Чтобы написать промпт для нейросети, достаточно задать четыре элемента: роль модели, конкретную задачу, контекст ситуации и желаемый формат ответа. Этот каркас работает в ChatGPT, Claude, Gemini и любых других LLM-системах — и сокращает число итераций в два-три раза.
Формула хорошего промпта
Большинство слабых запросов страдают не от неграмотности, а от неполноты. Нейросеть заполняет пробелы сама, угадывая намерение пользователя. Чем точнее вы закроете эти пробелы, тем предсказуемее результат.
Базовая формула состоит из четырёх блоков:
| Блок | На какой вопрос отвечает | Пример |
|---|---|---|
| Роль | Кем должна быть модель? | «Ты — технический редактор с опытом в B2B SaaS» |
| Задача | Что конкретно нужно сделать? | «Перепиши этот абзац: сделай короче и в активном залоге» |
| Контекст | Что модель должна знать о ситуации? | «Аудитория — технические директора, не маркетологи» |
| Формат | Как должен выглядеть ответ? | «Три варианта, каждый не длиннее двух предложений» |
Не обязательно использовать все четыре блока в каждом запросе. Простая задача — «переведи на английский» — не требует роли. Но чем сложнее задача, тем важнее не пропускать ни одного блока.
Роль и контекст: как задать правильную рамку
Роль — самый мощный рычаг влияния на тон и глубину ответа. Когда вы пишете «ты — юрист», модель активирует паттерны юридической точности. «Ты — маркетолог» — тот же вопрос получит принципиально другую оптику.
Как формулировать роль
- Конкретизируйте специализацию: не «ты — разработчик», а «ты — backend-разработчик с опытом в Python и асинхронных API».
- Добавьте уровень: «старший копирайтер с опытом email-маркетинга для e-commerce».
- Укажите стиль мышления: «рассуждай критически, выявляй противоречия» или «думай пошагово».
Контекст — это не предыстория, а фильтр
Контекст сообщает модели, что важно, а что — нет. Вместо вставки длинной истории проекта ответьте на три вопроса:
- Кто аудитория или получатель результата?
- Какие ограничения существуют (объём, стиль, технические рамки)?
- Что уже известно или сделано?
Слабый контекст: «У меня есть текст для сайта». Сильный: «Это лендинг для B2B-сервиса аналитики, аудитория — директора по маркетингу в e-commerce, тон деловой, без канцеляризмов».
Формат ответа: управляйте структурой результата
Без явного указания формата модель выбирает его сама — и зачастую не так, как нужно. Явные инструкции по форматированию экономят время на постобработку.
Что можно задать в блоке формата
- Структура: список, таблица, JSON, нумерованные шаги, сплошной текст.
- Объём: «не более 150 слов», «три варианта», «одно предложение».
- Стиль: «формальный русский», «без профессионального жаргона», «с примерами кода».
- Исключения: «без вводного абзаца», «не пересказывай задание», «без disclaimers».
Инструкция «не пересказывай задание» особенно важна — она убирает паразитные абзацы, которые языковые модели добавляют по умолчанию перед содержательным ответом.
Примеры промптов: слабый и сильный
Разница между плохим и хорошим промптом — не в длине, а в точности.
Задача: email клиенту о задержке доставки
Слабый: «Напиши письмо клиенту о задержке доставки»
Сильный: «Ты — менеджер по работе с клиентами интернет-магазина электроники. Напиши письмо: заказ задержится на 3 дня из-за проблем на складе. Тон — извиняющийся, но уверенный. Предложи компенсацию — скидку 10% на следующий заказ. Объём — не более 120 слов. Без фраз типа "нам очень жаль"».
Задача: объяснить техническую концепцию
Слабый: «Объясни, что такое API»
Сильный: «Объясни понятие API человеку, который не программировал, но работает в продажах SaaS. Используй одну аналогию из реального мира — не из IT. Максимум 80 слов».
Итеративная доработка промпта
Даже грамотно составленный промпт редко даёт идеальный результат с первого раза. Промпт-инжиниринг — итеративный процесс, а не поиск волшебного заклинания.
Алгоритм доработки
- Определите, что именно не так. Тон? Структура? Глубина? Длина? Фактура?
- Меняйте одну переменную за раз. Иначе невозможно понять, что сработало.
- Используйте отрицательные инструкции. «Не используй слово "решение"», «не делай список, пиши прозой».
- Добавьте образец. «Отвечай в стиле этого абзаца: [пример]» — few-shot prompting даёт наиболее стабильный результат.
Если ответ не устраивает после двух-трёх итераций, проблема чаще всего в недостаточном контексте или нечёткой задаче, а не в ограничениях самой модели.
Типичные ошибки при написании промптов
- Размытая задача. «Помоги мне с текстом» — слишком широко. Модель угадывает намерение и почти всегда угадывает не так.
- Избыточный контекст без фокуса. Вставить три страницы документа и спросить «что думаешь?» — модель не знает, на чём сосредоточиться.
- Отсутствие ограничений. Без рамок объёма и формата модели склонны к многословию и уклончивым ответам.
- Несколько задач в одном запросе. «Переведи, сократи, адаптируй под подростков и добавь юмор» — разбейте на последовательные промпты.
- Игнорирование системного промпта. В интерфейсах с раздельными полями System Prompt и User Message роль точнее задавать в системном поле.
- Ожидание идеального результата с первого раза. Даже опытные специалисты в области промпт-инжиниринга итерируют по три-пять раз на нетривиальных задачах.