Промпты для Claude Code и других нейронок (База по промптам) Prompt и вайб-кодинг

Промпт — это текстовый запрос, инструкция или команда, которую пользователь передает LLM или генеративной модели для получения желаемого результата. Простыми словами, промпт — это способ сформулировать задачу так, чтобы ИИ понял, что именно от него требуется.

Канал с гайдами и контентом по ИИшкам и что с ними можно реализовывать, мы выписываем абсолютно всю базу по ИИ в наш канал и там другие полезные материалы: https://t.me/claudedevolper

Более того отличный промпт способен повысить качество работы, снять ограничения или наделить AI особыми фишками (форма подачи, манера речи и etc).

Промпты могут быть структурированы различными способами в зависимости от задачи и архитектуры системы. В декабре 2025 года наиболее распространены следующие форматы: неструктурированный текст (plain text), JSON, XML-теги, YAML, Markdown и табличные форматы. Каждый формат имеет свои преимущества и оптимален для определенных сценариев.

По хорошему можно свести воедино обычный текст + системный/роль и безусловно метод с примерами: референсы картинок, фрагментов кода, дизайна и так далее. Это что касается широкого пула задач LLM моделей или множества генеративных.

Но даже тут можно применять Markdown фишки, прописывая важные элементы заголовками через # или просто КАПСОМ. Что реально оказывает эффект на модель.

Это же применимо к генеративным моделям вроде Nano Banana Pro, но есть исключения. И давай с них начнем, разобрав весь принцип построения промптов.

Почему изображения вместе с другими промптами? Вероятно вы захотите засунуть инструкцию генерации в общий промпт, чтобы собрать “агента для генерации” или засунуть в ваш проект с автоматизацией. Поэтому я решил, что логично собрать воедино.

Все генеративные модели связанные с картинками можно поделить ровно на два семейства: тэговые и литературные. Начнем с последних, ведь им требуются привычные нам описания, как мы составляем для LLM моделей задачи, но и тут не без своих фокусов.

Midjourney, DALL·E, Imagen, Firefly

New year tree, minimalist, gold on black, digital illustration --ar 9:16 -stylize 500

Параметры после — — это не про содержание картинки, а про поведение движка: формат, вариативность, степень художественной свободы. Этих тегов очень много и они сильно влияют на генерацию, ниже можно развернуть список с ними.

New year tree --ar 9:16 --stylize 500 --p l7hi1x8 Christmas balls --ar 9:16 --stylize 500 --p l7hi1x8 Holiday bells --ar 9:16 --stylize 500 --p l7hi1x8

Один и тот же код --p l7hi1x8 гарантирует, что все три картинки будут в одной стилистике: палитра, контраст, настроение — всё совпадёт. Идеально для серий и брендированного контента.

<aside> 💡

Чтобы делать свои коды придется оплатить подписку от 10 баксов, но можно использовать чужие p и sref:

Ресурс Описание sref-midjourney.com 5500+ кодов с превью, часть бесплатно midjourneysref.com 1400+ кодов с промптами midlibrary.io Коллекции стилей + гайды creatorimpact.com Бесплатный архив кодов </aside>

Stable Diffusion, NoobAI, Illustrious

Теги для этих моделей берутся из Danbooru и аналогичных booru-сайтов — это огромные архивы аниме-арта, где каждая картинка размечена тегами.

Как это работает

masterpiece, best quality, 1girl, blue_eyes, long_hair, smile, city_night, neon_lights

В подобных моделях можно указать, чего вы не хотите видеть:

Negative: blurry, low quality, text, watermark, extra fingers, deformed

Это особенно полезно для борьбы с типичными артефактами: лишними пальцами, размытостью, случайным текстом. И это база, без негативного промпта никуда, хотя из раза в раз он достаточной дефолтный.

Incorrect anatomy, extra hands, extra fingers, bad face, low detail, noise, bad light, interior details

Можно усиливать или ослаблять влияние отдельных элементов в самом промпте:

(golden light:1.4), forest, (fog:0.7)

Диапазон обычно от 0.5 до 1.5. Выше — рискуете получить артефакты.

Вот пример моей картинки из WebUI сделанной в NoobAI и в каком именно формате. Скопировав все данные ее можно повторить предельно похожее, ведь хранится информация и об версии моделей, и параметры, и сам сид.

1girl, ssambstyle, masterpiece, best quality, ultra detailed, high detailing, realistic lighting, quality skin texture, quality hair texture, quality clothing texture, red hair, long hair, dark root hair, animal ears, clear-rimmed glasses, cute face, correcting glasses, beautiful face, detailed face, green eyes, maid, thighhighs, apron, dress, cleavage cutout, frills, waist-up portrait, bust shot, looking at viewer, room, empty room, window, city in the window, sitting on a bedstead, looking out the window, blurred background

Negative prompt: Incorrect anatomy, extra hands, extra fingers, bad face, low detail, noise, bad light, interior details, primitive ears

Steps: 30, Sampler: DPM++ 2M, Schedule type: Karras, CFG scale: 11, Seed: 3066905687, Size: 840x1024, Model hash: 6681e8e4b1, Model: noobaiXLNAIXL_epsilonPred11Version, Denoising strength: 0.7, Hires upscale: 1.5, Hires upscaler: Latent, Version: v1.10.1

Но независимо от выбора модели, существуют общие правила написания промптов. Заключаются они в разбивке слов/описаний по темам и их правильном порядке.

То, что стоит в начале промпта, обычно важнее. Модель «читает» слева направо и первые слова влияют сильнее.

Менее важное → Более важное:

city background, rain, 1girl, red dress

Более важное → Менее важное:

1girl, red dress, city background, rain

В первом случае фокус смещается на город, во втором — на девушку в красном платье.

**[качество] + [стиль] + [субъект] + [действие/поза] + [окружение] + [свет] + [настроение] masterpiece, digital painting, young woman with silver hair, sitting on windowsill, rainy city outside, soft ambient light, melancholic atmosphere**

Для своих артов я предпочитаю ставить сначала стиль, после качество а затем уже описание персонажа, включая список эмоций. Отдельно настроение всей картины не прописываю.

Чем точнее вы опишете, тем предсказуемее результат.

LLM — это очень начитанный собеседник, который старается угадать, что вы хотите. Чем точнее вы объясните задачу, тем лучше результат.

Плохо: «Напиши текст про маркетинг»

Хорошо: «Напиши пост для Telegram-канала про digital-маркетинг. Тема: почему email-рассылки всё еще работают. Тон: дружелюбный, без воды. Длина: 200–250 слов. Целевая аудитория: владельцы малого бизнеса»

Хороший промпт содержит несколько слоёв информации:

[Роль] + [Контекст] + [Задача] + [Формат] + [Ограничения]

1. Роль

Задайте модели экспертизу, от лица которой она должна отвечать.

Ты опытный редактор с 10-летним стажем в деловых изданиях.

Выступи как senior Python-разработчик, который проводит код-ревью.

Ты финансовый консультант, объясняющий сложные вещи простым языком.

Зачем: Модель подстроит стиль, глубину и терминологию под роль.

2. Контекст

Дайте модели информацию, которую она не может знать:

Я владелец небольшой кофейни в спальном районе. Хочу запустить программу лояльности, но бюджет ограничен — не больше 20 000 рублей на старте. Клиенты в основном местные жители 25–45 лет.

3. Задача

Чётко сформулируйте, что нужно сделать:

4. Формат

Укажите, как должен выглядеть результат:

Ответ дай в виде таблицы с колонками: проблема, решение, приоритет.

Напиши в формате пошаговой инструкции с нумерацией.

Дай три варианта заголовка — короткий, средний и длинный.

Ответ — один абзац, не больше 100 слов.

5. Ограничения

Скажите, чего делать не нужно:

Не используй канцелярит и штампы вроде «в рамках» и «на сегодняшний день».

Не предлагай платные инструменты — только бесплатные решения.

Избегай технического жаргона — текст для людей без IT-бэкграунда.

<aside> 💡

На основе этих знаний уже можно составить мощный промпт для Claude, который уже для вас составит и улучшит более мощный и сложный промпт.

</aside>

Покажите модели образец того, что хотите получить:

Перепиши заголовки в стиле Т—Ж: Исходный: «Как экономить деньги» Результат: «Я откладывал по 10% с каждой зарплаты и через год накопил на отпуск» Исходный: «Советы по тайм-менеджменту» Результат: «Я перестал работать по вечерам — и стал успевать больше» Теперь перепиши: Исходный: «Преимущества удалённой работы»

Попросите модель думать вслух:

Реши задачу пошагово, объясняя каждый этап рассуждений. Прежде чем дать ответ, рассмотри аргументы за и против. Сначала проанализируй проблему, потом предложи решения.

Вместо одного огромного запроса — серия маленьких:

❌ Напиши бизнес-план для кофейни ✅ Шаг 1: Какие разделы должны быть в бизнес-плане кофейни? ✅ Шаг 2: Распиши раздел «Анализ рынка» для кофейни в спальном районе ✅ Шаг 3: Составь финансовый план на первый год...

<aside> 💡

Каждый промпт, если позволите, это искусство. И тут нужно подходить творчески. Обкатывать разные варианты, шлифовать и исправлять недостатки по мере пользования. С первой попытки далеко не всегда получается.

</aside>

И возвращаясь к форматированию текста, что можно применять.

Грубо говоря это тоже самое, что JSON, но без явного упора в автоматизацию. Считайте это особой формой записи, чтобы текстовый сложный промпт был более понятным для нейросети.

Claude прямо говорит, что обучался на этом формате и он ему нравится.

Ты — юридический консультант, специализирующийся на трудовом праве РФ. Клиент — сотрудник IT-компании, работает удалённо из другого региона. Работодатель хочет изменить условия трудового договора в одностороннем порядке. Объясни, какие права есть у сотрудника и какие действия работодателя незаконны. - Структурируй ответ по пунктам - Ссылайся на статьи ТК РФ - В конце дай 3 конкретных рекомендации - Не давай финальных юридических заключений - Рекомендуй консультацию с юристом для конкретных действий # Главная задача Сделай X, Y, Z. ## Детали - Пункт 1 - Пункт 2 Можно комбинировать с Markdown!

Промпт с запросом JSON-ответа

Проанализируй текст отзыва и верни результат в JSON: { "sentiment": "positive" | "negative" | "neutral", "topics": ["тема1", "тема2"], "rating_guess": 1-5, "key_phrases": ["фраза1", "фраза2"], "needs_response": true | false } Отзыв: "Заказ пришёл быстро, но упаковка была мятая. Сам товар в порядке, буду заказывать ещё." Верни ТОЛЬКО валидный JSON без пояснений.

Ответ модели:

{ "sentiment": "positive", "topics": ["доставка", "упаковка", "качество товара"], "rating_guess": 4, "key_phrases": ["пришёл быстро", "упаковка мятая", "буду заказывать"], "needs_response": false }

В агентных системах промпт может быть полностью в JSON:

{ "role": "assistant", "persona": "Опытный Python-разработчик", "task": { "action": "review_code", "focus": ["безопасность", "производительность", "читаемость"], "output_format": "markdown" }, "constraints": { "max_length": 500, "language": "ru", "include_examples": true }, "context": { "project_type": "web API", "framework": "FastAPI", "team_level": "middle" } }

Зачем JSON-промпты?

https://t.me/claudedevolper