Prompt Engineering

Prompt Engineering — практика формулирования запросов (промптов) к языковым моделям (LLM) так, чтобы получать качественные, точные, полезные результаты.

Почему это важно

Разница между «средним» и «топовым» ассистентом в 2026 году — не в скорости печати или знании Excel. А в том, как он умеет взаимодействовать с AI-инструментами. Хороший промпт даёт ответ, который можно использовать сразу. Плохой — мусор, который нужно переписывать.

Структура хорошего промпта

1. Роль — кто вы (например, «ты — финансовый аналитик с 10-летним опытом»)
2. Контекст — что за ситуация
3. Задача — что нужно на выходе
4. Формат — длина, структура (списком / таблицей / абзацами)
5. Стиль — примеры из ваших прошлых работ
6. Ограничения — что точно НЕ делать

Сравнение

Плохой промпт:

«Напиши письмо клиенту»

Хороший промпт:

«Клиент написал, что недоволен задержкой проекта на 2 недели. Контекст: задержка из-за подрядчика, мы не виноваты, но обещали в срок. Напиши ответ от лица фаундера компании. Тон: признаём, объясняем, предлагаем компенсацию (10% скидка на следующий заказ). Длина: 4–6 предложений. Стиль: вежливо, но без раболепства, как в этом примере: [приложить пример].»

Главные техники

• Chain of Thought — попросить модель рассуждать пошагово
• Few-shot — дать 2-3 примера ответа в нужном стиле
• Role-playing — задать роль (психолог / юрист / журналист)
• Self-critique — попросить модель критически оценить свой ответ
• Structured output — попросить вернуть в формате JSON / таблицы

Что должен уметь ассистент в 2026

• Форматировать промпты по структуре выше
• Уметь итерироваться (если ответ не идеален — улучшить промпт)
• Работать с несколькими моделями (ChatGPT, Claude, Gemini, DeepSeek) и понимать их сильные стороны
• Не выгружать в публичные модели конфиденциальные данные

У Aspirine HR

Мы целенаправленно проверяем у кандидатов опыт работы с AI-инструментами — это становится differentiator на рынке. В отчёте по кандидату вы видите его уровень владения promptingом.

См. также: Как ассистент использует AI.