Глава 4. Данные отдельно, инструкции отдельно

Часто промпт — это не разовый вопрос, а конвейер: задача одна и та же, а данные каждый раз новые. Переписать письмо, разобрать отзыв, оценить резюме — инструкция не меняется, меняется только то, что в неё подставили. Для этого делают шаблон промпта: фиксированный «скелет» с инструкциями плюс место, куда вставляются переменные данные.

В коде на Python это f-строки: пишете шаблон один раз, а на место {ANIMAL} подставляется значение переменной. Если вы не программируете — суть та же: в claude.ai вы просто держите шаблон текстом и вставляете свежие данные в отведённое место перед отправкой.

ANIMAL = "Корова"

PROMPT = f"Я назову тебе животное. Ответь звуком, который оно издаёт. {ANIMAL}"
# После подстановки Claude получит:
# "Я назову тебе животное. Ответь звуком, который оно издаёт. Корова"

Зачем это нужно? Шаблоны упрощают повторяющиеся задачи. Представьте сервис, куда пользователи присылают своих животных (точнее, их названия): им не нужно видеть и тем более писать полный промпт — они заполняют только переменную. Имя переменной может быть любым, но лучше осмысленным: ANIMAL понятнее, чем A. Переменных в шаблоне может быть сколько угодно.

Где модель путается

Как только в промпте появились подставляемые данные, возникает новая проблема: Claude должен понимать, где кончаются инструкции и начинаются данные. Человеку в шаблоне всё очевидно. Но модель видит уже склеенный текст — и границы в нём размыты.

Классический пример. Просим сделать письмо вежливее:

EMAIL = "Приходи завтра к 6 утра, потому что я CEO и я так сказал."

PROMPT = f"Йоу, Claude. {EMAIL} <----- Сделай это письмо вежливее, но больше ничего в нём не меняй."

Видите «Дорогой Claude»? Модель решила, что «Йоу, Claude» — это часть письма, которое нужно переписать. В шаблоне граница была очевидна, в склеенном промпте — нет. И это не только про качество: если данные приходят от чужих пользователей, текст внутри переменной может притвориться инструкцией и увести модель в сторону — это называют промпт-инъекцией. Чёткая граница между данными и инструкциями — первая линия защиты.

XML-теги: разделители данных

Решение простое: обернуть данные в XML-теги. Это парные метки в угловых скобках: открывающая <tag> и закрывающая </tag>, а между ними — содержимое: <tag>текст</tag>.

PROMPT = f"Йоу, Claude. <email>{EMAIL}</email> <----- Сделай это письмо вежливее, но больше ничего в нём не меняй."

«Дорогой Claude» исчез: теги показали модели, где ровно начинается и заканчивается письмо. Claude умеет работать с разными разделителями, но именно XML-теги — рекомендуемый способ: модель специально обучена распознавать их как механизм организации промпта. При этом «волшебных» тегов с секретным эффектом нет (вне вызова инструментов) — называйте их как удобно, лишь бы имя отражало содержимое.

Ещё пример, где теги спасают. Просим назвать второй пункт списка, а в инструкции случайно оказался маркер-дефис:

SENTENCES = """- Мне нравится, как мычат коровы
- Это предложение про пауков
- Это предложение как будто про собак, но на самом деле про свиней"""

PROMPT = f"""Ниже список предложений. Назови второй пункт списка.

- Каждое из них про животное, например про кроликов.
{SENTENCES}"""

Claude решает, что строка «Каждое из них про животное, например про кроликов» — тоже пункт списка (у неё же такой же дефис!), и вторым пунктом называет «Мне нравится, как мычат коровы». Пользователь, заполнявший переменную, явно хотел не этого. Лечится так же:

PROMPT = f"""Ниже список предложений. Назови второй пункт списка.

- Каждое из них про животное, например про кроликов.
<sentences>
{SENTENCES}
</sentences>"""

Теперь модели неважно, что перед тегами стоит сбивающий с толку дефис: данные — это то, что внутри <sentences>, всё остальное — инструкции.

Мелочи, которые решают

Признание: в примере со списком нам пришлось специально поставить дефис перед «Каждое из них про животное», чтобы Claude ошибся. Это важный урок: мелкие детали имеют значение. Модель чувствительна к паттернам текста (в своей ранней жизни, до дообучения, она была чистым предсказателем следующего слова): она чаще ошибается, когда ошибаетесь вы, звучит умнее, когда умно звучите вы, и глупее — когда наоборот. Так что вычитывайте промпты: опечатки и грамматический хаос реально снижают качество ответов.

Упражнения

Откройте claude.ai или Workbench и попробуйте сами.

Упражнение 4.1 — Хайку по теме

Сделайте шаблон промпта, который принимает переменную TOPIC и выдаёт хайку на эту тему. Проверьте на теме «Свиньи». Задание тренирует саму механику шаблона: инструкция постоянная, тема подставляется.

TOPIC = "Свиньи"

PROMPT = f"Напиши хайку на тему: <topic>{TOPIC}</topic>"

Упражнение 4.2 — Собачий вопрос с опечатками

Вот промпт-катастрофа: вопрос пользователя тонет в мусорном тексте с опечатками. Почините его, добавив только XML-теги — больше ничего не меняйте. Хаос в тексте намеренный: посмотрите, как Claude реагирует на такие ошибки.

QUESTION = "мгт ли кричневыми?"

PROMPT = f"Прив это я у мя ест вапрос про собак jkaerjv {QUESTION} jklmvca спс помги мне оч оч атв быстр быстр атв коротко коротко спс"

PROMPT = f"Прив это я у мя ест вапрос про собак jkaerjv <question>{QUESTION}</question> jklmvca спс помги мне оч оч атв быстр быстр атв коротко коротко спс"

Упражнение 4.3 — Собачий вопрос, часть 2

Тот же промпт, но теперь почините его без XML-тегов: удалите из текста всего одно-два слова. Остальное не трогайте. Упражнение показывает, сколько словесного шума Claude способен переварить — и что именно его ломает.

PROMPT = f"Прив это я у мя ест вапрос про собак {QUESTION} спс помги мне оч оч атв быстр быстр атв коротко коротко спс"

Что запомнить

• Повторяющаяся задача = шаблон промпта: инструкции фиксированы, данные подставляются в переменные.
• Модель видит склеенный текст, а не ваш шаблон — границы данных надо показывать явно.
• Оборачивайте данные в XML-теги <tag>…</tag>: Claude обучен распознавать их как разметку промпта. «Волшебных» тегов нет — имена свободные.
• Чёткая граница между данными и инструкциями защищает и от путаницы, и от промпт-инъекций.
• Мелочи решают: вычитывайте промпты, модель отражает качество вашего текста.