Перейти к тексту

Знакомство с Gemini и LLM2. Промпты

Структурированная информация в промптах

Засчитывается, когда отвечены все вопросы квиза

Зачем это нужно

Когда в промпте много контекста, модель может смешивать инструкции и данные. Из-за этого теряются условия, появляются ошибки в выводах и падает предсказуемость ответа. Четкая структура с тегами помогает модели понимать, где правила, где входные данные, а где задача.

Теория

Почему структура важна

Представь задачу: нужно проанализировать 20 страниц отчётов о продажах. Если просто вставить всё одним блоком текста, модель может путать:

  • твои инструкции;
  • сами данные;
  • дополнительные комментарии.

Если обернуть данные в явные границы, например <sales_records>...</sales_records>, модель лучше понимает, что это именно входные данные для анализа, а не команда к действию.

Именование тегов: чем конкретнее, тем лучше

Не обязательно использовать «официальные» XML-теги. Можно создавать свои, но с понятными именами.

Хорошо:

  • <sales_records> вместо <data>
  • <athlete_information> для профиля спортсмена
  • <my_code> и <docs> для разделения кода и документации

Плохая практика — слишком общие названия (<info>, <content>, <block>), из которых неясно назначение секции.

Когда теги особенно полезны

Используй структурные теги, когда:

  • даёшь большой объём контекста;
  • смешиваешь разные типы контента (код, документация, данные, требования);
  • вставляешь несколько переменных или блоков данных;
  • хочешь явно разделить «что анализировать» и «что сделать».

Даже в коротких промптах теги работают как визуальные разделители и делают задачу прозрачнее для модели.

Реальный шаблон

<athlete_information>
- Height: 6'2"
- Weight: 180 lbs
- Goal: Build muscle
- Dietary restrictions: Vegetarian
</athlete_information>

Составь план питания на основе информации о спортсмене выше.

Здесь модели ясно, что рост, вес, цель и ограничения — одна связанная группа данных, которую нужно учитывать вместе.

Главная идея

На простых запросах разница может быть умеренной. Но чем сложнее промпт и разнообразнее контекст, тем больше выигрыша от структуры и явных границ секций.

Практика

Задание: переписать неструктурированный промпт в структурированный

Цель: увидеть, как структура с тегами повышает качество и управляемость ответа.

  1. Выбери рабочую задачу, где ты обычно даёшь много контекста. Примеры: анализ отчёта, ревью кода по требованиям, генерация текста по брифу.

  2. Напиши версию А промпта без структуры: просто одним текстом с инструкциями и данными вперемешку.

  3. Отправь версию А в LLM и сохрани результат.

  4. Напиши версию Б того же промпта, но структурируй его тегами. Используй минимум 3 секции, например:

    • <task> — что нужно сделать;
    • <context_data> — входные данные;
    • <constraints> — ограничения по формату, стилю, длине.
  5. Отправь версию Б и сохрани результат.

  6. Сравни ответы А и Б по критериям:

    • учтены ли все ограничения;
    • не перепутала ли модель данные и инструкции;
    • насколько точный и полезный итог.
  7. Сделай вывод, какие теги и названия секций ты добавишь в свои шаблоны промптов.

Как понять, что всё получилось

  • У тебя есть одна задача в двух версиях: без структуры и со структурой.
  • Структурированная версия лучше удерживает контекст и ограничения.
  • У тебя появился свой мини-шаблон тегов для повторяемых задач.

Проверь себя

Дополнительно

Практичный шаблон для сложных задач:

  • <task>: конечная цель
  • <input_data>: данные для анализа
  • <constraints>: ограничения и формат
  • <output_format>: как именно должен выглядеть результат

Если в задаче много переменных, давай им осмысленные названия тегов. Это уменьшает путаницу и повышает воспроизводимость ответа между итерациями.

Текст подготовлен с помощью LLM и может содержать неточности.