OpenAI обновила рекомендации по работе с промптами — инструкциями, которые пользователь даёт модели. Главная идея проста: качество ответа во многом зависит не только от возможностей ИИ, но и от того, насколько ясно сформулирована задача.

Первое правило — конкретность. Вместо общей просьбы вроде «напиши стихотворение об OpenAI» лучше сразу указать тему, объём, стиль, тон и желаемый результат. Аналогично при планировании поездки стоит обозначить город, даты, бюджет, интересы и формат отдыха. Чем меньше модели приходится догадываться, тем меньше потребуется правок.

Второй важный принцип — ставить ключевую инструкцию в начало запроса. Полезно также визуально отделять задание от исходного материала, например с помощью ### или тройных кавычек. Это особенно удобно для суммаризации, редактирования, анализа документов и извлечения информации:

Составь маркированный список ключевых идей из текста ниже.

Третий приём — показывать образец результата. Если нужен определённый формат: таблица, список ключевых слов, карточки для соцсетей или подписи к изображениям, — стоит привести один-два примера. Такой подход называют few-shot prompting: модель получает не только инструкцию, но и демонстрацию того, как должен выглядеть ответ.

При этом начинать лучше с самого простого варианта — zero-shot, то есть с инструкции без примеров. Если результат недостаточно точен, можно добавить несколько образцов. И лишь для устойчивых, повторяющихся задач с большим количеством данных имеет смысл рассматривать дообучение модели.

Отдельное внимание следует уделять языку запроса. Расплывчатые формулировки вроде «сделай кратко», «напиши красиво» или «добавь немного деталей» могут трактоваться по-разному. Лучше заменить их измеримыми требованиями: «три–пять предложений», «до 120 слов», «деловой стиль», «без вводных фраз», «используй таблицу из трёх столбцов».

Полезно не только запрещать нежелательные действия, но и объяснять, что модель должна делать вместо этого. Например, в сценарии службы поддержки недостаточно написать: «не запрашивай пароль». Более надёжная инструкция будет такой: «не запрашивай личные данные; предложи безопасные шаги восстановления доступа и направь пользователя к справочным материалам».

Для генерации кода помогает ещё один приём — использовать «стартовые слова» или заготовки, указывающие ожидаемый язык и структуру. Например, import подсказывает модели, что нужен Python-код, а SELECT — что следует начать SQL-запрос. Это снижает вероятность получить вместо рабочего кода лишь общее объяснение.

Наконец, если составление промптов кажется слишком трудоёмким, можно попросить сам ChatGPT сформировать инструкцию под конкретную задачу. Достаточно описать цель, аудиторию, ограничения и желаемый формат — после чего модель сможет предложить более подробный и структурированный запрос.

В итоге эффективный промпт похож на хорошее техническое задание: он ясно описывает цель, контекст, формат ответа, ограничения и критерии качества. Чем точнее поставлена задача, тем полезнее и предсказуемее будет результат.