Промпты: как формулировать задачу для LLM

Зачем это нужно

Большинство слабых ответов от LLM — это не проблема модели, а проблема запроса. Хороший промпт работает как хорошее техническое задание: он снимает неоднозначность, задает формат и дает модели нужный контекст. Эти навыки переносимы между разными LLM и инструментами.

Теория

Промпт — это не вопрос, это задание

Когда ты пишешь в LLM короткий вопрос, модель заполняет пропуски сама. Иногда это работает. Чаще — теряется формат, стиль, длина или контекст.

Хороший промпт — это явное задание, где ты сам убрал неоднозначность.

Шесть базовых техник

1. Давай контекст

Объясни, что нужно, зачем это нужно и какой фон важен для задачи.

Слабо: «Напиши письмо клиенту.»

Сильнее: «Мы SaaS-компания, клиент написал, что не может войти в аккаунт. Напиши вежливый ответ с просьбой уточнить версию браузера и приложить скриншот ошибки.»

2. Показывай примеры

Если нужен определенный стиль или формат — покажи его. Модель ориентируется на образец.

Пример: «Вот как мы обычно пишем анонсы: [пример]. Напиши в том же стиле анонс нового вебинара.»

3. Задавай ограничения

Формат, длина, тон, что нельзя включать — всё это снижает вариативность ответа.

Пример: «Объём — 120–150 слов. Без эмодзи. Деловой тон. Без перечислений, только связный текст.»

4. Дроби сложные задачи на шаги

Если задача многошаговая, веди модель пошагово — не давай всё сразу в виде одного вопроса.

Пример:

• Шаг 1: «Перечисли ключевые риски в этом плане.»
• Шаг 2: «Для каждого риска предложи 1–2 варианта митигации.»
• Шаг 3: «Составь финальную таблицу: риск — вероятность — действие.»

5. Дай модели подумать сначала

Попроси сначала разобрать задачу, и только потом дать ответ.

Пример: «Прежде чем отвечать, перечисли все ограничения задачи. Затем реши её пошагово.»

6. Задай роль или тон

Укажи, как модель должна отвечать — как эксперт, как редактор, как коллега с опытом.

Пример: «Ты опытный юрист, специализирующийся на трудовом праве. Объясни этот пункт договора простым языком.»

Секретное оружие: попроси модель улучшить твой промпт

Если промпт получился слабым или задача сложная — попроси модель помочь его переформулировать:

«Вот мой промпт: [текст]. Что в нём неточно? Как его улучшить, чтобы получить более гарантированный результат?»

Это работает потому, что модель видит типичные слабые места запросов и может указать на пропуски в контексте, ограничениях или формате.

Промптинг — итерационный процесс

Первый ответ почти всегда — черновик, а не финал.

Норма: сформулировал → получил ответ → уточнил или улучшил промпт → повторил.

Хорошая практика: если не получается с третьей итерации, попроси модель самостоятельно предложить улучшенный вариант твоего запроса.

Практика

Задание: LLM как оптимизатор промпта

Цель: написать слабый рабочий промпт под реальную задачу, а потом попросить LLM его улучшить и проверить, есть ли разница в результате.

1. Выбери задачу из своей работы, для которой ты иногда используешь LLM. Примеры: написать вакансию, составить план встречи, объяснить сложную идею коллеге, написать письмо партнеру.

2. Напиши первый вариант промпта коротко и без деталей. Например: «Напиши описание вакансии для маркетолога.»

3. Отправь этот промпт в Gemini. Сохрани ответ.

4. Теперь отправь в том же чате (или в новом) запрос-оптимизатор: «Вот мой промпт: [твой промпт]. Улучши его: добавь контекст, ограничения, формат и тон. Объясни, что именно ты изменил и почему.»

5. Посмотри, какой улучшенный промпт предложила модель.

6. Отправь улучшенный промпт и получи новый ответ.

7. Сравни два результата:

   • насколько точнее второй результат;
   • что изменилось в стиле и структуре;
   • какие элементы из улучшенного промпта ты бы использовал в следующий раз.

Как понять, что всё получилось

• У тебя есть 2 версии промпта и 2 ответа по одной задаче.
• Ты видишь, какие конкретные изменения в промпте дали лучший результат.
• Ты можешь взять паттерны из улучшенного промпта и перенести их в другие задачи.

Проверь себя

Дополнительно

Паттерны, которые стабильно работают в большинстве задач:

• Обзор задачи: одна фраза о том, что нужно и зачем.
• Формат вывода: таблица, список, связный текст, JSON и т. д.
• Ограничения: что нельзя, какой лимит по длине, какой тон.
• Контекст: кто аудитория, что уже известно, что важно учесть.

Можно собрать личную «библиотеку промптов» под повторяемые задачи: шаблоны с заполнителями [такими], куда подставляешь конкретные данные. Это резко сокращает время подготовки запроса и повышает воспроизводимость результата.