Промпт

Зачем это знать

• Понять, почему одна и та же модель даёт полезный ответ или бесполезный — и что именно на это влияет
• Оценивать предложения подрядчиков: за «настройку ИИ» часто платят именно за написание и отладку промптов
• Знать, где в системе спрятаны расходы на токены и как их сокращать

Что такое промпт простыми словами

Новому сотруднику дают задание: «Разбери почту». Он спросит: какую почту, что значит «разбери», куда складывать результат, что делать с непонятным. Без ответов на эти вопросы задание не выполнить или выполнить не так.

Языковая модель устроена похоже. Она не знает ничего о компании, её правилах и ожиданиях. Промпт — это текст, в котором всё это описано: что за задача, в каком формате нужен ответ, чего делать нельзя, как выглядит хороший результат.

Отсюда главное для бизнеса. Качество работы ИИ-системы определяется не только выбором модели, но и тем, насколько точно написана инструкция. Плохой промпт превращает дорогую модель в генератор общих слов. Хороший — позволяет получать готовые к использованию результаты с модели попроще.

Как это работает

1. Системный промпт задаёт поведение. В нём описывают роль модели, правила ответа, формат, ограничения. Эта часть уходит в модель с каждым запросом, но пользователь её не видит. Здесь фиксируют всё, что должно работать одинаково при любом обращении.

2. Пользовательский запрос добавляет конкретику. Это текст от человека: вопрос, документ на обработку, данные для анализа. Модель видит и системный промпт, и пользовательский запрос — и отвечает с учётом обоих.

3. Примеры показывают эталон. В промпт включают один-три образца: вот такой вход, вот такой выход. Модель подстраивается под формат. Без примеров ответы получаются разнородными, с примерами — предсказуемыми.

4. Ограничения отсекают лишнее. «Не предлагай то, чего нет в прайс-листе», «не используй слово уникальный», «если не знаешь — так и напиши». Без явных запретов модель додумывает, и додумывает не то.

5. Всё вместе занимает токены. Промпт, примеры, приложенные документы — всё режется на токены и оплачивается при каждом обращении. Инструкция на десять страниц, отправляемая тысячу раз в день, становится заметной статьёй расхода.

Промпт работает в пределах контекстного окна модели. Если инструкция, история переписки и документ не помещаются в окно — что-то придётся обрезать или модель потеряет начало.

Пример из практики

Служба поддержки интернет-магазина получала около 400 обращений в день. Первая версия системы использовала короткий промпт: «Ты — помощник поддержки, отвечай вежливо и по делу». Модель отвечала общими фразами, в трети случаев обещала то, чего магазин не делает. Операторы вычитывали каждый ответ, экономии времени не было.

Промпт переписали. Добавили список услуг, которые магазин оказывает, и явный запрет обещать остальное. Включили три примера: типичный вопрос о доставке, возврате и статусе заказа — с эталонными ответами. Указали формат: сначала ответ на вопрос, потом предложение помочь с чем-то ещё, длина до 100 слов.

Доля ответов, которые операторы отправляли без правок, выросла с 28 до 71 процента. Замеряли на одной неделе до и одной после, по 2 000 обращений. Промпт при этом стал длиннее на 1 400 токенов, расход вырос примерно на 1 700 рублей в месяц. Экономия времени операторов перекрыла эту сумму за первые три дня.

Что это даёт бизнесу

• Результат с первого раза. Точный промпт сокращает переделки. Там, где раньше уходило три итерации, хватает одной — и это экономия не только времени, но и токенов.
• Предсказуемое поведение системы. Промпт фиксирует правила: что можно обещать, в каком тоне отвечать, как оформлять. Без него каждый ответ — лотерея.
• Понятная точка оптимизации. Если система работает плохо, первое, что проверяют, — промпт. Часто его переписывание даёт больше, чем смена модели на более дорогую.
• Контроль расходов. Длина промпта напрямую влияет на счёт. Сокращение инструкции вдвое при сохранении качества — способ снизить расходы без потери результата. Прикинуть порядок сумм для своего случая можно калькулятором бюджета.

Когда без этого можно обойтись

При разовых задачах в чате с моделью детально прописывать промпт незачем. Написать письмо, пересказать документ, перевести абзац — хватает обычного вопроса. Здесь цена ошибки — минута на повторный запрос.

То же с экспериментами на раннем этапе. Пока непонятно, решает ли модель задачу в принципе, тратить время на идеальный промпт рано. Сначала проверяют гипотезу на черновике, потом дорабатывают инструкцию.

Промпт становится критичным, когда система уходит в работу: сотни или тысячи обращений в день, каждое из которых обрабатывается без участия человека. Там ошибка в формулировке умножается на весь поток.

Что важно проверить

Первое: промпт — это не разовая настройка, а документ, который живёт вместе с системой. Изменились правила возврата — меняется промпт. Появился новый тип обращений — добавляется пример. Без версионирования через месяц никто не помнит, почему система отвечает именно так.

Второе: длинный промпт не значит хороший. Избыточные инструкции путают модель так же, как недостаток. Проверка простая: убрать абзац и посмотреть, изменилось ли качество ответов. Если нет — абзац лишний.

Третье: попросите подрядчика показать системный промпт и объяснить каждый его блок. Это не секрет и не интеллектуальная собственность — это рабочий документ. По нему видно, понимает ли подрядчик задачу или скопировал шаблон из интернета. Готовность процесса к автоматизации, включая ясность правил для промпта, можно оценить чек-листом.