Роль, контекст, пример… Из чего состоит правильный запрос для ИИ

В одном из исследований Open Review разработчики выяснили, что качество ответа нейросети может меняться в несколько раз только из-за формулировки запроса. Меняется контекст — меняется и ответ. Как научиться работать с нейросетью профессионально, разбираемся здесь и сейчас.

Сегодня вокруг промптов уже выросла почти отдельная индустрия. Блогеры продают секретные формулы запросов или обещают универсальный промпт для идеального текста. Люди собирают папки из тысячи готовых шаблонов для Chat GPT.

Но проблема остаётся, ведь под уникальные задачи готовые промты чаще всего не подходят, и люди снова бегут искать подходящие формулировки. Но хороший запрос к ИИ — это ни что иное, как способ объяснения задачи.

Chat GPT, Claude, Gemini и другие большие нейросети не ищут прямых ответов на запрос в интернете и не размышляют как человек. Языковые LLM-модели предсказывают наиболее вероятное продолжение текста на основе контекста, который получают от пользователя. По сути, AI постоянно пытается угадать: что должно появиться дальше?

Из-за этого нейросеть оказывается невероятно чувствительной к формулировкам. Вот типичный пример запроса:

«Придумай идеи для Telegram-канала про AI».

С точки зрения человека задача вроде понятна. С точки зрения модели — почти нет. Она пытается понять сразу всё:

Когда нейросеть не получает всех этих вводных, она начинает додумывать их сама и выдаёт те самые стерильные AI-тексты, которые выглядят как смесь Википедии, мотивационного поста из 2018-го и школьного реферата.

Но стоит добавить контекст, и литературно-маркетинговые способности ИИ резко меняются. Сравните.

Первый вариант:

Второй вариант:

IT- учёные отдельно отмечают, что качество контекста и примеров внутри запроса напрямую влияет на качество ответа модели. В их эксперименте правильно сформулированный запрос в Chat GPT-3 дал более точный ответ, чем хаотичный запрос в более поздней версии. Так что переход на более новую версию AI — это не гарантия мощных результатов. Пока вы не научитесь общаться с ИИ профессионально, она с вами тоже будет разговаривать как друг.

Именно поэтому сегодня всё чаще говорят не про prompt engineering, а про context engineering, когда важно грамотно спроектировать контекст для модели.

И это касается не только текстов. Точно так же работают Midjourney, Runway, Veo и другие визуальные модели. Я даже проводила эксперимент и генерировала картинку в одной из последних моделей на базе Midjourney с разными запросами — смотрите, что получилось, вот здесь.

Хороший промпт — это не длинный текст ради длинного текста. Нейросети не любят воду и бессмысленные описания. Сильный запрос почти всегда строится вокруг пяти вещей: роль, контекст, примеры, формат и ограничения.

Именно эта структура сегодня даёт лучший результат практически в любой модели от ChatGPT до Claude.

Роль задаёт угол мышления модели. Допустим, человек пишет: «Напиши пост про AI». Результат получится максимально усреднённым, если можно так выразиться.

Но стоит изменить запрос: «Ты редактор технологического медиа. Напиши пост для аудитории VC.ru о том, как AI меняет работу маркетологов», и…

… Текст стал более прикладным, появилось описание реального сценария из жизни НАШЕГО читателя, изменилась лексика, структура, подача и глубина аргументации. Роль помогает модели понять, из какой профессиональной позиции ей мыслить.

Контекст объясняет нейросети, зачем создаётся результат.

Например, мы добавляем уточнение в предыдущий плохой запрос: «Напиши пост про AI. Мы запускаем Telegram-канал про AI-инструменты для предпринимателей. Аудитория — владельцы малого бизнеса, которые хотят сэкономить время и боятся сложных технологий».

Модель перестаёт писать абстрактные советы для всех подряд и начинает ориентироваться на конкретную аудиторию. Контекст — это, по сути, недостающая реальность для AI.

Это один из самых недооценённых элементов промта. Исследования GPT показывали, что когда нейросеть видит пример желаемого результата, она начинает точнее повторять структуру, стиль и ритм текста.

Добавляем пример всё в тот же наш запрос: «Вот пример хорошего хука: “Разработчики были уверены, что AI ускоряет работу на 20%. Реальные тесты показали обратное”. Напиши ещё 5 заходов в похожем стиле для поста про нейросети».

Парадоксально, но ограничения почти всегда улучшают ответ, потому что AI перестаёт расползаться в разные стороны.

Например: «Пиши живым языком без канцелярита. Не используй футурологию и общие фразы про революцию AI. Добавляй конкретные кейсы и примеры».

Именно ограничения убирают тот самый стерильный AI-стиль, который уже всем надоел.

Но если не задать ещё один параметр, то AI просто не поймёт, в каком виде должен выдать ответ. Когда мы просим написать статью или пост, то получаем либо простыню текста без структуры, либо наоборот текст из разорванных строк из сплошного списка.

Гораздо лучше работает так:

«Сделай структуру статьи для VC.ru: — заголовок; — лид до 300 символов; — две главы; — практические примеры в каждой главе; — вывод».

Или так:

“Напиши пост для ТГ-канала, объём 500 символов, нужен лид из одного предложения, в середине один список, абзацы пиши в плавном ритме, как в разговорной речи. В конце напиши призыв к действию с предложением посмотреть выступление нашего эксперта на IT-форуме”

Берём вариант второго формата, выбираем одну из тем, предложенных в предыдущей генерации и просим написать пост. После этого модель уже понимает архитектуру результата и выдаёт вот это:

Всего за две генерации можно подготовить пост, статью, сценарий - что угодно. И не стрёмным ии-шным языком, а вполне человеческим. Итак, собираем все наши шаги в два подробных промта, где собраны сразу все элементы: роль, контекст, примеры, формат и ограничения.

* Два промта получаются, если вам нужно отдельно сгенерировать варианты тем. Если вы итак знаете, о чем писать, то можно сразу вписать тему на этапе примеров. Тогда получится ограничиться одним большим запросом.

Пошаговый пример по алгоритму “РОЛЬ-КОНТЕКСТ-ПРИМЕР-ОГРАНИЧЕНИЕ-ФОРМАТ”

"Напиши пост про AI. Мы запускаем Telegram-канал про AI-инструменты для предпринимателей. Аудитория — владельцы малого бизнеса, которые хотят сэкономить время и боятся сложных технологий. Вот пример хорошего хука: “Разработчики были уверены, что AI ускоряет работу на 20%. Реальные тесты показали обратное”. Напиши ещё 5 заходов в похожем стиле для поста про нейросети"

(Выбираем заход из предложенных)

"Пиши живым языком без канцелярита. Не используй футурологию и общие фразы про революцию AI. Добавляй конкретные кейсы и примеры. Напиши пост для ТГ-канала, объём 500 символов, нужен лид из одного предложения, в середине один список, абзацы пиши в плавном ритме, как в разговорной речи. В конце напиши призыв к действию с предложением посмотреть выступление нашего эксперта на IT-форуме"

Именно так сегодня выглядят запросы, по которым можно быстро делать контент через нейросети, который будет читабельным. По сути, хороший промпт начинает напоминать полноценный бриф для сотрудника или подрядчика. Чем яснее задача — тем качественнее итог работы.