Иван Шевцов – Промтинг: от новичка до мастера. Практическое руководство с упражнениями. (страница 4)
Амплуа — выбор роли задаёт точку зрения и стиль ответа.
Намерение — явно сформулированная цель направляет аргументацию и тон.
Форма — упаковка результата должна соответствовать задаче.
Рамки — ограничения не сковывают, а направляют модель.
Образец — самый быстрый способ объяснить, чего вы хотите.
Шлифовка — нормальная и необходимая часть работы. Первый ответ — это старт, а не финиш.
Глава 4. Искусство вести диалог с машиной
Вопрос как главный инструмент управления
В традиционном образовании нас учат отвечать. Отвечать у доски, отвечать на экзамене, отвечать на вопросы руководителя. Умение задавать вопросы — навык, которому почти нигде не учат системно. А между тем, именно вопрос является первичным. Качество ответа всегда определяется качеством вопроса.
В работе с языковыми моделями этот принцип проявляется особенно ярко. Нейросеть, при всех её впечатляющих способностях, остаётся реактивной системой. Она не инициирует диалог, не уточняет неясные моменты (за редкими исключениями, которые только подтверждают правило), не переспрашивает, если вы выразились двусмысленно. Она принимает ваш запрос как данность и работает с тем, что получила.
Поэтому умение задавать правильные вопросы — себе до формулировки промта, модели в процессе диалога, результату на этапе проверки — это центральная компетенция промт-инженера. Вопросы — это руль, с помощью которого вы направляете вероятностный поток в нужное русло.
Давайте начнём с простого наблюдения. Сравните два подхода к одной и той же теме. Первый: «Расскажи о переговорах». Второй: «Какие три типичные ошибки совершают новички в переговорах о зарплате и как их избежать?». Первый запрос — это приглашение к бесконечной лекции. Модель может говорить о чём угодно: от истории дипломатии до психологических теорий. Второй запрос — это точный вопрос, который задаёт фокус, глубину и практическую направленность ответа.
Вопрос — это не просто способ получить информацию. Это способ структурировать мышление. Когда вы формулируете вопрос, вы сами лучше понимаете, что именно вас интересует и в каком разрезе. Этот процесс полезен даже безотносительно к ИИ.
Какие вопросы раскрывают тему, а какие — сужают
В моей практике все вопросы, которые мы задаём нейросети, можно разделить на два больших класса: расширяющие и сужающие. Оба полезны, но в разные моменты диалога.
Расширяющие вопросы открывают новые горизонты. Они полезны на старте, когда вы только входите в тему и хотите увидеть карту местности. Примеры:
Такие вопросы заставляют модель выходить за рамки очевидного и предлагать более широкий контекст. Они хороши для мозговых штурмов, первичного анализа, поиска нестандартных решений.
Сужающие вопросы, напротив, фокусируют внимание. Они полезны, когда вы уже определились с направлением и хотите углубиться в детали. Примеры:
Сужающие вопросы превращают общие рассуждения в конкретный план действий.
Мастерство промтинга во многом заключается в умении вовремя переключаться между этими двумя режимами. Начать с расширяющего вопроса, чтобы очертить поле возможностей. Затем серией сужающих вопросов прийти к конкретному, применимому результату.
Приём «Пять слоёв»: как докопаться до сути
Один из самых эффективных приёмов глубинного диалога с нейросетью я называю «Пять слоёв». Идея проста: вы задаёте вопрос, получаете ответ, и затем задаёте следующий вопрос, который отталкивается от полученного ответа и идёт глубже. Пять таких итераций обычно достаточно, чтобы добраться от поверхностного понимания до сути.
Приведу реальный пример из моей практики. Ко мне обратился знакомый предприниматель с проблемой: продажи интернет-магазина упали на 30% за квартал. Он уже пробовал спрашивать у ChatGPT «почему падают продажи» и получал общие советы вроде «проанализируйте конкурентов, проверьте сайт, запустите рекламу». Мы пошли другим путём.
Слой первый. «Ты — бизнес-аналитик. Интернет-магазин товаров для дома, аудитория — женщины 30–50 лет. Продажи упали на 30% за последний квартал. Назови пять наиболее вероятных причин, специфичных для этой ниши и аудитории».
Модель выдала список: сезонность, изменение алгоритмов поисковиков, активизация конкурентов, проблемы с ассортиментом, ухудшение качества трафика.
Слой второй. «Из этих пяти причин сезонность маловероятна, потому что падение произошло в высокий сезон. Конкуренты, по моим данным, не меняли стратегию. Сфокусируйся на оставшихся трёх. Для каждой предложи способ проверки гипотезы: как за неделю понять, она ли является причиной?»
Модель предложила конкретные метрики для отслеживания и простые эксперименты.
Слой третий. «Допустим, основная причина — изменение алгоритмов поисковика. Составь план действий на месяц, который не требует значительного бюджета и может быть реализован силами одного маркетолога».
Появился рабочий план: аудит семантики, переоптимизация ключевых страниц, работа с поведенческими факторами.
Слой четвёртый. «В этом плане есть пункт про поведенческие факторы. Дай пять конкретных, неочевидных идей, как улучшить вовлечённость на сайте магазина товаров для дома, не нанимая дизайнера и программиста».
Модель предложила идеи с контентом, навигацией, социальными доказательствами.
Слой пятый. «Выбери из этих пяти идей одну, которую проще всего протестировать за три дня. Напиши пошаговую инструкцию по внедрению и короткий текст для команды, объясняющий, зачем мы это делаем».
На выходе — готовая инструкция и внутренний анонс. Предприниматель внедрил предложенное за два дня, через неделю поведенческие метрики пошли вверх.
Суть приёма «Пять слоёв» — не в магическом числе, а в дисциплине: не останавливаться на первом, самом очевидном ответе, а продолжать копать, пока не доберётесь до действенного решения.
Ловушки в вопросах, которые губят результат
Некоторые типы вопросов систематически приводят к слабым или даже вредным ответам. Я выделил несколько таких ловушек.
Ловушка первая: вопрос со встроенным предположением
«Почему наш продукт лучше конкурентов?» — такой вопрос уже содержит утверждение, что продукт лучше. Модель послушно сгенерирует аргументы в пользу этого тезиса, даже если на самом деле продукт проигрывает по ключевым параметрам. Вы получите не объективный анализ, а подтверждение собственных иллюзий.
Правильный подход: «Проведи объективное сравнение нашего продукта и двух основных конкурентов по пяти ключевым параметрам. Укажи, где мы сильнее, где слабее, и где различия несущественны».
Ловушка вторая: слишком общий вопрос
«Как увеличить прибыль?» — на такой вопрос можно написать книгу, и модель попытается это сделать. Результатом будет набор банальностей, которые вы и так знаете.
Правильный подход: разбить большой вопрос на серию маленьких, конкретных, сфокусированных на вашей ситуации.
Ловушка третья: вопрос, требующий предсказания будущего
«Каким будет курс доллара через год?» или «Какая соцсеть станет популярной через пять лет?» Модель не умеет предсказывать будущее. Она может сгенерировать правдоподобный прогноз, основанный на текущих трендах, но этот прогноз не будет иметь отношения к реальному будущему.
Правильный подход: спрашивать о трендах, факторах неопределённости, сценариях развития. «Какие факторы будут влиять на курс доллара в ближайший год? Какие существуют сценарии и от чего они зависят?»
Ловушка четвёртая: вопрос, ответ на который нельзя проверить
«Какая нейросеть лучше?» Без критериев это вопрос о вкусах. Модель выдаст субъективное мнение, замаскированное под объективный анализ.
Правильный подход: задать конкретные критерии сравнения. «Сравни ChatGPT и Claude по таким параметрам: работа с русским языком, размер контекстного окна, стоимость, наличие API. Для каждого параметра укажи, у кого преимущество».
Ловушка пятая: вопрос-ультиматум
«Назови единственно правильный способ…» В большинстве сложных областей не существует единственно правильного способа. Модель, поставленная перед таким ультиматумом, выберет один вариант и подаст его как безальтернативный, что может ввести в заблуждение.
Правильный подход: «Назови три-пять основных подходов к решению задачи X. Для каждого укажи плюсы, минусы и ситуации, в которых он наиболее уместен».
Как двигаться от общего плана к деталям
Одна из самых частых ошибок новичков — попытка получить идеальный развёрнутый ответ одним запросом. Они пишут длинный, подробный промт, надеясь, что модель сразу выдаст готовую статью, пост или анализ. Иногда это работает, но чаще приводит к результату, который «вроде ничего, но чего-то не хватает».
Гораздо эффективнее — итеративный подход: от общего к частному, от структуры к наполнению, от черновика к чистовому варианту.
Шаг 1. Определите структуру. Вместо того чтобы просить готовый текст, попросите модель предложить структуру. «Составь план статьи на тему X. Укажи основные разделы и подразделы. Для каждого — 1–2 предложения о том, что будет раскрыто». Так вы сможете оценить логику, полноту охвата и при необходимости скорректировать структуру до того, как модель потратит силы на наполнение.