Работа с ИИ · практика

Как написать промпт для нейросети: 5 слоёв контекста

Если Claude или ChatGPT отвечает банально, ему обычно не хватает цели, данных, правил или признаков хорошего результата. Разберём шаблон промпта на примере до и после.

20 июля 2026Обновлено 28 июля 2026Дарья Воронкина11 минутшаблон и пример

Представьте очень умного человека, который прочитал весь интернет. Он знает математику, медицину, физику, маркетинг и то, как приготовить карбонару. Вы встречаете его на улице и спрашиваете: «Что мне сейчас сделать?» Он ответит банально.

Не потому, что глупый. Он ничего не знает о вас.

Большая языковая модель устроена похоже. В ней много общей способности, но нет вашей рабочей доски, истории проекта, стиля команды и вчерашнего решения. Пока вы не передадите эти данные, модель будет достраивать ситуацию по наиболее вероятному сценарию.

Что такое промпт и контекст для нейросети

Промпт — это задание, которое вы передаёте нейросети. Контекст — информация, на которую модель может опереться, выполняя это задание. Хороший промпт не обязательно длинный, но в нём достаточно контекста для конкретного и проверяемого ответа.

Контекст — информация, доступная модели в момент выполнения задачи. Это не только текст внутри одного промпта. Контекстом могут быть:

• ваше описание задачи;
• прикреплённые документы и изображения;
• предыдущие сообщения;
• системные инструкции;
• примеры хороших и плохих результатов;
• файлы проекта, правила и память агента;
• данные из подключённых инструментов.

Контекст не равен «написать очень длинный промпт». Иногда десять страниц инструкций создают больше шума, чем один хороший пример и исходный файл.

Как написать хороший промпт: пять слоёв контекста

1. Ситуация

Кто вы, в каком процессе находитесь и почему появилась задача. Достаточно двух-трёх фактов, которые реально меняют решение.

Слабо: «Я продакт, помоги с исследованием».

Лучше: «Я продакт B2B-сервиса для медицинских лабораторий. Проверяем, готовы ли руководители разметки платить за автоматизацию постановки задач».

2. Результат

Опишите не действие модели, а состояние, которое должно появиться после работы. «Проанализируй интервью» слишком широко. «Собери пять повторяющихся проблем, для каждой приведи цитату и укажи, влияет ли она на готовность платить» — проверяемо.

3. Исходные данные

Передайте материалы, на которых должен строиться ответ. Если их нет, явно скажите, что модель может использовать, а что должна запросить у вас. Иначе она заполнит пробелы.

4. Ограничения

Срок, аудитория, формат, допустимые источники, юридические или технические рамки. Ограничение «не придумывай цифры» полезно, но ещё полезнее потребовать ссылку на источник возле каждого числа.

5. Проверка

Назовите критерии готовности. Например: все выводы подтверждены цитатами; спорные места помечены; таблица помещается на один экран; рекомендации не выходят за данные интервью.

Один запрос до и после добавления контекста

До

Напиши пост про внедрение ИИ в команду.

Модель не знает аудиторию, опыт автора, цель публикации и факты. Поэтому почти неизбежно напишет про «повышение эффективности», обучение сотрудников и постепенное внедрение.

После

Я руководила командой DataHub в медицинском AI-стартапе.
За месяц мы заменили часть SQL-процесса мультиагентной системой.

Задача: написать черновик поста для руководителей аналитики,
которые боятся давать агентам доступ к рабочим данным.

Используй только факты из приложенного разбора:
- 200 часов экономии команды;
- цикл аналитики стал быстрее в 12 раз;
- отдельно покажи две ошибки и меры контроля.

Формат: 2500–3000 знаков, от первого лица.
Не делай выводов, которых нет в материале.
После черновика перечисли все утверждения, требующие проверки.

Модель может всё ещё написать слабый текст. Но теперь понятно, что исправлять: стиль, отбор фактов или структуру. В первом запросе исправлять нечего — задача не была определена.

Как хранить контекст для Claude Code и AI-агентов

Когда задача повторяется, не стоит каждый раз вставлять одну и ту же биографию и правила. Контекст лучше разложить по файлам:

Anthropic описывает несколько уровней памяти Claude Code и автоматическую загрузку файлов CLAUDE.md. Практический смысл простой: корневой файл должен быть контрактом, а детали — жить ближе к своему разделу. Не складывайте 400 правил в один документ.

Эта архитектура особенно полезна для повторяемой работы. В моей системе один узкий агент знает, как собирать требования, другой — как декомпозировать задачу, третий — как тестировать. Их различает не название роли. Их различает контекст.

Почему даже подробный контекст не всегда помогает

В контексте есть противоречия

В одном файле написано «обращаться на вы», в другом — «писать на ты». Модель не знает, какое правило актуальнее. Удаляйте устаревшее и задавайте приоритеты.

Контекста слишком много

Если приложить весь архив компании, важные инструкции потеряются среди деталей. Передавайте минимум, который меняет решение, и дайте модели возможность запросить остальное.

Нет примера результата

Слова «живой», «сильный» и «в нашем стиле» допускают десятки трактовок. Один утверждённый пример часто полезнее десяти прилагательных.

Вы передали данные, но не критерии

Модель прочитала материалы и сформировала правдоподобный ответ. Но вы ожидали таблицу решений, а получили пересказ. Формат и критерий готовности — часть задачи.

Ответ не проверяют

Хороший контекст снижает вероятность ошибки, но не превращает модель в источник истины. Для важных решений нужны проверка источников, расчётов и допущений. Это отдельный навык — Discernment.

Чек-лист перед отправкой запроса

• Понятно ли, зачем выполняется задача?
• Есть ли конкретный результат, а не общий глагол?
• Переданы ли исходные данные?
• Названы ли важные ограничения?
• Есть ли пример или формат ответа?
• Можно ли проверить результат?
• Должна ли модель остановиться и задать вопросы?

Если задача сложная, добавьте последнюю инструкцию: «Сначала перечисли, какой информации тебе не хватает. Не начинай работу, пока критические пробелы не закрыты».

Попрактикуйтесь на своей задаче

В курсе AI Fluency есть отдельные уроки про описание задачи, делегирование и проверку результата. Откройте урок и сразу перепишите один реальный запрос.

Урок про DescriptionЧитать эксперименты в Telegram

Частые вопросы