В прошлой статье про базовые приёмы промптинга я разобрал пять основ: контекст, формат, объём, роль, итерации. Они работают — это факт. Но я заметил, что в некоторых ситуациях даже хорошо написанный промпт всё равно даёт не то. Нейросеть отвечает "мимо" — не по тому шаблону, не с той глубиной рассуждения, не под ту аудиторию.
Оказалось, есть три конкретные техники, которые закрывают именно эти пробелы. Я долго откладывал их изучение — думал, "звучит как что-то сложное для ML-инженеров". Попробовал — и разница стала очевидной за один вечер.
Разбираю каждую: что это, когда помогает, пример до и после.
Инфо
Это вторая статья серии "Промптинг с нуля". Если ты ещё не читал первую — начни с базовых приёмов, там фундамент. Сюда возвращайся, когда база уже в работе.
Техника 1: few-shot — показать пример вместо объяснения
Few-shot (буквально "несколько примеров") — это когда вместо словесного описания желаемого результата ты показываешь модели готовый образец. Один-два-три примера, и модель сама понимает формат, стиль, тон.
Противоположность — zero-shot: никаких примеров, просто запрос в лоб. Zero-shot работает для простых задач, few-shot — когда важно попасть в конкретный формат или стиль.
Когда нужен few-shot: ты хочешь определённый формат ответа, специфический стиль текста, нестандартный жанр. Когда слова плохо передают то, что ты имеешь в виду — но пример передаёт сразу.
Когда не нужен: задача простая и стандартная. "Переведи на английский" или "Напиши список" — тут zero-shot справится без лишних усилий.
До:
Напиши отзыв о кофемашине DeLonghi.
Получишь стандартный нейтральный текст — скорее всего безликий, в духе "отличная кофемашина, рекомендую".
После (few-shot):
Вот два примера отзывов, которые мне нравятся:
Пример 1:
"Взял наугад — попал в точку. Кофе делает за 40 секунд, вкус нормальный, капучино пышное. Единственный минус — шумит утром как трактор, но я уже привык."
Пример 2:
"Три месяца с ней — никаких претензий. Молоко взбивает отлично, панель интуитивная. Только мойте каждые три дня, иначе запах."
Теперь напиши такой же отзыв для кофемашины DeLonghi Magnifica Evo. Я её купил две недели назад.
Разница ощутима — модель подхватывает разговорный тон, структуру, длину, даже синтаксис.
Сколько примеров давать? Двух-трёх обычно достаточно. Больше пяти — уже избыточно, только засоряет контекст.
Техника 2: Chain-of-Thought — попросить рассуждать вслух
Chain-of-Thought (CoT, "цепочка рассуждений") — техника, при которой ты просишь модель объяснить ход решения, а не сразу выдать ответ. Достаточно добавить "рассуждай пошагово" или "объясни своё мышление шаг за шагом".
Почему это работает: модель реже ошибается на сложных задачах, когда "думает вслух". Она не перепрыгивает к выводу — а проходит через промежуточные шаги. Это особенно заметно на задачах с логикой, расчётами, анализом вариантов.
Когда нужен CoT: выбор между вариантами, расчёты, план действий, объяснение сложной темы, анализ ситуации с несколькими переменными.
Когда НЕ нужен: простые вопросы с прямым ответом. "Какой сегодня день?" или "Переведи слово" — CoT только раздует ответ без пользы. CoT — не универсальный усилитель, а инструмент для сложных случаев. Не переусердствуй.
До:
Какой ноутбук купить за 80 000 рублей для работы с текстом и видеозвонками?
Получишь список из пяти моделей с краткими характеристиками. Без объяснения логики выбора — просто перечень.
После (CoT):
Какой ноутбук купить за 80 000 рублей для работы с текстом и видеозвонками?
Рассуждай пошагово:
1. Сначала определи, какие задачи критичны для этих сценариев
2. Выдели характеристики, которые важны именно под эти задачи
3. Назови 2-3 конкретные модели с объяснением почему именно они
4. Скажи, от чего я отказываюсь при таком бюджете
Теперь ответ будет аргументированным — ты поймёшь логику выбора, а не просто получишь список. Это важно: можно не согласиться с шагом 2 и попросить пересмотреть с другими приоритетами.
Совет
Фраза "думай шаг за шагом" (или "think step by step") — одна из самых мощных в промптинге. Коротко, но меняет качество сложных ответов. Попробуй добавить её к любому аналитическому вопросу.
Если интересно копнуть глубже — в статье про управление мышлением модели разбирается как некоторые модели умеют переключать режим рассуждений автоматически. CoT — это ручная версия того же механизма.
Техника 3: роль — дать модели амплуа
Это я уже упоминал в первой статье как один из базовых приёмов. Но там было "добавь роль". Здесь — чуть глубже: какую роль, под какую задачу, и почему это не магия, а ориентир.
Роль ("ты — X") задаёт модели угол зрения, стиль, уровень экспертизы и предполагаемую аудиторию. Модель не "становится" другим существом — она калибрует ответ под заданный контекст. Это важное уточнение: роль работает не сама по себе, а как часть промпта с контекстом.
До:
Объясни, что такое инфляция.
Получишь Wikipedia-ответ: определение, причины, виды — всё правильно, но для кого написано — непонятно.
После:
Ты — преподаватель экономики, который объясняет сложные темы школьникам 8 класса.
Объясни, что такое инфляция — простыми словами, с примером из повседневной жизни.
Без формул и графиков.
Разница очевидна: тон меняется, лексика становится проще, появляется бытовой пример.
Практическая таблица: задача → роль
| Задача | Роль | Почему работает |
|---|---|---|
| Объяснить сложную тему просто | Учитель для [возраст/уровень] | Калибрует глубину и язык |
| Разобрать юридический вопрос | Юрист, объясняющий клиенту | Даёт практический угол, не теорию |
| Получить честную критику текста | Редактор-скептик | Снижает вежливость, повышает полезность |
| Подготовиться к переговорам | Опытный переговорщик | Подсвечивает тактики и риски |
| Написать в деловом стиле | Опытный бизнес-копирайтер | Убирает воду, добавляет структуру |
| Найти дыры в плане | Адвокат дьявола | Специально ищет слабые места |
Нюанс: роль работает лучше с дополнительным контекстом. "Ты — маркетолог" — слабо. "Ты — маркетолог с опытом в B2B SaaS, который объясняет стратегию для команды без маркетингового бэкграунда" — гораздо точнее.
Шпаргалка: когда что использовать
Инфо
Три техники — три сценария:
- Few-shot → когда важен формат, стиль или нестандартный жанр. Показывай пример, не объясняй словами.
- Chain-of-Thought → когда задача сложная: выбор, расчёт, анализ. Проси рассуждать пошагово.
- Роль → когда важен угол зрения, уровень объяснения или тон. Задавай амплуа с контекстом.
Можно комбинировать. Часто нужно сразу два, иногда все три.
Комбо: все три техники в одном промпте
Вот что происходит, когда складываешь роль + few-shot + CoT вместе. Пример реального промпта:
Ты — опытный карьерный консультант, который работает с IT-специалистами.
Вот пример совета, который мне нравится:
"Не стоит уходить из компании только потому что надоело. Сначала разберись — надоело что именно: задачи, команда, зарплата или рост. Ответ определяет следующий шаг."
Теперь помоги мне разобраться в моей ситуации.
Я — разработчик с 4 годами опыта. Думаю о смене работы, но не уверен, нужно ли это сейчас.
Рассуждай пошагово:
1. Какие вопросы стоит задать себе, прежде чем принимать решение
2. На что обратить внимание в текущей работе
3. Как понять, что момент пришёл
Результат — структурированный ответ в нужном тоне, с логикой шагов, написанный так, как написал бы живой консультант. Три техники усиливают друг друга.
Совет
Шаблон-комбо — сохрани себе:
Ты — [роль с контекстом].
Вот пример [результата, который хочу]:
[пример 1]
[пример 2 — опционально]
[Задача].
Рассуждай пошагово: [шаги или критерии].
Подставь своё — и получишь промпт, который работает в большинстве сложных ситуаций.
Куда расти дальше
Три техники — это уже не один запрос на удачу, а набор инструментов. Ты контролируешь формат (few-shot), глубину рассуждения (CoT) и угол зрения (роль).
Следующий уровень — когда промпт превращается в систему: не разовый запрос, а набор инструкций с памятью, контекстом и структурой, которые работают каждый раз. Это разбирается в статье про промпт как систему.
Если интересно как эти техники используются на уровне AI-агентов — как агенты используют промпты: там роль, few-shot и CoT встроены в архитектуру самих агентов.
Пока — возьми одну технику и попробуй прямо сегодня. Few-shot проще всего: найди текст, который тебе нравится, вставь как пример. Посмотри, что изменится.
