Продвинутый промптинг - Урок №9
Как проходить урок?
Время выполнения Д/З
1 день
1 день
Время урока
10 минут
10 минут
В этом уроке мы разберем способы продвинутого промптинга для идеального результата.
3. После выполнения ДЗ - переходите к следующему уроку!
2. Внизу будет домашнее задание для выполнения (займет от 10 до 20 минут).
1. Читайте текст урока.
Добро пожаловать в один из самых насыщенных и, честно сказать, интересных уроков курса. Мы с вами уже прошли базу: научились формулировать команды (промпты) по технике CLEAR, знаем, что нейросеть не волшебник, а аккуратный угадыватель на основе статистики.
Но теперь — пора переходить на продвинутый уровень.
Если вы хотите, чтобы ИИ работал не просто как грамотный стажёр, а как аналитик, помощник или даже эксперт — нужен более тонкий подход. Сегодня мы разберём продвинутые методы промптинга, структуру диалогов, дополнительные параметры, которые управляют качеством, стилем и разнообразием ответа.
Но теперь — пора переходить на продвинутый уровень.
Если вы хотите, чтобы ИИ работал не просто как грамотный стажёр, а как аналитик, помощник или даже эксперт — нужен более тонкий подход. Сегодня мы разберём продвинутые методы промптинга, структуру диалогов, дополнительные параметры, которые управляют качеством, стилем и разнообразием ответа.
Что такое продвинутый промптинг?
Если в базовом уровне вы просто формулируете запрос (например, «составь письмо»), то в продвинутом вы:
Давайте разберем основные методы продвинутого промптинга.
- задаёте роль и ограничения;
- настраиваете стиль, тон, формат;
- структурируете диалог, разбивая его на system и user;
- задаёте мета-команды: «думай пошагово», «оцени альтернативы», «прогнозируй риски»;
- управляете поведением ИИ с помощью параметров, о которых поговорим чуть позже.
Давайте разберем основные методы продвинутого промптинга.
Методы продвинутого промптинга
Метод Few-Shot Prompting
Когда вы хотите, чтобы ИИ выдал ответ в нужном формате, не всегда достаточно сказать: «сделай хорошо».
Намного лучше — показать ему 1–3 примера, на которых он обучится стилю, структуре и подходу. Это и есть few-shot prompting.
Вы даёте нейросети цепочку: пример → результат, пример → результат… и потом добавляете новую задачу. Модель "угадывает" по аналогии.
Намного лучше — показать ему 1–3 примера, на которых он обучится стилю, структуре и подходу. Это и есть few-shot prompting.
Вы даёте нейросети цепочку: пример → результат, пример → результат… и потом добавляете новую задачу. Модель "угадывает" по аналогии.
Пример использования техники:
Ты менеджер по продажам. Составляй письма клиентов для трех сценариев:
Вход: Клиент не выходит на связь 3 дня.
Ответ: Добрый день! Напоминаю о нашем предложении. Если появились вопросы — с радостью обсудим. Буду на связи сегодня до 18:00.
Пример 2:
Вход: Клиент открыл КП, но не отвечает.
Ответ: Здравствуйте! Отправлял вам коммерческое предложение — подскажите, удалось ли ознакомиться? Готов обсудить детали, если что-то неясно.
Ты менеджер по продажам. Составляй письма клиентов для трех сценариев:
- если клиент не выходит на связь;
Вход: Клиент не выходит на связь 3 дня.
Ответ: Добрый день! Напоминаю о нашем предложении. Если появились вопросы — с радостью обсудим. Буду на связи сегодня до 18:00.
- если клиент открыл коммерческое предложение (кп) и не отвечает на письмо;
Пример 2:
Вход: Клиент открыл КП, но не отвечает.
Ответ: Здравствуйте! Отправлял вам коммерческое предложение — подскажите, удалось ли ознакомиться? Готов обсудить детали, если что-то неясно.
Метод Chain-of-Thought
Эта техника — настоящая находка, если вы хотите, чтобы нейросеть объясняла свой ход мыслей или принимала решения поэтапно. Она особенно важна для аналитики, классификации, сложных логических задач.
Суть: вы просите ИИ сделать определенную последовательность действий. Сначала сделать одно, затем другое, затем третье.
Здесь как в готовке, вы не сразу просите баристу приготовить латте, а рассказывайте ему поэтапно рецепт со всеми деталями каждого этапа.
Тоже самое и в методе Chain-of-thought.
Суть: вы просите ИИ сделать определенную последовательность действий. Сначала сделать одно, затем другое, затем третье.
Здесь как в готовке, вы не сразу просите баристу приготовить латте, а рассказывайте ему поэтапно рецепт со всеми деталями каждого этапа.
Тоже самое и в методе Chain-of-thought.
Пример использования техники:
User: Ты — финансовый аналитик. Определи, стоит ли инвестировать в компанию. Сначала проанализируй выручку, затем долговую нагрузку, потом оценку рынка. В конце — сделай вывод.
User: Ты — финансовый аналитик. Определи, стоит ли инвестировать в компанию. Сначала проанализируй выручку, затем долговую нагрузку, потом оценку рынка. В конце — сделай вывод.
Инструкция + ограничения (Constraint Prompting)
Иногда ИИ начинает «болтать». Длинно, цветисто, с повторами. А вам нужен лаконичный список или конкретная структура. Здесь на помощь приходит чёткая инструкция с рамками: где, что, как, в каком формате и на сколько слов.
Пример использования техники:
Ты — маркетолог. Напиши план продвижения.
Условия:
— Формат: список из 5 шагов
— Каждый шаг не длиннее 30 слов
— В конце: одна метрика для оценки
Ты — маркетолог. Напиши план продвижения.
Условия:
— Формат: список из 5 шагов
— Каждый шаг не длиннее 30 слов
— В конце: одна метрика для оценки
Метод Style Prompting)
В деловой переписке, в соцсетях, в копирайтинге — стиль решает всё. Один и тот же текст может звучать как:
- «Привет! Всё супер, жду новостей!»
- или: «Здравствуйте, уточните, пожалуйста, по срокам.»
Пример использования техники:
Напиши в стиле Ильяхова
— Напиши сценарий для TikTok
— Напиши нейтрально, без эмоций
— Тон: ободряющий, как коуч
Напиши в стиле Ильяхова
— Напиши сценарий для TikTok
— Напиши нейтрально, без эмоций
— Тон: ободряющий, как коуч
Комбинируйте техники
Важно понимать: эти методы — не взаимоисключающие. Наоборот, их можно и нужно сочетать. Вы смело можете объединить следующие методы промптинга:
- метод CLEAR (который разбирали на прошлом уроке) как основу для формулировки (что нужно, с каким контекстом, в каком стиле),
- Role Prompting — чтобы задать образ исполнителя,
- Few-Shot — чтобы показать формат и стиль,
- и, например, Chain-of-Thought — если нужна пошаговая логика.
Ниже пример скомбинированного промпта, который использует все указанные выше техники.
System (роль + стиль)
Ты — менеджер по продажам в B2B-сегменте. Твой стиль — вежливый, профессиональный, с лёгким тоном заботы о клиенте. Ответы — короткие, без лишней воды, но с ценностью. Клиенты — руководители отделов, которым важна чёткость. Формат ответа — письмо на 80–100 слов.
User (задача + примеры + логика)
Вот входящее сообщение от клиента:
«Спасибо, посмотрел КП, но пока не готов принимать решение. Подумать нужно, бюджет не утверждён.»
Твоя задача — составить корректный ответ:
– Сначала поддержать клиента,
– Затем уточнить, когда можно вернуться к обсуждению,
– Далее напомнить про выгоды,
– И при этом не быть навязчивым.
Примеры стиля, который нам подходит:
Пример 1
Клиент: «Мы пока думаем. Вернёмся позже.»
Ответ: «Спасибо за обратную связь! Буду на связи, если появятся вопросы. Через неделю аккуратно напомню — возможно, что-то изменится. Хорошего дня!»
Пример 2
Клиент: «Не знаю, сможем ли утвердить в этом месяце.»
Ответ: «Понимаю, с бюджетами сейчас непросто. Давайте спишемся ближе к середине месяца — возможно, ситуация прояснится. Буду рядом, если нужно проконсультироваться.»
Теперь составь аналогичный ответ на текущий запрос. Следуй логике:
Ограничь письмо до 500 символов. В конце письма попрощайся с клиентом и отметь готовность продолжить коммуникацию как он будет готов.
System (роль + стиль)
Ты — менеджер по продажам в B2B-сегменте. Твой стиль — вежливый, профессиональный, с лёгким тоном заботы о клиенте. Ответы — короткие, без лишней воды, но с ценностью. Клиенты — руководители отделов, которым важна чёткость. Формат ответа — письмо на 80–100 слов.
User (задача + примеры + логика)
Вот входящее сообщение от клиента:
«Спасибо, посмотрел КП, но пока не готов принимать решение. Подумать нужно, бюджет не утверждён.»
Твоя задача — составить корректный ответ:
– Сначала поддержать клиента,
– Затем уточнить, когда можно вернуться к обсуждению,
– Далее напомнить про выгоды,
– И при этом не быть навязчивым.
Примеры стиля, который нам подходит:
Пример 1
Клиент: «Мы пока думаем. Вернёмся позже.»
Ответ: «Спасибо за обратную связь! Буду на связи, если появятся вопросы. Через неделю аккуратно напомню — возможно, что-то изменится. Хорошего дня!»
Пример 2
Клиент: «Не знаю, сможем ли утвердить в этом месяце.»
Ответ: «Понимаю, с бюджетами сейчас непросто. Давайте спишемся ближе к середине месяца — возможно, ситуация прояснится. Буду рядом, если нужно проконсультироваться.»
Теперь составь аналогичный ответ на текущий запрос. Следуй логике:
- Поблагодить за ответ
- Признать его сомнения
- Уточнить, когда будет удобно вернуться
- Обозначить, что вы на связи
Ограничь письмо до 500 символов. В конце письма попрощайся с клиентом и отметь готовность продолжить коммуникацию как он будет готов.
Дополнительные параметры: как управлять поведением модели
Помимо текста промпта, у вас в руках — важные регуляторы.
Настройки, с помощью которых можно сделать ИИ более креативным, сдержанным или точным. Это как специи — один повар кладёт побольше перца, другой — чуть сахара.
Вот главные параметры, которые можно задать при подключении ИИ к платформам автоматизации (как это сделать - разберем в следующем уроке).
Параметр: temperature
Отвечает за настройку креативности.
Чем выше значение (до 2), тем более хаотичный и нестандартный ответ.
Чем ниже (0–0.3) — тем более точный, сухой и «по шаблону».
Рекомендую:
— 0.2–0.5 — для деловых задач, писем
— 0.7–1 — для сторителлинга, соцсетей
Все параметры (в том числе temperature) прописывается в модуле OpenAi (или иной текстовой ИИ) внутри настроек модуля в системе автоматизации.
Настройки, с помощью которых можно сделать ИИ более креативным, сдержанным или точным. Это как специи — один повар кладёт побольше перца, другой — чуть сахара.
Вот главные параметры, которые можно задать при подключении ИИ к платформам автоматизации (как это сделать - разберем в следующем уроке).
Параметр: temperature
Отвечает за настройку креативности.
Чем выше значение (до 2), тем более хаотичный и нестандартный ответ.
Чем ниже (0–0.3) — тем более точный, сухой и «по шаблону».
Рекомендую:
— 0.2–0.5 — для деловых задач, писем
— 0.7–1 — для сторителлинга, соцсетей
Все параметры (в том числе temperature) прописывается в модуле OpenAi (или иной текстовой ИИ) внутри настроек модуля в системе автоматизации.
параметр температура - прописывается в соответствующем модуле OpenAi (в N8N или make.com)
Чтобы прописать этот или другие параметры в make.com нужно в модуле OpenAi нажать "Advanced Setting" ниже вашего промпта.
top_p - отвечает за фильтр вероятностей. Если temperature — это жар, то top_p — это сито.
Представьте, что у вас есть огромный мешок с фразами, которые модель может использовать. Когда top_p = 1, нейросеть смотрит на весь мешок: и на хорошие, и на сомнительные, и на редкие варианты. А вот если вы зададите top_p = 0.5, она берёт только те фразы, которые входят в верхние 50% по вероятности. Остальные — даже не рассматривает.
Это как если бы вы искали сотрудников, но сразу отсеяли всех с опытом менее 3 лет. Меньше случайностей — больше предсказуемости.
Как это влияет на ответы?
Представьте, что у вас есть огромный мешок с фразами, которые модель может использовать. Когда top_p = 1, нейросеть смотрит на весь мешок: и на хорошие, и на сомнительные, и на редкие варианты. А вот если вы зададите top_p = 0.5, она берёт только те фразы, которые входят в верхние 50% по вероятности. Остальные — даже не рассматривает.
Это как если бы вы искали сотрудников, но сразу отсеяли всех с опытом менее 3 лет. Меньше случайностей — больше предсказуемости.
Как это влияет на ответы?
- top_p = 1.0 — модель учитывает всё, может "творить", но есть шанс, что уведёт в сторону.
- top_p = 0.8 — разумный фильтр, отсеивает редкие идеи, но сохраняет разнообразие.
- top_p = 0.5 — модель будет выбирать только самые очевидные, проверенные шаблоны.
- top_p = 0.1 — ультрасжато. Подойдёт, если нужен сухой, максимально предсказуемый ответ.
чтобы его добавить в модуле n8n OpenAi нужно нажать "add option"
frequency_penalty
Штраф за повторение одних и тех же фраз. Если ИИ начал повторяться (использовать те же самые выражения или ответы)— поднимите значение до 0.8.
presence_penalty
Штраф за повтор тем или слов. Позволяет «освежить» тему и заставить модель искать новые углы.
Штраф за повторение одних и тех же фраз. Если ИИ начал повторяться (использовать те же самые выражения или ответы)— поднимите значение до 0.8.
presence_penalty
Штраф за повтор тем или слов. Позволяет «освежить» тему и заставить модель искать новые углы.
max_tokens
Лимит длины ответа. Один токен — примерно ¾ слова.
— 300 токенов → короткий ответ
— 1500–2000 → аналитика, отчёт, КП
Лимит длины ответа. Один токен — примерно ¾ слова.
— 300 токенов → короткий ответ
— 1500–2000 → аналитика, отчёт, КП
- Подключите нейросеть к установленной системе автоматизации.
- Выберите модуль нейросети и вставьте его на нужный этап вашего бизнес процесса.
Домашнее задание
Перейти к следующему уроку
Нажмите на кнопку, чтобы перейти к следующему занятию нашего курса