Разбираем, как правильно формулировать запросы к ChatGPT, Claude и другим нейросетям — с реальными примерами и типичными ошибками, которые все совершают.
Большинство людей используют нейросети вполсилы — не потому что модели плохие, а потому что запросы слабые. «Напиши мне текст про маркетинг» и «Напиши текст про маркетинг» дадут абсолютно разные результаты в зависимости от того, что стоит между этими словами. Разбираем, как это работает — без теории, сразу с примерами.
Главная проблема — расплывчатость. Когда вы пишете «помоги с письмом», модель понятия не имеет: деловое или личное, тон строгий или дружеский, объём три строки или три абзаца, для кого оно вообще. В ответ вы получаете усреднённый результат — то, что подошло бы всем сразу, а значит, не подходит никому конкретно.
Хорошие промпты работают по простому принципу: чем меньше модели нужно догадываться, тем лучше результат.
Не нужно учить наизусть никакие фреймворки. Достаточно держать в голове четыре вещи: роль, задача, контекст, формат.
Роль — кем должна быть модель. «Ты — опытный B2B-копирайтер» даёт другой результат, чем просто «напиши текст». Модель буквально перестраивает стиль и подход.
Задача — что конкретно нужно сделать. Не «помоги с письмом», а «напиши письмо с отказом от встречи».
Контекст — всё, что помогает модели понять ситуацию. Кому пишете, какие отношения, что уже происходило, есть ли ограничения.
Формат — как должен выглядеть результат. Три абзаца или маркированный список, официальный тон или дружеский, с заголовками или без.
Плохо: «Напиши письмо коллеге про задержку проекта»
Хорошо: «Напиши короткое деловое письмо коллеге Алексею. Контекст: мы задерживаем сдачу дизайна на три дня из-за правок от клиента. Нужно сообщить об этом, объяснить причину и предложить новую дату. Тон — нейтральный, без оправданий. Объём — не больше пяти предложений»
Результат второго запроса будет готов к отправке без правок. Первый потребует трёх итераций.
Плохо: «Объясни, как работает машинное обучение»
Хорошо: «Объясни, как работает машинное обучение, для человека без технического образования. Используй одну простую аналогию из повседневной жизни. Не упоминай математику и алгоритмы. Ответ — три абзаца максимум»
Плохо: «Проанализируй этот договор»
Хорошо: «Прочитай этот договор аренды и выдели три вещи: пункты, которые невыгодны арендатору; условия, которые можно оспорить; вопросы, которые стоит задать арендодателю перед подписанием. Формат — три отдельных списка»
Это бывает по двум причинам. Первая — задача объективно сложная и требует информации, которой у модели нет: специфика вашего бизнеса, внутренние данные, актуальные события после даты обучения. Решение: давайте эту информацию прямо в промпте.
Вторая — неправильный инструмент. Для анализа таблиц с данными ChatGPT с Python справится лучше. Для длинного документа с сохранением контекста — Claude. Для быстрого поиска актуальной информации — Perplexity. Хороший промпт в неподходящем инструменте всё равно даст средний результат.
Напишите промпт — и прочитайте его глазами незнакомого человека, который ничего не знает о вашем контексте. Если ему непонятно, что именно нужно сделать, непонятно будет и модели.