Промт это что такое: разбор по частям на живых прогонах

Что такое промт простыми словами?

Промт это текстовый запрос к нейросети: ровно так слово подано в словарной статье русского Викисловаря, где у него уже есть падежная таблица и родственное слово «промптинг». Пришло оно из английского prompt, где значит «подсказка», «побуждать», «подсказывать реплику»

Проще всего думать о промте как о задании для нового сотрудника. Anthropic в своей документации по промптам предлагает именно такую рамку: относись к модели как к brilliant but new employee, блестящему сотруднику, который только вышел на работу и не знает ни твоих правил, ни твоих процессов. Он умеет много, но не догадывается, чего ты хочешь, пока ты не сказал

Отсюда всё остальное. Нейросеть не читает мысли и не видит твою папку с файлами. Она видит буквы, которые ты отправил, и достраивает остальное сама. Чем меньше ты написал, тем больше она достроит по своему усмотрению, и тем дальше ответ уедет от того, что тебе было нужно

Промт не обязан быть коротким и не обязан быть длинным. В прогонах ниже сильный запрос на 47 слов вернул готовый текст на 146 слов, а слабый запрос на 5 слов вернул шесть уточняющих вопросов и ни строчки текста. Дело не в объёме, а в том, какие части внутри

Ещё одно: промт бывает не только текстом. В современные чаты к запросу прикладывают картинку или документ, и Anthropic отдельно описывает работу модели с изображениями. Но основа всё равно текст, и разбираем мы её

Промт или промпт: как пишется правильно?

Словарная форма одна, «промпт» с двумя «п»: так слово зафиксировано в Викисловаре, где приведены и склонение, и множественное «про́мпты». Написание с одним «п», «промт», словарной статьи не имеет

При этом в поиске живут оба, и с перевесом в сторону короткого. Наш замер в Яндекс Wordstat по региону Россия за окно 25.06-24.07.2026 дал такую картину: «промт это» набирают 11 958 раз в месяц, «промпт это» 6 679 раз, «промпт это что» 1 883 раза, «как писать промпты» 1 059 раз. То есть люди чаще набирают форму, которой в словаре нет

У короткого написания есть ещё одна засада, и она чисто русская. PROMT это название российской компании, которая работает с 1991 года и делает системы машинного перевода. Поэтому по запросу «промт» в выдаче рядом с нейросетями стоят страницы про переводчик. Поисковик тут не ошибается: на одну строку букв приходится два разных смысла

Практический вывод короткий. Пишешь текст для людей, документацию, статью - пиши «промпт». Ищешь материал в поиске - пробуй оба, к одному смыслу ведут оба. Дальше в статье я пишу «промпт», а в заголовке оставил «промт», потому что именно так спрашивают чаще

Из каких пяти частей состоит рабочий промпт?

Пять частей: роль, задача, контекст, формат, ограничения. Тот же набор описан в гайде OpenAI как разделы хорошо собранного промпта (identity, instructions, examples, context), и он же разложен по отдельным главам в документации Anthropic: быть ясным и прямым, добавить контекст, дать роль, задать формат и ограничения

Вот как это выглядит на живом промпте. Это тот самый запрос, который я прогонял, разобранный по частям построчно:

Ты копирайтер.                                   ← роль
Напиши текст для главной страницы сайта
частного стоматолога в Казани.                   ← задача
Аудитория: взрослые, которые боятся лечить
зубы и годами откладывают визит.                 ← контекст
Формат: заголовок, три абзаца по 2-3
предложения, один призыв к действию.             ← формат
Ограничения: без слов «инновационный»,
«качественный», «широкий спектр», не обещать
отсутствие боли, не указывать цены.              ← ограничения

Разберём каждую часть по отдельности, потому что каждая закрывает свою дыру

Роль задаёт, кем модель работает в этой задаче, и пишется первой строкой: «Ты копирайтер», «Ты редактор», «Ты аналитик». Anthropic пишет прямо: роль в системном промпте фокусирует поведение и тон, и разницу делает даже одно предложение

Задача это одно действие одним глаголом. Написать, сократить, сравнить, перевести, разобрать. Если в одном промпте три задачи, ответ будет средним по всем трём

Контекст отвечает на вопрос, для кого и где это будет стоять. Anthropic отдельно советует объяснять модели почему инструкция важна, а не только что сделать: модель достаточно умна, чтобы обобщить объяснение на похожие случаи

Формат это сколько пунктов, какая структура, что вернуть и чего не возвращать. Ниже есть прогон, где одна строчка про формат срезала ответ с 132 слов до 41

Ограничения это рамки в числах и запреты. Числа работают лучше слов: «до 40 слов» сработало точнее, чем «сократи», и это тоже видно на прогоне

Чем «напиши текст для сайта» отличается от промпта из пяти частей?

Запрос «Напиши текст для сайта» в прогоне вернул не текст, а шесть уточняющих вопросов на 72 слова. Модель честно отказалась угадывать и спросила: о чём сайт, какой раздел, какая аудитория, какой тон и стиль, на каком языке, какие ключевые моменты упомянуть

Промпт: Напиши текст для сайта

Ответ (72 слова):
Мне нужна дополнительная информация, чтобы написать
качественный текст для вашего сайта:
1. О чём сайт? (компания, продукт, услуга, блог и т.д.)
2. Какой раздел? (главная страница, описание услуги…)
3. Целевая аудитория? (кто посетители сайта?)
4. Тон и стиль? (профессиональный, дружелюбный…)
5. На каком языке? (русский, английский или оба?)
6. Ключевые моменты, которые важно упомянуть?

Это лучший из плохих исходов. Модель могла и не спросить, а достроить всё сама: выдумать сферу, выдумать аудиторию, выдумать тон, и ты бы получил гладкий текст ни о чём. Шесть вопросов в ответе это ровно те пять частей, которых в запросе не хватило, плюс язык

Тот же запрос с пятью частями (47 слов, разобран выше) вернул готовый текст на 146 слов с заголовком, тремя абзацами и призывом в конце:

Ответ (146 слов), начало:
# Наконец-то вернуть улыбку

Вы откладываете визит к стоматологу уже несколько лет
и каждый раз чувствуете себя виноватым. …

Мы понимаем, что для вас это сложный шаг. Поэтому
первый приём всегда начинается не с лечения,
а с разговора …

Оба прогона сделаны на одной модели, Claude Haiku 4.5, в пустом окружении, разница только в тексте запроса. Заголовок ответа «Наконец-то вернуть улыбку» модель придумала сама, потому что заголовок стоял в списке формата

Структура заказанная: заголовок на месте, абзацев три, призыв один. Запрещённых слов в тексте нет, цен нет, обещания «будет не больно» нет. Обрати внимание, чего тут нет ещё: второго круга переписки. Слабый промпт стоил бы ещё шести ответов на вопросы, и только потом появился бы текст

Почему «сократи» даёт 48 слов, а «до 40 слов» даёт ровно 40?

На одном и том же исходнике из 77 слов запрос «Сократи этот текст» вернул 48 слов, а запрос «Сократи этот текст до 40 слов, сохрани все цифры» вернул ровно 40. Первое число модель выбрала сама, второе взяла из промпта

Исходник был про службу доставки: год начала, размер парка, среднее время, число заказов за год, доля вовремя, минимальный чек. Дальше два прогона

Промпт А: Сократи этот текст.
Ответ: 48 слов
«Служба доставки «Ветер» (Казань, с 2019 г.):
74 велокурьера и 12 автомобилей, среднее время
доставки 38 минут. В 2025 году выполнена 412 000
заказов (91% вовремя). …»

Промпт Б: Сократи этот текст до 40 слов. Сохрани все цифры.
Верни только сокращённый текст, без пояснений.
Ответ: ровно 40 слов
«Служба доставки «Ветер» работает в Казани с 2019 года:
парк из 74 велокурьеров и 12 автомобилей, доставка
38 минут. За 2025 год выполнено 412 000 заказов, из них
91% вовремя. С марта 2026 года доставляет документы.
Тариф от 199 рублей.»

Разница не только в числе слов. В варианте А выпал минимальный чек 199 рублей и выпало отслеживание документов, зато остались подзаголовки жирным, которых никто не просил. В варианте Б цифры на месте все, потому что «сохрани все цифры» было отдельной строкой ограничения

Третья строка промпта Б, «верни только сокращённый текст, без пояснений», убрала обвязку вокруг ответа. Без неё модель любит добавить вступление в духе «вот сокращённый вариант» и комментарий в конце, и это потом вычищаешь руками

Правило простое: любое слово-резинка в промпте («короче», «побольше», «поподробнее», «кратко») заменяй числом. Слов, абзацев, пунктов, знаков, минут. Anthropic формулирует то же требование как «быть конкретным насчёт желаемого формата вывода и ограничений»

Зачем в промпте роль и аудитория, если задача одна?

Один и тот же вопрос про эскроу-счёт без роли дал 148 слов и уехал во фриланс, домены и международные сделки, а с ролью и аудиторией дал 121 слово, пять пунктов и последний пункт про то, что проверить в договоре. Задача в обоих прогонах была одна: объясни, что такое эскроу-счёт

Первый промпт был ровно такой: «Объясни, что такое эскроу-счёт», и всё. Второй начинался словами «Ты объясняешь простыми словами человеку, который первый раз покупает квартиру», и дальше шли формат и ограничения

Ответ на голый вопрос был построен как справочник: определение, три пронумерованных блока с подпунктами, отдельный список «Где используется эскроу» (покупка-продажа недвижимости, интернет-покупки через маркетплейсы, фриланс и услуги, покупка доменов и сайтов, международные товарные сделки) и пример со сделкой на 5 млн рублей. Всё верно и всё мимо, если человек покупает свою первую квартиру в новостройке

Во втором промпте я добавил ровно два блока: кому объясняем и в каком формате

Ты объясняешь простыми словами человеку, который
первый раз покупает квартиру в новостройке и боится
потерять деньги. Объясни, что такое эскроу-счёт.
Формат: пять пунктов, каждый одно предложение.
Ограничения: без юридических терминов, последним
пунктом - что проверить в договоре.

Ответ поехал по другой дороге. Никакого фриланса и доменов, вместо них ключи, акт приёмки и реестр:

2. Пока строитель не сдаст вам квартиру в хорошем
состоянии, ваши деньги лежат в банке в безопасности
и никому не принадлежат.
3. Как только вы получили ключи и проверили, что всё
в порядке, вы даёте банку сигнал и он отправляет
деньги продавцу.
4. Если квартира оказалась с проблемами, вы можете
не разрешить банку выдавать деньги, пока проблемы
не исправят, или вернуть свои деньги себе.

Ограничение «Без юридических терминов» сработало буквально: слов вроде «депонирование» или «акцепт» в ответе нет вообще, вместо них сейф, ключи и сигнал банку

Anthropic пишет про это коротко: роль в системном промпте фокусирует поведение и тон под твой случай, и разницу делает даже одно предложение. Аудитория работает так же: она отсекает половину верных, но ненужных ответов. «Объясни человеку, который первый раз берёт ипотеку» и «объясни юристу банка» это два разных задания при одной задаче

Как получить ответ ровно в том формате, который нужен?

Запрос «Придумай названия для онлайн-курса про нейросети» вернул 132 слова, 19 названий, разложенных по четырём группам, блок советов и встречный вопрос в конце. Тот же запрос с описанным форматом вернул 41 слово и ровно пять строк

В первом ответе модель сама придумала себе рубрикацию: «Простые и понятные», «Более креативные», «Выделяющиеся», «Для специализированных курсов». Внутри оказались и «Нейросети с нуля», и «Компьютерное зрение: нейросети в действии», и «NLP: язык и нейросети», хотя курс задумывался для новичков. В конце пришло «Какой уровень сложности будет у курса?»

Во втором промпте формат был описан в три строки: сколько вариантов, какой длины каждый, что идёт после названия и чего писать не надо

Придумай 5 названий для онлайн-курса про нейросети
для новичков без технического бэкграунда.
Формат: нумерованный список, каждое название не
длиннее 5 слов, после каждого через тире одна
фраза-подзаголовок. Ничего кроме списка не пиши.

Ответ пришёл списком из пяти строк, первая «Нейросети с нуля», и у каждой через тире подзаголовок. Ни рубрикации, ни советов, ни встречного вопроса: 41 слово вместо 132, и каждое из них по делу

Эту часть промпта проще всего писать через отрицание тоже. Не только «сделай список из пяти пунктов», но и «ничего кроме списка не пиши». Вторая половина убирает обвязку, которую иначе вычищаешь руками каждый раз. У Anthropic под контроль формата отведена отдельная глава документации, у OpenAI формат советуют размечать разделами Markdown или XML-тегами

Какие бывают виды промптов: zero-shot, few-shot и системный?

В официальных доках описаны четыре вещи, которые стоит различать: zero-shot без примеров, few-shot с примерами (Anthropic называет это multishot), системный промпт с ролью и цепочка промптов под сложную задачу. Это четыре разных способа подать одно и то же задание

Zero-shot это обычный запрос без примеров: описал задачу словами и ждёшь ответ. Все прогоны выше из этой статьи zero-shot. Работает, когда задача стандартная и формат можно описать словами

Few-shot (multishot) это тот же запрос плюс несколько готовых пар «вход - желаемый выход». Anthropic называет примеры одним из самых надёжных способов задать формат, тон и структуру ответа. OpenAI формулирует то же: вложи горстку примеров, показав разнообразный набор возможных входов. Берут его тогда, когда формат словами описать долго, а показать быстро

Системный промпт это инструкция уровнем выше запроса: она задаёт роль и правила на весь разговор. В API это отдельное поле system у Anthropic и параметр instructions с ролями сообщений (developer, user, assistant) у OpenAI. В обычном чате роль всё равно можно написать первой строкой запроса

Цепочка промптов это когда сложную задачу режут на шаги и отдают по одному, а выход предыдущего шага становится входом следующего. У Anthropic под это выделена отдельная глава про сложные промпты, и это ровно лекарство от «пяти задач в одном запросе». Шаг 1 отдаёшь первым и получаешь ответ, его выход становится входом шага 2, и так до конца

Отдельно стоит помнить, что один и тот же промпт по-разному ложится на разные модели. OpenAI прямо пишет: рассуждающим моделям давай цель высокого уровня, а не пошаговую инструкцию, потому что такая модель ведёт себя как старший коллега, которому ставят цель и доверяют способ. То есть «идеального промпта на все модели» не бывает

Сколько примеров кладут в промпт и как их размечают?

Anthropic даёт конкретное число: Include 3-5 examples for best results, от трёх до пяти примеров для лучшего результата. И три требования к ним: релевантные, разнообразные, размеченные

Релевантные значит близкие к твоему реальному случаю, а не абстрактные. Если ты просишь описания товаров для маркетплейса, примеры должны быть описаниями товаров, а не постами

Разнообразные значит покрывающие крайние случаи и достаточно разные, чтобы модель не подхватила случайную закономерность. Три примера в одну сторону научат модель именно этой односторонности

Размеченные значит обёрнутые в теги, чтобы модель отличала пример от инструкции. Anthropic предлагает <example> на один пример и <examples> на несколько; там же XML-теги советуют вообще для разделения частей промпта: <instructions>, <context>, <input>

<instructions>
Напиши описание товара по этому шаблону.
</instructions>

<examples>
<example>
Вход: термокружка 400 мл, сталь
Выход: Держит горячим 6 часов. Сталь, 400 мл, …
</example>
<example>
Вход: зонт складной, автомат
Выход: Раскрывается кнопкой. Восемь спиц, …
</example>
</examples>

<input>
рюкзак 20 л, ноутбук до 15 дюймов
</input>

Anthropic там же добавляет полезный ход: можно попросить модель саму оценить твои примеры на релевантность и разнообразие или досочинить ещё по образцу первых. Это дешевле, чем придумывать пять примеров вручную

Какие формулировки в промпте портят ответ?

Anthropic приводит прямой пример: инструкция NEVER use ellipses («никогда не используй троеточия») работает хуже, чем та же инструкция с причиной («твой ответ прочитает голосовой движок, а он не знает, как произносить троеточия»). Запрет без причины модель выполняет формально, запрет с причиной она обобщает

OpenAI в своём гайде говорит то же с другой стороны: инструкции должны быть точными и явными, с ясной логикой и нужными данными внутри. Собрал шесть частых формулировок, каждая с заменой и с основанием. Числа в последней колонке из прогонов этой статьи: например, «Сократи этот текст» без рамки дал 48 слов вместо 40

Последняя строка самая неочевидная. Anthropic в обзорной главе прямо ставит условие: до работы над промптом у тебя должно быть ясное определение критериев успеха и способ проверить результат против них. Пока «хорошо» не описано словами, промпт улучшать не с чего

Отдельно про вежливость. В официальных доках нет ни слова про то, что «пожалуйста» или «спасибо» улучшают ответ. Там написано другое: модель хорошо отзывается на ясные и явные инструкции. Хочешь поведения «выше среднего» - попроси его прямо, а не надейся, что модель догадается из общего тона

Ещё десять формулировок перенёс из прежнего разбора базовых правил запроса. Закономерность одна: слабый запрос называет тему, сильный задаёт роль, критерий и угол

Оттуда же четыре каркаса под развилки, которых в таблицах выше нет

Критерии вместо «улучши»: признаки плюс запрет трогать остальное

Улучши этот текст по 3 критериям:
1) [ясность], 2) [ритм], 3) [призыв к действию].
Что не относится к этим критериям - не трогай.

Сохрани мой стиль: прямой запрет плюс образец голоса

Исправь [орфографию и ритм], не трогая мой стиль.
Пиши как говорю я, без терминов и без канцелярита.
Вот образец моего голоса: [вставь 2-3 свои фразы].

Думать, а не пересказывать: право спорить вместо справки

Разбери [идею] по косточкам через [психологию / стратегию].
Дай неочевидные углы, ответ не шаблонный.
Поставь эту идею под сомнение и скажи, где она слабая.

Три версии и выбор: один вариант выбора не даёт

Дай 3 версии [заголовка / подписи] под разным углом.
Под каждой коротко напиши, кому она зайдёт.
В конце скажи, какую советуешь и почему.

Как понять, что промпт плохой, ещё до отправки?

У Anthropic для этого есть золотое правило, и проверяет по нему человек: Show your prompt to a colleague with minimal context on the task and ask them to follow it. If they'd be confused, Claude will be too. Покажи промпт коллеге, который не в контексте задачи, и попроси выполнить; растеряется он - растеряется и модель

Правило работает потому, что ловит главную ошибку новичка: в голове контекст есть, в промпте его нет. Ты знаешь, что текст для главной страницы, что аудитория боится, что цены называть нельзя. Модель не знает

Если коллеги под рукой нет, работает та же проверка в семь вопросов по своему тексту. Она занимает 2 минуты и экономит второй круг переписки. Прочитай промпт и ответь честно

1. Понятно ли из текста, кем модель работает в этой задаче?
2. Одно ли действие ты просишь или сразу несколько?
3. Сказано ли, для кого результат и где он будет стоять?
4. Есть ли число вместо резинок «кратко», «нормально» и «получше»?
5. Описано ли, что вернуть и чего не возвращать?
6. У каждого запрета есть причина рядом?
7. Есть ли признак, по которому ты поймёшь, что ответ подходит?

Второй заход дешевле первого. Anthropic предполагает, что к моменту работы над промптом у тебя уже есть черновик, который ты хочешь улучшить, и способ проверить его результат. То есть нормальный порядок такой: черновик, прогон, замер, правка одной части, снова прогон. Не «сразу идеально»

Чего промпт не исправит, даже идеально написанный?

Промпт не заменяет ни фактов, ни выбора модели. Anthropic в обзорной главе пишет об этом прямо: не каждый провал лечится промптом, и, например, задержку и стоимость иногда проще починить сменой модели, чем переписыванием текста запроса

Промпт не создаёт фактов. Если в запросе нет твоих цифр, цен, имён и дат, модель либо спросит их (как в прогоне с текстом для сайта, где пришло шесть вопросов), либо достроит правдоподобно. Второй исход опаснее первого, потому что выглядит готовым. Числа, которые важны, кладут в промпт вместе с задачей

Если нужен полный маршрут по этому шагу, он расписан в разборе Профессия промпт-инженер: 3 сигнала живого спроса

Промпт не универсален между моделями. Все прогоны этой статьи сделаны на Claude Haiku 4.5, и на другой модели числа получатся другими. OpenAI отдельно предупреждает, что рассуждающей модели нужна цель высокого уровня, а не пошаговая инструкция. Один и тот же текст на двух разных моделях даст разный результат, и это нормально: промпт настраивают под модель, на которой работаешь

Промпт живёт версиями. OpenAI советует держать боевые промпты прямо в коде приложения, с типизированными входами, ревью и тестами, чтобы отслеживать изменения поведения модели. Для человека без кода это переводится просто: храни промпты в файле, подписывай, что каждый делает, и не переписывай по памяти каждый раз

Промпт не отменяет проверку. Ответ модели это черновик, а не результат. Цифры сверяешь с источником, факты проверяешь, стиль правишь под себя. Промпт сокращает путь до черновика, а не до готового

С этого места дальше начинается сборка. Если промпты уже пишешь и хочется собрать на них что-то работающее, посмотри Claude Code: что это и как пользоваться: там та же логика команд по-русски, только на выходе получается файл на компьютере. А что вообще умеет модель, разложено в разборе нейросети Клод

Источники

Определения, приёмы и числа сверены по официальным источникам:

• Prompting best practices - документация Anthropic: ясные и прямые инструкции, золотое правило про коллегу, роль в системном промпте, от 3 до 5 примеров, XML-теги, контроль формата, цепочка промптов
• Prompt engineering overview - документация Anthropic: критерии успеха до работы над промптом и случаи, когда промпт не решение
• Prompt engineering guide - гайд OpenAI: разделы промпта, роли сообщений, few-shot, версионирование промптов, рассуждающие модели
• промпт - статья русского Викисловаря: «текстовый запрос к нейросети», склонение и родственное «промптинг»
• PROMT - Википедия: российская компания с 1991 года, системы машинного перевода (коллизия с написанием «промт»)
• Яндекс Wordstat - инструмент замера спроса: наши цифры сняты по региону Россия за окно 25.06-24.07.2026

Восемь строк готового промпта

Собери свой промпт по этим строкам и сравни ответ с тем, что получалось раньше

Семь формул точного промпта готовыми шаблонами лежат отдельной страницей: скопировал, подставил свою задачу, получил результат

Частые вопросы

Читайте также

3 промпта Claude, которые закрывают ежедневную рутину - Иван Сергеев

Быстрое решение, разбор скриншота и ответ на длинное письмо твоим голосом

Claude промпт инженер: 7 формул точного запроса без воды

Готовые формулы под задачи и список фраз, которые портят ответ

Как писать промпты для Claude 5: 6 правил вместо старых

Что изменилось в правилах контекста и какие инструкции жгут токены

Промпты для Claude: 6 готовых шаблонов отчётов, писем и презентаций

Заметки и цифры превращаются в отчёт, письмо и презентацию