Промпт-инжиниринг: как заставить LLM делать то, что нужно бизнесу
Почему «напиши красивый ответ» не работает, и как структурировать промпты через role/system/few-shot, чтобы агент отвечал по регламенту, а не как ему вздумается.
Промпт-инжиниринг — это не «магические слова», а инженерная дисциплина. Разница между небрежным и структурированным промптом — это разница между агентом, который галлюцинирует в 30% случаев, и агентом с точностью 94%. В этой статье разбираем паттерны, которые мы применяем в каждом проекте.
Анатомия хорошего промпта
Продуктивный промпт состоит из четырёх блоков. Пропуск любого из них ведёт к непредсказуемому поведению модели:
- Role — кто отвечает (юрист поддержки, менеджер продаж, HR-ассистент). Задаёт тон и словарь
- Context — что агент должен знать: регламенты, ограничения, формат ответа
- Instructions — пошаговый алгоритм, что делать с входящим запросом
- Examples (few-shot) — 2–5 примеров «вопрос → правильный ответ», чтобы показать формат
LLM — это стажёр с энциклопедическими знаниями, но без здравого смысла. Промпт — его должностная инструкция. Чем она точнее, тем меньше сюрпризов.
Антипаттерны, которых стоит избегать
Большинство «плохих» промптов, которые мы видим на аудитах, страдают одними и теми же проблемами:
- «Будь дружелюбным и полезным» — пустая инструкция, модель и так это умеет
- Длинный промпт без структуры — модель теряет важное в середине контекста
- Нет примеров — агент угадывает формат, каждый раз по-разному
- Запреты вместо инструкций — «не говори про конкурентов» лучше, чем «говори только про наши преимущества»
- Нет проверки — промпт никто не тестировал на 100 реальных запросах
Chain-of-Thought для сложных задач
Для многошаговых рассуждений (анализ договора, квалификация лида по BANT) используем chain-of-thought — просим модель расписать ход мыслей перед финальным ответом. Это поднимает точность на 15–25%, но требует больше токенов и времени. Поэтому для типовых запросов CoT отключаем, для сложных — включаем.
В продакшене промпт — это код. Он версонируется, тестируется на датасете, проходит code review. Без этого AI-агент превращается в лотерею: сегодня отвечает хорошо, завтра после обновления модели — непонятно как.
Хотите так же у себя в компании?
Расскажите задачу — проведём бесплатный AI-аудит и предложим решение с расчётом окупаемости.
