Структура промпта: из чего собирается запрос, который срабатывает

Структура сильного промпта - это пять слотов: задача, контекст, формат ответа, ограничения и примеры. Начни с конкретного действия (перепиши, сравни, составь), добавь, для кого и зачем это нужно, задай структуру и объём ответа, поставь проверяемые границы и покажи один-два образца желаемого результата. Порядок частей тоже входит в структуру: длинный исходный текст клади в начало промпта, а вопрос и инструкции - в конец, потому что модели хуже достают информацию из середины. Дальше правь по одному элементу за раз и смотри, что изменилось в ответе.

«Напиши пост про кофе» и «Напиши пост про кофе для владельцев маленькой обжарки, 700 знаков, с одной конкретной цифрой, в конце - вопрос читателю» - это два запроса, которые отличаются не вежливостью и не длиной. Второй можно выполнить однозначно. Первый - нет.

Разница между «нейросеть выдаёт воду» и «нейросеть экономит мне час в день» почти всегда лежит здесь. Разберём, из чего собирается запрос, который срабатывает, и какие популярные приёмы на самом деле не дают ничего.

Почему запрос не срабатывает

В руководстве Anthropic по промптингу есть простое правило проверки: покажи свой промпт коллеге, который не в курсе задачи, и попроси выполнить. Если он растеряется, модель растеряется тоже. Там же полезная метафора - относиться к модели как к блестящему, но совершенно новому сотруднику: способности есть, контекста твоих норм и привычек нет.

Отсюда главная ошибка. Мы держим половину задания в голове и не переносим её в текст. «Напиши пост про кофе» внутри звучит как «короткий пост для моих подписчиков-обжарщиков, без пафоса, с фактурой». Модель этого не слышит и выдаёт усреднённое - потому что усреднённое и есть единственный корректный ответ на усреднённый вопрос.

Пять слотов сильного промпта

1. Задача. Глагол действия плюс объект. Не «про отчёт», а «сократи отчёт до одной страницы». Не «идеи для рассылки», а «предложи 10 тем писем». Расплывчатый глагол - расплывчатый результат.

2. Контекст. Кто читатель, что он уже знает, зачем всё это. Anthropic отдельно советует объяснять модели мотивацию инструкции - почему такое поведение важно. Строка «читатель - бухгалтер малого бизнеса, он не знает наших внутренних сокращений» меняет ответ сильнее, чем три абзаца требований к стилю.

3. Формат. Google в своём руководстве по промптам для Gemini прямо рекомендует задавать форму ответа: таблица, список, абзац, длина. Иначе модель выберет её сама, и почти всегда это будет маркированный список из семи пунктов.

4. Ограничения. Объём, нежелательные обороты, темы, которых лучше не касаться. Только работает здесь не запрет сам по себе, а проверяемость: «начни сразу с сути, без вводного абзаца» надёжнее, чем «пиши бодро», потому что первое видно глазом, а второе - вопрос вкуса. И там, где получается, границу лучше задавать через нужное действие, а не через отрицание. Anthropic советует именно так: вместо «не используй markdown» - «ответ должен быть сплошным текстом из плавных абзацев». Запрет сообщает, куда не ходить; положительная формулировка сразу показывает, куда идти.

5. Примеры. Самый недооценённый слот, о нём ниже отдельно.

Не обязательно заполнять все пять каждый раз. Но если ответ не понравился, начни ревизию именно с них: почти всегда пустует один конкретный слот.

Один пример стоит трёх абзацев объяснений

Показать образец надёжнее, чем описать его словами. Anthropic называет примеры одним из самых надёжных способов задать формат, тон и структуру ответа и советует брать 3-5 примеров, оборачивая каждый в отдельный тег-обёртку, чтобы модель не спутала образец с инструкцией. Google формулирует ещё жёстче: включать примеры в промпт рекомендуется всегда - но с оговоркой, что их избыток заставляет модель слишком буквально копировать образцы.

Практический вывод: если ты третий раз объясняешь словами, каким должен быть заголовок, остановись и просто напиши два заголовка, которые тебе нравятся, и один, который нет, с пометкой почему.

Порядок частей внутри промпта решает

Это самая контринтуитивная часть. Исследование «Lost in the Middle» (Liu и соавторы, опубликовано в журнале TACL) проверило, как модели пользуются длинным контекстом на задачах поиска ответа по нескольким документам. Результат: точность выше всего, когда нужная информация стоит в начале или в конце входного текста, и заметно падает, когда её приходится доставать из середины.

Anthropic выводит из этого прямую рекомендацию в документации - с двумя уточнениями, которые обычно теряются при пересказе. Совет адресован большим входам, примерно от 20 тысяч токенов, а обещание «улучшает результат на всех моделях» сказано про модели Claude, на которых Anthropic и замеряла. Сама рекомендация простая: длинные документы и данные клади вверху промпта, над вопросом, инструкциями и примерами. По их тестам вопрос в конце поднимает качество ответа до 30% - заметнее всего на сложных задачах по нескольким документам.

То есть привычная схема «вот моя задача, а теперь вот большой текст» работает хуже, чем «вот большой текст, а теперь вот что с ним сделать». На коротком запросе разницы не увидишь: там вся структура и так на виду. А на вставленном договоре, стенограмме созвона или пачке статей - увидишь. Перестановка занимает пять секунд, так что проще держать её привычкой.

Форматирование - не косметика

Кажется, что модели всё равно, разделил ты блоки заголовками или свалил в один абзац. Замеры говорят обратное. Работа Sclar и соавторов (ICLR 2024) прогнала одни и те же задания через разные варианты форматирования few-shot промпта - менялись разделители, пробелы, оформление - и зафиксировала разброс до 76 пунктов точности на модели LLaMA-2-13B. Речь про одно и то же задание, отличавшееся только вёрсткой.

Другое измерение (He и соавторы, 2024) сравнивало обычный текст, Markdown, JSON и YAML: у GPT-3.5-turbo результат на задаче перевода кода менялся до 40% в зависимости от шаблона, тогда как GPT-4 оказался заметно устойчивее к таким вариациям.

Не нужно вылизывать запятые. Нужно другое: явно отделять инструкцию от данных и от примеров. Заголовки, теги-обёртки, пустые строки - любой честный разделитель снимает главную двусмысленность «это часть задания или часть материала».

«Думай шаг за шагом»: что с этим сейчас

Приём родился в 2022 году и был настоящим прорывом. Wei и соавторы показали, что восемь примеров с расписанной цепочкой рассуждений вывели модель PaLM на 540 миллиардов параметров на лучший на тот момент результат по набору школьных задач GSM8K - выше, чем у дообученного GPT-3 с верификатором. Следом Kojima и соавторы обнаружили, что достаточно одной дописанной фразы про пошаговое размышление: на наборе MultiArith модель text-davinci-002 поднялась с 17,7% до 78,7%, а на GSM8K - с 10,4% до 40,7%.

Но с тех пор рассуждение переехало внутрь моделей. В 2025 году команда Meincke, Mollick, Mollick и Shapiro замерила пользу приёма заново: у моделей со встроенным режимом рассуждения явная просьба думать пошагово даёт минимальный или статистически незначимый прирост, зато ощутимо увеличивает время ответа и расход токенов.

Что остаётся полезным: не заклинание, а его смысл. Разбить сложную задачу на шаги, попросить сначала выписать критерии и только потом решать, потребовать сверить ответ с условием перед выдачей. Это по-прежнему работает. Ритуальная фраза в конце каждого запроса - уже нет.

Три приёма, которые не работают

Роль эксперта. «Ты опытный маркетолог с 15-летним стажем» - самый растиражированный совет. Zheng и соавторы (Findings of EMNLP 2024) проверили 162 персоны, охватывающие шесть типов отношений и восемь областей экспертизы, на 2410 фактических вопросах и четырёх семействах моделей. Добавление персоны в системный промпт не улучшало результат по сравнению с версией без неё.

Важная оговорка: описать реальный контекст - это не персона. «Пиши для людей, которые впервые открыли рекламный кабинет» работает, потому что это информация об аудитории. «Ты гений маркетинга» не работает, потому что это ничего не сообщает о задаче.

Чаевые и угрозы. Обещания заплатить и драматичные предупреждения проверяли те же авторы в отдельном отчёте (август 2025). Вывод: на бенчмарках ни то, ни другое в среднем не даёт значимого эффекта. Любопытная деталь - вариации промпта при этом заметно двигают результат на уровне отдельных вопросов, просто не в ту сторону, которую можно предсказать заранее.

Подчёркнутая вежливость. Yin и соавторы изучили влияние тона на английском, китайском и японском. Картина асимметричная: невежливые формулировки часто ухудшают результат, но избыточно вежливые не гарантируют лучшего, а оптимальный уровень вежливости различается от языка к языку. Нейтральный деловой тон - разумная точка по умолчанию.

Что делать, когда ответ не тот

Промпт почти никогда не пишется набело. Полезнее относиться к нему как к настройке, а не к заклинанию.

• Меняй по одному элементу. Переписал сразу формат, ограничения и примеры - и не понимаешь, что именно помогло.
• Попроси модель задать вопросы до ответа. Строка «сначала задай мне 3 уточняющих вопроса, потом выполняй» вытаскивает наружу ровно тот контекст, который ты забыл написать.
• Отдай промпт на разбор. Попроси модель показать, где твоё задание допускает несколько прочтений. Это дешевле, чем угадывать.
• Сохраняй удачные заготовки. Рабочий промпт под регулярную задачу - это актив, который окупается десятки раз.

Чек-лист перед отправкой

• В запросе есть конкретный глагол действия, а не тема.
• Указано, для кого результат и зачем он нужен.
• Задан формат и объём ответа.
• Ограничения сформулированы проверяемо, а не «на вкус».
• Есть хотя бы один образец нужного результата.
• Длинный исходный текст стоит в начале, вопрос - в конце.
• Инструкции визуально отделены от данных.
• Из промпта убраны роль-заклинание, обещания награды и лишняя лесть.

Восемь строк, полминуты проверки. Именно они отделяют ответ, который приходится переписывать, от ответа, который можно брать в работу.

Источники

• Liu et al. Lost in the Middle: How Language Models Use Long Contexts (TACL)
• Sclar et al. Quantifying Language Models' Sensitivity to Spurious Features in Prompt Design (ICLR 2024)
• Zheng et al. When «A Helpful Assistant» Is Not Really Helpful (Findings of EMNLP 2024)
• Wei et al. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
• Kojima et al. Large Language Models are Zero-Shot Reasoners
• Meincke, Mollick, Mollick, Shapiro. Prompting Science Report 2: The Decreasing Value of Chain of Thought in Prompting
• Meincke, Mollick, Mollick, Shapiro. Prompting Science Report 3: I'll pay you or I'll kill you
• Yin et al. Should We Respect LLMs? A Cross-Lingual Study on the Influence of Prompt Politeness
• He et al. Does Prompt Formatting Have Any Impact on LLM Performance?
• Anthropic. Prompting best practices
• Google. Prompt design strategies (Gemini API)
• OpenAI. Prompt engineering guide

Читайте также