Что такое промпт и как его писать

Промпт — это твой способ договориться с ИИ: чем точнее ты формулируешь запрос, тем точнее ответ, потому что под капотом модель просто продолжает твой текст словом за словом.

Промпт — запрос или инструкция, которую ты пишешь модели, чтобы получить нужный ответ.

Зачем вообще учиться писать промпты

Представь: ты просишь друга помочь с подарком на день рождения. Можно сказать «придумай что-нибудь» — и получить в ответ «ну, не знаю, носки?». А можно сказать «моей сестре 14, она фанатеет по аниме и рисует на планшете, бюджет до двух тысяч» — и друг сразу выдаёт три толковых идеи. Слова те же самые, человек тот же, но результат отличается в разы. Всё дело в том, насколько ясно ты объяснил, чего хочешь.

С ИИ ровно так же. ChatGPT и похожие модели не читают твои мысли. Они работают только с тем текстом, который ты им дал. Этот текст и называется промптом. Умение писать хорошие промпты — это не магия и не секретный код, а обычный навык, как умение нормально сформулировать вопрос учителю, чтобы он понял, что именно тебе непонятно.

К концу этого урока ты будешь понимать, почему один и тот же вопрос, заданный по-разному, даёт совершенно разные ответы, и сможешь сам собирать запросы, которые работают с первого раза. А ещё ты увидишь, что промпт напрямую связан с тем, как модель предсказывает следующее слово — мы разбирали это в уроке «Почему предсказание слова даёт текст».

Зачем вообще заморачиваться, если можно просто спросить как получится? Затем, что время и нервы. Плохой промпт — это как искать видео на ютубе, набирая в поиске одно слово «смешное»: тебе вывалят миллион роликов, и нужный ты будешь листать полчаса. Хороший промпт — это точный поисковый запрос, который сразу выводит то, что искал. Один и тот же ИИ может быть либо бесполезной болтушкой, либо реально толковым помощником — и разница часто только в том, как ты сформулировал просьбу. Это навык, который окупается каждый раз, когда ты садишься за домашку, готовишь доклад или просто хочешь быстро в чём-то разобраться.

Что такое промпт на самом деле

Метафора: ты задаёшь начало истории

Вспомни игру, где один человек начинает фразу, а другой продолжает. Ты говоришь «Жил-был кот, который...», а друг подхватывает «...умел открывать холодильник». Начало задаёт направление: если бы ты сказал «Жил-был дракон, который...», продолжение было бы совсем другим.

ИИ-модель устроена похоже. Внутри она предсказывает следующий токен — кусочек текста — на основе всего, что было написано до него. Промпт — это и есть то самое «начало истории», которое ты задаёшь. Модель смотрит на твои слова и достраивает самое вероятное продолжение.

Токен — кусочек текста (слово или его часть), которым модель оперирует вместо целых предложений.

Вернёмся к нашему сквозному примеру из прошлых уроков — фразе «Кошка пьёт ...». Когда модель видит эти слова, она прикидывает, какой токен идёт дальше. «Молоко» — очень вероятно. «Воду» — тоже возможно. «Гитару» — почти невозможно. Промпт «Кошка пьёт ...» направляет модель к молоку. А если ты напишешь «На рок-концерте кошка пьёт ...», контекст изменится, и вероятным станет уже что-то смешное и неожиданное.

Вот в этом и фокус. Каждое слово, которое ты добавляешь в промпт, чуть-чуть сдвигает вероятности будущих токенов. Ты как будто крутишь ручки настройки: добавил слово «кратко» — модель сместилась к коротким ответам; добавил «для пятиклассника» — сместилась к простым словам; добавил «по пунктам» — к спискам. Ты не программируешь модель в привычном смысле, ты её направляешь текстом. Поэтому два промпта, которые человеку кажутся почти одинаковыми, для модели могут вести в совсем разные стороны — у них разный набор «подсказок» о том, куда идти дальше.

Та же логика работает и на втором нашем сквозном примере — задаче отличить кошку от собаки. Если ты спросишь ИИ-чат «кошка это или собака?», не приложив никакого описания, ему не на что опереться, и он честно скажет, что без фото или признаков ответить не может. А если ты опишешь: «уши треугольные и торчком, мордочка короткая, мяукает» — модель получит признаки, по которым склонится к «кошке». Признаки в твоём тексте — это те же подсказки, сдвигающие вероятность нужного ответа. Промпт и распознавание — две стороны одной медали: и там, и там модель решает на основе того, что ты ей дал.

Почему формулировка решает всё

Модель не понимает мир так, как ты. Она не знает заранее, что тебе нужен короткий ответ, что ты школьник, а не профессор, и что объяснять надо простыми словами. Всё это она достраивает из промпта. Если в промпте этого нет — она угадывает по самому вероятному варианту, а самый вероятный вариант не всегда совпадает с тем, что нужно именно тебе.

Поэтому правило номер один: в промпте должно быть написано то, что ты хочешь получить. Не намёками, а прямым текстом.

Разбираем на примерах

Пример 1: расплывчатый промпт против точного

Сравним два запроса об одной и той же теме — нашем сквозном примере про кошек и собак.

Заметь: во втором случае ты как будто заранее сузил «начало истории» так, что вероятное продолжение стало именно тем, что нужно. Ты не оставил модели шанса уйти в сторону.

Пример 2: добавляем роль и контекст

Один из самых рабочих приёмов — сказать модели, кем ей быть. Сравни:

• Без роли: «Проверь моё сочинение на ошибки.»
• С ролью: «Ты — добрый учитель русского языка. Проверь моё сочинение на орфографические и пунктуационные ошибки, объясни каждую исправленную ошибку одним предложением, не переписывай текст целиком.»

Почему это работает? Вспомни, что модель училась на огромном количестве текстов. Среди них были и разборы учителей, и комментарии редакторов, и придирки граммар-наци из комментариев. Когда ты пишешь «ты — добрый учитель», ты подталкиваешь модель к тому участку её «памяти», где лежат именно аккуратные, доброжелательные разборы. Контекст роли смещает вероятности нужных токенов вверх.

Контекст — это вообще всё, что помогает модели понять твою ситуацию. Сравни «напиши поздравление» и «напиши короткое смешное поздравление другу-геймеру на 15 лет, он фанат Minecraft». Во втором случае модель знает возраст, повод, тон и даже хобби — и поздравление выйдет в тему, а не дежурным «счастья-здоровья». Чем больше ты рассказал о ситуации, тем меньше модель промахивается. Тут есть простое правило: представь, что ты пишешь не всезнающему роботу, а новому однокласснику, который вообще не в курсе твоих дел. Что бы пришлось объяснить ему, чтобы он понял задачу? Вот это и пиши в промпт.

Только не путай «дать контекст» с «налить воды». Контекст — это полезные детали (возраст, цель, что уже пробовал, чего хочешь избежать), а не вежливые расшаркивания на три абзаца. Модели не нужно «здравствуйте, надеюсь, у вас всё хорошо» — ей нужны факты о задаче.

Пример 3: тот же вопрос, разный формат ответа

Формат ответа тоже задаётся промптом. Покажем на маленьком исполняемом примере, как одна и та же мысль превращается в разные форматы — просто чтобы ты увидел, что «формат» это реальная штука, а не абстракция.

// Представим, что у нас есть готовый факт,
// а промпт лишь выбирает формат вывода.
const fact = { animal: "кошка", drinks: "молоко" };

function asSentence(f) {
  return f.animal + " обычно пьёт " + f.drinks + ".";
}

function asList(f) {
  return "- Кто: " + f.animal + "\n- Что пьёт: " + f.drinks;
}

function asJson(f) {
  return JSON.stringify(f);
}

console.log("Формат «предложение»:");
console.log(asSentence(fact));
console.log("Формат «список»:");
console.log(asList(fact));
console.log("Формат «данные»:");
console.log(asJson(fact));

Вывод:

Формат «предложение»:
кошка обычно пьёт молоко.
Формат «список»:
- Кто: кошка
- Что пьёт: молоко
Формат «данные»:
{"animal":"кошка","drinks":"молоко"}

Факт один и тот же — «кошка пьёт молоко». Но в зависимости от того, какую функцию мы вызвали, получаем предложение, список или строку с данными. Промпт для ИИ работает похоже: ты сам выбираешь, в каком виде хочешь ответ, фразами вроде «ответь списком», «ответь одним предложением» или «верни в виде таблицы». Если не выберешь — модель выберет за тебя, и не факт, что угадает.

Пример 4: даём образец (few-shot)

Иногда проще не объяснять словами, а показать пример. Это называют обучением на образцах. Смотри:

Превращай животное в эмодзи.
кошка → 🐱
собака → 🐶
лиса →

Модель видит закономерность по двум показанным парам и достраивает третью строку сама. Ты не объяснял правило словами — ты показал шаблон, и модель его продолжила. Это снова то же самое предсказание следующего токена, только теперь у модели перед глазами наглядный образец того, что считается правильным ответом.

Приём с образцами особенно выручает, когда ответ должен быть в строгом виде, который трудно описать словами. Например, ты хочешь, чтобы модель разбирала отзывы на «хороший / плохой». Можно долго объяснять, а можно показать два-три примера: «Отзыв: всё супер, доставили быстро → хороший. Отзыв: разбили коробку и нахамили → плохой. Отзыв: товар как на фото, советую →». Модель подхватит формат и продолжит в нём. По сути ты на лету устроил ей маленькое обучение с учителем — показал примеры с правильными метками, и она уловила правило. Это удобный мостик к тому, что ты уже знаешь про обучение моделей из прошлых уроков: только теперь «обучение» происходит прямо внутри одного промпта, без всякой перенастройки весов.

Частые ошибки новичков

Эти грабли проходят почти все, кто только начал общаться с ИИ. Лучше узнать о них заранее.

1. Слишком общий запрос. «Помоги с домашкой» — модель не знает ни предмета, ни задания. Всегда давай конкретику: предмет, что именно задано, что у тебя уже есть. Чем меньше модели приходится угадывать, тем точнее ответ.
2. Несколько разных просьб в одной куче. «Объясни фотосинтез, реши задачу по физике, напиши стих и переведи текст» — модель размажет внимание и сделает всё посредственно. Разбивай на отдельные промпты, один запрос — одна задача.
3. Ожидание, что модель помнит то, что ты не написал. Если в новом чате ты пишешь «продолжи как договаривались», модель не в курсе — у неё нет твоей вчерашней переписки в голове. Всё нужное надо положить прямо в текущий промпт.
4. Слепое доверие ответу. Модель может звучать уверенно и при этом ошибаться — это называется галлюцинация. Особенно с датами, цифрами, цитатами и ссылками. Промпт не лечит галлюцинации полностью, поэтому важные факты всегда перепроверяй.

Галлюцинация — уверенно звучащий, но выдуманный или неверный ответ модели.

И ещё одна ошибка-привычка: бросать первый неудачный ответ и расстраиваться. Промпт почти всегда можно уточнить. Не получилось с первого раза — допиши «короче», «проще», «приведи пример», «ты ошибся в третьем пункте, исправь». Диалог с ИИ — это не один выстрел, а разговор.

Пятая, более коварная ловушка — наводящие вопросы. Если ты спросишь «почему вот этот рецепт самый полезный в мире?», модель послушно начнёт перечислять плюсы, даже если рецепт так себе. Она достраивает текст под твою посылку, а не спорит с ней. Поэтому формулируй нейтрально: не «докажи, что Х лучший», а «сравни Х и Y по плюсам и минусам». Иначе ты сам, не заметив, попросишь модель тебе поддакнуть — и она поддакнет.

Мини-практика: собери свой промпт

Давай закрепим. Хороший промпт обычно состоит из четырёх частей — запомни их как чек-лист.

Твоё задание: возьми любую свою реальную задачу — попросить идею для поста, разобрать тему к контрольной, придумать название для команды в игре — и напиши промпт, в котором есть все четыре части. Потом нарочно убери из него контекст и формат и сравни мысленно, насколько хуже стал бы ответ. Так ты на своём примере прочувствуешь, что каждая часть делает.

Продвинутый вариант: напиши один и тот же запрос про наш сквозной пример «отличить кошку от собаку» тремя способами — как голый вопрос, как вопрос с ролью, и как вопрос с ролью, форматом и образцом. Если у тебя есть доступ к любому ИИ-чату, прогони все три и посмотри, как меняется ответ. Это самое полезное упражнение во всём уроке.

Итоги

• Промпт — это текст-инструкция, который ты даёшь модели; она работает только с ним и больше ни с чем.
• Под капотом промпт задаёт «начало истории», а модель достраивает самое вероятное продолжение — то самое предсказание следующего токена.
• Формулировка решает всё: чем точнее ты задал роль, задачу, контекст и формат, тем меньше модель угадывает и тем лучше ответ.
• Главные грабли — слишком общие запросы, куча задач в одном промпте, расчёт на несуществующую память и слепое доверие; помни про галлюцинации и перепроверяй факты.
• Промпт можно и нужно уточнять в диалоге — первый ответ редко идеален, и это нормально.

Теперь ты умеешь разговаривать с ИИ так, чтобы он тебя понимал. В следующих уроках раздела «Как пользоваться ИИ» мы разберём, где ИИ реально помогает, а где его лучше перепроверить, и как не попасться на красиво звучащую, но выдуманную информацию. А пока — иди и попробуй собрать свой первый промпт по чек-листу из четырёх частей.