Большинство людей общаются с ИИ как с Google — вбивают запрос и надеются на лучшее. Потом жалуются: «нейросеть выдаёт ерунду». Проблема не в нейросети.
Проблема в том, как ты ставишь задачу.
Я работаю с Claude каждый день. У меня 6 ИИ-агентов, которые пишут посты, статьи, код, делают дизайн. И за это время я нащупал паттерны — конкретные приёмы, которые превращают размытый ответ в точный результат.
Не теория из учебника. Не «10 лучших промптов для ChatGPT». Реальные техники, которые я использую в продакшене.
Паттерн 1: Роль + Контекст + Задача
Самый базовый и самый недооценённый паттерн. Вместо «напиши текст про маркетинг» ты даёшь модели три вещи:
- Роль — кто она в этом разговоре
- Контекст — что происходит вокруг задачи
- Задача — что конкретно нужно сделать
Плохо:
Напиши пост про ИИ в маркетингеХорошо:
Ты — копирайтер для Threads-аккаунта про ИИ.
Аудитория — маркетологи 25-35 лет, которые только начинают
использовать нейросети. Они боятся, что ИИ заменит их работу.
Напиши пост на 3-5 предложений о том, как ИИ помогает
маркетологу, а не заменяет его. Тон — дружелюбный,
без пафоса, с конкретным примером.Разница в результате — как между случайным фото на телефон и профессиональной съёмкой. Модель не угадывает, что ты хочешь. Она точно знает.
Этот паттерн работает, потому что ИИ генерирует текст на основе паттернов из обучающих данных. Чем точнее контекст — тем точнее ответ. Это не магия. Это статистика.
Паттерн 2: Few-shot — покажи пример
Вместо длинных объяснений — покажи 2-3 примера того, что хочешь получить.
Модель считывает паттерн из примеров лучше, чем из инструкций. Это как показать ребёнку, как завязывать шнурки, вместо того чтобы объяснять словами.
Пример:
Перепиши заголовки в стиле Threads:
Вход: "Как использовать ИИ для создания контента"
Выход: "ИИ пишет за меня 10 постов в день. Вот как"
Вход: "Обзор лучших инструментов для автоматизации"
Выход: "3 инструмента, которые сэкономили мне 4 часа в неделю"
Вход: "Советы по продвижению в социальных сетях"
Выход:Модель мгновенно поймёт формат: короче, конкретнее, с цифрой, от первого лица.
Я использую few-shot постоянно. Для постов, для ответов, для форматирования. Три примера заменяют страницу инструкций.
Паттерн 3: Chain-of-Thought — заставь думать по шагам
Когда задача сложная — попроси модель рассуждать пошагово. Буквально: «думай по шагам».
Исследования показывают, что Chain-of-Thought (CoT) значительно улучшает результат на задачах, требующих логики. Особенно на больших моделях вроде Claude Opus или GPT-4.
Без CoT:
Какой тариф выгоднее: 1490₽/мес или 14900₽/год?С CoT:
Сравни два тарифа. Рассуждай пошагово.
Тариф A: 1490₽ в месяц
Тариф B: 14900₽ в год
Посчитай стоимость за год для каждого,
разницу в процентах и дай рекомендацию.Первый вариант даст общий ответ. Второй — конкретный расчёт с цифрами.
Я использую CoT для аналитики, сравнений, стратегических решений. Везде, где нужна логика, а не просто генерация текста.
Паттерн 4: Ограничения и формат
Модель без ограничений — как река без берегов. Растекается.
Задавай рамки: длина, формат, что включить, что исключить. Чем жёстче рамки — тем точнее результат.
Пример:
Напиши описание продукта.
Ограничения:
- Максимум 160 символов (для SEO description)
- Без восклицательных знаков
- Включи ключевое слово "ИИ-ассистент"
- Тон: спокойный, экспертный
- Не используй слова: уникальный, революционный, лучшийОграничения — это не про контроль. Это про фокус. Чем точнее ты очерчиваешь рамки, тем меньше модель тратит «мощности» на угадывание и больше — на качество.
В системных промптах для моих агентов ограничения занимают больше места, чем сама задача. Списки «никогда не делай» и «всегда делай» — именно то, что отличает хороший промпт от посредственного.
Паттерн 5: Итеративное уточнение
Промпт-инжиниринг — это не «написал один раз и работает». Это итерации.
Написал промпт. Получил результат. Не нравится — не переписывай с нуля. Уточни:
Хорошо, но:
- Сделай тон более разговорным
- Убери вводное предложение, начни сразу с сути
- Добавь конкретный пример с цифройТри итерации обычно дают результат лучше, чем один «идеальный» промпт. Потому что ты видишь, куда модель уходит, и корректируешь курс.
У лучших ИИ-продуктов — Bolt, Cursor, Cluely — промпты прошли через сотни итераций. Bolt достиг 50 миллионов долларов годового дохода за 5 месяцев. Их системный промпт — результат бесконечного тестирования.
Не пытайся написать идеальный промпт с первого раза. Итерируй.
Паттерн 6: Контекстное окно — давай нужное
Современные модели принимают огромные объёмы контекста. Claude — до 200 тысяч токенов. Gemini — до 2 миллионов.
Но «больше контекста» не значит «лучше». Нужно давать релевантный контекст.
Что работает:
- Вставить примеры своих предыдущих текстов, если просишь написать новый
- Дать документ и попросить ответить на основе него
- Приложить стайлгайд при генерации контента
Что не работает:
- Скинуть 50 страниц «на всякий случай»
- Дать противоречивые инструкции в разных частях промпта
- Надеяться, что модель сама найдёт нужное в куче мусора
Я для каждого агента собираю контекст специально. Стиль бренда, антипаттерны, примеры хороших текстов. Это как brief для дизайнера — чем точнее brief, тем меньше правок.
Этот подход сейчас называют «контекстный инжиниринг» — и он работает в паре с промпт-инжинирингом. Промпт — это инструкция. Контекст — это всё остальное, что модель видит при генерации.
Паттерн 7: Негативные инструкции — скажи, чего НЕ делать
Парадокс: иногда проще объяснить, чего ты не хочешь.
Напиши статью про ИИ-инструменты.
НЕ ДЕЛАЙ:
- Не начинай с "В современном мире..."
- Не используй слово "революционный"
- Не пиши общие фразы без примеров
- Не делай абзацы длиннее 3 предложений
- Не используй пассивный залогУ меня в системе для агентов есть отдельный файл антипаттернов. Каждый раз, когда результат не устраивает — записываю, что пошло не так. И добавляю в «чёрный список».
За полгода набралось несколько десятков таких правил. И качество контента выросло в разы. Не потому что модель стала умнее. А потому что я точнее объясняю, чего не хочу.
Это как в управлении людьми. «Сделай красиво» — бесполезно. «Не используй Comic Sans, не делай текст мелким, не ставь красный на зелёном» — уже понятно.
Как это работает вместе
Каждый паттерн по отдельности даёт прирост в 10-20% к качеству. Но когда ты комбинируешь их — эффект умножается.
Мой типичный промпт для агента содержит:
- Роль и контекст (паттерн 1)
- 2-3 примера хорошего результата (паттерн 2)
- Пошаговую инструкцию (паттерн 3)
- Жёсткие ограничения (паттерн 4)
- Список антипаттернов (паттерн 7)
- Релевантный контекст — стайлгайд, предыдущие тексты (паттерн 6)
И потом я итерирую (паттерн 5), пока результат не станет стабильно хорошим.
Это не сложнее, чем написать ТЗ для фрилансера. Просто вместо человека — модель. И ей нужна та же конкретика.
Что дальше
Промпт-инжиниринг не умирает. Он эволюционирует.
Модели становятся умнее, но умение точно ставить задачу — это навык, который останется. Потому что даже самая умная модель не читает мысли.
Если хочешь углубиться:
- Попробуй Claude Code для контент-задач — там я показываю, как автоматизировать работу с промптами
- Посмотри, как работают ИИ-агенты в 2026 — там промпты выходят на новый уровень
- Почитай OpenClaw: что это и как работает — система, где все эти паттерны работают автоматически
Главное — не заучивать шаблоны. А понять принцип: чем точнее ты объясняешь задачу, тем точнее результат. Это работает с людьми. Это работает с ИИ. Это работает везде.