Пишешь в ChatGPT что-то разумное. Получаешь посредственность. Перефразируешь. Снова посредственность. Добавляешь ключевых слов. Стало хуже. Закрываешь вкладку, возвращаешься к ручной работе.

Знакомо?

На каждом корпоративном тренинге вижу одно и то же. Умные люди, руководители, специалисты с десятилетиями опыта - и все они получают от AI посредственные результаты. Потом говорят: "Ну, AI пока не очень, не доросло." Нет. AI доросло. Ты не дорос.

Сейчас будет неприятно. Но после этой статьи твой промпт инжиниринг изменится навсегда.

Ты молишься, а не промптишь

Большинство промптов выглядят так:

"Сделай мне лендинг для стартапа."

Это не промпт. Это желание, брошенное в пустоту с надеждой, что модель прочитает твои мысли про цвета, типографику, отступы, кнопки, тон текста и структуру.

Языковая модель - это движок завершения паттернов. Она берет твой ввод и генерирует статистически наиболее вероятный вывод. Если ввод размытый, вывод будет generic. Потому что generic - это и есть наиболее вероятное для большинства.

Модель не тупая. Она послушная. Послушная тому, что ты ей дал - почти ничего.

Промпт инжиниринг начинается с понимания: промпт - это контракт. Он отвечает на четыре обязательных вопроса:

Роль. Кем модель притворяется?

Задача. Что конкретно должна выполнить?

Ограничения. Каким правилам следовать?

Формат вывода. Как выглядит "готово"?

Пропустил хотя бы одно - модель заполняет пробел догадками. А догадки - это территория галлюцинаций.

Ты получил плохой результат не потому что модель ошиблась. Ты дал неполный контракт. Модель выполнила именно то, о чем ты попросил. Ты просто не понял, как мало ты попросил.

Ты не знаешь, с кем разговариваешь

Люди обращаются с AI-моделями как с прокачанными поисковиками. Вбил вопрос - получил ответ. Эта ментальная модель катастрофически неверна.

Разные модели - разные специалисты. Ты не даешь одинаковые инструкции своему ассистенту, дизайнеру и бэкенд-разработчику. Почему удивляешься, когда их результаты отличаются?

Некоторые модели предпочитают структурированный естественный язык. Другим нужна явная последовательность шагов. Третьи разваливаются от многословных промптов. Четвертые игнорируют ограничения, пока не повторишь их трижды.

Claude, например, отлично работает с длинным контекстом и сложными инструкциями. GPT-4 лучше справляется с креативными задачами, но хуже следует жестким ограничениям. Gemini силен в мультимодальных задачах. Mistral быстр и дешев, но требует более простых промптов.

Вот ошибка, которую совершают почти все: пишут один промпт, переиспользуют его везде, ожидают одинакового поведения. А потом обвиняют "AI" как монолитную сущность, когда результаты скачут.

Переносимость промптов - миф. Адаптация промптов - навык.

Человек, который пишет промпты под конкретную модель, превзойдет человека с "лучшими идеями" каждый раз. Потому что инструмент меняется в зависимости от того, какой инструмент ты используешь.

На тренингах часто спрашивают: "Какая модель лучше?" Ответ всегда один: та, под которую ты научился писать промпты. Мастер с молотком победит новичка с полным набором инструментов.

Расплывчатость - это трусость

Причина провала твоих промптов чаще всего не в том, что ты просишь неправильное. А в том, что ты боишься попросить конкретно то, что хочешь.

Ты хеджируешь. Остаешься расплывчатым. Пишешь "сделай круто" вместо того, чтобы определить, что "круто" значит для тебя.

Почему? Потому что быть конкретным - рискованно. Что если укажешь не то? Что если ограничишь слишком сильно и упустишь что-то лучше?

Вот типичный диалог с участником тренинга:

"Модель выдает не то, что нужно." "Что именно нужно?" "Ну… хороший текст." "Что такое хороший текст?" "Профессиональный… убедительный…" "Для кого убедительный? В каком контексте? Какое действие должен совершить читатель?" "…"

И вот тут человек понимает: он сам не знает, чего хочет. Расплывчатость промпта - симптом расплывчатости мышления.

Расплывчатость - не гибкость. Это лень. Ты передаешь модели полусырую идею и надеешься, что она случайно угадает.

Ограничения - это инструкции. Когда говоришь "никогда не меняй дизайн-систему" или "всегда сохраняй тон копирайтинга" - ты не ограничиваешь модель. Ты информируешь ее. Даешь тот же контекст, который нужен любому человеку-коллаборатору.

Люди, которые работают с тобой, узнают эти ограничения со временем через обратную связь и наблюдение. Модели не имеют такой роскоши. Каждый разговор начинается с нуля, если ты явно не загрузишь релевантные ограничения в промпт.

Нужно сказать, что сохранить, что можно менять, что нельзя трогать никогда.

Консистентность от AI приходит из инструкций. Не из памяти.

Анатомия промпта, который работает

Архитектура сознания модели (если это можно так назвать) откликается на структуру. Настоящую структуру чистого системного мышления.

Неясное мышление на входе - неясный результат на выходе. Вся игра в этом.

Эффективные промпты разделяют пять слоев. Это не произвольно - так модели реально обрабатывают и приоритизируют информацию.

Слой 1: Идентичность

Кто модель в этом разговоре? "Senior product marketer who specializes in B2B SaaS positioning" триггерит другие паттерны, чем "helpful AI assistant".

Модель не "становится" этой идентичностью. Но она обращается к разным кластерам обучающих данных, разным стилистическим паттернам, разным подходам к рассуждениям.

Claude Skills, которые завирусились недавно - это ровно про это. Идентичность модели или агента имеет значение. Пропустил этот слой - и получаешь усредненного "helpful assistant", который пишет как робот-бюрократ.

На практике это выглядит так. Вместо "напиши текст для лендинга" пишешь: "Ты senior-копирайтер с 15-летним опытом в B2B SaaS. Специализируешься на превращении технических фич в эмоциональные выгоды. Пишешь короткими предложениями. Избегаешь жаргона без объяснений."

Разница в результате - как между стажером и экспертом.

Слой 2: Контекст

Что модель должна знать, чтобы выполнить задачу хорошо? Фоновая информация, предыдущие решения, ограничения из ранних разговоров - все, что очевидно человеку, но невидимо модели.

Большинство людей сваливают контекст как школьник сочинение в последнюю ночь: "Вот всё про мое приложение…" А потом удивляются, почему модель забывает вещи и противоречит сама себе.

Контекст должен быть упорядочен, ограничен и размечен. Модель не "помнит" контекст эмоционально. Она сопоставляет паттерны релевантности. Если не пометил, что есть правило, что редактируемо, что устарело, что текуще - она обращается со всем как с одинаково опциональным.

Слой 3: Задача

Какое конкретное действие должно быть выполнено? "Write something about X" - плохо. "Produce a 500-word product description that emphasizes time-saving benefits for busy executives" - хорошо.

Чем точнее определяешь задачу, тем точнее модель выполняет.

Слой 4: Процесс

Как модель должна подходить к задаче? Здесь большинство промптов проваливаются полностью.

Плохо: "Напиши мне маркетинговую страницу."

Хорошо: "Сначала проанализируй целевую аудиторию и определи их основные боли. Затем определи позиционирование, которое адресует эти боли. Затем напиши страницу. Покажи рассуждения на каждом шаге. Не пропускай шаги и проверь свою работу после."

Ты просишь не текст. Ты просишь процесс, который производит текст.

Лучшие промпты описывают порядок мышления, контрольные точки решений и внутреннюю валидацию. Так же как люди делают ресерч, планируют контент и правят, пока не понравится.

Вот конкретный пример из моей практики. Когда нужен стратегический анализ, промпт выглядит примерно так:

Изучи предоставленные данные о рынке
Выдели три главных тренда с конкретными цифрами
Для каждого тренда определи угрозу и возможность для бренда X
Сформулируй гипотезу позиционирования
Проверь гипотезу на противоречия с данными
Если нашел противоречие - вернись к шагу 4

Модель идет по шагам. Показывает рассуждения. Ловит собственные ошибки. Результат в разы качественнее, чем "сделай анализ рынка".

Слой 5: Вывод

Как выглядит "готово" для тебя? Если не скажешь точно - получишь формат, который модель выберет по умолчанию.

Будь явным: "Output as JSON with fields for headline, subheadline, and body text. Return only JSON, no additional messages."

Пять слоев - твоя архитектура. Пропустил один - структура шатается. Пропустил два - рушится.

Документация отделяет любителей от профессионалов

Настоящий разделитель между людьми с непоследовательными результатами и людьми с накопительными результатами: каноническая документация.

Если у тебя нет PRD, App Flow, Design System, Constraints Doc, Backend Structure - ты не промптишь. Ты играешь в казино.

Каждая сессия независима. Каждый разговор начинается с чистого листа.

Без внешней документации, на которую ты явно ссылаешься, модель не имеет устойчивого понимания твоего проекта, твоих предпочтений, твоих предыдущих решений.

Люди, которые промптят случайно, пишут один и тот же контекст снова и снова, непоследовательно, внося drift с каждым разговором.

Люди, которые промптят серьезно, поддерживают источники истины. Ссылаются на эти документы в каждом релевантном промпте. Обновляют их, когда решения меняются. Защищают от случайного перезаписывания.

Когда что-то становится каноническим - на него нужно ссылаться, его нужно защищать, его нельзя перезаписывать случайно.

Если явно не сказал "attached PRD is the source of truth; do not contradict it" - модель предполагает, что все изменяемо. Включая твои ключевые продуктовые решения.

Хороший промптинг - это не писать лучшие предложения. Это якорить модель к реальности. Документация - твоя реальность. Промпт - один шаг инструкций в построении этой реальности.

У меня в рабочей папке лежит шесть документов, которые копирую в каждый серьезный промпт:

PRD с описанием продукта и его границ
Design System с цветами, типографикой, компонентами
Tone of Voice с примерами правильного и неправильного
Constraints с жесткими ограничениями ("никогда не упоминай конкурентов по имени")
Context с историей решений и их причинами
Examples с образцами идеального результата

Звучит как много работы? Да. Но эти документы создаются один раз и используются месяцами. Каждый час на их создание экономит десятки часов на переделках.

Протокол одного дня

То, что следует дальше, можно пройти за один день. Этот протокол навсегда изменит то, как ты взаимодействуешь с AI-системами.

Утро: Аудит текущей системы

Упражнение 1: Археология

Открой историю разговоров с AI. Найди последние десять значимых промптов - те, где реально нужен был хороший результат.

Для каждого честно ответь:

Указал роль для модели?
Предоставил необходимый контекст?
Определил ограничения?
Указал, как выглядит "готово"?
Описал процесс или просто запросил результат?

Посчитай, сколько раз ответил "да". Большинство обнаруживают один-два пункта стабильно. Это твой базовый уровень.

Упражнение 2: Распознавание паттернов

Посмотри на промпты с плохими результатами. Что у них общего?

Посмотри на промпты с хорошими результатами. Что у них общего?

Скорее всего заметишь: хорошие результаты приходили, когда случайно был конкретнее - вероятно, потому что ставки были выше или уже провалился на этой задаче раньше.

Запиши три самых частых паттерна провала. Назови их. "Не указываю роль или формат вывода." "Сваливаю контекст без структуры." "Прошу простой результат вместо обработанного."

Это твои враги. Нельзя бороться с тем, что не назвал.

День: Строй фундамент правил

Документ 1: Библиотека ролей

Создай документ с 5-10 определениями ролей для повторного использования.

Не "copywriter", а полная идентичность:

"You are a senior direct-response copywriter with 15 years of experience in B2B SaaS. You specialize in converting technical features into emotional benefits. You write in short sentences. You never use jargon without explaining it."

Напиши роли для: самых частых креативных задач, самых частых аналитических задач, самых частых технических задач.

Это твои copy-paste основы. Адаптируешь под задачу, но никогда не стартуешь с нуля.

Документ 2: Шаблоны контекста

Создай шаблоны контекста, который предоставляешь повторно.

Для приложения: что делает (один абзац), для кого (конкретный пользователь), основной user flow, технический стек, принципы дизайна, голос и тон.

Для контента: определение аудитории, контекст канала, предыдущие материалы для сопоставления голоса, темы или ограничения для избегания, обязательные элементы.

Почему модели дают эмодзи и хэштеги? Потому что не дал правильный контекст. Их обучающие данные откатываются к базовому, если не дать правильную информацию.

Документ 3: Ограничения

Что никогда не должно меняться во всей твоей работе с AI?

"Never use corporate language." "Never assume user is technical." "Never contradict information in our documents." "Never use emojis or hashtags."

Это ссылается в каждом значимом промпте.

Документ 4: Библиотека форматов вывода

Собери форматы вывода, которые запрашиваешь повторно.

JSON-схемы для структурированных данных. Markdown-паттерны для документации. Конкретные структуры абзацев для типов контента.

Когда нужен консистентный вывод - вставляешь релевантную спецификацию формата вместо описания его по-разному каждый раз.

Вечер: Тест и уточнение

Возьми одну задачу, с которой недавно боролся. Что-то, где результат AI был откровенно плох.

Перестрой промпт с нуля. Используя новую систему:

Выбери или создай подходящую роль из библиотеки
Заполни шаблон контекста
Определи конкретную задачу с явными шагами процесса
Сошлись на документ ограничений
Укажи точный формат вывода

Запусти промпт. Сравни результат с предыдущими попытками.

Если лучше - проанализируй почему. Какой слой дал наибольшую разницу? В моем опыте чаще всего это слой процесса. Люди указывают роль, дают контекст, но просят результат вместо процесса получения результата.

Если все еще не то - какому слою нужно больше конкретики? Добавь деталей именно туда. Повтори.

Structure → Test → Analyze → Refine.

Один цикл учит больше, чем сотня статей про промптинг. Я серьезно. После трех-четырех таких итераций начинаешь видеть паттерны своих ошибок. После десяти - они почти исчезают.

Главное - записывать. Что сработало, что нет, какая гипотеза была и как она подтвердилась. Через месяц у тебя будет собственная библиотека инсайтов, которая стоит больше любого курса по промптингу.

Что происходит, когда реально коммитишься

Первая неделя кажется медленной. Строишь документы. Действуешь обдуманнее. Написать промпт занимает больше времени.

Хорошо. Ты наконец делаешь правильно.

Вторая неделя чувствуется иначе. Переиспользуешь контекст. Copy-paste определения ролей. Промпты собираются быстрее и работают с первого раза чаще. Начинаешь замечать, когда собираешься написать расплывчатый промпт - и ловишь себя.

Третья неделя - переломный момент. Ты больше не думаешь о промптинге как о отдельном навыке. Это становится частью того, как ты формулируешь задачи вообще. Ясность мышления переносится на другие области. Ты начинаешь четче ставить задачи людям. Четче формулировать брифы. Четче думать.

Первый месяц накапливается драматически. У тебя библиотека проверенных компонентов. Канонические markdown-доки проверены боем. Распознаешь паттерны провала до того, как их совершишь.

Каждый плохой результат - системный. Что-то было неясным, неуказанным или противоречивым. Найди, исправь, улучши систему - и этот класс ошибок исчезает навсегда.

Промптинг масштабируется, когда: документы существуют и на них ссылаются, роли явны и переиспользуются, ограничения зафиксированы и защищены, выводы структурированы и специфицированы, итерация намеренна и документирована.

Промптинг проваливается, когда: импровизируешь, переписываешь с нуля каждый раз, полагаешься на "вайб"-промптинг, обвиняешь модель вместо своего ввода.

Финальная правда

Разрыв между людьми, которые "не могут заставить AI работать", и людьми, которые получают исключительные результаты - не интеллект, не доступ, не секретные промпты.

Одна группа обращается с промптингом как с разговором. Другая - как с инженерией системной команды.

Модель соответствует твоему уровню строгости.

Расплывчатый ввод - generic результат. Структурированный ввод - структурированный результат. Ясное мышление - ясный результат.

Промптинг - это рычаг. Правильно используешь - накапливается. Лениво используешь - обнажает тебя.

Я провел сотни тренингов по работе с AI. Видел, как люди за день переходят от "AI бесполезен" к "как я раньше без этого работал". Разница всегда одна: они перестали молиться и начали инженерить.

Теперь твоя очередь.

Ссылки:

Промпт инжиниринг: почему ты получаешь мусор и как это починить