Промпт — что это в нейросети, как его правильно написать и примеры запросов

Промпт для нейросети — это текст, в котором вы объясняете модели, что нужно получить. Для чат-бота это вопрос или поручение: «перепиши письмо короче и вежливее». Для генератора картинок — словесное описание будущего кадра: кто в нём, во что одет, где стоит, какой свет. Нейросеть не задаёт встречных вопросов и не угадывает, что вы имели в виду, поэтому всё, чего нет в тексте, она достраивает сама — как правило, самым средним вариантом. Отсюда главное правило: пишите так, будто передаёте задание фотографу или помощнику, который впервые видит проект. Удобная проверка — прочитать промпт постороннему человеку и спросить, что он представил. Если описание совпало с вашей задумкой, модель тоже поймёт. Если человек переспросил про фон, цвет вещи или формат ответа, этих деталей не хватает и в запросе. Сам промпт может быть одним словом или страницей текста: длина не главное, главное — чтобы в нём были все условия, от которых зависит результат.

Начните с цели: что должно получиться на выходе — портрет для резюме, описание товара, список вещей в поездку. Затем пройдите по блокам. Для картинки это герой, одежда, сцена, свет, оптика и план, обработка. Для текста — роль, задача, контекст, формат ответа и ограничения. Пишите конкретными признаками, а не оценками: вместо «стильное пальто» — «пальто прямого кроя до колена из серой шерсти», вместо «коротко» — «до 600 знаков». Главное ставьте в начало, второстепенное — в конец. Одна задача — один промпт: если нужны и описание товара, и пост для соцсетей, разделите их на два запроса. После первого результата не переписывайте текст целиком, а меняйте один блок и смотрите, что изменилось. Язык запроса выбирайте тот, на котором вам удобно проверять результат: современные модели понимают русский, но если сервис рассчитан на английский, перевод ключевых слов кадра (план, свет, ткань) иногда даёт более точное попадание. Перед запуском перечитайте текст глазами исполнителя: все ли решения, от которых зависит результат, в нём уже приняты.

Ничем: это одно и то же слово, записанное по-разному. Английское prompt в русском передают двумя способами. «Промпт» ближе к произношению оригинала, «промт» короче и проще в наборе, поэтому в поисковых запросах его вводят даже чаще. Единого написания пока нет, в текстах о нейросетях встречаются оба варианта, и ошибкой ни один не считается. Есть один нюанс: PROMT — название российского машинного переводчика, который работает с начала 1990-х, поэтому по запросу «промт» поиск иногда показывает его сайт, а не объяснение термина. Во множественном числе пишут «промпты» или «промты», в падежах — «промпта», «промптом», «промту». Для того, кто пишет инструкцию, памятку или текст для сайта, важнее другое: выбрать одно написание и держаться его в пределах материала, чтобы читатель не решил, что речь о разных вещах. Мы пишем «промпт», но «промт» в названии раздела или в чужой статье означает то же самое — текстовое задание для нейросети.

Хороший промпт — тот, по которому модель с первой-второй попытки выдаёт результат, близкий к задумке, и повторяет его при следующих запусках. Признаков у него несколько. Первый — конкретность: в описании есть видимые и измеримые детали вроде цвета, длины, ткани, плана кадра, объёма текста. Второй — непротиворечивость: в нём нет «ночного города при ярком солнце» или «короткого, но очень подробного отчёта». Третий — одна идея: один стиль обработки, одна задача, один формат ответа. Четвёртый — порядок: главное стоит в начале, уточнения в конце. Пятый — проверяемость: по нему понятно, получилось или нет. Проверить промпт просто: запустите его три раза подряд. Если все три кадра или ответа похожи и попадают в задачу, формулировка рабочая. Если каждый раз выходит что-то новое, модель угадывает — значит, каких-то условий не хватает. Длина при этом не показатель: два предложения с точными признаками часто работают лучше абзаца из эпитетов.

Инструкция — это сама просьба, действие, которое должна выполнить модель: «составь», «сократи», «сравни», «сгенерируй портрет». Контекст — всё, что нужно знать, чтобы выполнить её хорошо: исходные данные, обстоятельства, аудитория, ограничения. Пример: инструкция — «подбери образ на собеседование», контекст — «вакансия аналитика в банке, рост 165, есть тёмно-синий костюм и белая блузка, на улице +5 и дождь». Без контекста модель ответит набором общих советов, с контекстом — решением под ваш случай. В длинных запросах контекст и инструкцию полезно разделять явной границей, например строкой «Задача:» после блока с фактами. Рядом стоит ещё один элемент — формат: в каком виде нужен ответ, таблицей, списком или абзацем до 500 знаков. У языковых моделей у слова «контекст» есть и технический смысл — окно контекста, объём текста, который модель учитывает за один раз. Если переписка очень длинная, ранние детали могут выпасть из внимания модели, и их стоит повторить в новом запросе.

Ролевой промпт задаёт модели роль: «Ты — стилист, который собирает деловой гардероб», «Ты — редактор карточек товаров». Роль подсказывает модели словарь, тон и уровень подробности: стилист заговорит о силуэтах и сочетаниях цветов, редактор — о структуре и длине текста. Знаний, которых у модели нет, роль не добавляет, поэтому её всегда дополняют задачей и контекстом. Системный промпт — инструкция более высокого уровня, которую разработчик сервиса задаёт заранее: на каком языке отвечать, о чём не говорить, в каком формате выводить результат. Пользователь его обычно не видит, и в том числе поэтому один и тот же вопрос в двух чат-ботах на одной модели даёт разные ответы. В некоторых сервисах есть поле для постоянных пользовательских инструкций — по сути, личный системный промпт. Туда удобно записать то, что повторяется в каждом запросе: «пиши по-русски, без канцелярита, ответ до 1000 знаков». Тогда в самих запросах остаётся только задача и контекст.

Промпт-инжиниринг — навык и область работы, где составляют и проверяют запросы к нейросетям так, чтобы результат был точным и повторяемым. На бытовом уровне это просто умение сформулировать задачу. В компаниях это отдельная работа: шаблоны запросов для поддержки клиентов, описаний товаров, генерации изображений в одном стиле, проверка на десятках примеров, сравнение версий запроса между собой. Основные приёмы: роль, чёткая инструкция, разделение контекста и задачи, формат ответа, образцы ответа в запросе, просьба рассуждать по шагам, цепочки запросов, где ответ одного становится входом другого. Для картинок к этому добавляется словарь фотографа — план, оптика, свет — и знание того, как конкретная модель реагирует на порядок и длину описания. Осваивать отдельную профессию ради личных задач не нужно: хватит структуры из пяти-шести блоков и привычки менять по одной детали за раз. Но если запрос работает в продукте сотни раз в день, его проверяют как код: фиксируют версию, гоняют на наборе примеров и только потом выпускают.

Вот три рабочих примера под разные задачи. Деловой портрет: «Портрет по плечи мужчины около 40 лет в тёмно-синем пиджаке и белой рубашке без галстука, однотонный серый фон, мягкий свет слева, объектив 85 мм, фон размыт, естественная кожа без глянца». Одежда для каталога: «Девушка в полный рост в бежевом тренче до колена, пояс завязан, светлая студийная стена, ровный рассеянный свет без резких теней, камера на уровне пояса, вещь видна целиком, без надписей». Прогулочный кадр: «Женщина идёт по осенней набережной в объёмном вязаном свитере цвета овсянки и прямых джинсах, вечернее солнце сзади и сбоку, ростовой кадр, 35 мм, лёгкое плёночное зерно». Обратите внимание на общий порядок: человек, одежда, место, свет, оптика, обработка. Пропорции кадра — вертикаль, квадрат, горизонталь — во многих сервисах задают отдельной настройкой, а не словами в описании. Для каталожных кадров добавляйте «вещь видна целиком», иначе модель может обрезать подол или рукава.

Few-shot промпт — запрос, в который вы кладёте несколько готовых образцов того, что хотите получить, и просите сделать следующий так же. Например, даёте модели два описания товаров из своего магазина с одинаковым тоном, длиной и порядком характеристик и просите третье — для новой юбки. Образцы работают точнее объяснений вроде «пиши живо, но по делу»: модель видит стиль, а не догадывается о нём. Приём стал широко известен после статьи исследователей OpenAI о модели GPT-3 «Language Models are Few-Shot Learners» (2020): авторы показали, что крупная языковая модель справляется с новой задачей по нескольким примерам прямо в запросе, без дообучения. Соседние варианты — zero-shot, когда примеров нет и есть только инструкция, и one-shot с одним образцом. Практические правила простые: два-три примера обычно дают более устойчивый результат, чем один; оформлены образцы одинаково и различаются только содержанием. Если все примеры про платья, модель может перенести в описание брюк детали, уместные только для платья, поэтому подбирайте образцы разными по предмету.