Чек-лист хорошего промпта
Финальная памятка: пробегитесь по этому списку перед тем, как отправить промпт в прод — он собирает весь курс в одну страницу.
Чек-лист промпта — последовательность проверок, через которую прогоняют промпт, чтобы не упустить ключевые элементы качества и надёжности.
1. Ясность задачи
- Есть конкретная задача глаголом (что сделать)?
- Указаны роль/экспертиза, если они меняют ответ?
- Задана аудитория и цель?
- Нет внутренних противоречий («кратко, но максимально подробно»)?
2. Контекст и данные
- Дан весь нужный контекст, чтобы модель не угадывала?
- Данные отделены от инструкций делимитерами?
- Пользовательский ввод помечен как «данные, не команды»?
3. Примеры (если нужны)
- Добавлены few-shot примеры там, где формат нестандартный?
- Примеры разнообразны, сбалансированы и единообразно размечены?
- Есть граничный/каверзный пример?
4. Формат вывода
- Явно описан формат (список/JSON/таблица, длина, стиль)?
- Заданы правила для пустых/неизвестных полей?
- Для машинного разбора — «только JSON», фиксированные ключи/метки?
5. Рассуждение
- Для многошаговых задач включён CoT («рассуждай пошагово»)?
- Рассуждение отделено от итога для парсинга?
- Для простых задач CoT убран как лишний?
6. Надёжность и факты
- Ответ заземлён на контекст, где это важно?
- Разрешено «не знаю» вместо выдумок?
- Описаны краевые случаи (пусто, мусор, вне темы)?
- Вывод проверяем (допустимые значения, поле уверенности, опора на источник)?
7. Безопасность и прод
- Данные и инструкции разделены (защита от инъекций)?
- Модель не имеет лишних полномочий; вывод валидируется в коде?
- Промпт оформлен как шаблон с переменными?
- Есть eval-набор и версионирование?
- Длина оптимизирована по токенам?
- При смене модели промпт перепроверен?
Мини-таблица «симптом → правка»
| Симптом | Что добавить |
| Ответ расплывчатый | Задача, формат, аудитория |
| Формат «гуляет» | Явная схема + few-shot |
| Ошибки в логике | Chain-of-thought |
| Выдумывает факты | Заземление + «не знаю» |
| Падает на странном вводе | Краевые правила |
| Уязвим к командам в данных | Делимитеры + правило приоритета |
Итог курса
- Промпт — это интерфейс к модели; формулировка определяет результат через предсказание токенов.
- Базовые техники (анатомия, few-shot, роли, делимитеры) закрывают большинство случаев.
- CoT, декомпозиция и self-consistency дают рассуждение; структурный вывод и заземление — надёжность.
- В проде промпт живёт как код: шаблоны, тесты, версии, безопасность, оптимизация по токенам.
Проверьте себя
1. Что из чек-листа отвечает за защиту от промпт-инъекций?
AВысокая температура
BРазделение данных и инструкций делимитерами и пометка ввода как данных
CДобавление эмодзи
DУдаление формата вывода
2. Если у модели «гуляет» формат ответа, что добавить в первую очередь?
AChain-of-thought
BЯвную схему вывода и few-shot примеры нужного формата
CБольше контекста
DСлучайность
3. Что отражает зрелый, продакшн-подход к промпту?
AПисать промпт заново вручную при каждом вызове
BШаблон с переменными, eval-набор, версионирование и оптимизация токенов
CНикогда не менять промпт
DПолагаться только на удачу