Prompt

Промпт — запрос, который задаёт модели задачу и исходные условия. Он может включать инструкцию, текст для обработки, примеры и желаемый формат ответа. Конкретный запрос помогает получить подходящий результат, но его качество зависит также от модели, доступных данных и настроек.

Коротко

Коротко. Промпт сообщает модели, что вы хотите получить. «Сократи текст» и «оставь три главных вывода для человека без технической подготовки» — разные задачи, даже если исходный документ одинаковый.

Что это такое

Допустим, нужно описание к ролику. На просьбу «напиши описание» модель может ответить общими фразами: она не знает ни содержания видео, ни аудитории. Если передать краткое содержание и объяснить, что зрителю поможет выбрать ролик, у неё появится опора.

В разговоре промптом часто называют последнее сообщение пользователя. В техническом обсуждении это слово может охватывать весь подготовленный вход: инструкции приложения, историю, документы и вопрос. У мультимодальных моделей к нему добавляются изображения, звук и другие данные.

Не весь вход имеет одинаковую роль. Приложение может отдельно передавать системные правила, сообщение пользователя и результат инструмента. Модель обучают учитывать эти различия, хотя соблюдение инструкций не абсолютно.

Подробность полезна, когда устраняет неоднозначность. Если вопрос уже ясен, длинная роль и список эпитетов могут ничего не добавить.

Как это работает

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

1. Роль. «Отредактируй текст для начинающего читателя». Такая инструкция задаёт работу и угол зрения. Звание эксперта в промпте не добавляет модели знаний или профессиональных полномочий.
2. Контекст. «Я веду блог про видеомонтаж, читатели — самозанятые видеомонтажёры». Без контекста модель догадывается о вашей ситуации, и часто ошибается.
3. Задача. Главное действие: «перепиши заголовок», «найди три ошибки», «составь план статьи». Чем глагол конкретнее, тем понятнее цель.
4. Формат. «Ответь списком из пяти 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 помогают показать формат, границы и уровень детализации. Пользу проверяют на одинаковом наборе запросов: плохой пример так же легко уводит ответ в сторону.
6. Ограничения. «Не используй markdown», «максимум 200 слов», «избегай слов "уникальный" и "революционный"». Чёткая формулировка повышает шанс соблюдения, но критичные требования приложение проверяет отдельно.

В диалоговых API могут использоваться роли сообщений:

• system — системные инструкции приложения;
• user — сообщение пользователя;
• assistant — предыдущие ответы модели.

Некоторые API поддерживают также сообщения разработчика и результаты инструментов. Состав ролей и правила их приоритета зависят от интерфейса.

Перед обработкой сообщения преобразуются в формат, который ожидает модель. Поэтому при локальном запуске важен совместимый шаблон чата: потерянные разделители и роли могут изменить ответ.

Пример на практике

Видеомонтажёр пишет промпт для генерации описаний к роликам.

Версия 1: без исходных данных

Напиши описание к видео

Модели придётся уточнить содержание или достроить его самой. Для публикации такого запроса мало.

Версия 2: с темой ролика

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.

Тема уже понятна, но подробностей самого видео всё ещё не хватает.

Версия 3: с содержанием и форматом

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, вторичная цветокоррекция; — целевая аудитория: видеомонтажёры с опытом 1–2 года.

Формат:

1. Первый абзац (2–3 предложения) — что зритель узнает из видео.
2. Список главных тем: несколько пунктов без повторов.
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.

Этот запрос даёт основу для более конкретного черновика. Насколько он близок к публикации, зависит от фактов, исходных материалов и редакторской проверки.

При генерации изображений в ComfyUI полезно так же описывать наблюдаемые признаки: кто в кадре, где расположен, какой свет и фон. Но фраза «8K» не устанавливает разрешение файла, а синтаксис весов слов зависит от выбранной модели и интерфейса.

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. «В каком году родился Эйнштейн?» — 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. Лишние данные могут отвлекать и увеличивать стоимость. В длинном контексте модель также способна пропустить нужный фрагмент; его наличие не гарантирует правильного использования.
• Достаточно вежливо попросить. Вежливость вполне уместна, но не объясняет, что значит «хорошо» для задачи. Формат, исходные данные и критерии результата помогают больше.
• «Плохой ответ всегда означает плохую модель или плохой промпт». Причина может быть в контексте, источниках, инструменте, ограничении модели или самой постановке задачи. Полезно менять по одному фактору и сравнивать на одинаковых примерах.
• 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. API различаются ролями, инструментами, схемами и обучением на инструкциях. Один запрос нужно проверять на точных кандидатах.

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 — пошаговое рассуждение; его полезность зависит от модели и задачи.
• Context window — объём контекста, доступный модели при обработке запроса.
• Token — единица, в которой считается длина промпта.
• Negative prompt — нежелательные признаки при генерации изображений.
• Temperature — параметр API, влияющий на «творческость» ответа на тот же промпт.

Частые вопросы

Чем отличается system prompt от user prompt? System prompt задаётся приложением, user prompt содержит сообщение пользователя. В поддерживающих иерархию API системные правила имеют более высокий приоритет. Это не числовой вес и не гарантия защиты от всех попыток вмешательства.

Почему на тот же промпт модель отвечает по-разному? Причиной могут быть случайный выбор токенов, изменившийся контекст, настройки или версия модели. Если API поддерживает температуру и seed, они помогают управлять повторяемостью, но не всегда дают побитово одинаковый результат.

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? В обоих случаях полезно ясно описать цель. Но генераторы по-разному обрабатывают текст. В отдельных интерфейсах Stable Diffusion есть веса слов и негативный промпт; триггерные слова LoRA зависят от обученного адаптера. Эти приёмы нельзя автоматически переносить в любой чат.

Безопасно ли передавать промпт по API? Нужно проверить условия провайдера: хранение, доступ и использование данных. При локальном запуске сведения остаются на вашем устройстве только если весь процесс, включая инструменты и журналирование, действительно локален. Само название интерфейса этого не гарантирует.

Главное

Промпт задаёт модели задачу, контекст и желаемый формат ответа. Не каждой задаче нужны роль и длинный список ограничений: иногда ясного вопроса и одного примера достаточно. Полезность промпта проверяется результатом — стал ли ответ точнее, стабильнее и проще для дальнейшей работы.