Анатомия идеального промпта: как получить от AI именно то, что нужно

Почему одни получают от AI гениальные ответы, а другие — бесполезную воду

Разница между полезным и бессмысленным ответом AI почти всегда определяется не моделью, а промптом. Два человека могут задать ChatGPT или Claude один и тот же вопрос по теме, но сформулировать его настолько по-разному, что результаты будут несопоставимы. Один получит структурированный, глубокий анализ с примерами. Другой — набор общих фраз, которые можно найти в первых трёх ссылках поисковой выдачи.

Проблема в том, что большинство людей разговаривают с AI так же, как вбивают запрос в Google: коротко и размыто. Но языковая модель — это не поисковик. Она не ищет готовые страницы по ключевым словам. Она генерирует ответ с нуля, опираясь на статистические паттерны в обучающих данных. И чем точнее вы опишете, что вам нужно, тем точнее будет результат.

Эта статья — полный разбор структуры идеального промпта. Мы пройдём по каждому элементу, разберём фреймворк CRISP и покажем на реальных примерах, как один и тот же запрос можно трансформировать из посредственного в превосходный.

Модель — это инструмент, а промпт — это инструкция

Представьте, что вы наняли очень умного, но абсолютно незнакомого с вашим проектом эксперта. Он знает невероятно много, но понятия не имеет, кто вы, какой у вас контекст, что вы уже пробовали и какой результат ожидаете. Если вы скажете ему «сделай хорошо» — он сделает что-то среднее. Если дадите детальный бриф — результат будет совсем другим.

Языковые модели работают по тому же принципу. У них нет собственных целей, приоритетов и понимания «что такое хорошо» в вашем конкретном случае. Всё это нужно заложить в промпт. Поэтому написание хорошего промпта — это по сути написание хорошего технического задания.

Пять элементов структуры промпта

Любой эффективный промпт содержит от трёх до пяти ключевых элементов. Не обязательно использовать все пять каждый раз — для простых задач достаточно двух-трёх. Но для сложных задач полная структура критически важна.

1. Роль (Role)

Роль задаёт модели «рамку мышления». Когда вы пишете «Ты — опытный маркетолог с 15-летним стажем в B2B SaaS», модель начинает генерировать ответы, характерные для такого специалиста: использует профессиональную терминологию, учитывает специфику B2B-продаж, опирается на релевантные метрики.

Без роли: Напиши пост для соцсетей про наш продукт.

С ролью: Ты — senior SMM-стратег в технологической компании. Ты специализируешься на LinkedIn-контенте для B2B-аудитории. Напиши пост про наш продукт — CRM-систему для малого бизнеса.

Роль не обязательно должна быть профессиональной. Вы можете задать стиль мышления: «Ты — скептик, который ищет слабые места в аргументации» или «Ты — педагог, который объясняет сложные вещи простым языком». Это меняет не только содержание, но и структуру ответа.

2. Контекст (Context)

Контекст — это фоновая информация, которая нужна модели для адекватного ответа. Сюда входит: кто вы, для кого готовится результат, какая ситуация предшествовала запросу, какие ограничения существуют.

Без контекста: Напиши email клиенту.

С контекстом: Наша компания продаёт облачные решения для ресторанов. Клиент — владелец сети из 5 заведений в Москве. Он запросил демо две недели назад, мы его провели, он сказал, что ему нужно обсудить бюджет с партнёром. Прошла неделя молчания. Напиши follow-up email: вежливый, не давящий, с предложением ответить на любые вопросы.

Чем больше контекста вы дадите, тем точнее будет результат. Но есть предел: если контекст не влияет на ответ, его лучше убрать, чтобы не засорять промпт.

3. Задача (Task)

Задача — это конкретное действие, которое модель должна выполнить. Она должна быть сформулирована максимально однозначно. Сравните:

Размытая задача: Помоги с маркетингом.

Конкретная задача: Напиши три варианта заголовка для лендинга нашей CRM-системы. Целевая аудитория — владельцы малого бизнеса, 25-45 лет. Заголовок должен содержать выгоду, а не описание функции.

Хорошая задача отвечает на вопросы: что конкретно сделать? для кого? какой критерий успеха?

4. Формат (Format)

Формат определяет, как должен выглядеть ответ. Без указания формата модель сама решит, как структурировать информацию — и не факт, что это будет удобно для вас.

Без формата: Сравни React и Vue.

С форматом: Сравни React и Vue в виде таблицы по следующим критериям: кривая обучения, размер экосистемы, производительность, пригодность для крупных проектов, поддержка сообщества. Для каждого критерия дай оценку от 1 до 5 и краткий комментарий в одно предложение.

Форматы, которые можно указать: таблица, нумерованный список, JSON, markdown, пошаговая инструкция, сценарий диалога, код на определённом языке, письмо, пост определённой длины.

5. Ограничения (Constraints)

Ограничения задают границы: что модель не должна делать, какой длины должен быть ответ, какого тона придерживаться, чего избегать.

Без ограничений: Напиши статью про инвестиции.

С ограничениями: Напиши статью про инвестиции для начинающих. Ограничения: не более 1500 слов, не используй термины без объяснения, не давай конкретных инвестиционных рекомендаций (это юридический риск), не упоминай конкретные акции и фонды, пиши на «ты».

Ограничения особенно важны для контента, который будет опубликован: длина, тон, юридические рамки, бренд-гайдлайны.

Фреймворк CRISP

CRISP — это мнемоника для запоминания пяти элементов структуры: Context (контекст), Role (роль), Instruction (задача), Specifics (детали и формат), Parameters (ограничения и параметры). Это не жёсткий шаблон, а чек-лист: перед отправкой промпта пройдитесь по каждой букве и убедитесь, что ничего критичного не упущено.

Для быстрых бытовых запросов хватит I (задача) и, может быть, S (формат). Для рабочих задач стоит добавить C (контекст) и R (роль). Для ответственных задач (контент для публикации, анализ для руководства, юридические документы) используйте все пять элементов.

Как модели интерпретируют инструкции

Языковые модели понимают инструкции буквально. Если вы написали «короткий ответ» — модель сократит ответ, но её представление о «коротком» может отличаться от вашего. Лучше написать «ответ в 2-3 предложениях» или «не более 100 слов».

Модели также чувствительны к порядку инструкций. Информация в начале и в конце промпта обычно учитывается лучше, чем в середине. Если у вас длинный промпт, самые важные инструкции ставьте в начало или конец.

Ещё один нюанс: модели склонны «угождать». Если вы спросите «Правда ли, что X — лучший подход?», модель с большей вероятностью согласится, чем если вы спросите «Какие подходы существуют и какие у каждого плюсы и минусы?». Формулируйте вопросы нейтрально, если хотите объективный анализ.

Температура и её влияние на результат

Температура — это параметр, который контролирует «креативность» модели. При температуре 0 модель выбирает наиболее вероятный следующий токен (слово или его часть). При температуре 1 и выше — допускает больше случайности.

Для задач с единственным правильным ответом (перевод, извлечение данных, классификация) лучше низкая температура: 0-0.3. Для креативных задач (генерация идей, сторителлинг, нейминг) — выше: 0.7-1.0. Большинство чат-интерфейсов (ChatGPT, Claude) не дают менять температуру напрямую, но вы можете влиять на неё косвенно: инструкция «будь максимально точен и консервативен» снижает вариативность, а «предложи неожиданные, нестандартные варианты» — повышает.

Пример полной трансформации промпта

Разберём реальный пример. Допустим, вам нужно написать описание вакансии.

Плохой промпт:
Напиши описание вакансии для разработчика.

Хороший промпт:
Роль: Ты — HR-специалист в технологическом стартапе (50 человек, финтех, Москва).

Контекст: Мы ищем middle Python-разработчика в команду из 8 человек. Стек: Python 3.11, FastAPI, PostgreSQL, Redis, Docker, AWS. Проект — платёжный шлюз для малого бизнеса. Удалённая работа, но нужен GMT+3 для совпадения с командой.

Задача: Напиши описание вакансии, которое привлечёт сильных кандидатов и отсечёт нерелевантных.

Формат: Структура — О компании (2-3 предложения), Чем предстоит заниматься (5-7 пунктов), Что мы ожидаем (обязательно/желательно), Что предлагаем (5-7 пунктов).

Ограничения: Не используй корпоративный канцелярит ("динамично развивающаяся компания"). Пиши конкретно. Зарплатная вилка: 250-350 тыс. руб. Не обещай того, чего нет — мы стартап, у нас нет ДМС, но есть бюджет на обучение.

Разница в результатах будет колоссальной. Первый промпт даст шаблонное описание. Второй — конкретное, честное и привлекательное объявление, адаптированное под реальную ситуацию.

Итеративный подход: промпт как диалог

Идеальный промпт с первого раза — скорее исключение, чем правило. Профессиональный подход — итеративный: отправляете промпт, оцениваете результат, уточняете и повторяете.

Типичный цикл: первый промпт даёт 60-70% того, что нужно. Второе сообщение уточняет: «Хорошо, но сделай вступление короче, добавь конкретные цифры в раздел о преимуществах и измени тон на менее формальный». Третье сообщение доводит результат до финала.

Этот итеративный подход часто эффективнее попытки написать «идеальный» промпт с первого раза. Не бойтесь уточнять и корректировать — именно так работают профессионалы.

Чек-лист перед отправкой промпта

Перед отправкой любого важного промпта пройдитесь по этому списку. Роль: указал ли я, от чьего лица модель должна отвечать? Контекст: дал ли я достаточно фоновой информации? Задача: однозначно ли сформулировано, что нужно сделать? Формат: указал ли я, как должен выглядеть результат? Ограничения: задал ли я рамки (длина, тон, чего избегать)?

Не каждый промпт требует всех пяти элементов. Но для задач, где качество результата критично — проверяйте каждый пункт. Через неделю практики это войдёт в привычку, и вы начнёте замечать, что ваши результаты при работе с AI стали стабильно лучше.

Главное

Структура промпта — это не теоретическое упражнение, а практический навык, который напрямую влияет на качество результатов. Пять элементов (роль, контекст, задача, формат, ограничения) и фреймворк CRISP дают вам системный подход вместо метода проб и ошибок. Начните с малого: в следующем запросе к AI добавьте хотя бы один элемент, которого раньше не использовали. Вы сразу увидите разницу.