Два человека задают ИИ-ассистенту, казалось бы, один и тот же вопрос — и получают результаты, отличающиеся как небо и земля. Один остаётся недоволен: «эта ваша нейросеть бесполезная, выдаёт какую-то воду». Второй получает структурированный, точный, готовый к использованию ответ. Разница не в модели — разница в том, как был сформулирован запрос.
Промптинг — это не магия и не секретное знание избранных. Это навык, который осваивается за несколько дней практики. Разберём конкретные приёмы, которые сразу повышают качество ответов.
Почему расплывчатые запросы дают расплывчатые ответы
Языковая модель не умеет читать мысли. Она работает с тем текстом, который получила, и достраивает ответ на основе закономерностей из обучающих данных. Запрос «напиши про маркетинг» технически корректен, но крайне неопределён — модели приходится угадывать: для кого текст, какой объём нужен, в каком тоне, с какой целью.
Сравните:
Слабый запрос: «Расскажи про email-маркетинг»
Сильный запрос: «Напиши план email-рассылки из 5 писем для интернет-магазина одежды, который хочет вернуть клиентов, не покупавших более 3 месяцев. Тон — дружелюбный, без излишней навязчивости. Каждое письмо — с темой и кратким описанием содержания»
Второй запрос даёт модели контекст, ограничения и чёткую задачу. Результат будет конкретным и применимым на практике, а не общими рассуждениями о пользе email-маркетинга.
Принцип 1: задавайте контекст и роль
Языковая модель меняет стиль и глубину ответа в зависимости от того, кто «спрашивает» и для кого предназначен ответ. Указание роли помогает модели выбрать правильный регистр.
Пример: «Объясни, что такое инфляция» даст обобщённый школьный ответ.
«Объясни понятие инфляции человеку, который никогда не изучал экономику, но хочет понять, почему дорожают продукты в магазине» — этот запрос задаёт аудиторию и цель, и ответ будет конкретнее, с примерами из повседневной жизни, без лишней терминологии.
Можно также попросить модель выступить в определённой роли: «Представь, что ты опытный редактор, и оцени мой текст с точки зрения структуры и логики».
Принцип 2: указывайте формат и объём
Без явного указания модель сама решает, как оформить ответ — иногда это список, иногда сплошной текст, иногда слишком длинно или слишком коротко.
Полезные уточнения:
- «Ответь в 3-4 предложениях»
- «Оформи как таблицу с тремя колонками»
- «Дай ответ в виде нумерованного списка из 5 пунктов»
- «Напиши без использования профессионального жаргона»
- «Сделай текст не длиннее 200 слов»
Чем точнее обозначен формат, тем меньше потребуется правок после получения ответа.
Принцип 3: разбивайте сложные задачи на шаги
Объёмные задачи — написание статьи, анализ документа, разработка стратегии — лучше решаются поэтапно, а не одним гигантским запросом.
Вместо: «Напиши мне бизнес-план для кофейни»
Лучше:
- «Помоги составить структуру бизнес-плана для небольшой кофейни в спальном районе»
- После получения структуры — «Теперь подробно разверни раздел про целевую аудиторию»
- Затем — «Теперь раздел финансовой модели с примерными цифрами»
Такой подход даёт более глубокий и проработанный результат на каждом этапе, и позволяет корректировать направление по ходу работы, а не переписывать всё с нуля.
Принцип 4: показывайте примеры (few-shot prompting)
Если нужен текст в определённом стиле или с конкретной структурой — покажите модели образец. Этот приём называется few-shot prompting и работает удивительно эффективно.
Пример: «Напиши 3 заголовка для статьи о здоровом сне в стиле этих примеров: — Почему вы просыпаетесь усталым, даже если спали 8 часов — 5 привычек, которые тихо разрушают ваш сон Сделай заголовки в том же духе: конкретные, с цифрой или вопросом»
Модель «считывает» паттерн из примеров и воспроизводит похожую структуру, тон и уровень конкретики.
Принцип 5: просите модель уточнять, если что-то неясно
Можно прямо попросить ассистента не угадывать, а спрашивать: «Если тебе не хватает информации для качественного ответа — задай мне уточняющие вопросы, прежде чем отвечать». Это особенно полезно для сложных или многозначных задач, где разные интерпретации дают совершенно разные результаты.
Принцип 6: указывайте, чего делать не нужно
Иногда негативные ограничения работают эффективнее позитивных инструкций.
Примеры:
- «Не используй канцеляризмы и штампы вроде «в современном мире»»
- «Не добавляй вступление, начни прямо с сути»
- «Не используй маркированные списки, пиши сплошным текстом»
- «Не упоминай конкретные бренды»
Это особенно полезно, если модель раз за разом повторяет один и тот же нежелательный паттерн.
Принцип 7: итерация — это нормально
Первый ответ редко бывает идеальным, и это не повод считать инструмент бесполезным. Профессионалы, активно использующие ИИ, обычно делают 3-5 итераций перед тем как получить финальный результат.
Полезные уточняющие запросы:
- «Сделай тон более неформальным»
- «Сократи вдвое, оставь только самое важное»
- «Добавь конкретный пример к третьему пункту»
- «Перепиши второй абзац, он звучит слишком сухо»
Диалоговый формат — это главное преимущество современных ИИ-ассистентов по сравнению с поиском. Используйте это: уточняйте, корректируйте, дорабатывайте.
Шаблон хорошего запроса
Для сложных задач удобно держать в голове структуру:
Контекст (кто я, какая ситуация) + Задача (что нужно сделать) + Аудитория (для кого) + Формат (как оформить) + Ограничения (чего избегать)
Не все элементы нужны всегда — для простых вопросов это избыточно. Но для рабочих задач такая структура экономит несколько раундов уточнений.
Вывод
Качество ответа нейросети процентов на 70 зависит от качества вопроса. Это не недостаток технологии — это её особенность, как у любого мощного инструмента: киркой можно как построить, так и пораниться, всё зависит от того, как её держать.
Начните применять хотя бы два-три приёма из этой статьи в следующих запросах — указывайте роль, формат и конкретные ограничения. Разница в качестве ответов станет заметна уже после первых попыток.