В эпоху, когда искусственный интеллект становится частью повседневной жизни, умение правильно формулировать запросы к языковым моделям (LLM) превращается в ключевой навык, как это было на заре появления поисковиков (Яндекс, Google). Качество ответа ИИ зависит от того, как задать вопросы. В этой статье разберу, как создавать эффективные промты без погружения в сложные алгоритмы. Полученные знания помогут получать от ChatGPT, Gemini, Mistral, DeepSeek, Qwen, Llama и других ИИ именно то, что нужно.
Несколько раз я сталкивался с людьми, которые негативно высказывались про свой опыт использования языковых моделей и ИИ агентов. Слабо оценивали качество ответов и сетовали на неоправданные ожидания от уровня интеллекта ИИ.
В защиту ИИ могу сказать, что это не панацея от всех бед, даже не каждый человек способен понять собеседника, при этом опираясь на 5 органов чувств. ИИ должен понять нас из пары написанных для него предложений.
Я воспринимаю ИИ-чат как один из инструментов в работе. Его нужно изучать и нарабатывать практику. Вспомни, сколько времени тебе потребовалось для освоения своих рабочих инструментов? Неделю-две, а то и месяцы. Среды разработки, фреймворки, Excel, 1С, Photoshop, Zoom – всем этим инструментам был дан шанс и время на освоение. А как освоить генеративный искусственный интеллект (GenAI), я сейчас расскажу.
Мотивирующий промт
Попытаться поставить GenAI на свое место и максимально подробно попытаться объяснить, что необходимо сделать.
Структура запроса:
- Роль
- Какая цель тобой движет
- Задача, которую необходимо решить
- Принципиальные моменты и подробности
- Контекст: Пользователь столкнулся с писательским кризисом.
Промт:
«Представь, что ты креативный наставник, который вдохновляет людей выходить за рамки шаблонов. Напиши историю о том, как даже маленькая необычная идея (например, "облако, которое шепчет стихи") может изменить мир. Добавь вопросы, которые помогут читателю найти свой уникальный творческий стиль. Сделай акцент на силе воображения!» - Контекст: Пользователь чувствует себя перегруженным сложным проектом.
Промт:
«Ты — коуч, помогающий превратить стресс в энергию для действий. Опиши метафору, связанную с горным восхождением (например, "каждый шаг — это победа над страхом"). Затем дай три практических совета, как разбить огромную задачу на этапы, сохраняя мотивацию. Закончи вдохновляющим призывом к действию!» - Контекст: Нужно сплотить команду с разными взглядами.
Промт:
«Придумай мини-квест с метафорическими заданиями, которые покажут силу коллаборации. Например: "Постройте мост из слов, где каждое предложение начинается с буквы из слова 'вместе'". Добавь правила, поощряющие активное слушание и уважение к идеям других. Закончи аффирмацией для командного духа!» - Контекст: Нужен материал для статьи.
Промт:
«Ты пишешь статьи для блога про ИИ, чтобы больше людей начали использовать ИИ. Напиши 3 примера мотивирующих промтов для языковых моделей» И да, можно попросить GenAI составить сначала промт для эффективного запроса, отредактировать ответ под свои нужды и сравнить ответы.
Что такое GenAI?
GenAI может создавать то, чего раньше не существовало, — работа, которая раньше была прерогативой человека.
- Написание статей и эссе
- Создание электронных писем
- Генерация изображений и видео
- Решение сложных математических задач
- Написание кода для разработчиков
Примеры GenAI:
GPT-модели: большая языковая модель (LLM), которая может генерировать текст, отвечать на вопросы и вести диалог.
Text-to-image модели: генеративный ИИ, создающий изображения на основе текстовых описаний. Хотите увидеть «кота в скафандре»? DALL-E сгенерирует уникальное изображение на основе этой точной формулировки.
Свод правил составления промтов для языковых моделей
Будь конкретней – не стесняйся уточнить, если не устроил ответ.
Установи ограничения – длину ответа или направление рассуждений.
Разбивай сложную задачу на несколько этапов – для многоэтапных задач лучше структурировать запрос. Можно попросить модель саму разбить задачу на этапы, а потом писать основной запрос.
Чем подробней ответ, тем меньше ошибок – это связано с прогнозированием закономерностей моделью. Если попросить максимально подробные пояснения ко всем этапам ответа – меньше шансов для галлюцинаций, модели проще строить ответ.
Изменяй промт, пока не будет нужный ответ – важно практиковаться и находить подход к разным моделям и даже версиям этих моделей.
Новая задача – новый чат – каждый раз в модель отправляется вся переписка (контекст), поэтому если после обсуждения цветов (декоративных растений) спросить, какой цвет выбрать для стен в комнате, можно получить ответ «ромашковый».
Лучший промт на «родном языке» модели – Алиса и ЯндексGPT лучше работают на русском. ChatGPT, Claude, Geni-m – на английском. DeepSeek, Qwen – на китайском.
Создание промтов с инструкциями
Промты с инструкциями направлены на то, чтобы модели могли выполнять задачи, для которых они не были обучены, понимая и выполняя инструкции, выраженные на естественном языке, без необходимости в дообучении модели под конкретную задачу.
Например, языковая модель, обладая подробной инструкцией, может удалить персональные данные или написать рецензии на рефераты студентов из одной темы.
Синтаксический разбор
Одна из распространенных задач обработки данных – сортировка правильного формата имен. Человек в телефонной книге заполнил фамилию и имя в одном поле и в разном порядке. С помощью инструкции для GenAI можно автоматизировать эту задачу.
Промт:
Пользователь ввёл в форму своё имя и фамилию. Мы не знаем, в каком порядке указаны имя и фамилия, но нам нужно, чтобы они были в таком формате: «[Фамилия], [Имя]».
Пожалуйста, преобразуйте следующее имя в ожидаемый формат: John Smith.
Удаление из текста персональных данных
Для многих задач в целях безопасности клиентов нужны обезличенные данные. GenAI может автоматически выявлять и заменять персональные данные.
Промт:
Ознакомьтесь со следующим письмом о продажах. Удалите всю информацию, позволяющую установить личность (PII), и замените её соответствующим заполнителем. Например, замените имя «Джон Доу» на «[ИМЯ]».Привет, Джон,Я пишу вам, потому что заметил, что вы недавно купили новый автомобиль. Я продавец в местном дилерском центре (Cheap Dealz), и я хотел сообщить вам, что у нас есть отличное предложение на новый автомобиль. Если вам интересно, пожалуйста, дайте мне знать.Спасибо,Джимми СмитТелефон: 410-805-2345 Электронная почта: jimmysmith@cheapdealz.com
Ответ:
Привет [ИМЯ],Я пишу вам, потому что заметил, что вы недавно купили новый автомобиль. Я продавец в местном дилерском центре ([ДИЛЕРСКИЙ ЦЕНТР]), и я хотел сообщить вам, что у нас есть отличное предложение на новый автомобиль. Если вам интересно, пожалуйста, дайте мне знать.Спасибо,[ПРОДАВЕЦ]Телефон: [НОМЕР ТЕЛЕФОНА] Электронная почта: [АДРЕС ЭЛЕКТРОННОЙ ПОЧТЫ]
Модель может сама экстраполировать инструкцию на другие топонимы из письма.
Оценка текста и обратная связь
Для оценки эссе по различным критериям, таким как грамматика, связность и качество аргументации, также можно использовать промты. Модель может предоставлять подробную обратную связь и выставлять оценки, снижая нагрузку с человека-рецензента.
Промт:
Прочитайте следующий отрывок из эссе и оставьте отзыв, основываясь на следующих критериях: грамматика, ясность, связность, качество аргументации и использование доказательств. Оцените каждый параметр по шкале от 1 до 10 и объясните, почему вы поставили такую оценку.«Несмотря на распространённое мнение, нет убедительных доказательств, подтверждающих идею о том, что видеоигры приводят к агрессивному поведению. Исследования на эту тему часто противоречивы и неубедительны. Некоторые исследования выявили корреляцию, но корреляция не означает причинно-следственную связь. Таким образом, преждевременно обвинять видеоигры в насилии в обществе».
Ответ:
Атрибут: Грамматика Оценка: 9 Обоснование: Эссе в основном написано без грамматических ошибок, но есть небольшая поправка: «корреляция не подразумевает причинно-следственную связь» должно быть «корреляция не подразумевает причинно-следственную связь».Атрибут: ясность изложения. Оценка: 8. Обоснование: в целом эссе написано понятно, но можно было бы добавить больше деталей или пояснений о противоречивом и неубедительном характере исследования.Атрибут: Когерентность. Оценка: 8. Обоснование: аргументы последовательны и взаимосвязаны, но переход между ними мог бы быть более плавным.Атрибут: качество аргументации. Оценка: 7. Обоснование: представленный аргумент логичен и хорошо обоснован, но его можно было бы усилить более чётким изложением позиции автора по этому вопросу.
Распределение ролей
Мы касались этого в мотивирующем примере, назначение роли или персонажа для модели влияет на стиль ответа и точность её ответов для конкретной роли.
Применение № 1: Стилизация текста
Пример – обзор продуктов. Для настройки объёма, стиля, профессионального жаргона и тона можно использовать разные роли.
- клиент кафе/ресторана
- кулинарный блогер
- кулинарный критик
- шеф-повар со звездой Мишлен
Пример – написание электронного письма. Выбор роли повлияет на оформление текста и эффективность донесения информации.
- специалист по связям с общественностью
- специалист по маркетингу
- специалист службы поддержки клиентов
Применение № 2: Повышение точности
Пример – повышение компетенций. Здесь необходимо выбрать роль с зависимости от направления деятельности.
- ты программист
- ты математик
- ты биолог
Контекстный промт
Данный метод полезен, когда требуется сложная настройка ответов GenAI и одного промта недостаточно.
Добавить в промт пример ответа: один или несколько примеров дадут понять структуру желаемого ответа.
Промт с нулевым контекстом – самый простой способ, не предоставляя модели никаких примеров. Модель будет полагаться на предварительное обучение. Все вышеперечисленные примеры были с нулевым контекстом. Для задач, часто встречающихся в обучающих данных моделей.
Промт с одноразовым контекстом – подходит для задач, требующих более конкретных указаний, полезно для классификации и извлечения структурированной информации, рассмотрим пример классификации.
Промт:
Определите тональность следующего текста как положительную, отрицательную или нейтральную.
Текст: Продукт ужасен.
Настроение: отрицательный Текст: Я думаю, отпуск прошел нормально. Настроение:
Ответ:
Нейтральный
Промт с длинным контекстом – для сложных и неоднозначных задач, требующих несколько примеров для выявления закономерностей. Идеально для задач, получающих на вход разнородные данные и требующих точного форматирования на выходе.
В LM Studio есть настройка чата, благодаря которой, можно добавлять контекст от имени Агента, модель воспринимает это сообщение как свой ответ и учитывает его в дальнейшей беседе.
Промт для вывода структурированных данных – при необходимости выделить в промте абзац текста с указанием стиля или формата вывода: маркированный список, блок кода в верстке Markdown, файл JSON, CSV, XML или YAML.
Ограничения контекстных промтов – и пример их обхода.
- Размер контекста модели – разбить данные на части, использовать одинаковый промт
- Объединение похожих данных – увеличить контекст в промте
- Модель может сосредоточиться на шаблонах, а не на решении задачи – изменить промт, возможно, контексту выделено больше внимания, чем задаче.
Структура промта
1. Директива
Основная инструкция в промте. Сообщает модели, какую задачу необходимо решить.
- краткость и понятность
- однозначность и точность
- глаголы действия (напиши, составь список, переведи)
2. Примеры (контекст)
Если задача сложная, необходимо добавить примеры (контекст) для модели. Показать желаемый формат ответа, стиль или структуру вывода. Использовать разделители (:) или [input]/[output].
- примеры для конкретной задачи
- примеры для демонстрации структуры или содержания ожидаемых ответов
- чем сложнее задача, тем дольше примеров
3. Роль
Указание роли покажет модели действовать как эксперт, обыватель, пользователь. Поможет настроить тон и стиль ответа.
- использовать роль под конкретные ожидания к ответу
- соответствие роли поставленной задаче
4. Форматирование выходных данных
Для некоторых задач важен формат вывода данных. GenAI может сам определить структуру ответа. Указание формата вывода данных в промте гарантирует нужный формат для пользователя.
5. Дополнительная информация
Добавление уточнений и предпочтений пользователя могут направить модель или указать на необходимость сосредоточиться над частью широкой темы. Здесь можно добавить опцию подробности ответа (4 из 10, например).
- добавлять только релевантную информацию, не перегружать лишними деталями
- использовать для добавления справочной информации, которой у GenAI не могло быть.
Порядок элементов
Не существует единого правильного порядка элементов промта. Для каждой задачи и модели GenAI рекомендую поэкспериментировать. Однако есть общий рекомендуемый порядок элементов, основанный на особенностях токенизации и предсказаний модели.
Указанная в таком случае задача начнет обрабатываться моделью, и GenAI будет пытаться предсказать следующие входные данные.
Рекомендуемый порядок:
- Примеры (контекст) при необходимости
- Дополнительная информация
- Роль
- Директива
- Форматирование выходных данных
#ITBasic