Перейти к содержанию

← Практика и промптинг

Практика и промптинг

Как писать промпты для генерации текста: практика

Что происходит внутри модели и почему это важно для практики

Языковая модель не "понимает" текст - она предсказывает следующий токен по вероятностному распределению. Каждое слово (точнее, его часть) выбирается на основе того, что было до него. Отсюда прямое следствие: чем точнее вы задаёте контекст в начале промпта, тем уже пространство вероятных продолжений - и тем ближе результат к нужному.

Два параметра, которые стоит знать:

  • Температура - управляет случайностью. При значении 0 модель всегда выбирает наиболее вероятный токен: предсказуемо, но шаблонно. Выше 1 - разнообразнее, но менее точно. Для деловых текстов, инструкций, резюме документов держите температуру в диапазоне 0.2-0.5. Для брейншторма или вариантов заголовков - 0.7-0.9.
  • Контекстное окно - сколько текста модель видит одновременно. GPT-4o держит 128 тысяч токенов (около 300 страниц), Claude 3 - до 200 тысяч. Длинный документ, историю переписки или несколько примеров можно передавать целиком.

Пошаговая инструкция: как строить промпт

Шаг 1. Определите роль и аудиторию

Начните промпт с того, кто отвечает и для кого. Не "напиши письмо", а "ты - менеджер по работе с клиентами B2B-компании, пишешь ответ на претензию от закупщика крупного ритейлера".

Это не формальность. Модель использует роль как фильтр: она сужает стиль, лексику, уровень детализации.

Шаг 2. Объясните зачем, а не только что

Исследования Anthropic показывают: добавление бизнес-контекста - "зачем нужен этот текст" и "что должен сделать читатель после" - снижает неоднозначность сильнее, чем детальное описание формата.

Плохо: "Напиши описание продукта". Лучше: "Напиши описание продукта для карточки на маркетплейсе. Покупатель сравнивает нас с тремя конкурентами, цена у нас выше. Цель - объяснить, за что он платит, и снять возражение по цене".

Шаг 3. Добавьте 2-5 примеров (few-shot)

Есть образцы нужного результата - вставьте их в промпт. Модель подхватывает паттерн: структуру, тон, длину, стиль. Работает надёжнее, чем словесное описание желаемого формата.

Формат: "Вот примеры правильных ответов: [пример 1] / [пример 2]. Теперь сделай то же самое для: [новая задача]".

Шаг 4. Для сложных задач - chain-of-thought

Добавьте в промпт фразу "думай пошагово" или "сначала разбери задачу, потом дай ответ". По данным OpenAI и Anthropic, это повышает точность на задачах с логикой, анализом и структурированием. Особенно заметно на длинных документах и задачах с несколькими условиями.

Шаг 5. Структурируйте промпт визуально

Используйте разметку: заголовки, теги, блоки. Это помогает модели разграничить роль, инструкцию, примеры и входные данные.

Пример структуры:

## Роль
Ты - редактор корпоративных коммуникаций.

## Задача
Перепиши письмо ниже: сделай его короче на 30%, убери канцеляризмы, сохрани все факты.

## Письмо для редактуры
[текст]

## Формат ответа
Только итоговый текст, без комментариев.

Шаг 6. Разбейте сложную задачу на цепочку промптов

Если задача многосоставная - например, собрать данные, проанализировать, написать отчёт, адаптировать под разные аудитории - не пытайтесь уместить всё в один промпт. Используйте prompt chaining: результат первого шага становится входом для второго. Это снижает вероятность галлюцинаций и даёт контроль на каждом этапе.

Конкретный пример

Задача: написать короткое коммерческое предложение для отдела закупок.

Промпт:

## Роль
Ты - менеджер по продажам B2B, пишешь КП для директора по закупкам производственного предприятия.

## Контекст
Мы поставляем промышленные фильтры. Клиент сейчас работает с другим поставщиком, но жалуется на сроки. Наше преимущество - склад в России, отгрузка за 2 дня.

## Задача
Напиши КП на 150-200 слов. Начни с проблемы клиента, затем - наше решение, конкретные цифры, призыв к действию.

## Пример нужного тона
[вставьте образец, если есть]

Такой промпт даёт предсказуемый результат с первой попытки.

Типичные ошибки

Слишком общий запрос. "Напиши текст о нашей компании" - модель не знает, для кого, зачем, какой длины, в каком стиле. Результат будет усреднённым и бесполезным.

Инструкция вместо контекста. Вы описываете формат, но не объясняете задачу. Модель выполнит инструкцию буквально, но не попадёт в суть.

Правка инструкции вместо правки контекста. По данным исследования IBM (1523 промпта, 57 сессий), пользователи чаще всего редактируют именно контекст - примеры и документы, а не саму инструкцию. Если результат не устраивает, сначала проверьте, достаточно ли контекста.

Один длинный промпт на всё. Сложные задачи лучше разбивать. Один большой промпт с десятью условиями даёт нестабильный результат.

Игнорирование температуры. Для задач, где важна точность - резюме документа, извлечение данных, юридический текст - снижайте температуру. Для творческих задач повышайте.

Что получаем в итоге

Правильно выстроенный промпт - это шаблон, который работает стабильно, а не разовая удача. По данным Anthropic, системный промпт-инжиниринг дал рост точности на 20% в реальном корпоративном кейсе - чат-ассистент для клиентов Fortune 500. Для российского бизнеса те же техники применимы к GigaChat и YandexGPT: обе модели поддерживают структурированные промпты, few-shot и chain-of-thought, хотя реакция на разметку у них несколько отличается от GPT-4o и Claude.

Мнение редакции ENGRAM

Рекомендуем начинать с двух вещей: зафиксировать шаблоны промптов для повторяющихся задач (КП, письма, резюме документов) и сразу тестировать их на GigaChat или YandexGPT - оба доступны из РФ с оплатой в рублях и подходят для работы с данными, которые нельзя выгружать за рубеж по 152-ФЗ. На нашем опыте, структурированный промпт с ролью, контекстом и 2-3 примерами даёт стабильный результат уже с первой попытки - без итераций и без зависимости от конкретного сотрудника, который "умеет общаться с нейросетью".

Источники

Материал подготовлен на основе:

Попробуйте ENGRAM на своих данных

Нейросеть на ваших встречах, документах и переписке: отвечает со ссылкой на источник. Это ваша вторая память на базе ИИ. Данные хранятся в России, старт бесплатный.

Зарегистрироваться бесплатно
Обучаем команды работе с нейросетями под ваши процессы. Узнать о корпоративном обучении