Промт (от англ. prompt — «подсказка, инструкция») — это текстовый запрос, который пользователь передаёт нейросети. Именно он задаёт задачу, тон, формат и ограничения ответа. Чем точнее сформулирован промт для нейросети, тем предсказуемее и полезнее результат — модель не читает мысли, она работает строго с тем, что получила.
Что такое промт: точное определение
В широком смысле промт — любой ввод, который модель получает перед генерацией ответа. В узком — структурированная инструкция с контекстом, задачей и ожидаемым форматом. Разница принципиальная: «напиши текст» и «напиши 200-словное введение для статьи о блокчейне в стиле Forbes» — оба промта, но результаты несопоставимы.
Технически промт — это последовательность токенов, которую языковая модель обрабатывает как входные данные. Нейросеть не «понимает» язык так, как человек: она вычисляет наиболее вероятное продолжение на основе статистических паттернов, извлечённых при обучении на миллиардах текстов. Поэтому что такое промт для нейросети — это буквально весь доступный ей контекст в момент генерации.
Как нейросеть читает промт
Токенизация: первый шаг обработки
Прежде чем модель «увидит» текст, он проходит токенизацию — разбивку на токены. Токен — не слово, а фрагмент: в среднем 3–4 символа для латиницы и 1–2 для кириллицы. Слово «нейросеть» превращается в 3–4 токена. Это важно практически: длина промта измеряется в токенах, от этого зависит стоимость запроса и лимиты контекстного окна модели.
Механизм внимания: что модель «замечает» сильнее
Языковые модели используют механизм self-attention: при генерации каждого нового токена модель взвешивает значимость каждого предыдущего токена в промте. Слова в начале и конце запроса влияют сильнее, чем расположенные в середине длинного текста. На практике это означает одно: ключевые инструкции размещайте в начале или конце промта, а не закапывайте в середину.
Из чего состоит промт
Большинство эффективных промтов включают несколько компонентов. Все они необязательны одновременно — набор зависит от задачи.
| Компонент | Что задаёт | Пример |
|---|---|---|
| Роль | Кем выступает модель | «Ты — опытный маркетолог с 10-летним стажем» |
| Задача | Что конкретно нужно сделать | «Напиши 5 заголовков для email-рассылки» |
| Контекст | Фоновая информация | «Наш продукт — CRM для малого бизнеса» |
| Формат | Структура и объём ответа | «Список из 5 пунктов, каждый до 15 слов» |
| Ограничения | Что исключить | «Без технического жаргона, без восклицательных знаков» |
| Примеры | Образцы ожидаемого результата | «Пример хорошего заголовка: "5 способов..."» |
Промты без роли и контекста — наиболее распространённая ошибка. Модель заполняет пробелы самостоятельно, и это редко совпадает с ожиданиями.
Контекст и роль в промте
Роль активирует определённый регистр и экспертизу. Запрос «объясни квантовую запутанность» и тот же запрос с добавлением «объясни так, как объяснял бы пятилетнему ребёнку» дадут принципиально разные ответы — при этом ни один не будет «неправильным».
Контекст сужает пространство допустимых интерпретаций. Слово «ключ» без контекста заставляет модель выбирать между дверным ключом, нотным ключом, ключом шифрования и десятками других значений. С контекстом «мы разрабатываем API» — выбор однозначен.
Системный промт (system prompt) — особый вид, доступный через API. Разработчик задаёт его до начала диалога: он определяет поведение модели для всей сессии — роль, стиль, ограничения. Конечный пользователь его, как правило, не видит. Именно системный промт объясняет, почему один и тот же базовый ИИ ведёт себя по-разному в разных продуктах.
Почему одинаковый промт даёт разные результаты
Даже при идентичном промте нейросеть может вернуть разные ответы. Причин несколько:
- Температура (temperature). Параметр, контролирующий «случайность» выборки следующего токена. При высокой температуре модель чаще выбирает неочевидные варианты — тексты разнообразнее, но менее предсказуемы. При низкой — ответы стабильнее и консервативнее.
- Неоднозначность запроса. Чем абстрактнее промт, тем шире пространство интерпретаций. «Напиши про маркетинг» — почти бесконечная задача. «Назови 3 способа снизить стоимость клика в Google Ads для SaaS» — конкретная.
- История диалога. В многоходовом разговоре каждое предыдущее сообщение становится частью промта. Разные истории диалога — разные ответы на один и тот же вопрос.
- Версия модели. Claude 3.5 Sonnet и Claude 3 Haiku, GPT-4o и GPT-3.5 — разные модели с разными весами. Один промт в разных моделях даст разный результат по качеству и стилю.
Первые примеры: от слабого к сильному промту
Задача: описание продукта
Слабый промт: «Напиши описание наушников.»
Модель придумает характеристики, стиль и аудиторию — всё это будет её выбором, не вашим.
Сильный промт: «Ты — копирайтер для бренда премиальной электроники. Напиши описание беспроводных наушников Sony WH-1000XM5 для карточки товара на маркетплейсе. Объём: 80–100 слов. Упомяни активное шумоподавление, 30 часов автономной работы и складную конструкцию. Тон: уверенный, без превосходных степеней.»
Здесь заданы роль, задача, контекст (конкретная модель), формат, содержание и ограничения по тону.
Задача: получить практический совет
Слабый промт: «Как увеличить продажи?»
Сильный промт: «Я управляю интернет-магазином спортивного питания с оборотом 2 млн рублей в месяц. Основной трафик — Instagram, средний чек — 3500 рублей. Назови 3 конкретных действия, которые можно реализовать за неделю без увеличения рекламного бюджета.»
Второй промт ограничивает пространство ответа настолько, что модель вынуждена давать конкретные, применимые рекомендации — а не общий список из учебника по маркетингу. Это и есть главный принцип работы с промтом: уточняйте до тех пор, пока у модели не останется возможности уйти в сторону.
===TOC=== chto-takoe-promt|Что такое промт: точное определение kak-ii-chitaet-zapros|Как нейросеть читает промт iz-chego-sostoit-promt|Из чего состоит промт kontekst-i-rol|Контекст и роль в промте pochemu-rezultat-raznyy|Почему одинаковый промт даёт разные результаты primery-promtov|Первые примеры: от слабого к сильному промту ===FAQ===