Промпты, которые работают: Как говорить с искусственным интеллектом на одном языке

Почему один запрос даёт три разных ответа

Введение оставило нам простой договор: искусственный интеллект не заменяет постановку задачи, а усиливает её. Если на входе только тема, на выходе может появиться убедительный, но бесполезный текст. Промпт — это рабочая формулировка задания для модели; дальше слово «запрос» будем использовать как его короткий синоним.

В 19:12 Марина Волкова открыла рабочий чат и набрала:

«Помоги подготовить запуск курса для руководителей проектов».

Она ждала план: что сделать сначала, какие материалы подготовить, кому поручить задачи и как не сорвать старт через две недели. Вместо этого модель выдала аккуратный текст, разбитый на несколько разделов. Сначала предлагалось определить целевую аудиторию, затем сформулировать ценность курса, выбрать каналы продвижения и подготовить серию публикаций.

Марина пролистала ответ до конца.

«Слишком общее», — написала она.

Через минуту она скопировала тот же запрос в новый диалог. На этот раз ответ пошёл в другую сторону:

«Для запуска курса разделите программу на модули. Определите цели обучения, составьте структуру занятий, добавьте практические задания и предусмотрите итоговую проверку знаний».

Тоже разумно. Но опять не то.

Марина повторила запрос в третий раз. Теперь ответ начинался так:

«Вот пример анонса курса для руководителей проектов:

“Как выстроить работу команды, не утонув в срочных задачах? На курсе вы научитесь планировать проекты, распределять ответственность и контролировать результат...”»

Марина закрыла ноутбук — не потому, что получила готовый текст. Она получила три разных направления работы: стратегию запуска, структуру курса и рекламное сообщение.

«Я задала один вопрос, — сказала она на следующий день Илье и Светлане. — Почему модель каждый раз решает, что мне нужно что-то другое?»

Илья, аналитик проекта, посмотрел на исходную формулировку.

«Ты задала одну тему».

«Я написала “подготовить запуск”. Это разве не действие?»

«Скорее намерение, но не задание».

Разница показалась Марине придиркой. Курс был почти готов: шесть модулей, рабочая тетрадь, страница с описанием и список потенциальных участников. До старта оставалось четырнадцать дней. Она не хотела обсуждать философию формулировок. Ей нужен был план.

Но именно здесь обнаружилась причина большинства разочарований в работе с моделью. Пользователь считает, что сообщил цель, а модель получает набор слов, из которых нужно восстановить задачу. Если вариантов восстановления несколько, она выбирает один. В другом диалоге может выбрать другой.

Три ответа на один запрос

Модель не извлекает из головы единственно правильный ответ, который пользователь не сумел сформулировать. Она строит наиболее вероятное продолжение на основе написанного запроса и контекста диалога. В формулировке Марины были обозначены тема и общий замысел: запуск курса для руководителей проектов. Не были заданы действие, адресат результата, сроки, ресурсы, формат и критерий готовности.

Поэтому каждый ответ по-своему достраивал недостающие элементы.

У первого варианта было одно исходное предположение: Марине нужно разработать последовательность продвижения. В качестве объекта работы модель выбрала предложение курса, аудиторию и каналы запуска. Скрытой аудиторией стали команда проекта и потенциальные участники, а ограничениями — общие рекомендации без сроков и бюджета. Результат выглядел как план из этапов и каналов; его успех можно было бы оценить по тому, насколько ясно описано привлечение участников.

Второй вариант исходил из другой трактовки: нужно спроектировать содержание обучения. В центре оказались модули, занятия и практические задания, а адресатами — автор курса и будущие слушатели. Модель предположила последовательную образовательную программу в онлайн-формате и выдала список модулей с результатами обучения. Такой ответ был бы полезен, если бы курс ещё собирали.

Третий вариант трактовал запрос как просьбу написать рекламное сообщение. Объектом стал текст анонса, рассчитанный на потенциальных участников. Модель сама предположила, что нужен короткий убедительный текст, который заинтересует читателя и приведёт его к регистрации. Поэтому ответ принял форму заголовка, описания и призыва к действию.

У каждого варианта была своя логика. Первый полезен, если Марина не знает, как привлекать слушателей. Второй подходит, если программа ещё не собрана. Третий нужен, если курс готов, а странице не хватает текста.

Модель не ошиблась в классическом смысле. Она не перепутала дату, не исказила исходные факты и не выдала бессвязный набор слов. Она решила задачу, которую сама достроила из слишком широкой формулировки.

Даже при повторении одного и того же запроса ответы могут немного различаться из-за вероятностного характера генерации. Но эта техническая вариативность не главная проблема. При конкретном задании она меняет формулировки, примеры и порядок пунктов. При расплывчатом — может изменить сам тип результата.

Марина хотела получить план запуска. Для этого слово «запуск» нужно было превратить из темы в объект работы, а намерение — в проверяемый результат.

Тема, задача и критерий

Представьте, что руководитель говорит троим сотрудникам: «Подготовьте комнату к встрече».

Один принесёт стулья и проверит проектор. Второй составит повестку и распечатает материалы. Третий поставит воду, закажет кофе и предупредит участников. Каждый может искренне считать, что выполнил поручение. Если руководитель ожидал презентацию и список вопросов для решения, он назовёт работу неполной. Но сотрудники не получили этой информации.

Фраза «подготовьте комнату» обозначила направление, а не рабочее задание.

Тема отвечает на вопрос «о чём речь?». В случае Марины это запуск курса для руководителей проектов.

Задача отвечает на вопрос «что именно нужно сделать с этим материалом?». Например, составить четырнадцатидневный план запуска, сравнить два варианта предложения, написать письмо участникам или распределить задачи по команде.

Критерий готового результата отвечает на вопрос «как мы поймём, что работа выполнена?». Это может быть таблица с датами и ответственными, текст определённого объёма, список из пяти выводов с цитатами из данных или несколько вариантов с рекомендацией одного из них.

Без критерия слова «готово», «хорошо», «понятно» и «полезно» остаются оценками по настроению. Для одного человека хороший план — это десять подробных шагов. Для другого — одна страница с тремя решениями и ответственными. Для третьего — список рисков, потому что именно их он должен представить руководству.

Светлана, редактор проекта, решила проверить это на простом примере. Она отправила модели запрос:

«Сделай текст живее».

Получила бы она один определённый результат? Нет. «Живее» может означать разные операции.

Можно убрать канцелярские обороты и заменить их разговорными, добавить пример из практики, сократить длинные абзацы или усилить начало. Можно сделать тон энергичнее, убрать абстрактные обещания и показать конкретную ситуацию. Наконец, можно добавить эмоциональные слова и восклицательные знаки — иногда модель выбирает именно этот путь, хотя автору он не нужен.

Светлана переформулировала запросы в зависимости от задачи.

«Перепиши описание курса для страницы регистрации. Сохрани факты, не добавляй новых обещаний, сократи текст до 900 знаков, обращайся к руководителю проекта на “вы”, замени абстрактные формулировки двумя конкретными примерами рабочих ситуаций».

Или:

«Отредактируй письмо участникам курса о переносе старта на 18 сентября. Сохрани дату и причину переноса, убери канцелярские обороты, сделай письмо спокойным и ясным, объём — до 700 знаков. В конце добавь один понятный шаг для получателя».

Или:

«Перепиши первый абзац статьи для публикации в сообществе проекта во “ВКонтакте”. Нужен один бытовой эпизод, затем вывод о планировании задач. Не используй слова “уникальный”, “эффективный” и “в современном мире”. Объём — 600–800 знаков».

Во всех трёх случаях работа связана с текстом, но действие, объект, условия и критерий различаются. Поэтому различается и результат.

Что модель угадывает вместо пользователя

Когда контекст не задан, модели приходится заполнять несколько пустых мест. Обычно она делает это на основе распространённых шаблонов.

Прежде всего ей нужно понять, для кого предназначен результат. Если адресат не указан, она может писать для широкого взрослого читателя. В деловом запросе выберет нейтральный официальный тон, а в образовательном — усреднённый уровень подготовки. Но «руководители проектов» — не единая аудитория. Это могут быть начинающие руководители, опытные менеджеры, владельцы небольших компаний или руководители подразделений, которые выбирают курс для сотрудников.

Неясно и то, какое действие считать полезным. В запросе «помоги подготовить запуск» таким действием может показаться планирование рекламы, структура продукта, анализ аудитории или подготовка текстов.

Отдельно приходится угадывать ограничения. Если сроки не указаны, модель не знает, строить ли план на три дня, две недели или квартал. Если не назван объём, она выбирает привычную длину. Если не сказано, какие сведения достоверны, она может опереться на типовые предположения.

Наконец, нужно решить, по какому признаку оценивать успех. Для текста это может быть информативность, убедительность, краткость или удобство чтения. Для анализа — список наблюдений, выводы для принятия решения или обнаруженные риски. Для плана — последовательность действий, распределение ответственности или оценка ресурсов.

Не задан и формат. Один пользователь ждёт таблицу, другой — короткие рекомендации, третий — готовый документ, который можно переслать команде. Фраза «сделай план» не говорит, нужен ли календарь, список шагов, схема ролей или набор контрольных вопросов.

Каждая догадка может оказаться разумной. Проблема возникает, когда несколько догадок складываются в другую задачу.

Именно поэтому запрос «проанализируй отзывы» может привести к пересказу отзывов, классификации по темам или рекомендациям по улучшению продукта. Если пользователю нужно решить, какие два изменения внести в курс до запуска, он получит полезный, но недостаточный пересказ.

В рабочем запросе модель не обязана угадывать то, что можно сообщить одним предложением.

Как расплывчатые слова меняют результат

Расплывчатые слова опасны не сами по себе. Проблема возникает, когда они остаются единственными ограничителями.

«Короткий» может означать одно предложение, 500 знаков, одну страницу или текст, который читается за две минуты. «Подробный» — пять шагов с примерами или двадцать страниц с разбором исключений.

«Быстро» может означать «сегодня до вечера», «за пятнадцать минут» или «без этапа согласования». «Недорого» зависит от бюджета. «Профессионально» для одного человека означает строгий тон, а для другого — наличие конкретных цифр и решений.

«Для новичков» не сообщает, кто именно эти новички. Они могут знать предметную область, но не уметь работать с инструментом. Или, наоборот, быть сильными практиками, которым не хватает терминологии. «Интересно» не определяет, нужна ли история, спорный вопрос, пример из практики или неожиданный вывод.

«Без воды» тоже требует расшифровки. Для одного автора это отказ от повторов и общих вступлений, для другого — удаление всех примеров. В результате текст может стать короче, но потерять объяснение, ради которого его читали.

Такие слова можно оставлять, если рядом есть проверяемое уточнение.

«Короткое письмо» превращается в «до 700 знаков, три абзаца и один призыв к действию».

«Подробный разбор» — в «пять причин, для каждой — пример, риск и рекомендация».

«Для новичков» — в «без предположения опыта работы с аналитическими отчётами; каждый термин объяснить при первом употреблении».

«Профессионально» — в «спокойный деловой тон, конкретные сроки и ответственные, без оценочных слов и рекламных обещаний».

Модель умеет работать с общими словами, но не обязана приписывать им именно ваше значение. Если слово влияет на результат, его нужно перевести в наблюдаемый признак: длину, количество, срок, состав, формат, запрет или условие выбора.

Домашний краш-тест

Через несколько дней Марина столкнулась с той же проблемой вне запуска курса. Она написала модели:

«Составь полезное меню на неделю, чтобы было быстро и недорого».

Ответ предложил заранее готовить крупы и овощи. Другой вариант мог бы сосредоточиться на калорийности, третий — на минимальном количестве ингредиентов. Все три подхода можно назвать полезными, быстрыми и недорогими, если не задано, для кого готовят, что уже есть дома и сколько времени допустимо проводить на кухне.

Марина уточнила:

«Меню на неделю для двух взрослых и ребёнка. Ограничений по продуктам нет. Ужин должен занимать не больше 30 минут, общий бюджет на продукты — до 5000 рублей. Используй обычные продукты, которые можно купить в магазине у дома. Выдай план ужинов, список покупок по группам и два блюда, которые можно приготовить заранее».

Ответ стал не просто лучше — он приблизился к конкретному решению, потому что количество допустимых трактовок сократилось.

Этот пример не про рецепты. Он показывает принцип: модель не знает, какие из скрытых условий для вас главные, пока вы их не назвали. В рабочем проекте цена пропущенного условия выше. В меню это лишний поход в магазин. В запуске курса — потерянный день, неподходящий текст, неверная аудитория и решение, принятое на основании удобной, но не той информации.

Возвращаемся к запросу Марины

Светлана не стала переписывать запрос за Марину. Она начала с нескольких неудобных вопросов.

«Что именно должна сделать модель?»

«Составить план запуска».

«План для кого?»

«Для нашей команды: для меня, Ильи и тебя. Не для слушателей».

«С чем она должна работать?»

«Курс уже записан. Есть шесть модулей, страница регистрации и список из 1800 контактов, которые раньше интересовались обучением для руководителей. До старта четырнадцать дней. На продвижение есть 120 тысяч рублей. Использовать будем свои площадки, рассылку и сообщество проекта во “ВКонтакте”».

Илья добавил четвёртый вопрос:

«Как мы проверим, что план получился рабочим?»

Марина ответила не сразу.

«В нём должны быть конкретные действия по дням, ответственные, материалы на выходе и показатели. Если модель что-то предполагает, пусть отделяет предположения от фактов».

Только после этого появился новый запрос:

«Составь четырнадцатидневный план запуска онлайн-курса для руководителей проектов. Курс уже записан: шесть модулей, готова страница регистрации, есть список из 1800 контактов, ранее интересовавшихся обучением для руководителей. До старта осталось 14 дней, бюджет на продвижение — 120 000 рублей. План предназначен для команды из руководителя проекта, аналитика и редактора. Используй собственные каналы проекта, рассылку и сообщество во “ВКонтакте”.

Выдай результат в виде таблицы с колонками: день, действие, ответственный, материал на выходе, показатель проверки. Раздели обязательные и желательные шаги. Не придумывай факты о спросе и конверсии: если данных не хватает, пометь это как допущение. В конце добавь три главных риска запуска и список данных, которые нужно уточнить».

У модели по-прежнему оставалась свобода: она могла предложить разные формулировки действий, расставить акценты и выбрать порядок некоторых шагов. Но пространство задачи стало значительно уже.

Действие здесь — составить план. Объект — четырнадцатидневный запуск конкретного курса. Условия — готовая программа, имеющиеся каналы, команда из трёх человек, бюджет, срок и запрет на выдуманные факты. Проверяемый результат — таблица с определёнными колонками, разделением по приоритету и блоком рисков.

Эту минимальную конструкцию можно запомнить так:

«Сделай [действие] с [объектом] при [условиях] и выдай [проверяемый результат]».

Формула нужна не для механического копирования в каждом запросе, а для проверки. Если в предложении нельзя найти хотя бы эти четыре элемента, запрос, скорее всего, оставляет модели слишком много решений.

Действие должно начинаться с глагола, который можно проверить: составь, сравни, перепиши, выдели, сгруппируй, проверь, рассчитай, предложи варианты и выбери один по указанному критерию.

Объектом должен быть материал или часть работы: план, письмо, отзывы, таблица, описание курса, список рисков, сценарий разговора. Формулировка «сделай запуск» слишком широка, а «составь план действий до дня старта» уже задаёт предмет работы.

Условия очерчивают рамку: кто читает, какие данные доступны, каковы срок, объём и бюджет, каким должен быть тон, что запрещено и по какому правилу выбирать вариант. Не нужно вписывать всю историю проекта. Достаточно назвать то, что меняет решение.

Проверяемый результат должен позволять открыть ответ и вынести суждение. В нём есть формат, количество, обязательные элементы или правило выбора. «Сделай полезно» не проверяется. «Дай пять вариантов заголовка длиной до 60 знаков и выбери один, объяснив выбор по критериям ясности и соответствия аудитории» — проверяется.

Типичные сбои

Первый сбой — пользователь называет тему вместо действия. «Курс для руководителей проектов», «отзывы клиентов», «письмо о переносе» — это объекты разговора, а не задания. Следующий вопрос должен начинаться с глагола: что с этим сделать?

Второй сбой — в запросе есть действие, но нет адресата. «Напиши описание курса» оставляет неизвестным, кто будет его читать: участник, руководитель отдела, специалист по подбору или команда проекта. Разным читателям нужны разный уровень объяснения и разные аргументы.

Третий сбой — критерий прячется в прилагательном. «Хороший план», «понятный текст», «сильный анализ» не дают модели измеримой опоры. Прилагательное нужно заменить свойством результата.

Четвёртый сбой — пользователь не сообщает, чего делать нельзя. Модель может добавить новые обещания, придумать недостающие цифры, изменить факты, использовать неподходящий тон или расширить объём. Одно ограничение «не выдумывай данные» иногда полезнее, чем длинная просьба «сделай максимально качественно».

Пятый сбой — результат путают с целью. Цель проекта — набрать участников на курс. Результат работы модели — план, текст, сегментация аудитории или список экспериментов. Если попросить модель «набрать участников», она не сможет самостоятельно заменить все действия команды. Если попросить «составить план привлечения 50 заявок за 14 дней», работа становится конкретнее.

Шестой сбой — в запросе нет исходного объекта. «Проанализируй отзывы» без самих отзывов превращается в разговор о том, как вообще анализируют отзывы. Если материал не приложен, его нужно передать, описать или попросить модель сначала подготовить схему анализа.

Короткая практика перед отправкой

Возьмите запрос: «Сделай полезный пост о нашем курсе».

Не пытайтесь улучшить его словами «интересный», «живой» и «продающий». Сначала найдите четыре пустых места.

Действие здесь — написать пост. Объект — факты и предложение курса, а не «курс вообще». Условия — для кого пост, где он будет опубликован, каков его объём, что обязательно сохранить и какие обещания запрещены. Результат — текст определённой длины с заданными элементами и понятным следующим шагом для читателя.

Одна из рабочих версий может выглядеть так:

«Напиши пост для сообщества проекта во “ВКонтакте” о наборе на онлайн-курс для руководителей проектов. Аудитория — руководители с опытом от одного года, которым сложно удерживать сроки и распределять задачи в команде. Используй только факты из описания курса, не обещай карьерного роста и конкретного увеличения дохода. Объём — 900–1100 знаков. Структура: рабочая ситуация в начале, три навыка, которые отрабатываются на курсе, дата старта и призыв перейти на страницу регистрации. Предложи два варианта заголовка».

Это уже не набор пожеланий. В нём есть действие, объект, условия и результат. Модель всё ещё может выбрать неидеальную формулировку. Но теперь Марина сможет точно указать, что исправить: слишком общий первый абзац, неподходящий заголовок, нарушение объёма или неверный акцент на навыках.

Вот в чём состоит полезная смена позиции. Пользователь не требует от модели понять намерение из нескольких слов. Он сообщает ей рабочую рамку и оставляет место для вариантов там, где варианты действительно нужны.

После этого шага начинается следующая задача: превратить неясное «хочу подготовить запуск» в задание, которое можно передать человеку, модели или всей команде. Там появятся цель, исходные данные, ограничения и порядок действий. Пока же достаточно замечать момент, когда вместо задания вы отправляете модели только тему.

Из желания — в рабочее задание

«К осени у нас должен быть хороший курс, который люди будут рекомендовать друг другу».

Марина Волкова произнесла это уверенно, почти без паузы. На экране за её спиной стоял план из шести модулей, рядом лежал черновик презентации, а в общем чате уже несколько дней висело сообщение: «Нужно наконец подготовить запуск». Но за привлекательной картиной будущего пока не было рабочей задачи.

Когда не названы действие, аудитория, условия и признаки готового результата, модель снова вынуждена угадывать. Один ответ будет похож на маркетинговую консультацию, другой — на текст для страницы курса, третий — на список общих советов. Чтобы прекратить эту лотерею, не нужно сразу писать длинный промпт. Сначала важно понять, какую именно работу должна выполнить модель сейчас.

— И что вы хотите получить от меня? — спросила Светлана Орлова, редактор проекта.

— Помочь запустить курс.

— «Запустить» — это какое изменение должно произойти в ближайшие две недели?

Марина посмотрела на экран.

— Чтобы люди записались.

— А если после моего ответа у вас будет красивое описание курса, но так и не станет понятно, нужен ли он этой аудитории?

— Тогда такой ответ не поможет.

— Значит, сейчас вам нужен не «хороший курс» и не «красивый запуск». Вам нужно решить, есть ли основания проверять эту программу на реальных участниках и как провести такую проверку.

Марина кивнула, но через секунду добавила:

— Хотя ещё нужно понять, что именно будет в программе, кому её предлагать и что написать первым участникам.

— Это уже четыре разные задачи, — сказала Светлана. — Они связаны, но не совпадают.

Именно здесь обычно и начинается путаница. Человек хочет одного большого, хорошего результата, а модели поручает одновременно исследовать спрос, спроектировать продукт, написать текст и найти клиентов. Искусственный интеллект может участвовать во всех этих работах, но не выполнит их одинаково хорошо по одному неясному запросу.

Шесть заблуждений, из-за которых желание не превращается в рабочую задачу

Длинный запрос автоматически становится понятным

Марина могла бы написать так:

«Помоги мне максимально профессионально, красиво, эффективно и подробно запустить современный востребованный онлайн-курс для людей, которые хотят развиваться, с понятной программой, сильным позиционированием, хорошей рекламой и высокой конверсией».

Слов в этом запросе много, но решений почти нет. Непонятно, что именно требуется: проанализировать аудиторию, отредактировать описание, разработать программу или составить план продвижения. Прилагательные создают ощущение точности, но не задают операцию.

Длинный промпт полезен только тогда, когда каждый его фрагмент отвечает на отдельный вопрос: что сделать, для кого, на каких данных, при каких ограничениях и по каким признакам проверить результат. Если убрать эмоциональные усилители и оставить эти элементы, запрос часто станет вдвое короче и в несколько раз полезнее.

Модель сама поймёт, что значит «хорошо»

Для Марины «хороший курс» — это программа, за которую готовы платить, которую реально пройти без перегрузки и которую можно уверенно рекомендовать коллегам. Для Светланы это может быть ясное описание без шаблонных обещаний. Для Ильи — подтверждённая данными потребность, а не несколько восторженных откликов.