До/после: как формула промпта меняет ответ на один запрос
Катя Долгих8 мин
Один запрос — два промпта — два разных ответа
Самый частый вопрос про нейросети звучит примерно так: «Я написал запрос, а ответ получился общий, будто под копирку — что не так?». Обычно не так — сам промпт. Не модель, не тема, не «нейросети ещё не доросли». Дело в том, что от короткой формулировки нейросеть не может понять, чего вы на самом деле хотите, и достраивает недостающее по самому вероятному, то есть по самому среднему сценарию.
Разница между «средним» и «нужным» ответом почти никогда не в выборе более мощной модели. Она в том, сколько конкретики получает модель до того, как начинает генерировать. Дальше — один и тот же запрос в двух версиях: как его обычно пишут и как он выглядит после того, как его прогнали через формулу. Разница в результате будет видна невооружённым глазом.
Почему короткий промпт почти всегда даёт средний результат
Языковая модель не читает мысли — она достраивает недостающий контекст статистически, беря самый частотный вариант для похожих формулировок. Если в запросе не указана роль, аудитория, формат и объём, модель выбирает «типичный» ответ: без стиля, без структуры под задачу, часто без важных деталей.
Это не баг, а следствие того, как устроена генерация. Модель отвечает на то, что написано буквально, плюс на то, что она статистически считает наиболее вероятным продолжением. Чем меньше конкретики в запросе — тем больше «додумывания» на стороне модели, и тем выше шанс, что додумает она не то, что нужно вам.
Формула для текстового промпта: пять частей
Рабочая формула для текстовых задач — GPT, Claude, Gemini и любых других моделей из каталога — строится из пяти блоков:
Роль → задача → контекст → формат ответа → ограничения
| Часть | Что даёт | Что будет, если пропустить |
|---|---|---|
| Роль | Задаёт точку зрения и уровень экспертизы | Ответ получится нейтральным, без экспертного тона |
| Задача | Формулирует, что именно нужно сделать | Модель угадывает цель — иногда неверно |
| Контекст | Аудитория, ситуация, предыдущие попытки | Ответ не учитывает специфику вашего случая |
| Формат | Длина, структура, стиль подачи | Придётся вручную переделывать оформление |
| Ограничения | Что исключить: канцелярит, воду, штампы, лишние темы | В тексте появляется всё то, чего вы хотели избежать |
Ниже — один и тот же запрос до и после того, как в него добавили все пять частей.
До: типичный промпт
Напиши пост для соцсетей про наш новый тариф.
Формально запрос понятен человеку, но для модели в нём нет почти ничего: неясно, что за тариф, для кого он, какой тон уместен, какой должна быть длина и что делать с текстом дальше — публиковать как есть или дорабатывать. Модель в такой ситуации выдаёт максимально усреднённый пост: общие фразы про «выгодное предложение», размытый призыв к действию и стиль, который не привязан ни к какой конкретной аудитории. Такой текст приходится переписывать почти целиком — то есть черновик не сэкономил времени, а добавил лишний шаг.
После: тот же запрос, переписанный по формуле
Ты — SMM-копирайтер, который пишет для аудитории малого бизнеса в Telegram-канале. Задача: написать пост о новом тарифе сервиса, рассчитанном на тех, кто раньше не пользовался платными подписками и опасается, что это сложно и дорого. Контекст: тариф даёт доступ к базовому набору функций по фиксированной цене без скрытых платежей, аудитория — предприниматели без технического бэкграунда. Формат: 4-5 коротких абзацев, разговорный тон без канцелярита, один конкретный пример использования, призыв к действию в последнем абзаце. Не используй слова «уникальный», «инновационный», «эффективный» и восклицательные знаки больше одного раза.
Разница между этими двумя формулировками — не в длине ради длины. Каждая добавленная деталь закрывает конкретный источник неопределённости: роль задаёт тон, контекст объясняет, на какой страх аудитории отвечать, формат убирает необходимость доработки структуры, а ограничения выключают штампы, которые иначе почти гарантированно появятся в тексте.
Что именно меняется в ответе и почему
Переписанный промпт не «улучшает» модель — он сужает пространство возможных ответов до тех, что действительно подходят задаче. С коротким запросом модель выбирает между тысячами правдоподобных постов про тарифы вообще. С развернутым — ей остаётся выбирать между вариантами, которые уже учитывают аудиторию, тон и структуру, то есть результат заведомо ближе к тому, что нужно.
Практически это means меньше повторных запросов «перепиши, но по-другому» и меньше ручной правки после генерации. Если считать в кредитах, второй промпт с более мощной моделью — например, Claude Sonnet 4.6 или GPT-5.4 — обходится дороже разового простого запроса, но экономит те самые повторные попытки, которые в сумме стоят больше, чем один точный запрос с первого раза. Разбор похожего подхода к текстам под конкретную задачу есть в статье про SEO-тексты нейросетью.
Та же логика работает для изображений и видео
Формула «до/после» не ограничена текстом — она устроена одинаково для любой генеративной модели, потому что принцип тот же: чем меньше неопределённости в запросе, тем ближе результат к задуманному.
Для изображений формула выглядит иначе по составу, но по сути так же: субъект → стиль и материал → композиция и свет → технические детали → запреты.
До: «Сделай фото продукта для карточки товара» — модель выберет случайный фон, случайный ракурс и случайное освещение, потому что ни один из этих параметров не задан.
После: «Флакон косметического крема на светлом мраморном фоне, вид сверху под углом 30 градусов, мягкий рассеянный свет слева, чёткие тени, без текста и логотипов на упаковке, стиль — минималистичная предметная съёмка» — здесь у модели остаётся один разумный путь генерации, а не тысяча случайных.
Такой промпт одинаково хорошо сработает и в генераторе изображений на моделях вроде GPT Image 2 или Nano Banana Pro, и при доработке в Kling 3.0 для видео — просто добавляются свои блоки формулы: движение камеры, длительность и запреты на артефакты. Подробнее про формулу для видеопромптов — в статье «Формула промпта для видео», а разбор того, как формула работает для портретов — в материале про промпты для портретов.
Чек-лист: как проверить промпт перед отправкой
Прежде чем нажать «отправить», полезно быстро пройтись по пяти пунктам:
- Роль указана? Модель знает, от чьего лица и с каким уровнем экспертизы отвечать.
- Задача сформулирована как действие? Не «про тариф», а «напиши пост, который решает конкретную задачу».
- Есть контекст про аудиторию или ситуацию? Кто читает, что уже пробовали, какая проблема у получателя.
- Формат задан явно? Длина, структура, стиль — а не «как получится».
- Прописаны ограничения? Что нужно исключить: штампы, канцелярит, определённые темы, лишние элементы.
Если промпт не проходит хотя бы два пункта из пяти — результат почти наверняка придётся дорабатывать вручную. Проверить формулу на практике можно в Студии Most AI, где доступны все модели каталога без переключения между сервисами и без VPN — можно быстро сравнить ответ на короткий и на развёрнутый промпт на одной и той же модели.
Частые вопросы
Нужно ли всегда писать промпт по полной формуле?
Нет, для простых и однозначных задач — перевести абзац, посчитать, объяснить термин — короткого запроса достаточно. Формула нужна там, где результат зависит от контекста, аудитории или стиля: посты, письма, сценарии, описания товаров, творческие тексты.
Формула одинакова для всех моделей?
Принцип один и тот же — роль, задача, контекст, формат, ограничения, — но модели по-разному реагируют на длину и детализацию. Более мощные модели вроде GPT-5.5 или Claude Opus 4.8 лучше удерживают сложный многоблочный промпт, а лёгкие модели вроде GPT-5.4 Mini иногда работают точнее с более короткими и прямыми формулировками.
Почему не проще просто попросить модель переписать плохой ответ?
Можно, и это рабочий способ, но он занимает больше шагов: сначала генерация, потом объяснение, что не так, потом повторная генерация. Если сразу заложить контекст и ограничения в промпт, чаще всего результат устраивает с первого раза, а доработка сокращается до мелкой правки.
Формула работает и для изображений, и для видео одинаково?
Логика одна — убрать неопределённость до генерации, — но состав блоков разный. Для текста это роль и формат, для изображений — стиль, свет и композиция, для видео добавляются ещё движение камеры и длительность. В каждом случае цель одна: оставить модели минимум простора для случайного выбора.
Как понять, что промпт получился слишком длинным?
Если в запросе появляются детали, не влияющие на результат — например, лишние прилагательные или повторяющиеся требования, — это сигнал сократить. Хороший промпт не измеряется длиной: он измеряется тем, закрывает ли каждая часть реальный источник неопределённости для конкретной задачи.
Можно ли использовать одну и ту же формулу для рабочих и личных задач?
Да, структура одинаково подходит и для рабочего письма, и для личного запроса вроде плана поездки или подборки рецептов. Меняется не логика, а содержание блоков: в личных задачах вместо «аудитории» обычно достаточно указать контекст ситуации и формат желаемого ответа.