.

Как добавить контекст быстро и без лишней академичности.

Назовите адресата и ситуацию, назовите желаемую реакцию читателя, назовите длину и формат. Этого уже хватает, чтобы ответ сразу лёг в нужный канал. «Пост для пользователей приложения, которые давно не обновлялись, цель вернуть интерес, формат один абзац до ста слов и два коротких предложения о выгоде». В ответ вы получаете текст, который читатель до конца досматривает и на который он готов нажать.

Ещё один пример, чтобы было видно, как контекст меняет всё. Руководитель студии просит «описание услуги по настройке освещения для квартиры». Без контекста модель пишет про «комфорт и экономию». Руководитель меняет запрос, теперь он говорит, что текст нужен для лендинга, что читатель – владелец новой квартиры, что важны ночные сценарии, безопасность для детей и срок выполнения работ. Модель перестраивает подачу, в тексте появляются сценарии «ночной коридор», «мягкий свет возле детской», «дистанционное отключение». Появляется то, что можно покупать.

Контекст – это опора. Он снимает двусмысленность, экономит ваш цикл правок и делает ответ живым, потому что модель понимает, для кого она пишет. Если вам кажется, что вы всё равно получаете общий текст, проверьте три вещи, не указан ли канал публикации, не задан ли тон, не описана ли реальная ситуация. Достаточно добавить одно-два предложения, и качество резко растёт.

Нужно принять факт, модель работает итерациями. Первый ответ – это черновик, с которым удобно спорить. В нём есть полезные повороты и есть слабые места. Если требовать совершенства сразу, вы будете раз за разом писать длинные вводные и всё равно разочаровываться. Если принять логику итераций, вы начнёте выигрывать во времени.

Сначала смотрите, попала ли модель в цель. Если нет, не просите переписать всё, а укажите один разрыв. «Не хватает примера для семейной аудитории», «сделай первый абзац проще, читатель не специалист», «убери общие слова, оставь факты и сроки». Затем оцените форму ответа. Если нужен список, а пришёл сплошной текст, скажите про формат. Если нужен один абзац и три выгоды, назовите это в явном виде. На третьем шаге добавьте самопроверку. Попросите модель убедиться, что все условия закрыты, и выделить, чего не хватает. Это снимает много трений.

Пример из практики. Координатор волонтёрской команды просит «письмо для новых участников, чтобы они пришли на встречу». Первый ответ вежливый, но слишком общий, нет места и времени. Координатор формулирует короткое уточнение, он просит добавить дату, адрес и два шага, что взять с собой и куда писать, если не получится прийти. Во второй версии появляется конкретика, письмо перестаёт быть объявлением, становится приглашением, на которое удобно реагировать.

Другой сценарий. Владелец интернет-магазина просит «политику возврата в понятной форме». Первый ответ длинный, в нём много канцелярских оборотов. Владелец меняет стратегию, он просит три коротких блока для страницы «Помощь» и указывает верхний предел, не больше ста пятидесяти слов. Он просит перейти на «вы», убрать профессиональные термины и оставить только шаги и сроки. Модель возвращает три компактных абзаца, клиент видит путь, как действовать, поддержка получает меньше однотипных вопросов.

У всех ошибок общий корень, человек не формулирует, что он хочет получить на выходе и для кого это делается. Задайте одну цель, один канал и один формат, затем проверяйте ответ тремя быстрыми вопросами. Есть адресат и ситуация, есть явная польза для читателя, удобен формат для применения.

Сначала вы получаете набросок. Здесь не требуется идеальный стиль и идеальная фактура, важно проверить направление. Потом вы просите уточнение по одному параметру. Если не хватает фактов, просите добавить три конкретных числа и одну ссылку на источник внутри текста, без академических сносок. Если не устраивает тон, назначаете роль и ситуацию, консультант поддержки, разговор после жалобы, фирменный стиль спокойный, без оценочных слов. Если смущает длина, ставите рамку по словам и структуре, два абзаца по пять–семь строк, без вводных формул.

Важно уметь вовремя остановиться. Если вы сделали два коротких круга и всё ещё видите, что текст держится на общих словах, проще запросить новую версию. Это честнее и быстрее, чем чинить слабую основу. Скажите модели, что поменялось. Вы сменили аудиторию или канал подачи, вы поняли, что читателю нужен другой результат, вы убрали лишний сюжет. Новая постановка часто даёт качественный скачок.

Возьмём ситуацию с небольшой пекарней. Владелец просит «текст для страницы о нас, чтобы было тепло и по-домашнему». Модель пишет милый, но абстрактный абзац про любовь к выпечке. Владелец уточняет контекст, теперь он говорит, что нужен текст для страницы, где уже есть фото команды, и что читатели часто спрашивают, почему цены выше, чем в сетевых магазинах. Он просит один абзац про ценности и один про сырьё и технологии, без хвалебных формул, только факты. Во второй версии появляются конкретные детали, сорт муки, ночная ферментация теста, собственная закваска, открытая кухня. Текст перестаёт быть лозунгом, становится объяснением, почему хлеб стоит именно столько и почему за ним возвращаются.

Теперь пример из сферы ремонта. Клиент просит «план статьи про кухню в хрущёвке», модель отвечает перечнем общих советов. Клиент меняет запрос, он просит план из пяти блоков, где каждый начинается с проблемы и заканчивается решением, он просит указать типовые размеры и выбрать один вариант для бюджета до определённой суммы. На выходе текст превращается в удобный каркас статьи, где есть реальная геометрия, список типовых шкафов и порядок работ.

И ещё один пример, связанный с обучением. Преподаватель настольного моделирования просит «пошаговую инструкцию, как собрать первый набор». Модель даёт длинный список, который пугает новичка. Преподаватель уточняет формат, он просит три этапа и два коротких видеоописания на каждом, он просит убрать профессиональные термины и пояснить, что делать, если деталь не подходит. Инструкция становится компактной и дружелюбной, ученик видит три чётких шага и понимает, что делать, когда что-то пошло не так.

Цель и адресат всегда идут первыми. От них зависят и тон, и формат, и длина. Контекст добавляет смысл, без него ответ не цепляет. Рамки объёма помогают привести текст к форме, которую можно сразу вставить в документ или письмо. Итерации дают качество, они превращают общий набросок в готовый инструмент, и это нормальный рабочий процесс.

Если кажется, что вы снова и снова получаете одинаковый безвкусный текст, поставьте себе маленькое правило. Каждый раз добавляйте одну конкретную деталь о ситуации, одну проверку на выходе и одно ограничение по форме. Эта тройка меняет всё. Модель перестаёт фантазировать, она начинает собирать ответ так, как вам нужно.

И ещё одна маленькая привычка, которая помогает. Перед тем как нажать отправить, прочитайте свой запрос вслух. Если он понятен вам, он понятен и модели. Если вы спотыкаетесь на втором предложении и теряете мысль, сократите и упростите. Это не про стиль, это про скорость на выходе. Чем яснее вход, тем меньше кругов до результата, который можно использовать без долгой правки.

Глава 1. Техники zero-shot, few-shot и chain-of-thought

Zero-shot нужен там, где вы готовы кратко и чётко описать задачу, но не хотите тратить время на примеры. Few-shot полезен, когда у вас есть эталонные образцы и вы хотите, чтобы модель «вписалась» в них. Chain-of-thought нужен, когда задача разветвляется и без пошаговой логики легко ошибиться. Ниже – разбор каждого подхода, без маркеров, с живыми примерами и пояснениями.

Zero-shot экономит время. Вы формулируете цель, задаёте контекст, формат и стиль, а модель решает задачу без опоры на образцы. Приём подходит, когда вы уверены в постановке и чётко представляете вид результата. Он слабее работает там, где важен уникальный почерк или жанровые тонкости, которые проще показать на примере.

Пример 1. Пресс-релиз об экологической инициативе

Нужен короткий пресс-релиз для СМИ о запуске городской акции по раздельному сбору отходов. У проекта есть дата старта, адрес площадки, партнёры и план активности. Важно уложиться в один экран, сохранить нейтральный тон, убрать рекламные клише.

Промпт. «Подготовь пресс-релиз о запуске городской акции по раздельному сбору отходов. Укажи дату, место, партнёров, цель и расписание первого дня. Объём до 170 слов. Тон нейтральный, без оценочных эпитетов. Сначала краткий лид в два предложения, затем два абзаца подробностей, затем контакты для СМИ одной строкой».

Ожидаемый фрагмент ответа. Лид рассказывает, что инициативу запускают город и два партнёра, на площадке доступны контейнеры для пластика, стекла и бумаги. Далее идут детали по времени открытия и короткая цитата представителя организаторов. Завершение содержит одну строку с контактным email.

Почему это работает. Заданы границы объёма, формат частей, тон и список обязательных полей. Модель не тратит силы на «красоту», а собирает рабочий документ, который можно сразу отправлять редакциям.

Коррекция нужна, если ответ вышел «слишком общим». Добавьте одно требование к фактам, например «назови три активности первого дня и укажи ориентировочный ожидаемый трафик по опыту прошлых кампаний, без выдуманных цифр – если данных нет, оставь пометку для уточнения».

Пример 2. Сообщение об ошибке в приложении

Пользователь пытается оплатить подписку и видит сбой. Нужен короткий текст ошибки в интерфейсе и текст письма с объяснением, если оплата не прошла.

Промпт. «Сформулируй два текста. Первый – короткое сообщение об ошибке в приложении до 12 слов, без вины пользователя. Второй – письмо пользователю до 120 слов, спокойный тон, шаги что делать дальше и контакт поддержки. Не пиши технических кодов».

Ожидаемый фрагмент ответа. Сообщение в интерфейсе звучит просто и ясно, письмо объясняет, что оплата не прошла, предлагает перепроверить карту или выбрать другой способ, обещает повторную попытку и даёт адрес поддержки.

Почему это работает. Zero-shot быстро даёт чистую основу, когда бизнес-логика понятна и не требует образцов.

Пример 3. Короткая биография для сайта конференции

Спикеры прислали длинные биографии, нужна единообразная короткая версия.

Промпт. «Перепиши биографию спикера в формате двух абзацев по 45–60 слов. Первый абзац – должность, область экспертизы, два заметных проекта. Второй – тема выступления и практическая ценность для аудитории. Убери перечисления публикаций, оставь максимум две. Тон деловой, без громких эпитетов».

Ожидаемый фрагмент ответа. Текст выровнен по форме, легко вставляется на страницу программы.

Почему это работает. Когда структура роли и выхода ясна, примеры не нужны, достаточно жёстко описать формат.

Few-shot пригодится, когда важен конкретный стиль, ритм, форматирование, манера переходов. Вы показываете два–три эталона и просите продолжить «в том же духе». Модель копирует структуру и тон, а не копирует слова. Правильно подобранные образцы экономят десятки правок.

Как это выглядит на практике

Пример 1. Тон «спокойный эксперт» для заметок банка

Нужны короткие ответы для раздела «вопрос–ответ» на сайте банка. Голос – спокойный, уважительный, без давления на продажу. У банка уже есть две заметки в нужном тоне.

Демонстрация образцов. Два абзаца «Как перевыпустить карту» и «Как сменить лимиты», где заметна манера: простые глаголы, чёткие действия, отсутствие жаргона, в конце один понятный следующий шаг.

Промпт. «Проанализируй два образца выше и подготовь ответ в том же тоне на тему “Как временно заморозить карту при утере”. Объём до 100 слов, два абзаца, в конце один следующий шаг с ссылкой-заглушкой».

Ожидаемый фрагмент ответа. Первый абзац объясняет, что заморозка не закрывает счёт, второй даёт два шага, как включить и как снять заморозку, в конце «Откройте раздел “Карты” и нажмите “Заморозить”».

Почему это работает. Модель подхватывает лексику и ритм, не скатываясь в канцелярит.

Пример 2. Короткие нейтральные резюме отзывов

Интернет-магазину нужны однотипные нейтральные краткие резюме пользовательских отзывов для внутреннего дашборда.

Демонстрация образцов. Три пары «отзыв → резюме», где резюме в одну строку без эмоций и оценок.

Промпт. «На основе трёх примеров выше подготовь резюме для пяти новых отзывов. Каждый вывод в одной строке, без прилагательных оценки, только факты и предмет проблемы или похвалы. Длина до 18 слов».

Ожидаемый фрагмент ответа. «Доставили на день позже, курьер предупредил», «Размер соответствует, ткань плотная, упаковка без дефектов». Всё ровно и по делу.

Почему это работает. Модель видит формат и повторяет его дисциплинированно.

Пример 3. Заголовки в одном редакционном стиле

Редакция ведёт рубрику «научпоп коротко». Нужны заголовки на одну строку, без двоеточий и клише.

Демонстрация образцов. Три заголовка: «Почему мозг любит списки», «Как мы запоминаем запах улицы», «Что делает утро продуктивным».

Промпт. «Придумай шесть заголовков в том же стиле для тем: влияние шума офиса на концентрацию, короткий дневной сон, польза дневного света для настроения. Одна строка, без двоеточий и кавычек, до 55 символов».

Ожидаемый фрагмент ответа. «Как шум офиса ворует внимание», «Короткий сон, длинный эффект», «Дневной свет и спокойная голова».

Почему это работает. Эталон задаёт ритм и длину, модель держит рамку.

Совет по безопасности few-shot. В образцы лучше вставлять именно созданные вами тексты, а не фрагменты из защищённых авторским правом источников. Это и этично, и снижает риск случайных совпадений.

Chain-of-thought помогает, когда задача многошаговая и чувствительная к порядку действий. Вы просите модель идти шагами, проверять себя после каждого шага и фиксировать, что уже выполнено. В книгах любят фразу «давай рассуждать по шагам», но лучше конкретизировать, какие именно шаги требуются и какой вид проверки нужен.

Как это выглядит на практике

Пример 1. Расписание консультаций с ограничениями

Координатор образовательного центра должен составить расписание трёх консультаций на неделю. У преподавателя два окна по будням и одно в выходной. Двое студентов могут только во второй половине дня, третий – утром. Нельзя ставить слоты подряд, нужен час перерыва.

Промпт. «Составь расписание на неделю для трёх консультаций. Исходные условия: два окна по будням и одно в выходной, час перерыва между слотами, два студента доступны после 14:00, один студент только утром. Сначала опиши шаги подбора: 1) фиксируем доступность преподавателя, 2) накладываем ограничения студентов, 3) проверяем перерывы, 4) отдаём финальные слоты в формате день, время, студент. В конце одной строкой отметь, что все условия соблюдены».

Ожидаемый фрагмент ответа. Модель перечисляет, какие окна есть, накладывает ограничения по студентам, собирает три слота с учётом перерывов и завершает строкой «Все ограничения соблюдены».

Почему это работает. Заданы шаги и финальная самопроверка, логика не «прыгает».

Пример 2. Бюджет мини-мероприятия с контрольной суммой

Небольшой форум просит смету на зал, звук, печать материалов и кофе-брейк. Есть верхний лимит. Цена за кофе зависит от количества гостей.

Промпт. «Собери смету для мероприятия на 80 гостей с верхним лимитом бюджета.

Шаги: 1) внеси известные статьи с диапазонами цен, 2) рассчитай стоимость кофе-брейка по цене за человека, 3) предложи два сценария экономии, 4) выведи контрольную сумму и сравни с лимитом. Ответ в трёх абзацах, каждый шаг отдельным абзацем, в финале одна строка со статусом “в пределах лимита” или “превышение”».

Ожидаемый фрагмент ответа. Первый абзац фиксирует зал и звук, второй считает кофе-брейк, третий предлагает, как уложиться в предел, финальная строка сообщает статус.

Почему это работает. Порядок действий и проверка суммы исключают «потерю» каких-то статей.

Пример 3. Диагностика «падает скорость сайта»

Маркетолог видит просадку скорости. Нужно получить план проверки, который можно отдать разработчику и контент-редактору.

Промпт. «Опиши план действий при падении скорости сайта. Сначала список проверок фронтенда, затем шаги для сервера и базы, затем шаги для контента. В каждом блоке по три проверки. После каждого блока добавь короткий вывод, к кому идти дальше, если проблема не в этом. Ответ тремя абзацами, без технического жаргона».

Ожидаемый фрагмент ответа. Первый абзац про изображения и скрипты, вывод «если не помогло – к администратору», второй про сервер и кэш, третий про редиректы и тяжёлые страницы, финал с рекомендацией.

Почему это работает. Разделение по зонам ответственности экономит нервы и время.

Если у вас ясная цель и понятный формат результата, начинайте с zero-shot. Если вам важен стиль и единообразие, переходите к few-shot и покажите два–три эталона. Если задача ступенчатая, с ограничениями или развилками, просите chain-of-thought и фиксируйте порядок шагов. В реальной работе вы часто комбинируете подходы. Сначала берёте zero-shot, чтобы получить базу. Затем добавляете один–два образца в few-shot и выравниваете тон. И, если задача сложная, используете chain-of-thought в финале, чтобы проверить логику, суммы, расписание и другие чувствительные места.

Zero-shot любит явные поля и «ограду» по длине. Чем чётче вход, тем чище выход. Если текст уходит в общие слова, добавьте два конкретных требования к фактам и один критерий готовности, например «проверь, что в тексте есть дата, место и контакт».

Few-shot чувствителен к качеству образцов. Покажите не лучший стиль «вообще», а именно тот, который нужен здесь. Слишком яркие или слишком разные эталоны запутают модель. Лучше три кратких, но однотипных примера, чем один «идеальный» и два «других».

Chain-of-thought требует коротких шагов и финальной проверки. Не просите «рассуждать как получится». Дайте структуру: сначала собираем ограничения, потом считаем, потом сравниваем с лимитом, потом делаем вывод. Попросите в конце одной строкой подтвердить, что условия соблюдены, и перечислить, какие именно.

Ещё по три примера для закрепления. Чтобы глава была практичной, добавим по три примера на каждую технику из других доменов.

1. Календарь контента на неделю для школьного музея. Промпт задаёт цель недели, темы дней, формат постов и ограничение на длину подписи. Выход – сетка из семи коротких анонсов. Без дополнительных примеров модель справляется, потому что задача чёткая: есть цель (познакомить с историей города), есть структура (неделя, семь дней), есть ограничение по длине.

Промпт: «Составь календарь контента на неделю для школьного музея. Укажи цель недели – познакомить учеников с историей города. Каждый день дай тему поста и короткий анонс до 40 слов. Формат: сетка из семи постов, каждый с датой и темой».

Результат: Модель выдаёт таблицу или структурированный список: понедельник – «История основания города», вторник – «Известные личности», среда – «Старинные здания», и так далее. Каждый день сопровождается маленьким анонсом вроде «Рассмотрим первые дома, сохранившиеся с XIX века, и узнаем, кто их построил».

2. Памятка для гостей выставки собак. Промпт просит три абзаца: как пройти, что взять, правила площадки. Указан тон и верхний предел слов. Промпт сам задаёт три опорные точки, и модель чётко следует им, даже без образцов текста. Получается готовая заметка для сайта или печатного буклета.

Промпт: «Напиши памятку для гостей выставки собак. Формат: три абзаца. Первый – как найти площадку и пройти внутрь. Второй – что взять с собой. Третий – правила поведения. Тон дружелюбный, не больше 250 слов».

Результат: Модель создаёт структурированный текст: первый абзац описывает адрес, вход и ориентиры; второй советует взять воду, шляпу от солнца и удобную обувь; третий напоминает не шуметь рядом с рингом, не кормить собак без разрешения и держать детей рядом.

3. Короткая вводная для видеоинструкции по уходу за комнатными растениями. Промпт просит один абзац вступления, список материалов словами через запятую в конце строки, без маркеров. Выход – текст для диктора. Фокус на формате («один абзац + список в строку») помогает сразу получить текст в нужном виде. Такой результат диктор может сразу озвучить без дополнительной редакции.

Промпт: «Сделай короткое вступление для видеоинструкции по уходу за комнатными растениями. Объём – один абзац до 60 слов. В конце строки укажи список необходимых материалов словами через запятую, без маркеров и нумерации».

Результат: Модель выдаёт вступительный абзац вроде: «Сегодня вы узнаете, как ухаживать за комнатными растениями так, чтобы они радовали вас круглый год. Мы покажем простые шаги, которые подходят даже новичкам. Для работы подготовьте: лейку, опрыскиватель, перчатки, универсальную землю, небольшую лопатку».

Теперь разберём few-shot дополнительную тройку примеров. Напоминаем, здесь принцип другой: мы показываем модели несколько образцов ответа, и она копирует стиль, структуру и формат. Это помогает, когда нужен не просто факт или идея, а выдержанная подача.

1. Переформатирование писем поддержки в «человеческий язык». Даны два образца, где сложные термины заменены простыми. Промпт просит сделать так же для нового письма, сохранив структуру «что случилось, что мы делаем, что делать пользователю». Выход – текст без жаргона.

Промпт: «Пример 1. Было: „Ваш запрос передан в технический департамент для дальнейшего анализа инцидента“. Стало: „Мы передали вашу заявку специалистам. Они разбираются с ошибкой“. Пример 2. Было: „В рамках SLA предоставляется возможность эскалации обращения на второй уровень“. Стало: „Если вопрос сложный, мы можем подключить старшего специалиста“.

Теперь переформатируй новый текст. Было: „Из-за некорректного обновления базы произошёл сбой авторизации“. Сохрани структуру: что случилось, что мы делаем, что делать пользователю».

Результат: «Мы заметили ошибку при входе в систему. Сейчас наша команда чинит сбой в базе. Попробуйте войти снова через 30 минут, всё должно заработать».

Few-shot даёт модели чёткий паттерн: брать сложные термины и заменять их простыми, сохраняя логику «событие – решение – инструкция». Без образцов модель могла бы просто пересказать сбой теми же словами.

2. Итоги встреч команды в одном стиле. Даны три конспекта «что решили, кто делает, срок». Промпт просит привести новый конспект к тому же виду. Выход – компактная заметка.

Промпт: «Пример 1. Что решили: обновить сайт. Кто делает: Анна. Срок: 15 апреля. Пример 2. Что решили: добавить обучение для стажёров. Кто делает: Сергей. Срок: 1 мая. Пример 3. Что решили: протестировать новый сервис. Кто делает: Марина. Срок: 20 апреля.

Приведи к такому же виду итоги встречи:

– Запустить рекламную кампанию в соцсетях.

– Ответственный – Дмитрий.

– Дедлайн – конец месяца».

Результат: «Что решили: запустить рекламную кампанию в соцсетях. Кто делает: Дмитрий. Срок: 30 апреля».

Модель не рассуждает сама, а копирует структуру примеров: три пункта, одинаковая подача. Это превращает разрозненные заметки в единый корпоративный формат.

3. Подписи под иллюстрации для школьного стенда. Даны образцы коротких подписей на 14–18 слов. Промпт просит подписи к новым трём изображениям. Выход – аккуратные подписи без лишних слов.

Промпт: «Пример 1. „Первый школьный дом был построен в 1905 году и сохранился до наших дней“. Пример 2. „На этом фото ученики выпуска 1978 года готовятся к спортивным соревнованиям“. Пример 3. „Учитель химии проводит опыт для ребят из старших классов в школьной лаборатории“.

Теперь напиши подписи для новых трёх фотографий:

– Торжественная линейка 1 сентября.

– Ученики на экскурсии в музей.

– Учитель музыки с хором».

Результат: «Торжественная линейка в честь начала учебного года собрала учеников и учителей во дворе школы. Группа ребят из среднего звена с интересом слушает экскурсовода в городском музее. Учитель музыки готовит школьный хор к выступлению на праздничном концерте».

Здесь few-shot задаёт ключ: длина 14–18 слов, нейтральный тон, факт без оценок. Модель точно воспроизводит формат, а не пишет «как попало».

– Подготовка класса к эвакуационной тренировке. Промпт задаёт шаги: проверка маршрута, распределение ролей, сбор «хвостов», контроль по списку, финальная отметка «все в точке». Выход – чёткая последовательность действий.

– Планирование очереди публикаций на сайте школы. Промпт просит сначала собрать все материалы с дедлайнами, затем расставить их по приоритету, затем проверить, чтобы не было двух «тяжёлых» публикаций подряд, и выдать календарь на неделю. Выход – расписание с пометками.

– Проверка домашней лабораторной работы. Промпт задаёт шаги: сравнить расчёт с эталоном, проверить исходные данные, оценить оформление, составить короткую обратную связь. Выход – отзыв в три абзаца и отметка «ошибки исправлены» или «нужна доработка».

Эти три техники – не конкуренты, а инструменты одной системы. Zero-shot даёт скорость там, где постановка ясна. Few-shot даёт предсказуемость там, где важен стиль. Chain-of-thought даёт устойчивость там, где легко запутаться. В повседневной работе вы включаете их как передачи. Потребовалась карта вариантов – открыли. Нужен ровный тон – показали эталоны. Пошли в расчёты и расписания – включили шаги и проверку. Чем лучше вы владете этой связкой, тем реже придётся переписывать и тем чаще первый же результат окажется годным для публикации или отправки.

Если сегодня вы спросите у специалиста по нейросетям, какие есть базовые приёмы работы с моделями, почти наверняка услышите эти три названия: zero-shot, few-shot и chain-of-thought. Звучит так, будто это жаргон «посвящённых», но на самом деле за ними стоит вполне понятная логика. И чтобы её увидеть, нужно чуть вернуться в историю.

В 2020 году вышла работа исследователей OpenAI под названием «Language Models Are Few-Shot Learners». Тогда они представили GPT-3 и показали удивительную вещь: оказывается, модель можно использовать как универсальный инструмент, если правильно построить запрос. И не нужно её заново обучать для каждой задачи – достаточно дать инструкцию или парочку примеров.

Так появилось понятие zero-shot prompting. Это ситуация, когда вы пишете только инструкцию – без всяких примеров. Скажем: «Переведи это предложение на французский». И модель справляется, даже если до этого мы ей не показывали образцы перевода. Чуть сложнее вариант – few-shot prompting. Здесь мы уже даём несколько «подсказок»: – «Собака – dog. Кошка – cat. Птица – bird. Переведи “рыба”». Модель видит закономерность и продолжает цепочку.

Оказалось, что такие приёмы работают почти везде: от перевода слов до написания кода. И это стало отправной точкой для целой новой дисциплины – prompt engineering.

Через два года исследователи из Google (статья «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models», 2022) сделали следующий шаг. Они показали, что если попросить модель «рассуждать шаг за шагом», то точность её ответов резко растёт. Это и есть техника chain-of-thought – буквально «цепочка мыслей».

Простой пример:

– Без CoT: «У Маши было 3 яблока, она купила ещё 5. Сколько теперь?» Модель может ответить 8, а может и ошибиться, особенно если задача сложнее.

– С CoT: «Рассуждай шаг за шагом». Модель пишет: «Было 3, купила ещё 5. Складываем: 3 + 5 = 8. Ответ: 8». Ошибок почти не остаётся.

Этот приём оказался особенно полезен в задачах, где важна логика: математика, программирование, юридические кейсы.

Позже появилось ещё несколько вариаций. Например, zero-shot CoT: вы не даёте примеров, а просто добавляете в конце запроса «Давай рассуждать пошагово». И модель начинает сама раскладывать решение на этапы. Или few-shot CoT – где вы показываете парочку примеров с готовыми рассуждениями, и модель копирует этот стиль.

Сегодня все три термина – zero-shot, few-shot и chain-of-thought – стали основой. Их используют в статьях, учебниках и гайдах по работе с ИИ. Это базовый «алфавит» промпт-инженера, без которого трудно продвинуться дальше.

Покажем ещё, как техники zero-shot, few-shot и chain-of-thought работают в реальных сценариях.

Zero-shot: «Скажи сразу»

Представьте студента, который готовит доклад по истории искусства. Он открывает чат с моделью и пишет: «Составь краткий конспект по теме «Импрессионизм во Франции» для пятиминутного выступления».

Он не даёт никаких подсказок, примеров или структуры – просто задачу. Модель формирует текст: рассказывает про Моне, Ренуара, особенности света и цвета, даёт аккуратное введение и заключение. Это и есть zero-shot – запрос без примеров, когда вы полностью полагаетесь на «знания» модели.

Зачем так делать? Когда времени мало и нужно сразу получить основу. Zero-shot экономит минуты, но не всегда гарантирует глубину или точность.

Few-shot: «Учись на примерах»

Теперь тот же студент понимает: ему нужен не просто конспект, а список фактов, которые легко заучить. Он пишет: «Вот примеры того, как я хочу, чтобы выглядели заметки: – Винсент Ван Гог: яркие мазки, психологическая экспрессия, 1880-е. – Поль Сезанн: переход от импрессионизма к кубизму, внимание к форме. Сделай в таком же формате для художников-импрессионистов: Моне, Дега, Ренуар».

Здесь уже есть подсказки – few-shot. Модель учится на мини-примерах и копирует стиль. В результате студент получает список в точности под свои нужды.

В чём сила? Few-shot помогает, когда вам важно не только «что сказать», но и как это оформить.

Chain-of-thought: «Думай вслух»

Перенесёмся в мир бизнеса. Менеджер задаёт модели задачу: «У нас продажи в январе – 1 млн, в феврале – 1,5 млн, в марте – 2 млн. Средний чек – 5000 рублей. Сколько клиентов было в каждом месяце и как изменился прирост?»

Если запрос оставить как есть, модель может выдать только цифры в готовом виде. Но менеджер добавляет: «Рассуждай шаг за шагом».

И получает:

– Январь: 1 000 000 / 5000 = 200 клиентов.

– Февраль: 1 500 000 / 5000 = 300 клиентов.

– Март: 2 000 000 / 5000 = 400 клиентов.

Прирост: февраль к январю +100 клиентов, март к февралю +100 клиентов.

Это уже чистая логика, которую можно проверить. Так работает chain-of-thought – модель не просто даёт ответ, а «ведёт» вас по цепочке рассуждений.

В жизни часто не бывает «чистого» zero- или few-shot. Например, юрист может начать с zero-shot («Составь шаблон договора аренды»), потом перейти к few-shot («Вот пример структуры, сделай в таком же виде»), а финальный анализ попросить через chain-of-thought («Разложи риски по пунктам, рассуждай шаг за шагом»).

Так три техники складываются в полноценный рабочий процесс.

Давайте посмотрим ещё несколько примеров, как это работает на практике в разных сферах.

Пример 1. Образование: студент готовит доклад по биологии

Студенту нужно подготовить краткий доклад о фотосинтезе. У него нет времени продумывать структуру или искать материалы. Он пишет в модель:

«Объясни процесс фотосинтеза простыми словами».

Ответ модели (zero-shot). «Фотосинтез – это процесс, когда растения с помощью солнечного света превращают углекислый газ и воду в питательные вещества и кислород».

Модель дала верный, но слишком общий ответ. Этого мало для доклада: нет структуры, деталей и примеров. Если студент добавит уточнения («Сделай три абзаца: определение, механизм, значение для жизни на Земле. Пиши так, чтобы понял девятиклассник»), это уже будет переход к structured prompting. Но в чистом zero-shot – это первый черновик, который показывает, на что модель способна без направляющих.

Пример 2. Бизнес: менеджер просит резюме отчёта

Руководитель отдела продаж получил длинный отчёт и хочет быстро понять суть. Он копирует текст и пишет:

«Сделай краткое резюме этого отчёта».

Ответ модели (zero-shot). «Отчёт описывает продажи за квартал. Отмечается рост в двух сегментах, снижение в одном. Общая динамика положительная». Модель выделила основное, но не дала цифр и конкретики. Для бизнеса такой ответ бесполезен: без чисел нельзя принимать решения. Если бы менеджер уточнил: «Сделай резюме в 5 предложениях с цифрами по каждому сегменту», то получил бы готовый материал для совещания. Но в режиме zero-shot модель лишь «нащупывает» ключевые акценты.

Пример 3. Креатив: писатель ищет идеи для названия книги

Автор романа о будущем города не знает, как назвать книгу. Он пишет:

«Предложи название для научно-фантастического романа о будущем мегаполиса».

Ответ модели (zero-shot). «Город будущего». Технически это название подходит, но звучит банально. Zero-shot часто выдаёт клише, потому что у модели нет примеров, на которые можно опереться. Автор может добавить уточнение: «Сделай 10 вариантов названия в стиле антиутопии, без слов “город” и “будущее”». Это уже будет few-shot или guided prompting, но именно так рождаются интересные идеи.

Вывод по zero-shot.

Zero-shot хорош, когда нужно быстро получить черновик, проверить, «понимает» ли модель тему, или собрать самые базовые идеи. Но у этой техники есть ограничения: без структуры и контекста ИИ склонен выдавать слишком общие ответы, клише или сухие формулировки. Поэтому zero-shot стоит воспринимать как стартовую точку, а не как готовое решение.

Если zero-shot – это как разговор с человеком «с нуля», то few-shot – это обучение через демонстрацию.

Пример 1. Образование: объяснение математики

Учитель хочет, чтобы модель помогла ученикам решать задачи по алгебре. Он знает, что zero-shot объяснит сухо, поэтому даёт примеры.

Промпт: «Реши задачи по алгебре в таком стиле:

Пример 1. Задача: x + 5 = 10. Решение: вычтем 5 из обеих частей. Получаем x = 5.

Пример 2. Задача: 2x – 4 = 10. Решение: прибавим 4, получаем 2x = 14, делим на 2, x = 7. Теперь реши: 3x + 9 = 21».

Ответ модели: «Прибавим –9 к обеим частям, получаем 3x = 12. Делим на 3, получаем x = 4».

Модель повторила стиль примеров: пошаговое объяснение, без формул и громоздкой терминологии. Если бы промпт был zero-shot, ИИ мог бы просто написать «x=4» и всё, без пояснений. Few-shot здесь заставляет модель не только решить задачу, но и объяснить её «как учитель».

Пример 2. Бизнес: стиль пресс-релиза

Компания запускает новый продукт – сервис быстрой доставки. Нужно пресс-релиз, но в фирме есть чёткий корпоративный стиль.

Промпт: «Вот два примера пресс-релизов:

Пример 1. Компания X объявляет о запуске сервиса Y. Услуга доступна с сегодняшнего дня, обеспечивает удобство и экономию времени для клиентов.

Пример 2. Сегодня компания X представила новый продукт Z. Он ориентирован на семьи и позволит сэкономить до 20 % бюджета. Теперь напиши пресс-релиз о запуске сервиса быстрой доставки продуктов, сохрани стиль и структуру».

Ответ модели: «Компания X объявляет о запуске нового сервиса быстрой доставки продуктов. Сервис доступен с сегодняшнего дня и позволит жителям города получать свежие товары за 30 минут. Решение ориентировано на занятых людей, которые ценят своё время».

Модель не просто описала продукт, а скопировала стиль двух образцов: лаконичные предложения, структура «событие – доступность – выгода». Для бизнеса это важно, потому что экономит время редакторов.

Пример 3. Креатив: сценарии для подкаста

Продюсер подкаста хочет, чтобы модель предложила сценарий для короткого эпизода. Но он боится получить абстрактный текст. Поэтому показывает формат.

Промпт: «Сценарий подкаста.

Пример 1. Тема: история кофе. Вступление: «Сегодня мы расскажем, как кофе покорил Европу». Основная часть: краткий рассказ о XVII веке. Финал: «В следующем выпуске поговорим о чае».

Пример 2. Тема: история шоколада. Вступление: «Сегодня вы узнаете, почему шоколад считался напитком богов». Основная часть: рассказ о культуре майя. Финал: «В следующий раз обсудим специи». Теперь тема: история сыра. Сделай сценарий в том же формате».

Ответ модели: «Тема: история сыра. Вступление: «Сегодня мы расскажем, почему сыр был символом достатка в Древней Греции». Основная часть: краткий рассказ о роли сыра в питании греков и римлян. Финал: «В следующем выпуске мы обсудим хлеб»».

Модель не только раскрыла тему, но и выдержала стиль: короткое вступление, исторический факт и мостик к следующему выпуску. Few-shot сделал текст «узнаваемым» и пригодным к работе без долгих правок.

Вывод по few-shot.

Эта техника экономит часы работы: достаточно показать 2–3 примера – и модель копирует нужный формат. Она особенно полезна, если вы хотите сохранить фирменный стиль, объяснять с определённой логикой или адаптировать текст под конкретную аудиторию.

Обычный запрос к модели часто даёт быстрый результат, но без объяснения. Иногда этого хватает, например, когда вы спрашиваете погоду или перевод слова. Но когда нужно решить задачу, в которой важна логика – математическую, аналитическую или даже креативную – простого ответа мало. Именно тут помогает Chain-of-thought.

Эта техника работает как «открытый черновик»: модель расписывает, как пришла к результату, и вы видите весь ход мысли. Это удобно, потому что: – можно проверить, где она ошиблась; – можно поправить шаги и получить правильный ответ; – проще доверять итоговому результату, если понятен процесс.

Пример 1. Учёба: решение задачи по физике

Запрос без CoT: «Рассчитай силу, с которой тело массой 2 кг давит на поверхность». Ответ: «20 Н».

Результат вроде правильный, но откуда взялась цифра? Ученик, не знающий формулы, останется в недоумении.

Запрос с CoT: «Рассчитай силу давления тела массой 2 кг на поверхность. Объясни решение пошагово для девятиклассника».

Ответ модели: «Сила давления равна весу тела. Вес = масса × ускорение свободного падения. Масса = 2 кг, ускорение ≈ 9,8 м/с². Перемножаем: 2 × 9,8 = 19,6 Н. Обычно округляем до 20 Н».

Теперь видно, откуда берётся цифра, и студент может сам повторить расчёт.

Пример 2. Бизнес: анализ конкурентного рынка

Запрос без CoT: «Кто главный конкурент компании X на рынке доставки еды?» Ответ: «Компания Y».

Коротко, но бесполезно: почему именно она, по каким критериям?

Запрос с CoT: «Определи главного конкурента компании X на рынке доставки еды. Объясни шаги анализа: как ты отбираешь игроков, какие метрики учитываешь, почему именно этот конкурент ближе всего».

Ответ модели: «Сначала смотрим на рынок доставки еды в городе. Основные игроки – компании Y, Z и W. Далее сравниваем по доле рынка: у Y – 35 %, у X – 30 %, у Z – 15 %. Теперь учитываем уникальные особенности: Y и X предлагают экспресс-доставку до 30 минут, остальные нет. Итог: Y – главный конкурент, потому что его доля выше, и он работает в том же сегменте экспресс-доставки».

Теперь видно, что вывод основан на фактах: рынок, доля, сегмент. Для бизнес-отчёта это бесценно.

Пример 3. Креатив: генерация сюжетов

Запрос без CoT: «Придумай сюжет сказки про дракона и девочку». Ответ: «Дракон подружился с девочкой и они вместе спасли деревню».

Скучно и предсказуемо.

Запрос с CoT: «Придумай сюжет сказки про дракона и девочку. Опиши шаги, как развивается история: завязка, конфликт, кульминация, развязка».

Ответ модели: «Завязка: девочка встречает в лесу дракона, которого все боятся. Конфликт: деревня хочет прогнать дракона, думая, что он угрожает. Кульминация: оказывается, дракон охраняет лес от чудовища. Девочка убеждает деревню довериться ему. Развязка: дракон становится защитником деревни, а девочка – его другом».

История стала глубже: есть динамика, конфликт и смысл. Chain-of-thought помогает «разложить» даже творческую задачу на шаги.

Вывод по CoT.

Пошаговое рассуждение делает работу с ИИ прозрачной. Вы не получаете магический «чёрный ящик», а видите, как модель думает. Это снижает ошибки, экономит время на проверку и делает результат надёжнее.

Рассмотрим ещё три продвинутых примера Chain-of-thought, чтобы показать, как эта техника работает на более сложных задачах.

Пример 4. Сто узников и сто коробок

Задача. Сто узников и сто закрытых коробок. В каждой коробке лежит карточка с уникальным номером от 1 до 100, расклад случайный. Узники заходят по одному. В свой заход каждый имеет право открыть не больше пятидесяти коробок, после этого выходит, коробки снова закрываются. Общаться после начала испытания и оставлять метки нельзя. Группа выигрывает только если каждый из ста узников нашёл карточку со своим номером, иначе проигрывают все. Стратегию нужно придумать до старта.

Запрос без CoT. «Дайте стратегию, по которой узники смогут найти свои номера».

Ответ. «Пусть каждый откроет любые 50 коробок». С таким ответом вероятность, что один человек случайно найдёт свой номер за 50 попыток, около половины. Вероятность, что это случится у ста человек подряд, равна 0,5 в степени 100, практически ноль. Случайное открывание коробок не использует структуру задачи, коллективного шанса почти нет.

Запрос с CoT. «Реши задачу пошагово. Сформулируй подходящую математическую модель расклада и обоснуй выбор. Выведи индивидуальную стратегию действий одного узника с учётом лимита 50 открытий и объясни, при каком условии стратегия приводит к успеху для него. Сформулируй условие общей победы для всей группы через параметры выбранной модели. Оцени вероятность общей победы для 100 участников и лимита 50, сначала дай общую логику оценки, затем подставь числа. В конце кратко сравни результат с стратегией случайного выбора. Не называй итог заранее, сначала обоснование, потом вывод».

Ответ. Начну с модели. У каждой коробки есть номер снаружи, а внутри лежит карточка с каким-то номером из того же множества. Такой расклад, естественно, описывать как перестановку чисел от 1 до 100. Любая перестановка разбивается на независимые циклы. Если открыть коробку 17 и увидеть внутри карточку 42, затем открыть коробку 42 и найти карточку 5, а в коробке 5 обнаружить 17, то мы обошли цикл 17→42→5→17.

Индивидуальная стратегия следует из этой модели. Узник начинает с коробки, на которой написан его номер, открывает её и смотрит номер карточки внутри. Если это его номер, он закончил. Если другой, он идёт к коробке с этим номером и повторяет действие. Так он движется по циклу, в который попал. Он успевает найти свою карточку, если длина его цикла не превышает лимит в 50 открытий.

Условие общей победы формулируется так. В перестановке не должно быть ни одного цикла длиной больше 50. Если такой цикл есть, узник из этого цикла физически не успеет добраться до своей карточки за 50 шагов, а значит группа проиграет.

Оценка вероятности. Нас интересует доля перестановок из 100 элементов, у которых максимальная длина цикла не превосходит 50. Эту величину можно получить аналитически через разложение по типам циклов или оценить численно. Известный результат для случайных перестановок даёт значение около 0,3118. То есть шанс общей победы примерно 31 %. Для сравнения, при стратегии «открываю любые 50 коробок» коллективная вероятность успеха стремится к нулю, фактически это 0,5 в степени 100 для независимых попыток, что несопоставимо меньше.

Разбор промпта.

CoT-промпт заставляет модель сначала выбрать и обосновать представление задачи, затем построить индивидуальную стратегию, затем вывести критерий группового успеха, и только после этого перейти к оценке вероятности и к сравнению с наивной стратегией. Такой порядок снижает риск «угадывания» и даёт прозрачный, проверяемый вывод. Если вы хотите ещё жёстче исключить утечки, добавьте финальную фразу: «Не используй заранее известные результаты, сначала выведи общий подход и только потом сообщи итоговую оценку». Это удержит модель от преждевременных ответов и сохранит чистоту рассуждения.

Пример 5. Бизнес: SWOT-анализ

Запрос без CoT: «Сделай SWOT-анализ для стартапа по доставке фермерских продуктов». Ответ: «Сильные стороны – свежие продукты. Слабые – высокая цена. Возможности – рост спроса. Угрозы – конкуренция».

Выглядит как шаблон.

Запрос с CoT: «Сделай SWOT-анализ для стартапа по доставке фермерских продуктов. Распиши пошагово: сначала сильные стороны, потом слабые, потом возможности и угрозы. Дай пояснения, почему именно так».

Ответ модели: «Сильные стороны: фермерские продукты воспринимаются как более качественные и полезные. Это даёт конкурентное преимущество среди покупателей, заботящихся о здоровье. Слабые стороны: логистика дороже, чем у массовых сервисов, поэтому цена выше. Это может оттолкнуть часть клиентов. Возможности: рост интереса к экологичному питанию, поддержка локальных производителей, тренд на онлайн-покупки. Угрозы: крупные сети начинают предлагать «фермерские» линейки, и у них есть бюджет на рекламу.

Итог: стартапу стоит удерживать нишу за счёт доверия и прозрачности – показывать происхождение продуктов и поддерживать связь с фермерами».

Такой SWOT-анализ пока выглядит как черновик. Но с ним уже можно работать дальше: дорабатывать формулировки, усиливать факты цифрами, адаптировать под слайды. По сути, это отправная точка, которая помогает увидеть структуру и направления развития.

Пример 6. Креатив: неожиданный поворот в сюжете

Запрос без CoT: «Придумай сценарий короткометражного фильма про космонавта». Ответ: «Космонавт полетел в космос и успешно вернулся домой».

Скучный сюжет.

Запрос с CoT: «Придумай сценарий короткометражного фильма про космонавта. Напиши пошагово: завязка, конфликт, кульминация, развязка. Добавь неожиданный поворот».

Ответ модели: «Завязка: космонавт готовится к своей первой миссии, вся страна следит за запуском. Конфликт: во время полёта у корабля выходит из строя система связи, он остаётся один в тишине космоса. Кульминация: космонавт получает странный сигнал, который напоминает голос его дочери. Он следует этому сигналу и чинит систему. Развязка: когда он возвращается, выясняется, что никакой сигнал с Земли не отправляли. Но именно он помог ему выжить. Поворот: остаётся вопрос – был ли это сбой, галлюцинация или что-то большее».

Пошаговое построение сюжета позволяет избежать банальности. Модель сама «думает» о том, где добавить напряжение, а где – интригу.

Chain-of-thought полезен не только для школьных задач или простых объяснений. Он превращает работу с ИИ в прозрачный процесс даже в бизнес-аналитике и творческих проектах. Чем сложнее задача, тем ценнее видеть логику шагов – и именно это даёт CoT.

Обе техники по отдельности дают сильный эффект. Chain-of-thought раскрывает процесс рассуждения шаг за шагом. Few-shot показывает модели готовые образцы, чтобы она «подстроилась» под ваш стиль и формат. Но если объединить их, получается мощный инструмент: модель не просто рассуждает сама по себе, а делает это в заданной вами логике.

Представьте, что вы учите ассистента работать как стажёр. Если просто сказать: «Размышляй вслух», он будет рассуждать по-своему. Но если вы ещё и дадите ему три образца того, как именно нужно рассуждать, то он скопирует вашу манеру и результат будет куда точнее.

Пример 1. Учёба: решение задач по математике

Few-shot + CoT запрос: «Вот примеры:

Задача: У Пети было 5 яблок, он съел 2. Сколько осталось? Решение: сначала считаем, сколько яблок было – 5. Затем вычитаем 2. Получаем 3. Ответ: 3 яблока.

Задача: У Анны было 10 карандашей, 4 она подарила другу. Сколько осталось? Решение: сначала было 10. Отнимаем 4. Остаётся 6. Ответ: 6 карандашей.

Теперь реши: У Оли было 12 конфет, 5 она съела, а 2 подарила. Сколько осталось? Объясняй пошагово».

Ответ модели: «Сначала считаем, сколько конфет всего – 12. Вычитаем 5, остаётся 7. Потом вычитаем ещё 2, остаётся 5. Ответ: 5 конфет».

Разбор.

Модель не просто дала цифру, а скопировала стиль рассуждений из ваших примеров.

Пример 2. Бизнес: анализ отзывов

Few-shot + CoT запрос: Задача: показать, как один промпт может сразу обработать десяток отзывов и выдать структурированный анализ, который уже можно использовать в бизнесе.

Промпт без структуры: «Сделай анализ отзывов клиентов».

Результат: «У клиентов есть и положительные, и отрицательные впечатления. Нужно работать над сервисом и качеством продукта».

Такой ответ бесполезен: он общий, расплывчатый и не отражает реальную картину. Руководитель ничего не поймёт из такого анализа.

Уточнённый промпт (few-shot + CoT): «Вот примеры анализа отзывов:

Отзыв: “Привезли быстро, но пицца остыла”. Анализ: плюс – скорость доставки; минус – качество продукта; вывод – улучшить термосумки.

Отзыв: “Вкусно, но курьер опоздал”. Анализ: плюс – вкус еды; минус – задержка доставки; вывод – контролировать время выезда курьеров.

Отзыв: “Удобное приложение, но тяжело найти любимые блюда”. Анализ: плюс – удобство заказа; минус – плохая навигация; вывод – улучшить поиск в приложении.

Теперь проанализируй следующие 10 отзывов. Формат для каждого: плюс, минус, вывод. Объясняй пошагово, что именно ты выделяешь и почему».

Результат модели:

Отзыв: «Пицца вкусная, но соус был пролит в коробке». Плюс: качество продукта. Минус: плохая упаковка. Вывод: усилить упаковку для жидких ингредиентов.

Отзыв: «Очень быстро привезли, но курьер был грубым». Плюс: скорость доставки. Минус: качество обслуживания. Вывод: провести тренинг по вежливости.

Отзыв: «Меню большое, но половины позиций не оказалось в наличии». Плюс: ассортимент. Минус: несоответствие наличию. Вывод: синхронизировать склад и меню.

…и так далее по всем 10 отзывам.

Здесь видно главное преимущество приёмов few-shot + CoT. Модель не просто выдала общую фразу «у клиентов есть плюсы и минусы», а пошла по шагам: выделила положительные и отрицательные стороны каждого отзыва, а затем сформулировала конкретный вывод. Важно, что мы заранее показали формат анализа на нескольких примерах. Благодаря этому при добавлении новых отзывов модель автоматически воспроизводит тот же шаблон.