Промпт-инжиниринг
Как писать промпты, которые дают нужный результат. Техники, паттерны, примеры
Что это
Промпт-инжиниринг — умение формулировать запросы к AI так, чтобы получать нужный результат. Не «магическое заклинание», а навык структурированной коммуникации. Качество промпта напрямую определяет качество результата — это фундаментальный навык для вайбкодинга.
Ключевые техники
1. Будь конкретным
До:
Сделай форму
После:
Создай форму регистрации с полями email, пароль,
подтверждение пароля. Валидация на клиенте.
React + Zod. Дизайн — минималистичный, shadcn/ui.
Чем конкретнее запрос — тем меньше итераций.
2. Давай контекст
Проект: Telegram-бот на Python (python-telegram-bot 20.x).
Стек: PostgreSQL, Railway для деплоя.
Стиль: async/await, type hints.
Добавь команду /stats, которая показывает количество
сообщений за последние 7 дней.
Контекст стека, паттернов и ограничений радикально повышает точность.
3. Используй примеры (few-shot)
Формат ответа:
- Вход: "купить молоко" → Категория: Продукты, Приоритет: Низкий
- Вход: "позвонить врачу" → Категория: Здоровье, Приоритет: Высокий
Теперь классифицируй: "оплатить аренду"
Примеры показывают модели ожидаемый формат лучше любого объяснения.
4. Итерируй
Первый результат редко идеален. Рабочий цикл:
Промпт → Результат → "Измени X, добавь Y, убери Z" → Результат → ...
Каждая итерация уточняет результат. Ошибка — тоже промпт: скопировал стектрейс → вставил агенту → получил фикс.
5. Chain of Thought
Для сложных задач попроси модель рассуждать пошагово:
Проанализируй архитектуру проекта. Подумай шаг за шагом:
1. Какие компоненты есть
2. Как они связаны
3. Где потенциальные проблемы
4. Что оптимизировать в первую очередь
6. Метапромптинг
Не знаешь, что написать? Попроси AI помочь сформулировать:
Я хочу сделать трекер подписок. Задай мне 5 вопросов
с 3 вариантами ответов, по одному. В конце дай мне
промпт на создание приложения.
AI задаёт вопросы → вытаскивает контекст из головы → генерирует точный промпт. Подробнее: Метапромптинг.
Частые ошибки
| Ошибка | Почему плохо | Как исправить |
|---|---|---|
| Слишком общий запрос | Модель гадает, что имелось в виду | Добавить конкретные параметры |
| Нет контекста проекта | Результат не вписывается в стек | Указать стек, паттерны, ограничения |
| Всё за один промпт | Перегрузка — качество падает | Разбить на шаги: PRD → план → реализация |
| Не читать результат | Слепое принятие — баги копятся | Проверять каждый шаг, задавать вопросы |
| Бросать при первой ошибке | Итерация — нормальная часть процесса | Копировать ошибку → вставить агенту |
Пошаговый процесс
1. Контекст → Кто ты, что за проект, какой стек
2. Задача → Что конкретно нужно сделать
3. Формат → Как должен выглядеть результат
4. Ограничения → Чего НЕ делать
5. Примеры → Образец ожидаемого результата
В курсе
| Урок | Контекст |
|---|---|
| Урок 1 | Метапромптинг как первая техника: AI задаёт вопросы вместо ответа. Практика: сайт про себя через промпт |
| Урок 2 | PRD как структурированный промпт. Контраст: «сделай бота» (50/50) vs PRD → агент (предсказуемо) |
| Урок 3 | Три промпта от идеи до roadmap: метапромптинг → декомпозиция → roadmap с критериями |
| Урок 4 | Skills как переиспользуемые промпты. Промпт превращается в файл, который агент вызывает по команде |
Ссылки
- Prompt Engineering Guide — самый полный гайд по техникам
- Anthropic Prompt Engineering — гайд от Anthropic
- OpenAI Prompt Engineering — гайд от OpenAI
Связанное
- Метапромптинг — техника «AI задаёт вопросы вместо ответа»
- PRD — структурированный промпт-документ
- Контекст — качество контекста определяет качество ответа
- CLAUDE.md — промпт, который агент читает автоматически
- Skills — переиспользуемые промпты для агента