Забудь про модные акронимы. Разбираем, из чего на самом деле состоит рабочий промпт для ChatGPT — и какие части можно смело выкинуть.
Ты наверняка уже видел все эти схемы. RISEN. CO-STAR. CRISPE. APE. RTF. Каждую неделю появляется новый акроним, который обещает превратить твои промпты из «ну такое» в «вау».
Только вот в чём дело: большинство этих схем усложняют то, что должно быть простым. Тебе предлагают запомнить шесть-семь компонентов, хотя на практике половина из них для большинства задач вообще не нужна.
Те, кто стабильно получает хорошие ответы от ChatGPT, Claude или Gemini, не зубрят жёсткие формулы. Они понимают, из-за чего промпт реально срабатывает — и, что важнее, без чего можно обойтись. Об этом и пойдёт речь.
Почему советы про «идеальный промпт» обычно мимо
Большинство гайдов по промпт-инжинирингу подаёт каждый запрос как маленький шедевр. Задай роль! Дай развёрнутый контекст! Укажи точный формат! Приведи примеры! Добавь ограничения!
Но если вопрос звучит просто — например, «Какая столица Франции?» — всё это лишнее. Не нужно говорить нейросети «выступи в роли эксперта по географии» или «ответь списком из ровно трёх предложений». Просто спроси.
Настоящий навык — не запоминать схемы, а понимать, какие компоненты нужны конкретно этому промпту. И добавлять только их.
Три компонента, без которых никак
Если разобрать сотни промптов — и рабочих, и провальных, — закономерность видно сразу. У любого работающего запроса есть три вещи, в той или иной форме:
1. Чёткая задача. Что именно ты хочешь от модели? Звучит банально, но размытая формулировка — главная причина, по которой промпты не работают. «Напиши про маркетинг» — это не задача. «Напиши три идеи постов в соцсетях для кофейни, которая запускает новый сезонный напиток» — задача.
2. Достаточно контекста. Модель не знает того, что знаешь ты. Если запрос завязан на информацию, которую ИИ не сможет угадать — твоя аудитория, твои ограничения, твоя ситуация, — это нужно сообщить. По данным исследований, релевантный контекст снижает количество шаблонных ответов на 42%.
3. Сигнал по выводу. Модель должна понимать, когда ответ закончен и как он выглядит. Это может быть формат («дай маркированный список»), длина («уложись в 100 слов») или просто структура, которая считывается из задачи («напиши письмо» = формат письма).
Три блока, из которых состоит любой рабочий промпт: задача, контекст и сигнал по выводу
Это всё. Остальное — роли, примеры, ограничения, тон — полезно, но опционально. Добавляй, когда результат тебя не устраивает. По умолчанию — не нужно.
Почему промпты не работают: разбор полётов
Давай посмотрим на реальные промпты, которые провалились, и разберём, чего именно им не хватило.
Сломанный промпт №1: «Помоги с презентацией».
Чего не хватает: всего. Нет задачи (помочь — как именно?), нет контекста (презентация о чём?), нет сигнала по выводу (что ты хочешь увидеть на экране?).
Починенный вариант: «Завтра презентую квартальные результаты продаж руководству. Сделай 5 буллетов про наши успехи и одну отдельную мысль про зоны роста. Только верхнеуровнево — детали им не нужны».
Сломанный промпт №2: «Напиши пост в блог про продуктивность».
Чего не хватает: контекста и сигнала по выводу. Модель не знает, кто аудитория, какой объём, под каким углом подавать. На выходе — общие слова.
Починенный вариант: «Напиши пост для блога на 600 слов о том, почему классические списки дел не работают для творческих профессий. Аудитория — фрилансеры-дизайнеры и копирайтеры. Тон разговорный, слегка провокационный. Включи 2–3 рабочие альтернативы стандартному to-do листу».
Сломанный промпт №3: «Сделай выжимку этого документа» (с приложенным документом).
Чего не хватает: сигнала по выводу. Модель не понимает, нужна короткая выжимка в одно предложение или подробный разбор, буллеты или связный текст, ключевые тезисы или нейтральный пересказ.
Починенный вариант: «Сделай выжимку этого документа в 3 пунктах. Сосредоточься на принятых решениях и задачах. Бэкграунд можно пропустить — я в нём и так разбираюсь».
Замечаешь закономерность? Большинство провалов — это когда один из трёх обязательных компонентов либо размыт, либо отсутствует совсем.
Полная анатомия: шесть компонентов
Обязательных компонентов всего три, но всего их шесть — какие из них пригодятся, зависит от задачи. Вот полная анатомия:
1. Задача (обязательно)
Действие, которое ты хочешь получить от модели. Используй конкретные глаголы: «напиши», «сделай выжимку», «сравни», «перечисли», «объясни». Избегай размытых «помоги» или «подскажи».
2. Контекст (обязательно для всего, кроме простых вопросов)
Фоновая информация, которая нужна модели. Сюда входит: кто аудитория, какая ситуация, какие ограничения, любые детали, которые ИИ сам не угадает.
3. Формат / сигнал по выводу (обязательно — даже если по умолчанию)
Как должен выглядеть ответ. Длина, формат (список, абзацы, таблица), разделы, обязательные элементы. Если не указать — получишь стандартные абзацы прозы.
4. Роль (опционально — когда важны тон или экспертиза)
Персонаж, в которого превращается модель: «Ты — опытный копирайтер» или «Выступи в роли терпеливого преподавателя, который объясняет новичку». Исследования показывают, что роль сильнее влияет на тон и стиль, чем на точность.
5. Примеры (опционально — когда стиль ответа сложно описать словами)
Примеры входа и выхода, которые показывают, чего ты хочешь. Это называется few-shot prompting, и для сложных задач он повышает точность на 15–40%. Особенно полезно, когда нужно поймать конкретный авторский голос или формат.
6. Ограничения (опционально — когда нужно отсечь нежелательные варианты)
Что модель должна избегать или урезать: «Без жаргона», «Пропусти вступление», «Не больше 200 слов», «Не выдумывай — если непонятно, переспроси». По рекомендациям OpenAI, сказать «делай так» работает лучше, чем «не делай этак», но ограничения помогают, если ты уже сталкивался с ненужным поведением.
Порядок имеет значение: как собрать промпт
С компонентами разобрались — а в каком порядке их выкладывать? Единственно верного варианта нет, но исследования и практика подсказывают последовательность, которая работает в большинстве случаев:
1. Роль (если есть) → 2. Контекст → 3. Задача → 4. Формат / ограничения → 5. Примеры (если есть)
Почему именно так? Модель читает промпт по порядку. Роль и контекст в начале «настраивают сцену» — а потом ты уже что-то просишь. Задача после контекста — модель понимает, в какой ситуации действовать. Формат и ограничения после задачи уточняют, как её выполнять. А примеры в конце работают как финальный референс.
Вот эта структура в живом виде:
Ты — специалист поддержки, который пишет понятные и дружелюбные ответы. (Роль)
Клиент написал, что заказ пришёл повреждённым — у нашей керамической кружки трещина. По нашей политике мы отправляем замену бесплатно, возвращать ничего не нужно. (Контекст)
Напиши ответное письмо: извинись и предложи замену. (Задача)
До 100 слов. Тон тёплый, но профессиональный. Не используй фразу «Приносим извинения за доставленные неудобства». (Формат / ограничения)
Важный момент: если задачу поставить в самом конце очень длинного промпта, модель может «забыть» контекст из начала. Для сложных запросов главную инструкцию — обычно это и есть задача — стоит ставить после контекста, но до примеров и длинных справочных материалов.
Минимальный рабочий промпт: когда меньше — лучше
Не каждому промпту нужны все шесть компонентов. Перебор с уточнениями делает ответ скованным и слишком зажатым. Вот когда стоит сократить:
Простые вопросы — просто спрашивай. «Чем отличаются TCP и UDP?» не требует ни роли, ни контекста, ни формата.
Творческий брейншторм — дай модели поле для манёвра. «Дай 10 неочевидных идей для маркетинга бренда корма для домашних животных» сработает лучше без жёстких рамок.
Когда ты в режиме итераций — начинай с минимального промпта. Если ответ мимо, докручивай в следующих сообщениях. «Хорошо, но сделай неформальнее» обычно быстрее, чем пытаться задать всё сразу.
Сравнение «до» и «после»: перегруженный промпт превращается в чистый и сфокусированный
Итеративный подход недооценён. Исследования показывают, что относиться к промпту как к одноразовому выстрелу, а не диалогу — одна из самых частых ошибок. В пределах одного чата модель помнит контекст, так что можно собирать и докручивать ответ по ходу.
Шаблон без всяких акронимов
Вместо того чтобы зубрить акронимы, прогони промпт через короткий мысленный чек-лист перед отправкой:
1. Задача конкретная? Сможет ли посторонний человек прочитать и понять, чего я хочу? Если нет — добавь деталей.
2. У модели достаточно вводных? Понадобится ли умному человеку дополнительный фон, чтобы помочь? Если да — добавь контекст.
3. Я узнаю «готово», когда увижу? Длина, формат, структура указаны? Если ответ можно интерпретировать пятью разными способами — уточни вывод.
4. (Опционально) Важны тон или экспертиза? Если да — задай роль.
5. (Опционально) Стиль сложно описать словами? Если да — приложи пример.
Пять вопросов, никакой схемы зубрить не надо. Пробегись по ним за пару секунд, добавь нужное, выкинь лишнее.
Вот шаблон, который можно скопировать и доработать под себя:
[Роль — если нужно]
Ты — {{role}}, который {{relevant trait}}.
[Контекст]
{{Фоновая информация, которую модели нужно знать}}
[Задача]
{{Конкретный глагол действия}} {{что ты хочешь}} для {{аудитория/цель}}.
[Формат — если нужно]
{{Длина, структура или формат вывода}}
[Пример — если нужно]
Вот пример стиля, который мне нужен:
{{example}}
Если замечаешь, что переиспользуешь похожие промпты с небольшими правками — другие клиенты, другие темы, другой тон — стоит сохранить их как шаблоны. Например, в PromptNest можно хранить промпты с переменными вида {{client_name}} или {{topic}}: подставляешь нужные значения и копируешь готовый промпт в один клик.
Что делать с рабочим промптом
Вот на чём большинство теряет время: выкручивает классный промпт, получает отличный ответ — а потом всё это пропадает в истории чата. Через три недели его уже не найти.
Те, кто выжимает из ИИ максимум, не обязательно лучше пишут промпты. Они лучше сохраняют и переиспользуют те, что сработали. Со временем у них собирается личная библиотека — разложенная по проектам или задачам, готовая к делу.
Начни с малого: заметка, документ, что угодно. Главное — чтобы была система.
Если хочется чего-то заточенного под задачу, PromptNest — нативное приложение для Mac, $19.99 разово в Mac App Store, без подписки, без аккаунта, всё хранится локально. Раскладываешь промпты по проектам, ищешь по всей коллекции и используешь переменные, чтобы не переписывать один и тот же промпт под разные ситуации.
С чего начать
Не нужно зубрить ни RISEN, ни CO-STAR, ни любой другой акроним. Достаточно понимать три вещи: что ты просишь (задача), что нужно знать модели (контекст) и как должен выглядеть ответ (формат).
Всё остальное — роли, примеры, ограничения — это инструмент, к которому ты тянешься, когда трёх базовых компонентов уже не хватает.
Возьми один промпт, которым пользуешься регулярно. Может быть, это написание писем, выжимка документов или брейншторм идей. Перепиши его по чек-листу выше. Посмотри, что изменится.
