Промпты для рабочих задач

Одна фраза

Запрос«напиши ответ клиенту»Модельугадывает контекстОбщий ответпереписывать вручную

Шесть частей

Промптроль, данные, пример, форматМодельвидит всё нужноеЧерновикправки по мелочи

Модель в обоих случаях одна и та же. Результат определяет то, что написано в запросе: шесть частей, которые повторяются в руководствах Anthropic, OpenAI и Google.

Human-in-the-loop: путь одного запроса

Вывод

В этом примереЧеловек стоит на всех ключевых точках: ставит задачу, собирает промпт, сверяет ответ, возвращает его на уточнение и принимает решение. Модель только отвечает на то, что попало в запрос.

В общем случаеУ каждой стрелки своя точка контроля: данные передают целиком, ответ сверяют с тем, кому он нужен, а удачный запрос сохраняют шаблоном, и следующая задача того же типа начинается с него.

Что сделатьПеред запросом назовите получателя и решение, которое он примет по ответу: от этого зависят роль и формат.

Следующий шаг · HDDHarness-Driven DevelopmentКак проверку из этой схемы превратить в правило, которое работает для всех следующих задач

Пять частей промпта

Роль

Кому и зачем

Данные целиком

<данные></данные>

Пример

<пример></пример>1–3

Формат

5 пунктов

Вопрос в конце

порядок

<…>теги

Вывод

В этом примереПять частей и теги, у каждой — источник в официальном руководстве.

В общем случаеМодель знает о задаче только то, что написано в запросе. Anthropic предлагает проверку: покажите промпт коллеге без контекста — если он запутается, модель запутается тоже.

Что сделатьОткройте свой последний запрос и отметьте, каких из пяти частей в нём нет. Допишите роль и формат — это две фразы.

Шесть примеров

Ответ клиенту по переписке

Клиент пишет в третий раз, тон нужен спокойный, обещать можно только то, что уже есть в переписке.

РольКому и зачемДанные целикомПримерФормат

Ты — сотрудник поддержки [компании].
Ниже вся переписка с клиентом.
<переписка>
[вставить целиком]
</переписка>
Напиши следующий ответ клиенту. Тон — спокойный и дружелюбный, как в этом примере:
<пример>
[один удачный прошлый ответ]
</пример>
Не больше 5 предложений. Сроки называй, только если они есть в переписке.

Вывод

В этом примереРоль, переписка в тегах, пример тона и два правила формата.

В общем случаеПример прошлого ответа задаёт тон точнее любых прилагательных. Правило про сроки сформулировано как разрешение с условием, и модель следует ему буквально.

Что сделатьСохраните два-три лучших ответа команды и подставляйте один из них в блок примера.

Подготовка к встрече

Завтра встреча на 30 минут, материалы разбросаны по переписке и документам.

РольКому и зачемДанные целикомПримерФормат

Завтра встреча с [кем] по [теме], 30 минут. Моя цель — [решение, которое нужно получить].
<материалы>
[переписка и документы по теме]
</материалы>
Подготовь:
1. Три вопроса, которые стоит решить на встрече.
2. По каждому — что уже известно из материалов, с короткой цитатой.
3. Что мне нужно выяснить до встречи.
Формат — таблица из трёх колонок.

Шаблон повестки с разбивкой по времени есть в OpenAI Academy.

Вывод

В этом примереЦель встречи, материалы в тегах и нумерованный список того, что вернуть.

В общем случаеЦель встречи отсекает лишнее из материалов. Нумерованные шаги нужны, когда важны порядок и полнота ответа.

Что сделатьПеред каждой встречей на 30 минут и больше отдавайте материалы этим промптом и открывайте встречу с его таблицей.

Сводка длинного треда

В чате 200 сообщений, нужно понять, что решили и кто что делает.

РольКому и зачемДанные целикомПримерФормат

<тред>
[вставить целиком]
</тред>
Сначала выпиши дословные цитаты, где принимаются решения или назначаются задачи.
Потом по этим цитатам составь сводку:
— решения;
— задачи с ответственными и сроками;
— открытые вопросы.
Каждый пункт — одна строка. Если ответственного нет в цитатах, напиши «не назначен».

Вывод

В этом примереДлинный тред стоит вверху, задача в конце, сначала цитаты, потом сводка.

В общем случаеAnthropic советует для длинных документов сначала просить цитаты и ставить вопрос после данных: в тестах это давало до 30% прироста качества. Правило «не назначен» не даёт модели додумать ответственного.

Что сделатьДля любого треда длиннее одного экрана начинайте с просьбы выписать цитаты.

Разбор таблицы

Выгрузка обращений за месяц в CSV, нужно найти, что изменилось.

РольКому и зачемДанные целикомПримерФормат

Во вложении выгрузка [обращений] за [период], CSV.
Посчитай [число обращений] по [теме обращения] и покажи 5 самых больших изменений по сравнению с прошлым месяцем.
Для каждого — число и одна строка, чем это может объясняться.
Покажи код, которым считал, чтобы я мог проверить.

Файл обрабатывается в изолированной песочнице — и в ChatGPT, и в Claude .

Вывод

В этом примереФайл целиком, точная метрика и разрез, ограничение «5 изменений» и просьба показать код.

В общем случаеМодель считает кодом в песочнице, а код можно перечитать. OpenAI прямо советует проверять код, результат и допущения, прежде чем опираться на вывод.

Что сделатьПроверьте одно число из ответа вручную. Если совпало, остальным можно доверять больше.

Текст в стиле компании

Нужен пост или письмо, которое звучит как свои, без канцелярита.

РольКому и зачемДанные целикомПримерФормат

Вот три наших поста, которые хорошо зашли:
<пример>[пост 1]</пример>
<пример>[пост 2]</пример>
<пример>[пост 3]</пример>
Напиши пост о [теме] в том же стиле: длина, тон и структура как в примерах.
Для кого: [аудитория]. Зачем: [чего хотим от читателя].

Вывод

В этом примереТри примера в тегах и одна фраза о том, кому и зачем пишем.

В общем случаеAnthropic рекомендует 3–5 примеров; руководство Google тоже ставит примеры первой практикой. Стиль, показанный на примерах, модель копирует точнее, чем описанный словами.

Что сделатьСложите удачные тексты в проект и возьмите их примерами — тогда их не нужно вставлять каждый раз.

Исследование темы

Нужен обзор рынка или практик с источниками, на что уйдёт полдня поиска.

РольКому и зачемДанные целикомПримерФормат

Исследуй: [вопрос].
Для кого: [аудитория]. Зачем: [решение, которое нужно принять].
Нужны данные не старше [года].
Итог: таблица [колонки] и вывод в 5 пунктах.
К каждому факту — ссылка на источник. Если данных нет, так и напиши.

Режим глубокого исследования есть в обоих чатах: deep research в ChatGPT и Research в Claude .

Вывод

В этом примереЦель, ограничение по свежести данных и формат итога со ссылками.

В общем случаеВ режиме исследования модель делает серию поисков и возвращает отчёт со ссылками. Ссылки позволяют проверить каждый факт, а фраза «если данных нет» не даёт заполнить пробел выдумкой.

Что сделатьОткрывайте две-три ссылки из отчёта и сверяйте факт с источником, прежде чем нести вывод дальше.