Фреймворки промптов: от структуры к результату

Базовая формула «роль + задача + контекст + формат» закрывает большинство бытовых запросов — о ней мы писали в материале «Как писать промпты, которые работают». Эта статья — следующий уровень: когда задача сложная, ответ должен быть точным, а результат повторяемым.

Пятая часть: ограничения

К четырём базовым частям добавьте ограничения — то, чего делать нельзя. Именно они чаще всего отделяют пригодный ответ от «почти того».

Роль: ты — [специалист с опытом в ...].
Контекст: [ситуация, аудитория, что уже известно].
Задача: [одно действие с измеримым результатом].
Формат: [структура, длина, язык, таблица / список / JSON].
Ограничения: [чего не делать: не выдумывать факты, не использовать термины X, не длиннее N слов, если данных не хватает — спросить].

Полезные ограничения, которые стоит держать в запасе:

• «Если не уверен — так и напиши, не придумывай».
• «Не повторяй условие задачи в ответе».
• «Используй только информацию из текста ниже».
• «Сначала задай уточняющие вопросы, если их больше двух — по одному».

Популярные фреймворки

Фреймворки — это не магия, а чек-листы, чтобы ничего не забыть. Выберите один и используйте как шаблон.

RTF — Role, Task, Format. Минимум для быстрых задач.

Роль: опытный HR-специалист. Задача: напиши текст вакансии [должность]. Формат: заголовок, 5 обязанностей, 5 требований, условия, до 200 слов.

RACE — Role, Action, Context, Expectation. Когда важен ожидаемый результат.

Роль: финансовый аналитик.
Действие: оцени бизнес-план.
Контекст: кофейня у метро, бюджет [сумма], план прилагается: [текст].
Ожидание: 5 главных рисков с оценкой вероятности и что проверить до инвестиций.

CO-STAR — Context, Objective, Style, Tone, Audience, Response. Для текстов, где важны стиль и аудитория.

Контекст: мы запускаем онлайн-курс по Python для аналитиков.
Цель: получить регистрации на бесплатный вебинар.
Стиль: как у практикующего инженера, с примером из работы.
Тон: спокойный, уверенный, без хайпа.
Аудитория: аналитики в Excel, которые боятся программирования.
Ответ: пост 700–900 знаков + 3 варианта заголовка.

Какой выбрать: RTF — для разовых задач, RACE — для анализа и решений, CO-STAR — для контента.

Few-shot: покажите примеры

Модель лучше всего копирует то, что видит. Два-три образца «вход → выход» задают формат и стиль точнее любого описания.

Классифицируй отзывы по тональности и теме. Формат как в примерах.

Отзыв: «Доставили за час, курьер вежливый» → позитив | доставка
Отзыв: «Приложение вылетает при оплате» → негатив | приложение
Отзыв: «Цены выросли, но качество то же» → нейтрально | цена

Отзыв: «[новый отзыв]» →

Правила few-shot:

• Примеры разные по содержанию, но одинаковые по формату.
• Включите сложный или пограничный случай.
• Не больше 3–5 примеров для простой задачи — иначе модель начинает копировать содержание.

Тот же принцип лежит в основе обучения моделей: качество примеров определяет качество результата. Если вам нужны сотни и тысячи размеченных примеров для дообучения, смотрите готовые наборы в каталоге датасетов.

Chain-of-thought: рассуждение по шагам

Для задач с логикой, расчётами и выбором попросите модель сначала рассуждать, а потом отвечать.

Задача: [условие].
Реши по шагам: 1) выпиши, что известно; 2) что нужно найти; 3) реши; 4) проверь ответ другим способом.
В конце дай итог одной строкой: «Ответ: ...».

Современные «рассуждающие» модели делают это сами, но явная структура всё равно помогает: шаги можно проверить, а ошибку — найти.

Самопроверка и критика

Сначала дай ответ на задачу. Затем выступи строгим рецензентом: найди 3 слабых места в своём ответе. Затем выдай исправленную финальную версию.

Проверь свой ответ по чек-листу: [требование 1], [требование 2], [требование 3]. Если что-то не выполнено — исправь и покажи только финальную версию.

Цепочки промптов

Сложную задачу лучше разбить на несколько запросов, чем уместить в один.

1. Сбор: «Задай мне 7 вопросов, чтобы понять задачу [описание]».
2. План: «Предложи структуру решения, не пиши текст».
3. Черновик: «Напиши по пункту 1 и 2 плана».
4. Правка: «Сократи на 20%, проверь соответствие ограничениям».

Каждый шаг можно проверить и поправить до перехода к следующему.

Шаблон «мега-промпта»

Для повторяющихся задач соберите всё в один шаблон и сохраните его в инструкциях проекта или кастомного ассистента.

# Роль
Ты — [роль] с опытом [N лет в ...].

# Контекст
[постоянные данные: продукт, аудитория, стандарты компании]

# Задача
[что сделать с входными данными]

# Формат ответа
[структура, длина, разметка]

# Ограничения
- Не выдумывай факты; если данных нет — пиши [нет данных].
- [другие правила]

# Пример хорошего ответа
[образец]

# Входные данные
[сюда вставляется материал]

Разделители (#, """, XML-теги вроде <текст>...</текст>) помогают модели не путать инструкции с материалом.

Частые ошибки

• Несколько задач в одном предложении. Модель выполнит одну хорошо и остальные кое-как.
• Отрицания без альтернативы. «Не пиши скучно» хуже, чем «используй короткие предложения и пример из жизни».
• Примеры, которые противоречат инструкции. Модель поверит примеру.
• Отсутствие критерия готовности. Если вы не знаете, как выглядит хороший ответ, модель тоже не знает.

FAQ

Нужно ли писать промпты на английском? Нет. Современные модели хорошо понимают русский. Английский иногда помогает в коде и узких терминах, но не обязателен.

Работает ли chain-of-thought в рассуждающих моделях? Они рассуждают сами, поэтому явное «думай по шагам» даёт меньше эффекта. Но структура проверки и формат итога по-прежнему полезны.

Сколько примеров давать в few-shot? Обычно 2–5. Больше — для сложной классификации с множеством классов.

Что лучше: один длинный промпт или цепочка? Для повторяемых задач — шаблон. Для новых и сложных — цепочка с проверкой на каждом шаге.