Как писать сложные промпты: фреймворк CRF и приёмы, что реально работают

Привет! Я, Евгений Семёнов, директор ITFresh. За годы работы я заметил: в девяти случаях из десяти, когда клиенты разочаровываются в нейросетях, дело вовсе не в «плохой модели». Причина, как правило, всегда одна: задачу просто некорректно поставили. Недавно в канале «Нейросетевые покои» попалась на глаза короткая, но очень толковая памятка о структуре промпта. Сразу пришла мысль: а почему бы не разобрать её детально, по-человечески, да ещё и с примерами из нашей собственной практики? Давайте честно посмотрим, когда такой подход реально выстреливает, а когда, к сожалению, нет.

Главная ошибка: вы задаёте вопрос, а надо ставить задачу

Как мы обычно общаемся с нейросетями? Ну, почти так же, как скидываем задачи коллеге в чат: «сделай красиво», «напиши про нас текст», «проверь договор». И что получаем в ответ? Модель обычно выдаёт что-то усреднённое, такую «воду», а человек тут же машет рукой: «Да этот ваш ИИ — сплошное разочарование!» На самом деле, вся загвоздка в том, как мы ставим задачу. Помните: хороший промпт — это не просто какой-то запрос в пустоту, это, по сути, полноценное техническое задание. И да, у него есть своя, очень чёткая структура.

Фреймворк CRF: пять блоков нормального промпта

Каркас, который я постоянно рекомендую своим сотрудникам, невероятно прост. Он состоит всего из пяти пунктов. Выучить его можно буквально за одну минуту, но он гарантированно поднимает качество ответов нейросети в разы. Вот увидите:

Давайте просто сравним. Вот как обычно ставят задачу: «проверь этот договор». А теперь посмотрите, как тот же запрос трансформируется при правильном подходе, с нашей структурой: «Ты — юрист, который защищает интересы заказчика [Role]. Мы — IT-аутсорсер, подписываем договор с новым клиентом на 1,2 млн в год [Context]. Найди пункты, которые невыгодны нам или несут риск штрафов [Task]. Не предлагай переписать весь документ, только реально опасные места [Constraints]. Выведи таблицей: пункт — риск — что предложить [Format]». Чувствуете, насколько это отличается? Второй промпт выдаёт не просто ответ, а полноценную вычитку, сравнимую с работой платного юриста. Первый же — ну, это просто отписка, согласитесь.

Не лепите монолит — думайте шагами

Вторая типичная ошибка, которую я часто вижу, — это запросы на полстраницы: огромные, где смешано сразу пять задач. Модель от такого просто «растекается мыслью по древу» и в итоге выдаёт что-то, ну, скажем так, среднеплохое. Что же делать? Гораздо эффективнее работает декомпозиция. Сначала попросите нейросеть составить план, затем — выполнить первый пункт, потом перейти ко второму. Этот метод мы называем пошаговым мышлением, или step-by-step. Он даёт совершенно другое качество ответов, особенно в сложных задачах. Кстати, есть лайфхак: современные модели даже сами начинают «думать вслух», если напрямую их об этом попросить: «думай пошагово, прежде чем ответить». Попробуйте!

Few-shot: покажите пример вместо тысячи слов

Представьте, вам позарез нужен ответ в каком-то очень конкретном стиле или формате. Вместо того чтобы пытаться описать его словами, просто покажите ИИ один-два готовых примера. Этот приём называется few-shot, и он творит чудеса. Хотите, чтобы нейросеть писала коммерческие предложения ровно в вашем фирменном тоне? Отлично! Просто дайте ей два-три ваших лучших КП как образцы. Она подхватит нужную интонацию куда точнее, чем любое, даже самое детальное текстовое описание. Мы, например, так настраивали генерацию типовых ответов для клиентов: три таких примера «как надо» сэкономили нам целый абзац инструкций и обеспечили очень стабильный, предсказуемый результат.

Ограничения — это не придирки, а руль

Блок Constraints, или «ограничения», многие почему-то пропускают, и совершенно напрасно! Ведь именно он помогает отсечь всю эту «воду», весь ненужный информационный шум. Вот, например, что можно там прописать: «Не больше 1500 знаков», «без вводных фраз вроде „в современном мире“», «используй только факты из приложенного файла, ничего не придумывай», «пиши как бухгалтер, а не как айтишник». Поверьте, чем чётче и жёстче вы зададите эти рамки, тем меньше будет шансов, что модель сгенерирует что-то правдоподобное, но, по сути, полную чушь. Кстати, раз уж заговорили про «ничего не придумывай»: галлюцинации никуда не исчезли. Прямое указание «опирайся только на предоставленные данные» очень заметно снижает их количество.

Итерации и язык

Не стоит ждать идеала с первой же попытки, правда. Промпт — это скорее диалог, чем монолог: вы получаете черновик, потом уточняете («слишком формально, добавь конкретики и убери канцелярит»), дорабатываете. По нашей практике, две-три итерации почти всегда дают гораздо лучший результат, чем попытка составить один гигантский «идеальный» запрос. И вот ещё что мы заметили: в действительно сложных, логических задачах англоязычный промпт срабатывает точнее, чем русский. Как ни крути, модели всё-таки обучались в основном на английских данных. Для обычной рутины разницы нет, но если вы который час бьётесь над какой-то хитрой задачей, и результат совсем не радует — попробуйте переформулировать её по-английски. Вдруг сработает?

Где это реально помогает бизнесу — и где нет

Правильно составленный, структурированный промпт — это нечто большее. Он превращает нейросеть из просто интересной игрушки в по-настоящему мощный, рабочий инструмент. Задумайтесь: аудит договоров и КП, быстрый разбор сложных регламентов, черновики писем и текстов, выжимки ключевых данных из огромных документов, анализ отзывов — всё это, где раньше приходилось тратить часы рутинного труда, теперь благодаря грамотному промпту экономит вам целую кучу времени.

Но, как говорится, есть и свои границы. Давайте честно поговорим и о них. Во-первых, ИИ, увы, умеет уверенно ошибаться. Всё, что касается цифр, юридических формулировок или любых фактов, человек обязан перепроверять. Всегда. Во-вторых, и это очень важно: ни в коем случае не загружайте в облачные модели персональные данные клиентов или коммерческую тайну. Что ушло в чужой сервис, то, к сожалению, уже не вернуть. И в-третьих, помните, что промпт никогда не заменит вашей настоящей экспертизы. Он лишь усиливает того, кто и так отлично разбирается в задаче. Глупый вопрос, даже в самой красивой «упаковке», всегда останется глупым.

Мой вывод тут, на самом деле, очень простой: научите свою команду этим пяти волшебным буквам — Role, Context, Task, Constraints, Format. И увидите, как минимум половина всех претензий к «бесполезному ИИ» просто отпадёт. А если вы хотите внедрить ИИ в процессы системно, с чёткими регламентами и при этом быть уверенными в полной защите от утечек данных, — что ж, это уже задача для нас. Мы знаем, как это сделать.