Ролевые и пошаговые промпты

Один и тот же вопрос можно задать ИИ так, что он ответит сухо и мимо, а можно так, что он сам себя проверит и попадёт точно в цель — секрет в роли и порядке шагов.

Главная мысль урока: два простых приёма — назначить модели роль и попросить её рассуждать шаг за шагом — почти всегда поднимают качество ответа сильнее, чем любые «волшебные слова». Роль настраивает тон и глубину, а пошаговость не даёт модели перескочить через середину рассуждения.

Зачем это вообще нужно

Представь, что ты пишешь в чат другу: «объясни фотосинтез». Один друг — отличник-зануда, другой — твой младший брат, третий — учитель биологии. Ответы будут совсем разными, хотя вопрос один. С ИИ то же самое: пока ты не сказал, кем ему быть, он отвечает «средним голосом из интернета» — безлико и часто не на твоём уровне.

Смотри, к чему мы придём. Сравни два запроса об одной и той же вещи.

В прошлом уроке про хорошие и плохие промпты мы учились ясно формулировать задачу: давать контекст, пример и формат ответа. Сегодня добавим к этому два мощных рычага, которые работают поверх всего остального.

Приём первый: назначь роль

Напомню, что промпт — это запрос или инструкция, которую ты пишешь модели, чтобы получить нужный ответ. Ролевой промпт — это когда первой же фразой ты говоришь модели, кем ей быть: «Ты — школьный учитель», «Ты — строгий редактор», «Ты — добрый старший товарищ, который объясняет на пальцах».

Почему роль вообще работает

Вспомни наш сквозной пример — языковая модель, которая предсказывает следующее слово. Когда мы разбирали фразу «Кошка пьёт ...», модель смотрела на предыдущие слова и выбирала самое вероятное продолжение (скорее всего «молоко»). Точно так же она работает и с твоим запросом: каждое следующее слово ответа она подбирает с оглядкой на всё, что было раньше, — включая твою инструкцию.

Значит, если в самом начале стоит «Ты — учитель биологии для пятиклассников», то дальше модель будет подбирать слова, которые статистически чаще встречаются именно в речи учителя для младших классов: проще, с примерами, без зауми. Роль — это как настройка радиоприёмника на нужную волну: ты не добавляешь модели новых знаний, ты выбираешь, из какого «слоя» её памяти черпать ответ.

Подумай об этом так. В тех гигантских объёмах текста, на которых модель училась, есть и школьные учебники, и научные статьи, и переписки в чатах, и комментарии под видео. Все эти стили лежат у неё «в голове» одновременно, перемешанные. Когда ты не задаёшь роль, модель усредняет всё это и выдаёт нечто среднее — не плохое, но и не настроенное под тебя. А роль как будто говорит ей: «сейчас говори вот из этой стопки текстов, а не из всех сразу». Поэтому «Ты — старший товарищ, объясни по-простому» и «Ты — автор научной статьи» вытягивают из одной и той же модели очень разные ответы.

Полезно сразу заметить: роль — это часть того же самого промпта, просто поставленная в начало и описывающая не задачу, а исполнителя. Никакой магии в словах «ты — эксперт» нет; работает именно то, что эти слова сужают круг ожидаемых продолжений. Поэтому чем точнее и конкретнее роль, тем заметнее эффект.

Важно и честно: роль не превращает модель в настоящего эксперта и не даёт ей фактов, которых у неё нет. Если назвать её «врачом», она не станет безопаснее в медицине — она просто будет звучать как врач. Роль меняет стиль и фокус, а не правдивость. Проверять факты всё равно надо.

Как собрать ролевой промпт

Хорошая роль обычно состоит из трёх частей:

• Кто ты: «Ты — репетитор по информатике».
• Для кого: «...который объясняет восьмикласснику».
• Как именно: «...простым языком, с примерами из игр, без сложных терминов».

Сравни на нашей второй сквозной задаче — про различение кошек и собак на фото.

Во втором случае модель почти наверняка вспомнит про признаки — отдельные измеримые характеристики объекта, по которым принимается решение, — потому что роль и инструкция настроили её именно на такой разбор. Это ровно та идея, с которой начинался весь курс.

Приём второй: попроси рассуждать шаг за шагом

Второй рычаг ещё проще: добавь в конец фразу вроде «рассуждай шаг за шагом» или «сначала распиши решение, потом дай ответ». Это называют пошаговым промптом.

Метафора с контрольной

Представь, что на контрольной по математике ты пишешь только конечный ответ «42». Если он неверный — учитель не видит, где ты ошибся, да и ты сам не видишь. А если расписываешь решение по строчкам, то, во-первых, легче поймать свою ошибку по дороге, во-вторых, мозг не пытается «прыгнуть» к ответу через пропасть.

С моделью то же самое. Помни: она генерирует ответ слово за словом, и каждое новое слово опирается на уже написанные. Если она сразу выпаливает «ответ: 8», ей не на что опереться — она по сути угадывает. А если сначала пишет «у животных дома: 12 + 9 − 4 = 17; значит без животных: 25 − 17 = 8», то к моменту финального числа у неё уже есть готовая цепочка, на которую можно «смотреть». Промежуточные шаги становятся подсказкой самой себе.

Есть удобный способ это запомнить. Представь, что друг просит тебя в уме перемножить 23 на 47 и сразу назвать ответ — легко ошибиться. А если разрешить взять листок и расписать столбиком, шанс на правильный ответ резко вырастает. Модель не считает на листке, но текст, который она уже написала, и есть её «черновик»: каждый расписанный шаг остаётся перед глазами и держит мысль на рельсах. Поэтому «покажи решение» — это не каприз, а реальный способ помочь модели не сорваться.

Эмпирическое правило: чем больше в задаче скрытых промежуточных вычислений или логики, тем сильнее помогает «шаг за шагом». На простом вопросе «какая столица Франции» это лишнее, а на задаче с тремя условиями — очень кстати.

Вернёмся к кошкам и собакам

Пошаговость помогает не только в счёте. Вспомни нашу вторую сквозную задачу — отличить кошку от собаки на фото через признаки. Если попросить модель «по шагам объясни, как ты бы различал кошку и собаку», она не выдаст одним махом «это кошка», а распишет: сначала смотрим на форму ушей (у кошек чаще острые и стоячие), потом на длину морды, потом на форму глаз, и только сложив эти признаки вместе, делаем вывод. Получается мини-разбор того, как вообще устроено решение по признакам — ровно то, с чего начинался курс. Шаги превращают «чёрный ящик» ответа в прозрачную цепочку, которую ты можешь проверить и в которой видно каждое звено.

Заметь и обратную пользу: когда модель показывает свои шаги, ты сразу видишь, если она опирается на что-то странное. Например, если в разборе кошки и собаки вдруг появится «смотрим на цвет ошейника» — это сигнал, что рассуждение ушло не туда. Без шагов такую кривую логику не поймать: видишь только финальный ответ и веришь ему на слово.

Разбор на примерах

Пример 1. Роль меняет уровень объяснения

Возьмём наш текстовый сквозной пример — фразу «Кошка пьёт ...» и то, как модель предсказывает следующее слово. Зададим один вопрос в двух ролях.

Промпт А:
«Ты — мой ровесник, восьмиклассник, который только что сам разобрался.
Объясни, почему ИИ во фразе "Кошка пьёт ..." чаще всего подставляет "молоко".
Объясняй на пальцах, без терминов.»

Промпт Б:
«Ты — преподаватель университета.
Объясни, почему языковая модель во фразе "Кошка пьёт ..." предсказывает "молоко".»

Результат: промпт А даст что-то вроде «модель видела кучу текстов, где после "кошка пьёт" шло "молоко", вот и выбирает самое привычное продолжение». Промпт Б — более сухой, с упором на вероятности и обучающую выборку. Содержание одинаковое, но уровень и тон разные. Для себя выбирай роль под свой уровень, а не самую «умную».

Пример 2. Шаги спасают задачу с подвохом

Дадим модели задачу, где легко ошибиться, если спешить.

Промпт:
«Ты — внимательный репетитор по математике.
Задача: в классе 25 учеников. У 12 дома есть кошка, у 9 — собака,
у 4 — и кошка, и собака. У скольких учеников нет ни кошки, ни собаки?
Решай строго по шагам: 1) посчитай, у скольких есть хотя бы одно животное;
2) вычти это из общего числа. Покажи каждый шаг, ответ дай отдельной строкой.»

Результат: модель распишет: «есть хотя бы одно животное: 12 + 9 − 4 = 17 (четвёрку вычитаем, чтобы не посчитать дважды); без животных: 25 − 17 = 8» и в конце «Ответ: 8». Если бы мы спросили в лоб «сколько без животных?», модель могла бы забыть вычесть пересечение и выдать 25 − (12 + 9) = 4 — неверно. Шаги заставляют её не проскочить хитрый момент.

Пример 3. Роль + шаги вместе для проверки текста

Приёмы складываются. Соединим роль редактора и пошаговость для разбора короткого сочинения.

Промпт:
«Ты — добрый, но внимательный редактор школьных текстов.
Проверь абзац ниже по шагам:
1) найди орфографические и пунктуационные ошибки;
2) отметь места, где мысль неясна;
3) предложи исправленный вариант абзаца.
Не переписывай всё заново, сохрани мой стиль.

Текст: "Я завёл кошку потому что собаку мама не разрешает, она очень пушистая и любит молоко."»

Результат: модель сначала перечислит правки (например, запятая перед «потому что», неясно, кто «она» — кошка или мама), потом отметит туманное место, и только в конце даст аккуратно исправленный абзац. Без шагов она часто сразу выдаёт переписанный текст, и ты не понимаешь, что именно было не так.

Пример 4. Готовый шаблон под себя

Чтобы не выдумывать каждый раз, держи универсальный каркас. Подставляй своё в квадратные скобки.

Ты — [роль: например, репетитор по физике для 8 класса].
Твоя задача: [что нужно сделать].
Контекст: [что мне важно, мой уровень, ограничения].
Рассуждай шаг за шагом: сначала [шаг 1], потом [шаг 2], в конце [итог].
Формат ответа: [например, список / таблица / ответ одной строкой].

Результат: такой шаблон закрывает сразу всё — роль, задачу, контекст, порядок рассуждения и формат. Это и есть «скелет» хорошего промпта, который можно переиспользовать для учёбы каждый день.

Совет: сохрани этот шаблон в заметки телефона. Тогда перед любой непонятной задачей по учёбе ты не будешь придумывать формулировку с нуля — просто откроешь каркас и подставишь своё. Со временем у тебя соберётся целая коллекция готовых ролей под разные предметы: «репетитор по физике», «редактор сочинений», «объясняющий код на пальцах». Это как набор сохранённых пресетов в игре — один раз настроил, дальше пользуешься.

Частые ошибки и подводные камни

• Роль вместо фактов. Назвать модель «доктором наук» не делает её ответ правдивее — это меняет только стиль. Галлюцинация (уверенно звучащий, но выдуманный ответ) от красивой роли только убедительнее, а не точнее. Факты всё равно проверяй.
• Слишком пафосная роль. «Ты — гениальнейший учёный всех времён» звучит круто, но толку ноль: модель не становится умнее, зато может начать «играть» в напыщенность и лить воду. Роль должна быть конкретной и полезной, а не громкой.
• «Шаг за шагом» там, где не надо. На простом фактическом вопросе («столица Японии?») просьба расписать шаги только раздувает ответ. Пошаговость — для задач с логикой и вычислениями, не для всего подряд.
• Шаги без чёткого финала. Если попросить «рассуждай по шагам», но не сказать «в конце дай ответ отдельной строкой», модель иногда тонет в рассуждениях и забывает сам ответ. Всегда проси явный итог.
• Роль и задача противоречат друг другу. «Ты — серьёзный академик, объясни мемами» сбивает модель с толку. Следи, чтобы роль и желаемый стиль не спорили между собой.

Мини-практика: собери свой шаблон

Возьми любую тему, по которой у тебя завтра контрольная или непонятный параграф, и сделай так:

1. Выбери роль под свой уровень: «Ты — терпеливый репетитор, объясняешь восьмикласснику простыми словами».
2. Сформулируй задачу одним предложением: что именно объяснить или решить.
3. Добавь контекст: «я уже знаю X, но путаюсь в Y».
4. Попроси пошаговость: «разбери по шагам, в конце — короткий вывод».
5. Задай формат: список, таблица или ответ одной строкой.

А теперь усложни: задай одну и ту же задачу про учеников (кошки/собаки) дважды — сначала без роли и без шагов, потом по полному шаблону. Сравни ответы сам. Где меньше ошибок? Где легче проверить решение? Это и есть твой личный эксперимент, который покажет силу приёмов лучше любого объяснения.

Итоги

• Роль настраивает модель на нужный тон и уровень: ты выбираешь «волну», на которой она отвечает, но новых знаний это не добавляет.
• Пошаговость заставляет модель не перепрыгивать через середину рассуждения — это резко снижает ошибки в задачах с логикой и счётом.
• Оба приёма работают, потому что модель — это языковая модель, предсказывающая слова по контексту: и роль, и шаги становятся частью контекста, на который она опирается.
• Будь честен с собой: красивая роль не делает ответ правдивым — факты всё равно проверяй.

Дальше мы научимся не просто получать ответ, а критически проверять его и замечать, когда модель уверенно выдумывает — то есть распознавать галлюцинации и не попадаться на них.