Антон Аракчеев – AI Arsenal 2026. 500+ промтов для взрывного роста бизнеса (страница 5)

Промт 21 — JSON-схема для CRM:

Ты — парсер данных (R). Извлеки структурированные данные из текста запроса клиента и верни строго в формате JSON (I). Обязательные поля: { "name": "string — имя клиента", "company": "string — название компании", "email": "string — email (если есть, иначе null)", "interest": "string — что интересует", "budget": "string — бюджет (если указан)", "urgency": "enum: high/medium/low", "notes": "string — дополнительная информация" } Текст клиента: [текст запроса]. Верни ТОЛЬКО JSON, без пояснений (S, P).

→ Валидный JSON с извлечёнными данными, готовый для автоматической отправки в CRM.

Промт 22 — Сводная таблица метрик:

Ты — маркетинговый аналитик (R). На основе данных о кампании [описание кампании] составь сводную таблицу метрик (I). Входные данные: [ваши данные — показы, клики, конверсии, расходы и т.д.] (C). Формат: markdown-таблица с колонками «Метрика | Значение | Изменение (vs прошлый период) | Статус (✅/⚠️/🔴)» (S). Раскрась статусы: ✅ — в норме, ⚠️ — внимание, 🔴 — критично (P). Добавь итоговую строку «Вывод» с рекомендацией.

→ Сводная таблица с цветовыми индикаторами статуса метрик и итоговой рекомендацией.

Промт 23 — Нумерованный чек-лист:

Ты — [роль — например, QA-инженер / юрист / финансовый контролёр] (R). Составь чек-лист для [процесс] (I). Контекст: [описание контекста и задачи] (C). Формат: нумерованный список, где каждый пункт — конкретное действие для проверки (S). Требования: минимум 15 пунктов, каждый пункт начинается с глагола действия, после каждого пункта в скобках указан критерий успеха (P). Группируй пункты по категориям с подзаголовками.

→ Подробный чек-лист из 15+ пунктов с критериями успеха, сгруппированный по категориям.

Промт 24 — Сравнительная таблица решений:

Ты — IT-консультант (R). Сравни [вариант 1], [вариант 2] и [вариант 3] для задачи [описание задачи] (I). Критерии сравнения: [критерии — цена, производительность, масштабируемость, поддержка, безопасность] (C). Формат: таблица с оценками от 1 до 10 по каждому критерию + итоговый балл (S). В конце — рекомендация: что выбрать и почему (P).

→ Сравнительная таблица с количественными оценками, итоговым рейтингом и рекомендацией.

Промт 25 — Мета-промт для автоматизации:

Ты — конструктор автоматизаций (R). Создай мета-промт для следующей задачи автоматизации: [описание бизнес-процесса] (I). Мета-промт должен содержать: 1) Описание роли для ИИ. 2) Контекстную секцию с переменными [переменные]. 3) Чёткую инструкцию с ожидаемым форматом вывода. 4) Правила валидации ответа. 5) Пример входных данных и ожидаемого выхода. 6) Инструкцию для обработки ошибок (S). Формат: полный промт в блоке кода (S). Мета-промт должен быть самодостаточным и готовым к использованию (P).

→ Полный мета-промт, который можно напрямую использовать в автоматизации — в n8n, Make, n8n или кастомном коде.

Быстрые победы

Не всегда нужно тратить часы на настройку идеального промта. Иногда нужен быстрый результат — здесь и сейчас. Ниже — три мощных промта, которые дают измеримый эффект менее чем за 15 минут. Скопируйте, вставьте свои данные — и получите готовый результат.

Промт-быстрая победа 1 — Генерация 10 заголовков для статьи/поста:

Ты — заголовочный хакер (R). Сгенерируй 10 заголовков для статьи на тему: [тема] (I). Аудитория: [аудитория]. Цель заголовка: [цель — клик, поделиться, подписаться] (C). Используй формулы: вопрос, число, контраст, обещание результата, провокация. Каждый заголовок до 80 символов. Формат: нумерованный список с пометкой формулы в скобках (S). Без клише и кликбейта (P).

→ 10 заголовков по разным копирайтинг-формулам, готовых для A/B-тестирования в заголовках рассылки или постов.

Промт-быстрая победа 2 — Самооценка и улучшение текста:

Ты — старший редактор (R). Оцени и улучши следующий текст (I). Текст: [вставить текст] (C). Шаг 1: Оцени по шкале от 1 до 10: ясность, убедительность, грамотность, вовлечённость, отсутствие воды. Шаг 2: Укажи 3 главные слабости с цитатами из текста. Шаг 3: Напиши улучшенную версию, исправив все слабости (S). Сохрани авторский стиль и объём (P). Формат: оценка → разбор → улучшенный текст.

→ Количественная оценка текста с конкретными замечаниями и улучшенной версией, готовой к публикации.

Промт-быстрая победа 3 — Скрипт продаж для холодного звонка:

Ты — тренер по продажам (R). Напиши скрипт холодного звонка для продажи [продукт/услуга] (I). Аудитория: [должность ЛПР, отрасль, размер компании]. Главная ценность: [ценность]. Типичное возражение: [возражение] (C). Формат: 1) Открытие (10 секунд) — хук + представление. 2) Квалификация — 3 вопроса. 3) Питч — 30 секунд. 4) Работа с возражением [возражение]. 5) Закрытие — назначение встречи (S). Естественный язык, без роботизированных фраз (P).

→ Готовый скрипт холодного звонка с таймингами, квалификационными вопросами и работой с типичным возражением.

📊 Как измерить эффект: Вот простая метрика для оценки любого промта. До использования промта: замерьте время на задачу (в минутах) и качество результата (самооценка 1–10). После: замерьте те же параметры. Формула эффективности: (Качество_после / Качество_до) × (Время_до / Время_после). Значение > 2 — отличный промт. Значение 1–2 — можно улучшить. Значение < 1 — промт нужно переработать. Замеряйте эффект на 3–5 задачах для статистической достоверности. Лучшие промты из этой книги дают эффективность 3–5×.

Это только начало. В следующей главе мы перейдём от отдельных промтов к целым агентам — автономным системам, которые выполняют многошаговые задачи. А пока — выберите 3–5 промтов из этой главы, которые ближе всего к вашим задачам, и опробуйте их уже сегодня. Помните: лучшее понимание промтинга приходит через практику.

Глава 2. Продвинутые техники: мета-промты, self-correction и мультиагентные цепочки

В главе 1 вы освоили фундаментальные техники промтинга: CRISP-фреймворк, мультимодальные промты, Chain-of-Thought и Few-Shot обучение. Теперь переходим на следующий уровень. В этой главе мы рассмотрим три парадигмы, которые превращают промт-инжиниринг из ручного навыка в инженерную дисциплину: мета-промты, self-correction (самокоррекция) и мультиагентные цепочки. Эти техники позволяют автоматизировать создание промтов, итеративно улучшать результаты и строить многошаговые AI-воркфлоу, где несколько специализированных промтов работают вместе как единая система.

Согласно исследованию Microsoft Research (2025), мультиагентные системы на базе LLM повышают качество решения сложных задач на 45–70 % по сравнению с одиночным промтом. Self-correction снижает количество логических ошибок на 30–55 % (Anthropic, 2024). А мета-промты — промты, которые генерируют промты — экономят до 80 % времени на создание шаблонов для повторяющихся задач. В этой главе вы получите 20 готовых промтов и таблиц, которые можно сразу внедрить в рабочие процессы.

2.1. Мета-промты: промты, которые создают промты

Мета-промт — это промт, задача которого состоит в создании другого промта. Вы описываете желаемый результат на высоком уровне, а модель генерирует детальный, структурированный промт, который затем можно использовать для конкретной задачи. Это подход «промт для промта» — и он особенно мощен, когда вам нужен один и тот же тип результата для разных входных данных, но вы не хотите каждый раз писать промт с нуля.

Типичный сценарий: вам нужно регулярно создавать промты для анализа competitors, генерации контент-планов, написания email-цепочек. Вместо того чтобы каждый раз manually писать промт, вы используете мета-промт, который принимает параметры (ниша, аудитория, продукт) и выдаёт готовый промт, оптимизированный под конкретную задачу. Исследование Stanford HAI (2024) показало, что мета-промты генерируют инструкции, которые на 25–40 % эффективнее вручную написанных, потому что модель учитывает лучшие практики промтинга автоматически.

Промт 1 — Генератор промтов для анализа рынка:

Ты — эксперт по промт-инжинирингу (R). Создай оптимальный промт для задачи: [описание задачи — например, «анализ конкурентного окружения в нише X»] (I). Целевая аудитория промта: [кто будет использовать — маркетолог, аналитик, продакт-менеджер]. Входные данные, которые будут доступны: [данные — список конкурентов, рынок, бюджет]. Желаемый формат вывода: [таблица / отчёт / JSON] (C). Мета-промт должен включать: роль, контекст, чёткую инструкцию, структуру ответа, параметры качества, пример ожидаемого результата (S). Сгенерированный промт должен содержать плейсхолдеры [в квадратных скобках] для переменных. Верни промт в блоке кода, готовый к копированию (P).

→ Готовый промт с ролью, контекстом, инструкцией и плейсхолдерами — можно сразу использовать для анализа рынка.

Промт 2 — Генератор промтов для создания контента:

Ты — конструктор контентных промтов (R). Создай промт для генерации [тип контента — пост, статья, сценарий видео, email] о [тема] (I). Бренд: [название бренда]. Тональность: [тональность — профессиональная, дружелюбная, провокационная]. Платформа: [платформа — TenChat, МАКС, RuTube, блог]. Целевая аудитория: [аудитория]. Цель контента: [цель — вовлечение, конверсия, информирование] (C). Сгенерированный промт должен включать: роль копирайтера, секцию с бренд-голосом, инструкцию по структуре (хук → тело → CTA), параметры объёма и стиля, правило «без воды» (S). Плесхолдеры для переменных: [тема поста], [ключевой месседж], [CTA] (P).