Промты для GPT

Промты для гпт: формула из шести частей

Запрос собирается из шести частей, и порядок в списке — это порядок важности. Проверяется просто: оставьте одну задачу без обстоятельств — ответ всё равно осмысленный. Оставьте одни обстоятельства без задачи — не произойдёт ничего. Формулу подробно разбирает Jeff Su.

Про обстоятельства есть отдельная оговорка: давать надо ровно столько, чтобы отсечь лишние варианты, а не всё, что знаете. Уточнять можно бесконечно, но толк от этого падает.

Про формат проще всего так: если под рукой есть готовый образец — письмо, вакансия, отчёт, — приложите его и попросите повторить строение. Это короче и точнее, чем описывать словами.

Готовые промты для работы

Заготовки, в которые подставляется своё. Каждая собрана по формуле выше — видно, где в ней роль, где обстоятельства, где формат.

Промты для текста: написать, переписать, сократить

Самая частая работа, ради которой сюда приходят. Разница между слабым и рабочим запросом здесь не в теме, а в ограничениях: для кого текст, какой длины и чего в нём быть не должно.

Если текст нужного вида у вас уже когда-то выходил — не описывайте его словами, а приложите. Модель разберёт строение сама: где начало, где доводы, где вывод, какой длины части. Это и быстрее, и точнее, чем три абзаца объяснений про то, как должен выглядеть результат.

Промты для разбора и расчётов

Вторая по частоте работа: отдать модели данные и получить не пересказ, а вывод.

В последних двух примерах приписка про размышление стоит не для красоты: на расчётах и разборах она заметно меняет ответ, а на пересказе только добавляет расход.

Промты для фото и изображений

Половина запросов про промты для чат гпт на деле про картинки: промты для фото, для внешности, для обработки фотографий, для фотосессии, для портретов и аватарок.

Здесь работает другая формула — не задача с ролью и тоном, а объект, действие, обстановка, стиль, свет и детали. Она разобрана целиком на странице промтов для нано банана: модель другая, но строение запроса к картиночным моделям общее.

Картинки у нас рисуют GPT Image 2 и Nano Banana. Обе работают с того же счёта, что и текстовая модель.

Промт для картинки внутри переписки

Попросить картинку прямо в переписке и составить запрос к картиночной модели — это две разные работы, и путают их постоянно. В первом случае вы говорите с текстовой моделью, а она пересказывает вашу просьбу картиночной своими словами. Пересказ этот вы не видите и повлиять на него не можете, а по дороге теряется как раз то, что вам было важно.

Поэтому надёжнее собрать запрос к картинке отдельно и по своей формуле — объект, действие, обстановка, стиль, свет, детали, — а текстовую модель попросить его составить, а не рисовать. Просьба звучит так: «собери подробный запрос для картиночной модели по этому описанию, ничего не рисуй».

Дальше готовый запрос отправляется туда, где рисуют, — и там уже виден расход за картинку, а не за переписку.

Что изменилось после GPT-5

Многие заметили, что после смены поколения прежние запросы стали давать результат хуже, хотя сами запросы не менялись. Причин две, и обе разобраны в руководстве OpenAI и в разборе Jeff Su.

Первая: моделей стало три, и какая возьмёт ваш запрос, решает скрытый распределитель. Написали и нажали ввод — попасть можете и на сильную, и на быструю. Сильные дороже в работе, поэтому по умолчанию выгоднее отдать запрос быстрой.

Вторая: новое поколение точнее исполняет написанное — и хуже угадывает ненаписанное. Модель обучали с прицелом на самостоятельную работу, а там домысливать нельзя. Расплывчатый запрос, который прошлым моделям сходил с рук, теперь даёт результат слабее прежнего.

Отсюда и приём: дописать в конец запроса просьбу подумать как следует. Это переключает на модель с рассуждением. Сработало — видно по тому, что модель показывает ход размышления, а в ответе появляются последствия, которых в быстром варианте не было.

Отдельно стоит знать про глубину рассуждения: она задаётся, и чем ниже, тем быстрее и дешевле ответ. Разбор официального руководства говорит прямо, что многие работы закрываются на средней и даже низкой глубине с тем же результатом.

Промты по профессиям

Роль в запросе работает не когда её приписывают для солидности, а когда за ней стоит настоящая разница в подходе: юрист и маркетолог разберут один и тот же текст по-разному, и это видно в ответе.

Заметьте, что во всех шести роль занимает ровно одно предложение, а остальное — задача, ограничения и формат. Роль без них не даёт ничего.

Как задать модели переписку, а не один ответ

Промт не обязан быть одним сообщением. Часть задач решается лучше, если разбить работу на ходы и вести модель по ним — так же, как вели бы человека.

1. Сначала попросите план, а не результат. «Не пиши текст. Сначала предложи строение из пяти разделов и объясни, зачем каждый». Так ошибку видно до того, как написан весь текст.
2. Утвердите или поправьте. Правьте один раздел, а не весь план. Модель держит в памяти всю переписку и учитывает правку дальше.
3. Просите по одному куску. «Напиши только второй раздел». Длинный ответ целиком чаще выходит ровным и пустым, а по кускам получается плотнее.
4. В конце попросите пройтись по своему же тексту. «Найди в написанном три слабых места и предложи, как их исправить». Модель разбирает свой ответ строже, чем пишет.

Оговорка про расход: каждый ход переписки — это отдельный запрос, и вся предыдущая переписка отправляется заново. Длинный разговор обходится дороже одного длинного запроса, и на большом объёме разница заметна.

Как улучшить готовый промт

1. Проверьте, есть ли глагол. Создание промта начинается с действия: запрос без глагола модель понимает как разговор, а не как поручение. «Про маркетинг» — это тема, «разбери и предложи три хода» — задача.
2. Добавьте ограничения. Объём, для кого, чего избегать. Разница между любительским и рабочим запросом чаще всего именно в них, а не в теме.
3. Приложите образец. Готовый документ нужного вида заменяет три абзаца описаний формата.
4. Правьте по одной части. Переписав запрос целиком, вы не поймёте, что именно помогло.
5. Отдайте промт модели на переписку. Скопируйте свой запрос и попросите переписать его, назвав, что в нём неясно. Разбирать запрос модель умеет охотнее, чем выполнять, и прямо назовёт, чего в нём не хватает.

Примеры: слабый запрос и рабочий

Нагляднее всего разница видна на одной и той же задаче. Слева — как пишут обычно, справа — то же самое по формуле.

Общее у правого столбца одно: в каждом запросе названо, для кого, какого объёма и чего быть не должно. Ни в одном нет ничего сложного — только точность. Тот же разбор «любительский против рабочего» на своих примерах ведёт AI Master.

Промт — это не вопрос

Проще всего работать с моделью, если понимать, что происходит на её стороне. А происходит там не размышление над вашим вопросом: модель достраивает начатый вами текст, выбирая наиболее вероятное продолжение. То есть вы не столько спрашиваете, сколько задаёте образец, который она подхватывает. Из этого следует всё остальное на этой странице.

Проверяется это просто. Напишите половину знакомой фразы — и модель закончит её так, как заканчивают обычно. Расплывчатое начало она достроит чем угодно, точное — только тем, что подходит.

Практический вывод: плохой ответ почти всегда значит, что образец задан нечётко, а не что модель глупая. Мысль эту разворачивает разбор NetworkChuck, который для него прошёл курсы и официальные руководства трёх разработчиков сразу.

Роль: у кого бы вы спросили в жизни

Роль в запросе часто ставят наугад — «ты эксперт», «ты профессионал». Толку от этого нет. Работает другой ход: представьте, что моделей не существует, и вам надо спросить живого человека. Кого бы вы выбрали?

Собираетесь в Японию — спросите не «путешественника», а того, кто там был, любит эту страну и составил не одну поездку. Вот это и есть роль: не звание, а откуда брать знание.

Отсюда правило про точность. «Будь учителем» не значит ничего. «Будь терпеливым учителем начальных классов, который объясняет счёт раздражённому родителю» задаёт и знание, и тон разом.

Почему модель выдумывает и что с этим делать

Выдумки берутся не из вредности. Модель старается ответить и очень редко отвечает «ничего»: всё, чего вы не дали, она достроит сама — правдоподобно и мимо.

Отсюда первое средство: обстоятельств давать не жалеть. Чем меньше пробелов вы оставили, тем меньше достроено.

Второе средство сильнее и его почти не используют: **разрешить не знать**. Прямая строка «если ответа в данных нет — так и скажи, не подбирай правдоподобный» стоит в официальном руководстве Anthropic, и разбор называет её средством номер один против выдумок. Без такого разрешения модель предпочтёт угодить.

Третье: не полагаться на память разговора. Она есть, но она не человеческая — модель не помнит, а угадывает по накопленному. Обстоятельства лучше давать заново каждый раз, чем считать, что она их держит.

Показывать, а не описывать

Описание нужного результата словами — рабочий, но не лучший ход. Лучший — показать пример: вот такой ответ мне нужен.

Давать пример целиком не нужно и даже вредно. В полном образце много случайного — обороты, длина, подробности, — и модель принимает это за часть задания, выдавая копию вместо повторения строения. Давать надо куски: вот так выглядит начало, вот так изложены события по времени, вот так признают ошибку.

Тот же приём в другом виде — зеркалить свой слог. Приложите собственное письмо и попросите разобрать, как вы пишете, а потом написать новое так же. Дальше модель держит ваш слог сама.

Три способа заставить модель думать

Есть три способа заставить модель не отвечать сразу, а сначала подумать. Они разной силы и годятся для разного, но действуют все три. Взяты из того же разбора.

1. Ход рассуждения. «Прежде чем отвечать, разбери задачу по шагам». Приём старый и настолько рабочий, что разработчики встроили его кнопкой. Профессор Уортона Итан Молик говорит, что девяносто пять процентов житейских задач решаются простым включением расширенного размышления.
2. Несколько путей сразу. Вместо одного хода — три разных подхода к задаче, оценка каждого и сведение в лучший. Работает там, где первая мысль обычно не лучшая: письмо, замысел, решение с несколькими сторонами.
3. Состязание. Три разные роли и три круга: двое пишут свои варианты, третий их разносит, потом все вместе делают итоговый. Приём работает потому, что разбирать чужое модель умеет лучше, чем сочинять своё, — и здесь она разбирает саму себя.

Как чинить ответ, а не переписывать запрос

Когда ответ не тот, обычная реакция — «неверно, попробуй ещё». Это заставляет модель гадать, что именно не так.

Правильнее назвать причину и направление: «слишком сложно для моего читателя — перепиши для владельца магазина без подготовки, простыми словами и с примерами вместо теории». Дальше модель правит по названному, а не наугад.

Второй ход — вести работу шагами и не давать бежать вперёд: «сначала помоги определить, для кого это, и дождись моего ответа, потом перейдём к цене». Так вместо общего совета выходит разговор, где каждый шаг опирается на предыдущий.

Мелочи, которые копятся

Полный перечень таких приёмов — в разборе тридцати мелочей.

Главное умение — не приёмы

Почти все разборы, сколько их ни читай, приходят к одному и тому же выводу, и он не про модель. Приёмы работают не сами по себе, а потому, что каждый из них заставляет вас что-то додумать. Роль — решить, откуда должно браться знание. Обстоятельства — назвать, что вообще происходит и для кого ответ. Ход рассуждения — продумать, как задача решается по шагам. Пример — понять, что вы сами считаете хорошим результатом.

То есть каждый приём — это способ заставить себя думать яснее. Плохой запрос почти всегда значит, что мысль ещё не додумана.

Отсюда и простой совет напоследок: если запрос не выходит, закройте окно ввода и опишите словами на бумаге, чего вы хотите добиться. Что не можете объяснить себе — не объясните и модели.

Частые ошибки

Общее у всех шести одно: запрос звучит как разговор, а не как поручение. Проверить легко — если то же самое сказать человеку, он переспросит «а конкретнее?», значит переспросит и модель, только вслух не скажет.

Где промт хранить и как им пользоваться дважды

Удачный запрос — это заготовка, а не разовая работа. Единственное, что стоит сделать сразу после того, как ответ понравился: сохранить сам запрос, а не только результат.

Простой способ — держать их в обычном текстовом файле, разложив по задачам, и подставлять в места, отмеченные скобками: кому, о чём, какого объёма. Через месяц вы не вспомните, чем удачный запрос отличался от неудачного, а файл вспомнит.

Если запрос нужен не человеку, а программе, тот же текст уходит в поле системного сообщения — тогда он подставляется к каждому обращению сам. Как это устроено, разобрано в разделе документации про устройство запроса.

Зачем задавать объём ответа

Объём — единственная часть запроса, которую модель домысливает почти всегда, и почти всегда не в ту сторону. Если он не назван, ответ выходит развёрнутым: длинный ответ реже оказывается неполным, и модель выбирает его как более безопасный. Читателю при этом чаще нужно обратное.

Задаётся объём одной строкой в конце запроса, и вариантов формулировки три. «Дай пять пунктов» — счётом. «Уложись в двести слов» — длиной. «Ответь одним абзацем без списков» — видом ответа. Первое годится, когда нужен перечень; второе — когда текст пойдёт в письмо или в карточку; третье — когда список мешает читать.

Заодно это меняет и содержание, а не только длину. Ограничение заставляет модель выбирать главное: в пяти пунктах она называет пять самых весомых вещей, а в пятнадцати — доливает остальное до объёма. Поэтому короткий заказ часто даёт ответ не только быстрее, но и точнее.

Какую модель брать под какие промты

В семействе три модели — от простой и быстрой до самой сильной. Пересказ, вычитку и раскладку однотипных записей тянет простая: работа здесь механическая, и сильная ничего к ней не добавляет. Разбор длинного документа, работу с кодом и всё, где нужен вывод, а не изложение, лучше отдавать сильной.

Заводить под каждую отдельный счёт не нужно: какая из трёх отвечает, называется в самом запросе. Чем модели различаются по существу и по ставкам — на странице GPT API.

Промт или промпт — как правильно

В словарях этого слова пока нет, и пишут его по-разному. Мы держимся написания «промт», потому что так спрашивают чаще: в замерах оно опережает вариант с «п» в середине в разы. На смысл написание не влияет.

На каком языке составлять запрос

Русский и английский работают одинаково, качество ответа от языка не меняется. Английский при этом обходится чуть дешевле: та же мысль по-английски занимает меньше знаков, а счёт идёт именно за объём.

Нужно ли назначать модели роль

Помогает не всегда. Роль работает, когда за ней стоит настоящая разница в подходе — юрист и маркетолог разберут один текст по-разному. А приписка «представь, что ты эксперт» без задачи и ограничений не меняет ничего.

Готовые промты для чата гпт где брать

Заготовки из таблиц выше можно копировать как есть — они собраны по формуле и рассчитаны на подстановку своего. Общие приёмы, не привязанные к модели, разобраны в разборе промтов для нейросети.