Полная версия
Сверхпродуктивность с искусственым интеллектом: От первого промпта до собственной системы агентов
Этот пример не случайный – именно с таких промптов начинают большинство новичков. Проблема не в теме, а в том, что каждое из четырёх измерений КЗФО здесь неопределено. Контекст: кто пишет, для кого, в каком контексте бизнеса? Задача: «напиши» – текст какого жанра? статья, пост, лонгрид, ответ на возражение? Формат: длина, структура, стиль? Ограничения: что исключить? На что делать акцент?
Модель при таком промпте делает единственно возможное: заполняет все пробелы усреднёнными предположениями. Получается что-то вроде вводной статьи из учебника – академичная, безличная, без чётко выраженной позиции. Технически это ответ на запрос. Прагматически – почти бесполезный черновик.
Пример 1:
❌ Слабый промпт
Напиши текст про маркетинг.
✓ Сильный промпт
Ты – контент-стратег. Напиши колонку (450–500 слов) для корпоративного блога производителя промышленного оборудования. Тема: почему B2B-маркетинг в 2026 году строится на данных, а не на интуиции. Аудитория: коммерческие директора. Тон: деловой, без воды. Закончи конкретным призывом к действию. Не использовать слова «экосистема» и «синергия».
Пример 2:
❌ Слабый промпт
Что такое таргетинг?
✓ Сильный промпт
Объясни концепцию поведенческого таргетинга маркетологу с 10 годами опыта в офлайн-рознице, который только начинает работать с digital. Без базовых определений – он знает, что такое аудитория и сегментация. Сосредоточься на том, чем поведенческий таргетинг отличается от демографического и почему это меняет логику медиапланирования.
Пример 3:
❌ Слабый промпт
Помоги с презентацией.
✓ Сильный промпт
Я готовлю питч-презентацию для инвестора (8 слайдов, 7 минут). Стартап: платформа для управления складскими запасами малого бизнеса, Россия, B2B, ARR – 4 млн руб. Предложи структуру слайдов и для каждого – 2–3 ключевых тезиса, которые стоит вынести. Инвестор – фонд ранних стадий, интересуется SaaS.
3.2 Базовые техникиСтруктура КЗФО даёт каркас. Базовые техники – это конкретные инструменты, которыми вы наполняете каждый из компонентов. Каждая техника решает одну конкретную задачу и имеет предсказуемый эффект на качество ответа.
3.2.1 Ролевые инструкции: «Ты – эксперт по…»Ролевая инструкция – самый мощный одиночный инструмент контекста. Фраза «Ты – опытный налоговый консультант» запускает в модели принципиально другой режим ответа, чем отсутствие роли. Почему? Модель обучена на огромном количестве текстов – и среди них есть тексты, написанные налоговыми консультантами. Ролевая инструкция активирует паттерны этого специфического корпуса: словарь, стиль рассуждения, типичные оговорки и нюансы.
Ролевая инструкция работает лучше, когда она конкретна. «Ты – эксперт» хуже, чем «Ты – коммерческий директор со специализацией в B2B-продажах промышленного оборудования». «Ты – юрист» хуже, чем «Ты – юрист по корпоративному праву с опытом сопровождения M&A-сделок в российском праве». Чем точнее профиль, тем более прицельным будет ответ.
Важное ограничение: ролевая инструкция не наделяет модель знаниями, которых у неё нет. Если вы попросите её сыграть роль эксперта в узкоспециальной области, которая слабо представлена в обучающих данных, – модель будет имитировать экспертный стиль, но содержательная точность останется низкой. Ролевые инструкции усиливают стиль и структуру рассуждения, а не фактическую базу.
Пример: одна тема, три роли – три ответа
Тема: «Объясни, как работает NPS (индекс потребительской лояльности)».
Роль 1 – «Ты – маркетолог-аналитик» → акцент на методологию сбора данных, сегментацию, бенчмарки.
Роль 2 – «Ты – CEO стартапа» → акцент на то, что NPS показывает о здоровье бизнеса и когда его считать критичным.
Роль 3 – «Ты – преподаватель MBA» → акцент на теоретическую основу, ограничения метода, альтернативные подходы.
Тема одна. Роль определяет, с какой стороны модель к ней подходит.
3.2.2 Указание формата выводаФормат – это инструкция, которую большинство пользователей пропускают и о которой потом больше всего жалеют. «Я попросил написать список, а получил сплошной текст» – почти всегда результат отсутствия явного указания на формат.
Ключевые параметры формата: тип вывода (список, таблица, эссе, маркированный план, диалог, Q&A), объём (количество слов, абзацев, пунктов), уровень заголовков (если нужна структура). Чем более специфична инструкция по формату, тем предсказуемее результат. «Напиши список» хуже, чем «Напиши список из 7–9 пунктов, каждый пункт – одно действенное предложение без вводных слов». «Сделай таблицу» хуже, чем «Сделай таблицу с четырьмя столбцами: Инструмент – Ключевая функция – Цена/месяц – Ограничения».
Особый случай – Markdown-форматирование. Большинство современных ИИ-интерфейсов рендерят Markdown: двойная звёздочка даёт **жирный**, решётка – заголовок. Если вы копируете ответ в документ, где Markdown не рендерится, – попросите «без Markdown-форматирования, чистый текст». Если вы работаете в интерфейсе с рендерингом – наоборот, явная инструкция «используй заголовки H2/H3 и маркированные списки» улучшит навигацию по длинному ответу.
3.2.3 Задание тона и стиляТон – это не украшение. Тон определяет, будет ли текст работать для своей аудитории. Письмо в налоговую и письмо клиенту с предложением о партнёрстве – разные регистры даже при одинаковом смысловом содержании. Языковая модель по умолчанию тяготеет к нейтрально-официальному регистру – потому что именно такой преобладает в обучающих данных.
Эффективные инструкции по тону работают через конкретные описания, а не через абстрактные прилагательные. «Профессиональный» – слишком широко. «Деловой, без канцеляризмов, как письмо коллеге-партнёру, которого знаешь три года» – значительно точнее. Другие рабочие конструкции: «как объяснял бы эксперт на конференции (без академических оборотов)», «как написал бы старший менеджер подчинённому – требовательно, но без агрессии», «как пишет РБК – факты без лирики».
Техника «эталонного текста»: вставьте в промпт небольшой фрагмент (150–200 слов) текста, стиль которого хотите воспроизвести, с инструкцией «пиши в этом же стиле». Это работает точнее, чем любое прилагательное, потому что даёт модели конкретный паттерн для имитации.
Важно: тон и сложность аудитории – разные параметры
«Пиши просто» и «пиши для новичка» – не одно и то же. Простой тон может быть адресован эксперту (краткость без воды). Сложный тон с терминологией – новичку, которому нужно быстро освоить профессиональный язык. Указывайте оба параметра отдельно: «тон – неформальный, аудитория – специалисты с профильным образованием».
3.2.4 Ограничения и рамкиОграничения – недооценённый компонент промпта. Начинающие пользователи формулируют, что нужно делать, и почти никогда – что не нужно. Между тем «не делай X» часто более ценная инструкция, чем «делай Y», особенно когда X – типичная ошибка модели на данном типе задач.
Три категории ограничений, которые стоит указывать: лексические (конкретные слова и фразы, которых нужно избегать – особенно профессиональный жаргон, клише, стоп-слова вашей организации), объёмные (максимальное и минимальное количество слов/пунктов), содержательные (что не включать в ответ – например, «без исторической справки», «только практические рекомендации, без теории»).
Лексические ограничения особенно важны для брендированных текстов. Если у вашей организации есть список запрещённых формулировок (слова-паразиты корпоративного общения типа «синергия», «экосистема», «инновационное решение»), включите его в промпт явно. Модель точно следует таким инструкциям при условии, что список не слишком длинный (до 10–15 слов оптимально).
3.2.5 Постановка аудиторииАудитория – это параметр, который меняет не только тон, но и содержание: какие термины объяснять, какой базовый уровень предполагать, какие примеры использовать. «Объясни мне как специалисту» и «объясни мне как новичку» – это не инструкция о стиле, это инструкция о глубине и точке входа.
Конкретные формулировки аудитории работают лучше, чем расплывчатые. «Для специалиста» – слабо. «Для финансового директора, который не имеет технического образования, но хочет оценить ROI проекта по внедрению ИИ-аналитики» – сильно. Или: «для студента второго курса экономического факультета, который прошёл курс по статистике, но не изучал машинное обучение».
Практический тест: достаточно ли конкретно описана аудитория? Если по вашей инструкции об аудитории можно представить двух разных людей с принципиально разным уровнем знаний – уточняйте.
Практикум 3.А: Переписать 5 плохих промптов в хорошие – с разбором каждого
Задача: взять пять слабых промптов и улучшить каждый, применяя структуру КЗФО. Зафиксировать, какие компоненты добавили и почему.
Шаг 1 – Возьмите следующие пять исходных промптов (или замените их своими, актуальными для вашей работы):
1. «Помоги с резюме»
2. «Напиши письмо в банк»
3. «Объясни, что такое блокчейн»
4. «Сделай план проекта»
5. «Напиши пост для соцсетей о нашем продукте»
Шаг 2 – Для каждого промпта письменно ответьте на четыре вопроса:
К: Какой контекст отсутствует? (кто вы, какова ситуация?)
З: Насколько точно сформулировано действие? Что нужно уточнить?
Ф: Какой формат ожидается? Объём, структура?
О: Какие ограничения важны для данной задачи?
Шаг 3 – Напишите улучшенный вариант каждого промпта. Каждый улучшенный промпт должен быть не менее 3–4 предложений и явно содержать все четыре компонента КЗФО.
Шаг 4 – Запустите исходный и улучшенный промпт в одной модели. Зафиксируйте: насколько отличаются ответы по качеству, специфичности, применимости.
Ожидаемый результат: 5 пар промптов (исходный + улучшенный) с письменным разбором добавленных компонентов + краткий вывод о наиболее ценном компоненте КЗФО для вашего типа задач.
На что обратить внимание: часто самый недооценённый компонент – формат. Указание на структуру и объём ответа нередко даёт больший прирост качества, чем уточнение содержания.
3.3 Итеративный диалогСамая распространённая ошибка в работе с ИИ – ожидание идеального ответа с первого запроса. Даже опытные пользователи с отточенными промптами редко получают финальный результат за один раунд. Итеративный диалог – это не признак слабого промпта; это рабочий процесс, при котором качество растёт итерационно.
3.3.1 Промптинг как переговоры, а не одиночный запросУдачная аналогия для итеративного диалога – работа с редактором. Вы сдаёте черновик, получаете правки, дорабатываете, снова получаете обратную связь. Ни один профессиональный автор не считает это признаком провала первой версии. Это нормальный процесс производства качественного текста.
Разница между случайными итерациями и продуктивными – в том, насколько осознанно вы направляете каждый следующий шаг. «Перепиши лучше» – неинформативная инструкция, которая часто даёт вариант того же уровня. «Перепиши, убрав все метафоры и сделав каждое предложение не длиннее 15 слов» – конкретная инструкция, которая двигает результат в нужном направлении.
Практика показывает, что большинство задач разрешаются за 2–4 итерации при осознанном диалоге. Если после 5–6 итераций результат не приближается к цели – это сигнал либо переформулировать задачу с нуля, либо проверить, не является ли задача принципиально плохо подходящей для данной модели.
3.3.2 Техника уточнения и доработки ответаТри класса уточняющих инструкций с разным эффектом. Первый – уточнение через критику конкретного элемента: «Первый абзац слишком общий – сделай его конкретнее, добавь числа или кейс». «Пункт 3 противоречит пункту 7 – разреши это противоречие». «Заключение звучит как вывод по другой теме – перепиши его, опираясь на аргументы выше». Эти инструкции работаютточечно и дают быструю коррекцию.
Второй класс – расширение и углубление: «Разверни пункт 2 в отдельный раздел на 200 слов», «Добавь к каждому аргументу пример из российской практики», «Дополни таблицу ещё тремя строками с инструментами для малого бизнеса». Эти инструкции наращивают результат в указанном направлении.
Третий класс – трансформация: «Перепиши этот же текст как FAQ из 8 вопросов и ответов», «Сожми до 100 слов без потери ключевых тезисов», «Переведи в формат чек-листа для практика». Трансформационные инструкции радикально меняют форму при сохранении содержания – мощный инструмент для адаптации одного материала под разные каналы.
Пример: итеративный диалог по шагам
Запрос 1: «Напиши краткую инструкцию по проведению 1-на-1 встреч для новых руководителей» → Модель даёт 5 общих пунктов.
Запрос 2: «Добавь к каждому пункту конкретный пример вопроса, который руководитель может задать» → Инструкция стала ощутимо практичнее.
Запрос 3: «Пункты 2 и 4 дублируют друг друга по смыслу. Объедини их и добавь новый пункт о том, как документировать договорённости» → Финальная версия с устранённым дублированием.
Три итерации. От общего шаблона – к практически применимой инструкции.
3.3.3 Управление контекстом в длинном диалогеПо мере роста диалога накапливается ещё одна проблема: модель начинает опираться на более ранние части разговора меньше, чем на свежие. Если в начале сессии вы задали важные параметры («тон – сухой профессиональный», «аудитория – технические специалисты»), через 10–15 обменов модель может начать отступать от них – не потому что игнорирует инструкцию, а потому что вес этой части контекста снижается относительно последних сообщений.
Два практических приёма. Первый – «напоминание параметров»: через каждые 5–7 итераций добавляйте в запрос краткое резюме ключевых ограничений. «Продолжаем: тон – деловой без канцеляризмов, объём раздела – до 150 слов». Второй – «закрепление в системном промпте»: если платформа позволяет задать системный промпт (инструкцию, которая действует на весь диалог), – вынесите ключевые параметры туда. В GigaChat, YandexGPT и большинстве зарубежных платформ эта функция доступна в API-режиме и, в ряде случаев, через настройки интерфейса.
Признак того, что диалог «сломался»: модель начала противоречить параметрам, которые вы установили в начале, или резко снизила качество ответов по сравнению с первыми итерациями. В этом случае продуктивнее начать новый диалог с полным контекстом, чем продолжать текущий.
3.3.4 Когда начать новый диалог, а когда продолжить старыйПростое правило: один диалог – одна задача. Если задача завершена или принципиально изменилась, новый диалог эффективнее. Это не только вопрос качества – это вопрос ясности для вас самих: один диалог = одна цепочка мышления, которую можно сохранить, вернуться к ней или показать коллеге.
Продолжайте текущий диалог, если: вы дорабатываете один и тот же результат (уточнения, правки, расширение), контекст диалога критически важен для следующего запроса (история рассуждений, данные, которые вы передавали поэтапно). Начинайте новый диалог, если: задача принципиально изменилась, диалог стал слишком длинным и вы замечаете деградацию качества, вы хотите получить «свежий» взгляд модели без влияния предыдущих итераций.
Практическое правило: длина диалога и качество
В большинстве современных моделей заметная деградация качества в длинном диалоге начинается примерно после 20–25 обменов (в зависимости от длины каждого сообщения и ответа). Это связано с эффектом «потери в середине» – модель хуже удерживает информацию из ранних частей длинного контекста. Для сложных задач, требующих множества итераций, сохраняйте промежуточные результаты отдельно.
3.4 Встроенная верификация в диалогеИз Главы 2 вы помните: ключевой риск – автоматизированное доверие к уверенно сформулированному ответу. В итеративном диалоге есть встроенный инструмент снижения этого риска: попросить саму модель поставить под сомнение свой ответ. Эта группа техник – простая и действенная.
3.4.1 Попросить ИИ обосновать ответ: «почему именно так?»После получения ответа задайте один вопрос: «Объясни логику первого пункта» или «Почему ты рекомендуешь именно этот подход, а не альтернативный X?». Этот простой шаг делает две вещи. Во-первых, вы получаете цепочку рассуждений, которую можете проверить – легче увидеть ошибку в логике, чем в итоговом утверждении. Во-вторых, если модель галлюцинировала, обоснование часто содержит противоречия или откровенно слабые аргументы, которые вы немедленно заметите.
Этот приём особенно ценен при анализе и рекомендациях: «Ты рекомендуешь стратегию А. Какие аргументы против этой стратегии ты не учёл?». Модели с хорошей калибровкой ответят реальными контраргументами; модели с низкой калибровкой либо повторят те же тезисы в другой форме, либо дадут тривиальные возражения – оба варианта информативны.
3.4.2 Техника самопроверки: «проверь своё утверждение»Прямая инструкция: после получения ответа добавьте запрос «Проверь факты в своём ответе и укажи, в каких местах ты не уверен». Современные модели при такой инструкции честно помечают неопределённость – они могут написать что-то вроде «Я уверен в пунктах 1–3, пункт 4 основан на менее надёжных данных, рекомендую проверить». Это не гарантия точности, но значительно лучше, чем единый уверенный ответ без оговорок.
Вариант этой техники – разделить запрос на части: сначала попросить ответ, затем отдельно – оценку уверенности по каждому пункту по шкале высокая/средняя/низкая. Разделение на два шага часто даёт более честную оценку, чем просьба сделать всё сразу: в одном промпте модель иногда задним числом «обосновывает» своё решение вместо того, чтобы критически его оценивать.
Пример: двухшаговая верификация
Шаг 1 – запрос: «Перечисли 5 ключевых изменений в 152-ФЗ за 2024–2025 годы».
Шаг 2 – верификация: «Для каждого пункта выше оцени, насколько ты уверен в точности: высокая / средняя / низкая. Для пунктов со средней и низкой уверенностью – укажи, что именно стоит проверить в первичном источнике».
Результат: вы получаете не просто список, а список с явной картой рисков – и знаете, куда направить усилия по верификации.
3.4.3 Добавление вопроса «что ты не знаешь по этой теме?»Языковые модели значительно лучше оценивают пробелы в своих знаниях, чем принято считать, – при условии, что их прямо спрашивают об этом. Вопрос «Что ты не знаешь или не можешь надёжно утверждать по данной теме?» в конце аналитического запроса регулярно возвращает полезные оговорки.
Этот приём особенно ценен в трёх ситуациях: при работе с узкоспециальными темами (модель обычно честно указывает на ограниченность данных), при анализе быстро меняющейся информации (модель говорит, что её данные могут быть устаревшими), при юридических, медицинских и финансовых вопросах (модель напоминает о необходимости консультации специалиста). Эти сигналы – не отказ от ответа, а честная калибровка доверия.
Включение этого вопроса в рабочий процесс – отличный противовес automation bias. Когда модель сама обозначает пробелы, пользователю психологически проще воспринять её ответ как черновик, а не как окончательную истину.
Практикум 3.Б: Итеративный диалог – довести черновик до финального результата за ≤5 итераций
Задача: на реальной профессиональной задаче отработать итеративный диалог и зафиксировать, как меняется качество от итерации к итерации.
Шаг 1 – Выберите задачу из вашей практики, результат которой можете оценить содержательно. Примеры: написание раздела для внутреннего регламента, подготовка структуры аналитического отчёта, черновик коммерческого предложения, план учебного модуля.
Шаг 2 – Напишите первый промпт, применяя структуру КЗФО. Запустите – зафиксируйте результат (скопируйте или сохраните).
Шаг 3 – Оцените ответ по трём вопросам:
• Что получилось хорошо? (не меняем)
• Что конкретно не так? (критика одного-двух элементов)
• Какой следующий шаг исправит главную проблему?
Шаг 4 – Сформулируйте уточняющий запрос, основанный на оценке из шага 3. Запустите. Зафиксируйте результат итерации 2.
Шаг 5 – Повторяйте шаги 3–4, пока результат не устроит вас или пока не исчерпаете лимит в 5 итераций.
Шаг 6 – После завершения: применим ли приём верификации? Добавьте запрос «Укажи, в каких утверждениях текста ты не уверен» и зафиксируйте ответ.
Ожидаемый результат: зафиксированные версии результата после каждой итерации (1–5) + финальный ответ модели на запрос верификации + вывод: на какой итерации наступил наибольший прирост качества и почему.
На что обратить внимание: если качество не растёт между итерациями 3 и 4 – причина почти всегда в неточности инструкции по уточнению, а не в ограничениях модели. Попробуйте сформулировать критику через конкретное действие («замени X на Y»), а не через оценку («сделай лучше»).
Типичные ошибки промпт-инжинирингаОшибка 1: Перегруженный контекст
В чём: пользователь добавляет в промпт всё, что считает потенциально релевантным – страницу биографии, подробности о компании, историю вопроса. В итоге промпт превращается в документ на 800 слов, где ключевая задача теряется.
Как правильно: контекст должен быть необходимым и достаточным. Спросите себя: без этой информации модель дала бы принципиально другой ответ? Если нет – уберите. Компактный промпт с чётко выраженной задачей надёжнее длинного с размытым акцентом. Сначала – задача, затем – контекст. Не наоборот.
Ошибка 2: Расплывчатая критика при итерации
В чём: пользователь пишет «перепиши лучше», «не то, что мне нужно», «сделай более профессионально». Модель получает сигнал о недовольстве, но не знает, что именно исправить. Результат – вариация на ту же тему, часто ничуть не лучше.
Как правильно: каждая итерационная инструкция должна указывать конкретный элемент и конкретное изменение. «Перепиши второй абзац: убери все прилагательные, каждое предложение – не более 12 слов, добавь конкретный пример из ритейла». Чем точнее критика, тем точнее исправление.
Ошибка 3: Смешение нескольких задач в одном промпте
В чём: «Напиши текст о нашем продукте, переведи его на английский, сделай версию для соцсетей и предложи три заголовка». Технически модель выполнит всё – но качество каждого элемента будет ниже, чем при отдельном запросе на каждую задачу.
Как правильно: один промпт – одна задача. Если вам нужно несколько форматов одного материала – последовательные запросы в рамках одного диалога дадут лучший результат, чем один запрос с четырьмя подзадачами. Исключение: параллельные задачи одного типа (например, «напиши 5 вариантов заголовка» – это один запрос на одну задачу с несколькими вариантами, а не пять задач).
Ошибка 4: Слишком широкая ролевая инструкция
В чём: «Ты – эксперт» или «Ты – умный ИИ». Такая инструкция не даёт модели ничего: всё и так является её базовым режимом. Ролевая инструкция имеет смысл только тогда, когда она конкретизирует специализацию и контекст.
Как правильно: «Ты – специалист по трудовому праву с фокусом на российское законодательство, опыт работы с корпоративными клиентами» – это рабочая ролевая инструкция. Добавьте к роли специализацию, контекст применения и при необходимости – позицию по теме («ты склонен к консервативным интерпретациям» или «ты представляешь позицию сотрудника, а не работодателя»).
Ошибка 5: Отказ от верификации после «хорошего» ответа
В чём: пользователь получает ответ, который выглядит убедительно и хорошо структурирован, и пропускает проверку. Именно уверенно выглядящие ответы требуют проверки не меньше, чем очевидно слабые – потому что их сложнее подвергнуть сомнению.
Как правильно: применяйте минимальный чек-лист верификации (из Главы 2) независимо от того, насколько убедителен ответ. Особенно – если в нём есть числа, даты, ссылки или специализированные утверждения.
Кейс 2026: Методист онлайн-школы – система промптов вместо шаблонов
Анна – методист крупной онлайн-школы по подготовке к ЕГЭ (Россия). В её задачи входят: разработка структуры учебных модулей, написание заданий и объяснений для учеников, создание материалов для преподавателей. Объём производства контента – около 15–20 учебных материалов в месяц.