Как написать ясный, конкретный промпт для AI

Дайте модели контекст, который она не может угадать

Модель отвечает исходя из того, что есть в разговоре, плюс того, чему она научилась во время обучения, — она не знает, для кого вы пишете, что вы уже пробовали и почему задача важна, если вы этого не скажете. «Перепиши это письмо» и «перепиши это письмо так, чтобы уже раздражённый клиент прочитал его как извинение, а не как оправдание» — это одна и та же задача с разным объёмом контекста, и они дают разные ответы. Контекст не обязан быть длинным; в нём должны быть один-два факта, которые изменили бы то, как задачу выполнил бы человек.

Формулируйте ограничения, а не надейтесь, что они подразумеваются

Ограничение по длине, уровень изложения, тон, что-то, о чём не стоит упоминать, срок, который ответ должен соблюдать, — модель применяет ограничение, если вы его сформулировали, а иначе опирается на общий вариант по умолчанию, который может не подойти. «Уложись в 150 слов» и «избегай технического жаргона» — оба ограничения, которым модель может надёжно следовать, если они явно указаны; ни одно из них она не выводит правильно сама по себе с какой-либо стабильностью.

Назовите формат вывода, который вам действительно нужен

Маркированный список, короткий абзац, таблица, тема письма плюс тело — если сразу попросить нужную форму, это избавит от повторного сообщения с просьбой переформатировать. Это важно ещё больше, а не меньше, когда вывод должен разбираться не человеком, а чем-то другим; для этого случая см. промпты для структурированного вывода, ссылка ниже, — это более подробное руководство, дополняющее данный пункт.

Добавьте пример, если одного описания было бы недостаточно

Некоторые вещи проще показать, чем описать, — фирменный стиль, тон, конкретный формат для повторяющейся задачи. Один удачно выбранный пример часто снимает неоднозначность, которую не сняли бы несколько предложений описания. См. few-shot промптинг, ссылка ниже, о том, как осознанно использовать больше одного примера и когда это оправдывает дополнительную длину промпта.

Частые вопросы

Более длинный промпт всегда даёт лучший ответ?

Нет — более длинный промпт помогает, только если дополнительная длина — это контекст, ограничение или пример, которых модели иначе не хватало бы. Заполнение промпта повторяющимися инструкциями или лишним текстом не улучшает ответ и может скрыть ту часть, которая действительно важна.

Остановит ли ясный промпт модель от фактических ошибок?

Нет. Ясный промпт повышает вероятность того, что модель поймёт, о чём вы просите, но он не проверяет факты и не устраняет галлюцинации — см. почему AI галлюцинирует, ссылка ниже, о том, что на самом деле вызывает это и почему промпт сам по себе не может это исправить.

Что самое полезное можно добавить к расплывчатому промпту?

Обычно это контекст: один-два факта об аудитории, цели или ситуации, которые понадобились бы человеку для качественного выполнения задачи. Ограничение или пример тоже помогают, но их значение меньше, если модель всё ещё не знает, для кого предназначен ответ.