Содержание
Промпт — это текст, который Вы отправляете нейросети. Один и тот же вопрос можно задать так, что модель ответит общими словами, и так, что ответ сразу пригодится. Разница не в «волшебных словах», а в том, сколько модели пришлось додумывать за Вас.
В этой статье — четыре части, из которых состоит хороший промпт, разбор двух примеров и шаблон, который можно скопировать.
Почему короткий вопрос даёт слабый ответ
Языковая модель видит только то, что Вы написали. Она не знает, в каком Вы классе, зачем Вам ответ и что Вы уже пробовали. Всё, чего нет в промпте, модель заполняет самым вероятным вариантом — то есть усреднённым.
Сравните два запроса:
Напиши про циклы в Python.
Объясни, чем цикл for отличается от цикла while в Python.
Я учусь в 9 классе, знаю переменные и условия, циклы ещё не проходил.
Ответ дай в двух абзацах по три-четыре предложения и добавь по одному
короткому примеру кода на каждый цикл.
Объяснение должно быть понятно без знания других языков программирования.
На первый запрос модель напишет длинный обзор всего понемногу: она не знает, нужен Вам учебник, шпаргалка или определение. На второй — ровно то, что просили. Второй промпт длиннее в десять раз, и это нормально: минута на формулировку экономит пять минут переписки «нет, не то».
Четыре части промпта
Хороший промпт отвечает на четыре вопроса.
| Часть | Вопрос | Пример |
|---|---|---|
| Задача | Что сделать? | «Объясни, чем for отличается от while» |
| Контекст | Для кого и зачем? | «Я в 9 классе, циклы ещё не проходил» |
| Формат | В каком виде? | «Два абзаца и по одному примеру кода» |
| Критерий готовности | Как понять, что получилось? | «Понятно без знания других языков» |
Задача
Глагол и предмет. Не «про дроби», а «объясни, как сложить дроби с разными знаменателями». Не «проверь код», а «найди, почему программа выводит 0 вместо суммы». Чем точнее глагол, тем меньше модель гадает: «объясни», «сравни», «сократи», «найди ошибку», «придумай пять вариантов» — это пять разных работ.
Контекст
Кто будет читать ответ и что он уже знает, для чего нужен результат, какие есть исходные данные. Одно и то же объяснение для пятиклассника и для студента — два разных текста. Если Вы просите разобрать ошибку, контекст — это сам код, сообщение об ошибке и то, что Вы ожидали получить.
Полезно объяснять не только «что», но и «зачем». Фразу «пиши коротко» модель выполнит буквально. Фраза «я прочитаю это с телефона по дороге в школу, поэтому ответ должен помещаться на один экран» даёт ей понять, чем руководствоваться в спорных случаях.
Формат
Список или связный текст, сколько предложений, каким тоном, нужны ли примеры, на каком языке отвечать. Если формат не задан, модель выберет его сама — обычно это длинный текст с заголовками и списками, даже когда Вам хватило бы одной строки.
Критерий готовности
Условие, по которому Вы сами оцените ответ: «каждый пункт с примером», «не длиннее одного экрана», «без терминов, которых нет в школьном учебнике». Критерий полезен дважды: модель получает ориентир, а Вы — способ быстро понять, принимать ответ или просить переделать.
Тест незнакомца
Перед отправкой представьте, что отдаёте этот текст толковому человеку, который ничего не знает ни о Вас, ни о задаче. Поймёт ли он, что от него нужно? Сделает ли хорошо с первого раза?
Если ему пришлось бы задать три уточняющих вопроса — ответы на них и нужно дописать в промпт.
Ещё один пример: письмо учителю
Напиши письмо учителю.
Модель не знает ни повода, ни тона, ни имени учителя. Получится вежливый текст ни о чём.
Помоги написать короткое письмо учителю информатики Анне Сергеевне.
Я пропустил контрольную 12 октября, потому что болел, справка есть.
Хочу узнать, когда можно её написать.
Тон вежливый, но без канцелярита. Три-четыре предложения.
В конце — готовность прийти в любое удобное ей время.
Здесь есть все четыре части: задача (написать письмо), контекст (кому, по какому поводу, что уже есть), формат (тон и длина) и критерий (в конце — конкретное предложение).
Частые ошибки
- Тема вместо задачи. «Про рекурсию» — это тема. «Объясни рекурсию на примере матрёшки и покажи одну функцию на C++» — задача.
- Несколько задач в одном запросе. «Объясни тему, придумай задачи, проверь моё решение и составь план подготовки» лучше разбить на четыре сообщения: так каждая часть получит полноценный ответ.
- Запреты вместо описания. «Не пиши длинно, не используй сложные слова, не уходи от темы» работает хуже, чем «ответь тремя предложениями, словами из учебника для 7 класса».
- Лишние подробности. Всё, что Вы написали, модель постарается использовать. Детали, которые не влияют на ответ, только размывают его.
- Крик заглавными буквами. «ОБЯЗАТЕЛЬНО», «НИ В КОЕМ СЛУЧАЕ» не делают просьбу понятнее. Спокойное объяснение причины работает лучше.
Шаблон, который можно скопировать
Задача: [что сделать — глагол и предмет].
Контекст: [кто я и что уже знаю; для чего нужен результат; исходные данные].
Формат: [список или текст, длина, тон, нужны ли примеры].
Готово, если: [условие, по которому я приму ответ].
Заполнять все четыре строки нужно не всегда. На вопрос «сколько байт в килобайте?» достаточно самой задачи. Правило такое: чем сложнее задача и чем важнее результат, тем полнее промпт.
Если ответ всё равно не тот
Не переписывайте промпт целиком. Посмотрите, что именно не так, и найдите часть, которая за это отвечает:
- ответ не о том — уточните задачу;
- слишком сложно или слишком просто — допишите контекст;
- не тот объём или вид — поправьте формат;
- формально верно, но бесполезно — добавьте критерий готовности.
Меняйте одну вещь за раз: так Вы увидите, что именно сработало.
Коротко
- Модель видит только Ваш текст. Чего в нём нет, она додумывает усреднённо.
- Четыре части промпта: задача, контекст, формат, критерий готовности.
- Проверка перед отправкой — тест незнакомца.
- Плохой ответ чинится правкой одной части промпта, а не переписыванием всего запроса.
Источники
- Prompt engineering overview — Anthropic [Электронный ресурс]. — URL: https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview (дата обращения: 10.10.2026).
- Prompt engineering — OpenAI [Электронный ресурс]. — URL: https://platform.openai.com/docs/guides/prompt-engineering (дата обращения: 10.10.2026).
- Prompt design strategies — Google AI for Developers [Электронный ресурс]. — URL: https://ai.google.dev/gemini-api/docs/prompting-strategies (дата обращения: 10.10.2026).



