Post #52

Google дропнули 68-страничный гайд по промптам Здесь можешь ознакомиться с ним подробнее А ниже выжимка всего самого важного, но переведённая на человеческий язык — 11 советов: 1. Используй качественные примеры (Few-shot prompting) Добавь 2–5 хороших примеров в промпт, и модель начнёт лучше понимать, какой тебе нужен стиль и формат Можно вставить даже нестандартные кейсы (edge cases) — это помогает, но не перебарщивай, иначе модель начнёт «запоминать» примеры слишком буквально (это называется оверфит, или переобучение) 2. Начни с простого Короткий, чёткий, глагольный промпт работает лучше Пример: “Сформулируй заголовок для поста” — лучше, чем “Мне бы хотелось, чтобы ты подумал, как можно было бы озаглавить этот текст...” 3. Заранее объясняй, что ты хочешь получить Укажи структуру, стиль и объём Например: “Сделай краткое резюме в 3 пунктах, каждый пункт — не больше одного предложения” Модель не должна догадываться — говори прямо 4. Формулируй позитивно Проси, что делать, а не что не делать Пример: “Ответь кратко” вместо “Не пиши длинный текст” 5. Используй переменные Если в промпте есть данные, которые будут меняться — выделяй их в фигурные скобки Пример: “Составь описание для товара {название} с учётом {аудитория}” Это поможет быстро масштабировать промпт под разные задачи 6. Играй с форматами входа Нейросети хорошо считывают списки, таблицы и даже JSON-структуры Это помогает сфокусировать модель на нужных частях запроса 7. Тестируй при каждой смене модели GPT-4о и GPT-4.1 реагируют по-разному даже на одинаковые промпты Не ленись перепроверить, особенно если заметил странные или нестабильные ответы 8. Запрашивай структурированный вывод Проси вывод в виде JSON или CSV (форматы, которые удобно парсить скриптами) 9. Сохраняй старые версии Если тестируешь промпты на регулярной основе — веди таблицу: какой промпт, какие настройки, какой результат Это сильно экономит время и помогает не наступать на одни и те же грабли 10. Chain-of-Thought (цепочка размышлений) Если задача требует логики — добавь в промпт: “Давай рассуждать шаг за шагом” Это помогает нейросети не скакать к ответу, а пройти путь осознанно Но не переусердствуй: для простых задач такой подход избыточен 11. Step-back промптинг (шаг назад) Для сложных вопросов попроси модель сначала рассмотреть более общую тему, а потом применить эти знания к конкретной задаче Например: "Прежде чем ответить на вопрос о криптовалютах, объясни основные принципы блокчейна" Это заставляет нейросеть сначала активировать свои базовые знания, а потом уже строить на них детальный ответ Отлично работает для узкоспециализированных тем и снижает число ошибок, но увеличивает размер ответа