Ты используешь ChatGPT неправильно. Как нужно писать промпты.
Большинство людей используют ChatGPT для быстрых ответов.
Но как только ты изменишь своё представление о языковых моделях (LLM) вроде ChatGPT или DeepSeek, качество ответов сразу вырастет. С правильными промптами они станут точнее, глубже и полезнее.
Это не просто «прокачанный Google»
Как нужно думать о языковых моделях:
LLM — это машина для анализа языка и сопоставления шаблонов.
То, что она еще и выдаёт полезную информацию — просто побочный эффект. Чтобы научить модель говорить, ей скармливают гигантские массивы человеческих текстов. А тексты, конечно, содержат и знания.
LLM ничего не «знают».
Они просто хорошо распознают и воспроизводят закономерности.
Например, если упомянуть Юрия Гагарина, модель почти всегда добавит, что он был первым человеком в космосе — просто потому, что эти слова часто встречаются вместе в текстах. На этом её «знание» и заканчивается.
Что такое распознавание шаблонов в языке
В контексте языка это означает:
- понимание, как лексика и структура предложений формируют стиль, тон и личность автора;
- распознавание эмоциональной окраски и тематической близости;
- сопоставление языка между разными областями знаний.
Эти сильные стороны нужно использовать, чтобы писать лучшие промпты.
1. Ролевая игра
LLM — универсальны по своей природе. Чем точнее мы задаём контекст, тем лучше результат.
Просьба «войти в роль» помогает модели понять цель диалога и сузить круг возможных ответов. Без этого она часто пытается охватить всё сразу — и уходит в сторону.
«Представь, что ты финансовый консультант и объясни новичку, что такое опцион и зачем он нужен.»
Такой приём не только улучшает содержание, но и тон, стиль и понятность ответа. Профи объяснит иначе, чем друг на кухне.
2. Декомпозиция
Ответы LLM обычно имеют примерно одинаковую длину. Поэтому если ты попросишь написать, скажем, «большую книгу о том, как стать успешным», модель сделает общий обзор на пару абзацев — без глубины.
Чтобы получить качественный результат, лучше разбить задачу на шаги:
«составь структуру книги»
«напиши введение»
«распиши первую главу подробнее».
Так каждая часть будет действительно проработана.
3. Ролевая декомпозиция
Объединяем два подхода:
разделяем задачу на этапы и каждой роли даём своё задание.
«Действуй как исследователь: собери темы, которые входят в базовые курсы по личным финансам.»
«Теперь ты преподаватель. Составь учебный план на 4 недели.»
«Теперь ты копирайтер. Напиши контент для первой недели.»
4. Промпты с «мышлением вслух»
Если попросить модель подумать перед ответом, логика и точность заметно возрастают.
Это и есть промпты с мышлением вслух — когда модель пошагово объясняет ход рассуждений.
LLM — это вероятностная система. Она выбирает следующее слово, которое «наиболее вероятно» продолжает контекст.
Если мы просим её рассуждать логически, она начинает строить логическую цепочку — и с большей вероятностью приходит к верному выводу.
Даже если ответ окажется неверным, рассуждения помогут заметить ошибку и скорректировать её.
5. «Дерево мыслей»
Это развитие предыдущего метода.
Вместо одной линии рассуждений модель строит несколько вариантов и сравнивает их:
«Рассмотри несколько возможных ответов и выбери наиболее вероятный.»
«Дай 3 варианта решения и оцени уверенность в каждом.»
Так она учится «смотреть вперёд» и выбирать лучший вариант, а не слепо следовать первому.
6. ReAct-промпты
Эта техника совмещает мышление и действие.
Модель сначала объясняет, как выполнит задачу, а потом делает это.
Так повышается точность, особенно при анализе или редактировании текстов.
«Вот эссе, которое я написал. Что можно улучшить? Ты можешь это улучшить?»
7. Установи общее понимание
Перед тем как поручать задачу, стоит убедиться, что модель понимает контекст и цель.
Начни с «установочного» промпта, где ты описываешь задачу, стиль, ограничения и желаемый результат, а затем спроси:
«Ты понял, что я хочу? Можешь своими словами описать задачу?»
Если ответ совпадает с твоим видением — переходи к действию.
Если нет — уточняй, пока не достигнешь общего понимания.
Это особенно полезно при генерации изображений или презентаций, где количество попыток ограничено.
8. Модель слишком «соглашается»
Ты замечал, что ChatGPT почти никогда не говорит тебе «нет»?
Это не баг — это дизайн. Модели создаются «дружелюбными» и избегают несогласия.
Проблема в том, что из-за этого они часто подтверждают ложные предположения.
Чтобы избежать искажений, задавай вопросы с альтернативой:
«Я прав, что ... или всё же дело в другом?»
«Почему да или почему нет?»
Так ты стимулируешь критическое мышление.
«Если не уверен — скажи об этом.»
9. Контекстное окно
Контекстное окно — это «кратковременная память» модели.
Она учитывает всё, что было сказано в диалоге.
Если разговор слишком длинный, первые сообщения могут «забываться». Чтобы этого избежать — периодически проси модель саммаризировать беседу.
Контекст — мощный инструмент, но им легко злоупотребить:
- Не показывай примеры, если не хочешь ограничить спектр ответов.
- Не подсказывай решение заранее, особенно при поиске ошибок в коде.
- Помни: чем конкретнее промпт, тем конкретнее ответ.
Иногда, наоборот, можно использовать метод lazy prompting — минимальные указания и максимум контекста.
Модель сама догадывается, что ты хочешь.
10. Перенос между областями
LLM отлично переносят идеи между разными сферами — например, из искусства в бизнес или из психологии в маркетинг.
Допустим, ты попросишь её объяснить стратегию продаж через метафору из шахмат — она сравнит клиентов с фигурами и объяснит, как выстраивать «партию».
Или скажешь: «опиши запуск стартапа как постановку спектакля» — и получишь креативное сравнение ролей команды с актёрами и режиссёром.
Именно такие перекрёстные связи создают впечатление «творчества»: модель не изобретает новое, она просто необычно соединяет знакомые элементы.
11. Концептуальные карты и аналогии
Чтобы проще объяснить сложную идею, можно попросить:
«Придумай 10 разных аналогий для темы X»
«Объясни, как будто мне 5 лет.»
Почти всегда найдётся сравнение, которое «щёлкнет» в голове.
12. Продвинутые приёмы
Сократический метод
Проси не давать ответ, а задавать тебе вопросы, чтобы ты сам дошел до истины.
«Не объясняй, а задавай мне вопросы о теме X, чтобы помочь разобраться.»
Угрозы и стимулы
Да, звучит странно — но если сказать модели «ты получишь награду, если справишься», качество ответа повышается.
Пользовательские команды
Современные LLM имеют долговременную память.
Ты можешь создавать собственные инструкции:
«В будущем, когда я скажу “сделай отчёт”, имей в виду, что я хочу вот такой формат и стиль.»
Это экономит время и делает взаимодействие постоянным и предсказуемым.
13. «Исходя из всего, что ты обо мне знаешь…»
Интересный приём, когда модель анализирует твои привычки и стиль общения, чтобы давать персональные ответы.
Главное — предварительно пообщайся с ней достаточно долго, чтобы она успела «узнать» тебя.
Заключение
Если я чему-то научился, так это тому, что качество ответов полностью зависит от качества промпта.
Чтобы использовать ChatGPT по максимуму, достаточно понимать, как он «думает» — и говорить с ним на одном языке.
Попробуй эти техники и сами убедитесь, насколько сильно они меняют результат.