8 промптов, которые использую каждую неделю — и они не про «напиши мне текст»

Большинство подборок промптов сводятся к вариациям «напиши текст на тему X» — рабочий, но самый скучный и очевидный способ использовать ИИ. Собрал восемь промптов из своей повседневной практики, которые решают более узкие, но регулярно повторяющиеся задачи, — каждый проверен минимум месяцем реального использования, а не придуман для статьи.

Вместо просьбы «оцени мой текст» — конкретная роль скептического рецензента с задачей найти одно, но самое уязвимое место в рассуждении, а не общий список замечаний. Формулировка: «Ты — скептический рецензент. Найди одно самое слабое место в этом аргументе и объясни, почему оно уязвимо». Работает лучше общей просьбы дать обратную связь, потому что заставляет модель сфокусироваться, а не выдать расплывчатый список из десяти мелких придирок.

Полезно, когда не уверены, как должно звучать сообщение — прошу сразу три варианта одного и того же письма: нейтрально-деловой, дружелюбный и максимально формальный, — и выбираю подходящий по ситуации вместо того, чтобы формулировать самому и сомневаться, не слишком ли резко или слишком мягко вышло.

После встречи скидываю сырые голосовые заметки или обрывочные текстовые пометки с просьбой выделить только конкретные пункты «что сделать, кто делает, к какому сроку» — отсекая рассуждения и контекст, которые в протокол не нужны.

Отличается от простого «объясни код» тем, что явно просит построчный разбор, а не общее описание логики целиком — полезно, когда разбираешься в чужом или старом коде и не понимаешь, зачем нужна конкретная строка, а не весь файл.

Вместо «что лучше выбрать» — сразу даю 3–4 критерия, по которым хочу сравнить варианты (цена, время, риски), и прошу оформить в виде таблицы. Формулировка с явными критериями почти всегда даёт более полезный результат, чем открытый вопрос, потому что не оставляет модели свободы выбирать, что считать важным.

Все пять промптов выше объединяет один принцип — они заранее закрывают пространство для догадок: заданная роль вместо общей просьбы, явные критерии вместо открытого вопроса, конкретный формат вывода вместо «сделай как лучше». Разница между посредственным и полезным ответом почти никогда не в редком «секретном» слове в промпте, а в том, сколько неопределённости в задаче вы оставили модели самой додумывать. Это не открытие — но большинство людей продолжает формулировать запросы максимально широко, а потом удивляется общим, ни о чём не говорящим ответам.

Двухуровневое объяснение полезно для быстрой проверки: если упрощённая версия звучит нелепо или неверно, это сигнал, что и сложная версия может быть неточной, — простое объяснение сложнее спрятать за наукообразными формулировками, если модель на самом деле не разобралась в теме.

Задаю после того, как обсудил с моделью план или решение, — просьба указать не ответ, а пропущенный вопрос почти всегда выявляет слепые пятна в собственных рассуждениях лучше, чем прямая просьба покритиковать план.

Отличается от обычного «сделай короче» тем, что явно задаёт критерий отбора — не любую информацию, а только ту, что влияет на решение. Это чаще даёт действительно полезное резюме, а не просто механически урезанный текст с потерей важных деталей.

Полный список из 20 промптов, включая ещё 12, которые не поместились в статью по объёму, выложил в канале — с примерами реальных ответов на каждый.

За кадром остался разбор того, как один и тот же промпт даёт разное качество ответа в зависимости от того, в начале или в конце длинного диалога его задать, — неожиданно значимая деталь, которую мало кто учитывает. Этот разбор выложу отдельно в Telegram.