Промпт-инжиниринг и системные промпты
Научитесь управлять поведением агента через промпты. Изучите лучшие практики промпт-инжиниринга.
Теория
Хороший промпт состоит из нескольких частей:
1. Системный промпт (System Prompt) Задаёт роль, тон и ограничения агента. Выполняется один раз в начале диалога.
2. Контекст Релевантная информация для выполнения задачи: данные из RAG, история диалога, метаданные.
3. Инструкция Чёткое описание того, что нужно сделать. Используйте глаголы действия: «проанализируй», «сравни», «составь список».
4. Формат вывода Укажите, в каком формате нужен ответ: текст, JSON, таблица, список.
5. Примеры (Few-shot) Покажите несколько примеров входа и ожидаемого выхода.
- *Chain-of-Thought** — техника, которая заставляет модель рассуждать пошагово.
Как это работает: Вместо прямого ответа модель описывает свои рассуждения: «Сначала я проверю X, затем сравню с Y, и на основе этого сделаю вывод Z».
- *Когда использовать CoT:**
- Математические задачи
- Логические рассуждения
- Многошаговые задачи
- Задачи, требующие анализа
- *Когда НЕ использовать:**
- Простые вопросы с однозначным ответом
- Творческие задачи
- Когда нужна скорость, а не точность
**Пример промпта с CoT:**
Реши эту задачу шаг за шагом:
1. Сначала определи, что нам известно
2. Затем выяви, что нужно найти
3. Примени соответствующую формулу
4. Проверь результат
- *Ключевые элементы системного промпта:**
1. Роль и идентичность «Ты — опытный аналитик данных с 10-летним стажем...»
2. Ограничения «Ты отвечаешь только на вопросы о продуктах компании. На другие темы говори: 'Я могу помочь только с вопросами о наших продуктах'»
3. Тон и стиль «Используй дружелюбный, но профессиональный тон. Избегай жаргона.»
4. Формат ответов «Всегда структурируй ответ: краткий вывод, детальное объяснение, следующие шаги.»
5. Обработка ошибок «Если ты не уверен в ответе, скажи об этом прямо и предложи уточнить вопрос.»
- *Совет:** Изучите системные промпты популярных инструментов (ChatGPT, Claude, Perplexity) — они доступны в открытых репозиториях.
Zero-shot — модель выполняет задачу без примеров, только на основе инструкции. Подходит для: простых задач, стандартных форматов.
Few-shot — вы даёте 2-5 примеров входа и ожидаемого выхода. Подходит для: специфических форматов, необычных задач, когда нужна консистентность.
Пример Few-shot промпта: ``` Классифицируй отзыв как позитивный, негативный или нейтральный.
Примеры: Отзыв: "Отличный продукт, рекомендую!" Классификация: позитивный
Отзыв: "Сломался через неделю, ужас" Классификация: негативный
Отзыв: "Нормальный, ничего особенного" Классификация: нейтральный
Теперь классифицируй: Отзыв: "{user_input}" ```
- *Правило:** Если модель ошибается без примеров, добавьте 2-3 примера. Обычно этого достаточно.
Ключевые концепции
- Структура промпта: системный промпт, контекст, инструкция, примеры
- Системные промпты: как задать роль, тон и ограничения агента
- Few-shot prompting: обучение через примеры в контексте
- Chain-of-Thought (CoT): заставить модель рассуждать пошагово
- Zero-shot vs Few-shot: когда использовать каждый подход
- Structured generation: управление форматом вывода (JSON, XML)
Практические задания
Создание системного промпта для агента поддержки
Напишите системный промпт для агента техподдержки интернет-магазина.
Системный промпт + примеры диалогов + анализ качества
Эксперимент с Chain-of-Thought
Возьмите сложную задачу и создайте два промпта: без CoT и с CoT. Сравните результаты.
Два промпта + результаты + вывод о том, когда CoT помогает
Библиотека промптов
Изучите 20 промптов из внешних ресурсов, выберите 5 лучших, адаптируйте под свои задачи.
Документ с 5 промптами: оригинал, ваша версия, комментарии