Prompt

Промпт (prompt) — текстовый запрос, который пользователь передаёт языковой модели, чтобы получить ответ. От формулировки промпта зависит результат: одна и та же модель на тот же вопрос может дать поверхностный ответ или глубокий разбор в зависимости от того, как сформулирована задача. В промпт часто входят роль, контекст, примеры, формат ответа и сам вопрос. Хороший промпт — главный навык работы с AI без программирования.

Коротко

Коротко. Промпт — это весь текст, который вы передаёте модели за один заход: инструкции, контекст, примеры и финальный вопрос. Модель воспринимает его как одну последовательность токенов и отвечает, продолжая её. Чем точнее и продуманнее промпт, тем релевантнее ответ; «короткий и расплывчатый запрос → короткий и расплывчатый ответ» — почти универсальное правило.

Что это такое

Декабрь 2022-го. ChatGPT появляется в открытом доступе. Через неделю интернет полон скриншотов: одни пользователи получают шедевры, другие — банальщину. Модель одна, а ответы разные. Разница только в том, как сформулирован запрос. Так в обиход вошло слово «промпт».

Технически промпт — это весь input, который вы передаёте LLM. Если вы пишете в ChatGPT «придумай идею для видео» — это промпт. Если в API передаёте system prompt с инструкцией и user message с вопросом — это тоже промпт целиком. Модель не различает «инструкции» и «вопрос», для неё всё это одна последовательность токенов, которую нужно продолжить наиболее вероятным образом.

Чем подробнее и точнее промпт, тем уже круг возможных продолжений. «Напиши стихотворение» — слишком широкий вход, модель выберет одно из миллионов вариантов наугад. «Напиши хайку про осенний дождь в Японии, без рифмы, ровно три строки» — модель идёт в очень узкий коридор.

Понимание этого превратило промпт-инженерию из шутки в реальный навык. Не «знать секретное слово», а уметь чётко описать задачу, контекст, ограничения и формат — так, чтобы модель ответила почти как нужный специалист.

Как это работает

Хорошо устроенный промпт обычно состоит из нескольких блоков. Они не обязательны все, но каждый имеет свою роль.

1. Роль (Role). «Ты — опытный редактор русскоязычных технических текстов». Это задаёт модели тон, стиль, словарь, уровень формальности. Срабатывает потому, что в обучающем корпусе тексты от редактора, программиста или психолога написаны по-разному, и модель «переключается» в нужный регистр.
2. Контекст (Context). «Я веду блог про видеомонтаж, читатели — самозанятые видеомонтажёры». Без контекста модель догадывается о вашей ситуации, и часто ошибается.
3. Задача (Task). Главное действие: «перепиши заголовок», «найди три ошибки», «составь план статьи». Чем глагол конкретнее, тем понятнее цель.
4. Формат (Format). «Ответь bullet-списком из 5 пунктов» или «верни JSON со схемой {title, body}». Без указания формата модель выбирает сама, и часто не то, что нужно.
5. Примеры (Few-shot). Один-два образца ожидаемого ответа. Удивительно эффективно: показав 2 примера хороших ответов, можно поднять качество на 20–40% даже без других изменений.
6. Ограничения (Constraints). «Не используй markdown», «максимум 200 слов», «избегай слов "уникальный" и "революционный"». Модель строго следует, если ограничения чёткие.

Современные API делят промпт на роли:

• system — инструкции, не зависящие от конкретного запроса. Обычно прячутся от пользователя.
• user — то, что пишет пользователь.
• assistant — предыдущие ответы модели в истории чата.

Под капотом для модели всё это сливается в одну последовательность токенов со специальными разделителями. Например, в формате ChatML это <|im_start|>system\n...<|im_end|>\n<|im_start|>user\n...<|im_end|>.

Пример на практике

Видеомонтажёр пишет промпт для генерации описаний к роликам.

Версия 1 (плохо):

Напиши описание к видео

Что модель сделает: выдаст шаблонный текст про «удивительный контент» и «не забудьте подписаться». Бесполезно.

Версия 2 (нормально):

Напиши описание к видео для YouTube про монтаж рекламного ролика. Видео идёт 8 минут, разбирается работа с цветокоррекцией в DaVinci Resolve. Включи призыв к действию.

Уже лучше, но всё ещё много свободы. Модель может вставить общие фразы.

Версия 3 (хорошо):

Ты — опытный SMM-специалист, ведёшь канал на YouTube про видеомонтаж для самозанятых видеографов.

Напиши описание к видео по этим вводным: — тема: цветокоррекция в DaVinci Resolve для рекламного ролика; — длительность: 8 минут; — главные точки: настройка нод, баланс белого, секонадари-коррекция; — целевая аудитория: видеомонтажёры с опытом 1–2 года.

Формат:

1. Первый абзац (2–3 предложения) — крючок: зачем смотреть.
2. Список главных тем: 4–5 bullet-пунктов.
3. Один абзац контекста: для кого подойдёт.
4. Призыв к действию в конце.

Ограничения: — стиль дружелюбный, без канцелярита; — без слов «уникальный», «революционный», «революция»; — без эмодзи; — длина: 150–200 слов.

Что модель сделает: даст конкретное, готовое к публикации описание. Возможно — с одной-двумя правками от человека, но 80% работы готово.

Эта же логика работает для генерации картинок в Stable Diffusion и Flux. В ComfyUI стандартный промпт для портрета: cinematic portrait of a young woman, golden hour lighting, shallow depth of field, 35mm lens, soft focus, professional photography, photo-realistic, 8k uhd — где каждое слово сужает пространство возможных картинок.

С чем часто путают

• Промпт и вопрос — вопрос это самая короткая форма промпта. Полный промпт может включать длинный контекст, документы, примеры — это всё ещё промпт. «Сколько лет Эйнштейну?» — тоже промпт, просто очень короткий.
• Промпт и инструкция — инструкция это часть промпта. Полный промпт включает и инструкцию, и контекст, и финальный вопрос пользователя.
• Промпт и Prompt Engineering — промпт это объект (текст). Prompt Engineering это дисциплина: набор приёмов и навыков, как составлять эффективные промпты.
• Промпт и context window — промпт это содержимое; context window это вместимость. Промпт длиной 50K токенов не поместится в окно 8K.
• Промпт и API-запрос — API-запрос это техническая обёртка вокруг промпта: HTTP, JSON, параметры (temperature, max_tokens). Промпт — текстовая часть внутри.

Частые ошибки и заблуждения

• Длинный промпт всегда лучше. Не всегда. Очень длинные промпты страдают от «lost in the middle»: модель хуже отвечает на вопросы, чьи факты лежат в середине. И стоят дороже.
• Достаточно вежливо попросить. «Пожалуйста, ответь хорошо» не работает. Модель не отзывчива на эмоции; ей нужны чёткие критерии «что значит хорошо» — формат, длина, тон.
• Если ответ плохой — модель плохая. Чаще плохой промпт. Та же модель на лучшем промпте даёт лучший ответ. Перед сменой модели стоит улучшить запрос.
• Промпт нужно подбирать как заклинание. Не нужно. Если ответ модели не подходит, обычно работает: добавить пример хорошего ответа, уточнить формат, явно перечислить ограничения.
• Промпт работает одинаково для всех моделей. Нет. Промпт для GPT-4 может быть мусором для Llama 3 и наоборот. У каждой модели свои оптимальные паттерны, особенно для system prompts.

Связанные термины

• Prompt Engineering — навык составления эффективных промптов.
• System prompt — часть промпта с инструкциями, обычно скрыта от пользователя.
• Few-shot prompting — добавление примеров в промпт для in-context learning.
• Chain-of-thought — приём «думай шаг за шагом», улучшающий ответы на reasoning-задачах.
• Context window — лимит длины промпта в токенах.
• Token — единица, в которой считается длина промпта.
• Negative prompt — в image generation: список того, чего избегать.
• Temperature — параметр API, влияющий на «творческость» ответа на тот же промпт.

Частые вопросы

Чем отличается system prompt от user prompt? System prompt — скрытые инструкции от разработчика приложения (тон, формат, ограничения). User prompt — то, что пишет пользователь. Модель относится к ним по-разному: system имеет больший «вес» в большинстве моделей.

Почему на тот же промпт модель отвечает по-разному? В API — если temperature > 0, в ответе есть случайность через sampling. Установите temperature=0 и seed для воспроизводимости (если поддерживается). В ChatGPT/Claude.ai сложнее — там нет прямого контроля seed.

Как улучшить промпт, если ответ плохой? Перебрать по чек-листу: добавлен ли контекст? задан ли формат? есть ли пример хорошего ответа? чётко ли сформулирована задача? Если всё это есть — попробовать другую модель.

Промпт работает в Stable Diffusion так же, как в LLM? Принципы похожи (точные слова сужают результат), но синтаксис разный. В SD используют запятые между концептами, веса в скобках (detailed:1.2), токены triggrer'ы LoRA. В LLM — обычный текст.

Безопасно ли передавать промпт по API? Зависит от провайдера. OpenAI и Anthropic утверждают, что не используют API-данные для обучения (можно отключить). Локальные модели (через Ollama, ComfyUI с LLM-нодами) — данные не покидают компьютер.

Главное

Промпт — это «вход» в LLM, и от его качества зависит «выход». Хороший промпт — не магическое заклинание, а структурированный текст: роль + контекст + задача + формат + ограничения. Чем точнее формулировка, тем уже множество правдоподобных ответов и тем выше шанс попасть в нужный. Это навык, который окупается всегда: одно и то же время, потраченное на промпт, экономит часы доработки ответа.