Як написати промпт для ChatGPT, Claude чи Gemini: повний гайд

Промпт — це запит природною мовою, який ви надсилаєте великій мовній моделі, щоб отримати відповідь. Він може містити питання, інструкції, контекстну інформацію, приклади (few-shot examples) та частковий ввід для доповнення або продовження моделлю. Процес написання ефективних інструкцій для моделі, щоб вона послідовно генерувала контент, який відповідає вашим вимогам, називається промпт-інжинірингом.

Що таке промпт та промпт-інжиніринг?

Промпт — це основний спосіб взаємодії з великими мовними моделями, такими як ChatGPT, Claude чи Gemini. Залежно від типу моделі, вона може генерувати текст, вбудовування (embeddings), код, зображення, відео, музику та інше.

Промпт-інжиніринг — це процес створення промптів, які викликають бажану відповідь від мовних моделей. Це поєднання мистецтва та науки, оскільки контент, згенерований моделлю, є недетермінованим. Ітеративний процес постійного оновлення промптів та оцінки відповідей моделі також називають промпт-інжинірингом.

З яких частин складається промпт?

Ви можете включати в промпт будь-яку інформацію, яку вважаєте важливою для виконання завдання. Зазвичай, вміст промпту поділяється на такі компоненти:

1. Завдання (Task): Це текст у промпті, на який ви хочете отримати відповідь від моделі. Завдання може бути питанням або інструкцією щодо того, що потрібно зробити.

   • Приклад питання: Які кольори є у веселці?
   • Приклад інструкції: Напиши вірш з однієї строфи про Капітана Баркхолом'ю, найстрашнішого піратського пса семи морів.

2. Системні інструкції (System instructions): Це інструкції, які передаються моделі перед будь-яким вводом користувача. Вони можуть диктувати стиль та тон моделі, а також встановлювати обмеження щодо того, про що вона може або не може говорити. Для моделей OpenAI це може бути developer роль або параметр instructions. Для Claude це може бути встановлення ролі в системному промпті.

   • Приклад:

     Система: Ти Капітан Баркхолом'ю, найстрашніший піратський пес семи морів. Ти з 1700-х років і не знаєш нічого після цього часу. Ти говориш лише про теми, пов'язані з піратством. Закінчуй кожне повідомлення "гав!"
     Промпт: Привіт! Хто ти?
     Відповідь: Агов! Можеш називати мене Капітаном Баркхолом'ю, бичем семи морів! Я жах для сухопутних щурів, грабіжник найвищого ґатунку та грізний пірат найглибшої сині! Я плаваю морями в пошуках скарбів та пригод, залишаючи за собою слід сміху та собачих бісквітів! Нехай моя пухнаста зовнішність не вводить вас в оману — я хитрий капітан з нюхом на скарби та серцем до пригод! А тепер, якщо вибачите, я мушу йти! На горизонті корабель, і схоже, вони везуть скриню, повну дублонів! Йо-хо-хо, і пляшка рому! Гав!
     

3. Приклади (Few-shot examples): Це приклади, які ви включаєте в промпт, щоб показати моделі, як виглядає правильна відповідь. Вони особливо ефективні для диктування стилю та тону відповіді, а також для налаштування поведінки моделі. Кілька добре складених прикладів покращують точність та послідовність.

   • Приклад:

     Класифікуй наступне як червоне або біле вино:
     <examples>
     Назва: Chardonnay
     Тип: Біле вино
     Назва: Cabernet
     Тип: Червоне вино
     Назва: Moscato
     Тип: Біле вино
     </examples>
     Назва: Riesling
     Тип:
     

4. Контекстна інформація (Contextual information): Це інформація, яку ви включаєте в промпт, і яку модель використовує або посилається на неї при генерації відповіді. Це може бути власні дані, дані поза навчальним набором моделі або інші релевантні дані.

   • Приклад:

     | Колір мармуру | Кількість мармуру |
     | ------------ | ----------------- |
     | Червоний     | 12                |
     | Синій        | 28                |
     | Жовтий       | 15                |
     | Зелений      | 17                |
     Скільки зелених мармурів?
     

Покрокові техніки для написання ефективних промптів

Ефективний промпт-інжиніринг вимагає чіткості, структури та розуміння того, як модель обробляє інформацію. Ось кілька технік, заснованих на рекомендаціях розробників моделей:

1. Будьте чіткими та прямими

Моделі, такі як Claude, добре реагують на чіткі, явні інструкції. Будьте конкретними щодо бажаного результату. Якщо ви хочете, щоб модель зробила більше, ніж вимагає завдання, явно попросіть про це, а не покладайтеся на те, що модель виведе це з розпливчастих промптів.

• Техніка: Надавайте інструкції у вигляді послідовних кроків, використовуючи нумеровані списки або марковані пункти, коли порядок або повнота кроків має значення.
• Приклад:

  1. Проаналізуй наданий текст.
  2. Визнач основну ідею.
  3. Сформулюй її одним реченням.
  

2. Надавайте контекст та мотивацію

Надання контексту або мотивації до ваших інструкцій може дати моделі більше інформації про ваші цілі та допомогти їй надати більш цільові відповіді.

• Техніка: Поясніть, чому певна поведінка важлива або яка мета стоїть за запитом.
• Приклад:

  Я працюю над документацією для нового API. Мені потрібен короткий опис функції `createUser`, який буде зрозумілим для початківців. Поясни, що робить функція, і які параметри вона приймає, щоб розробники могли швидко її інтегрувати.
  

3. Ефективно використовуйте приклади (Few-shot learning)

Приклади є одним з найнадійніших способів керувати форматом, тоном та структурою виводу моделі. Вони дозволяють моделі неявно "підхопити" шаблон і застосувати його до нового промпту.

• Техніка:
  • Релевантність: Приклади повинні максимально точно відображати ваш реальний випадок використання.
  • Різноманітність: Охоплюйте граничні випадки та варіюйте приклади, щоб модель не підхопила ненавмисні шаблони.
  • Структура: Обгортайте приклади в теги, наприклад <example> (або <examples> для кількох), щоб модель могла відрізнити їх від інструкцій.
• Приклад:

  Класифікуй відгуки клієнтів як "Позитивний", "Негативний" або "Нейтральний".
  <product_review id="example-1"> Я в захваті від цих навушників — якість звуку дивовижна! </product_review>
  <assistant_response id="example-1"> Позитивний </assistant_response>
  
  <product_review id="example-2"> Час роботи батареї нормальний, але амбушюри здаються дешевими. </product_review>
  <assistant_response id="example-2"> Нейтральний </assistant_response>
  
  <product_review id="example-3"> Жахливе обслуговування клієнтів, ніколи більше не куплю у них. </product_review>
  <assistant_response id="example-3"> Негативний </assistant_response>
  

4. Структуруйте промпти за допомогою XML-тегів та Markdown

XML-теги допомагають моделям, таким як Claude, однозначно аналізувати складні промпти, особливо коли ваш промпт поєднує інструкції, контекст, приклади та змінні вводи. Markdown-заголовки та списки також можуть бути корисними для позначення окремих розділів промпту та передачі ієрархії моделі.

• Техніка:
  • Використовуйте послідовні, описові назви тегів.
  • Вкладайте теги, коли вміст має природну ієрархію (наприклад, <documents> всередині <document index="n">).
  • Використовуйте Markdown для розділення секцій, наприклад, # Ідентичність, # Інструкції, # Приклади, # Контекст.
• Приклад:

  <instructions>
      Створи короткий опис продукту на основі наданих характеристик.
      Опис має бути не більше 50 слів.
  </instructions>
  <context>
      <product_name>Супер-Віджет 3000</product_name>
      <features>
          <feature>Автономна робота до 24 годин</feature>
          <feature>Водонепроникний корпус</feature>
          <feature>Інтеграція з хмарними сервісами</feature>
      </features>
  </context>
  

5. Призначте моделі роль (Identity)

Встановлення ролі у системному промпті фокусує поведінку та тон моделі для вашого випадку використання. Навіть одне речення має значення.

• Техніка: Чітко визначте, ким має бути модель, який її стиль спілкування та високорівневі цілі.
• Приклад:

  # Ідентичність
  Ти помічник з кодування, який допомагає забезпечити використання змінних у snake_case у JavaScript коді та написання коду, який працюватиме в Internet Explorer версії 6.
  

6. Вказуйте, що робити, а не чого не робити

Моделі краще розуміють позитивні інструкції. Замість того, щоб вказувати, чого не робити, сформулюйте інструкцію так, щоб вона вказувала на бажану дію.

• Техніка: Переформулюйте негативні інструкції в позитивні.
• Приклад:
  • Замість: Не використовуй Markdown у своїй відповіді.
  • Спробуйте: Твоя відповідь має складатися з плавно перетікаючих прозових абзаців.

7. Контролюйте формат відповіді

Для більшого контролю над форматуванням виводу, надавайте явні вказівки.

• Техніка:
  • Використовуйте індикатори формату XML, наприклад: Напиши прозові розділи своєї відповіді в <smoothly_flowing_prose_paragraphs> тегах.
  • Узгоджуйте стиль промпту зі стилем бажаного виводу. Якщо ви хочете менше Markdown у відповіді, спробуйте видалити Markdown зі свого промпту.
  • Для математичних виразів, рівнянь та технічних пояснень моделі Claude за замовчуванням використовують LaTeX. Якщо ви віддаєте перевагу простому тексту, додайте інструкції до промпту.

8. Використання інструментів (Tool use)

Моделі, такі як Claude, навчені точно слідувати інструкціям і отримують користь від явних вказівок щодо використання конкретних інструментів.

• Техніка: Будьте більш явними, щоб модель вживала дії.
• Приклад:
  • Замість: Чи можете ви запропонувати деякі зміни? (модель може просто надати пропозиції)
  • Спробуйте: Використай інструмент 'apply_patch' для застосування цих змін.

9. Адаптивне мислення та самоперевірка (Claude)

Нові моделі Claude пропонують можливості мислення, які можуть бути корисними для завдань, що вимагають рефлексії після використання інструментів або складних багатоетапних міркувань.

• Техніка:
  • Керуйте мисленням: Якщо модель думає частіше, ніж ви хотіли б, додайте вказівки, щоб керувати цим.
  • Самоперевірка: Додайте щось на кшталт: Перш ніж закінчити, перевір свою відповідь за [критеріями тестування]. Це надійно виявляє помилки, особливо для кодування та математики.

Типові помилки при написанні промптів

Уникнення цих поширених помилок допоможе вам отримувати більш точні та послідовні відповіді від мовних моделей:

• Розпливчасті інструкції: Моделі потребують конкретики. Уникайте загальних фраз, які можуть бути інтерпретовані по-різному.
• Покладання на здогадки моделі: Не очікуйте, що модель виведе ваші наміри з нечітких промптів. Явно вказуйте все, що ви хочете, щоб вона зробила.
• Відсутність структури в прикладах: Якщо ви використовуєте приклади, переконайтеся, що вони чітко відокремлені від інструкцій, наприклад, за допомогою XML-тегів.
• Вказівки, чого не робити: Моделі краще реагують на позитивні інструкції. Замість Не використовуй Markdown, напишіть Використовуй простий текст.
• Надмірне промптування: Уникайте агресивних формулювань, таких як КРИТИЧНО: Ти ПОВИНЕН використовувати цей інструмент.... Зазвичай достатньо Використовуй цей інструмент, коли....
• Надмірна перевірка (для Claude Opus 5): Claude Opus 5 добре перевіряє свою роботу без явних інструкцій. Інструкції з перевірки, перенесені зі старих промптів, можуть призвести до надмірної перевірки, додаючи токени та затримку.
• Використання попередньо заповнених відповідей (Prefilled responses): Починаючи з моделей Claude 4.6 та Claude Mythos Preview, попередньо заповнені відповіді (надання часткового повідомлення помічника для продовження моделлю) на останньому ході помічника більше не підтримуються.
• Небезпечний або шкідливий контент: Моделі, такі як Gemini, можуть відмовитися відповідати на промпти, які заохочують відповіді, що не відповідають цінностям або політиці безпеки, наприклад, мова ворожнечі, домагання, сексуально відвертий або небезпечний контент.

Відмінності між моделями: Reasoning та GPT (OpenAI)

При роботі з моделями OpenAI важливо розуміти різницю між Reasoning-моделями та GPT-моделями, оскільки вони вимагають різних підходів до промпт-інжинірингу.

Для складних завдань, що вимагають глибокого аналізу, Reasoning-моделі можуть бути кращим вибором, тоді як для швидких, конкретних завдань GPT-моделі з точними інструкціями будуть ефективнішими.