Промпт для DeepSeek стоит писать иначе, чем для моделей без открытого режима рассуждений: сначала явно указать, нужна ли в ответе цепочка размышлений, иначе текст разрастётся в рассуждение на полстраницы. Дальше — шаблон, пять рабочих промптов под бизнес-задачи и разбор того, где модель чаще спотыкается на русском тексте.
Особенности DeepSeek
DeepSeek — модель с открытым режимом рассуждений и контекстом до 1 млн токенов: без прямой просьбы дать краткий итог ответ на простой вопрос выходит заметно длиннее, чем в моделях без такого режима.
Три особенности определяют, как стоит писать промпт для DeepSeek, и без их учёта даже подробная инструкция часто выходит многословной. Первая — режим рассуждений: модель рассуждает вслух, и в промпте стоит явно указывать, нужен ли этот процесс в тексте ответа или достаточно финального вывода. Вторая — длина ответа: без явного лимита формата DeepSeek склонна разворачивать рассуждение подробнее, чем требует задача, поэтому фраза вроде «итог в пяти предложениях» держит ответ по существу. Третья — русский язык: качество на бытовых формулировках высокое, а на узкоспециализированных терминах — юридических, бухгалтерских — модель иногда путает близкие по смыслу понятия и требует проверки человеком. Контекст модели — до 1 млн токенов, максимум вывода — 384 тысячи токенов, по документации вендора на сентябрь 2026 — этого хватает на разбор объёмного документа целиком, без разбивки на части.
Промпт-шаблон
Базовый шаблон явно разделяет рассуждение и ответ — эта строка решает большинство жалоб на «слишком длинные ответы». Ниже основной вариант и три коротких под разные ситуации: разовую проверку без лимита времени, работу с видимой логикой рассуждения и сверку терминологии на узкой теме.
Ты — {роль}.
Задача: {что сделать}.
Данные: {текст или таблица для анализа}.
Рассуждай пошагово внутри себя, а в ответе давай только финальный вывод — рассуждения оставляй за кадром.
Формат ответа: {структура — список, таблица, письмо}, объём — {лимит, например «до 150 слов»}.
Критерии проверки: {три признака хорошего ответа}.
- Короткий вариант без рассуждений в тексте ответа: «{задача}. Ответ — только вывод, без хода мыслей, до {N} слов.»
- Вариант с видимым рассуждением: «{задача}. Сначала покажи шаги рассуждения, затем отдельной строкой — итог.»
- Вариант на проверку терминов: «Проверь текст ниже на использование терминов {список}. Объясни каждый термин своими словами, чтобы я мог сверить с определением.»
- Вариант на сжатие длинного ответа: «Вот текст ответа модели: {черновик}. Сократи до {N} предложений, сохранив цифры и вывод, убери повторы формулировок.»
Где чаще спотыкается
У команд, которые пробуют DeepSeek впервые, результат обычно расходится с ожиданием по одной из трёх причин — все три завязаны на то, как составлен промпт, — возможности самой модели тут ни при чём.
- Ответ выходит длиннее, чем нужно, — модель показывает рассуждение целиком, потому что в промпте отсутствует прямой запрет на это. Фраза «только вывод» в шаблоне закрывает проблему почти полностью.
- Отраслевой термин передан приблизительно — на редких специализированных словах модель иногда подменяет термин близким по звучанию понятием. Контрольный список терминов в промпте снимает риск.
- Формат ответа плывёт на длинных документах — при объёме за несколько страниц DeepSeek может вернуться к рассуждению в середине текста. Помогает жёсткий тег формата и повторное напоминание о нём в конце промпта.
Какой документ проверить в DeepSeek — пришлите пример
Пример на практике
Условный пример: отдел закупок просит модель сравнить три коммерческих предложения и порекомендовать одно — задача рутинная, но с подвохом в проверке результата. Подобные сценарии повторяются в любой компании, где решение о покупке готовит один человек, а утверждает другой.
- Сотрудник ставит задачу и добавляет лимит из шаблона: рассуждение — внутри себя, ответ — таблица сравнения и одна рекомендация в конце.
- Модель отдаёт таблицу и вывод, но добавляет пункт «доставка бесплатно» — условие отсутствует во всех трёх исходных предложениях, вывод модель домыслила по общей логике рынка.
- Сотрудник ловит расхождение, только сверяя вывод с оригиналами предложений, — свериться с первоисточником здесь может лишь человек.
- Промпт дополняется строкой «используй только факты из текста ниже, без добавлений от себя» — на повторном запуске лишний пункт из ответа пропадает.
- Правило переходит в системную часть промпта отдела закупок целиком — так следующий сотрудник получает уже проверенный шаблон вместо сборки заново.
- Тот же шаблон проверяется на документе другого типа — договоре аренды офиса: модель находит пункт про автоматическую пролонгацию и помечает его риском, хотя в задаче звучало только «проверь сроки», без слова «риск».
- Правка добавляет к критериям формулировку «отмечай только то, что прямо просят найти» — на повторном прогоне модель держится заданной рамки без пунктов по собственной инициативе.
Что проверить руками
Для сравнения моделей под задачи с промптами куда важнее поведение модели на длинной, многошаговой инструкции, чем сама по себе грамотность текста.
| Модель | Сильная сторона для промптов | Слабое место |
|---|---|---|
| DeepSeek | открытый ход рассуждений — удобно проверять логику вывода | без лимита формата может разрастить ответ |
| Claude | держит длинный документ целиком, точнее следует многошаговой структуре | ход рассуждения скрыт, логику вывода видно хуже |
| GigaChat | лучше держит официальный тон служебной переписки и коммерческих предложений | контекст короче — длинный документ приходится делить на части |
Возьмите один регулярный отчёт или сравнение и прогоните через шаблон трижды подряд с одинаковыми входными данными. Метрика простая: промпт готов, если рекомендация модели совпадает с фактами документа во всех трёх запусках подряд — совпадение через раз означает, что шаблон стоит доработать. Такой прогон занимает меньше времени, чем один разговор с моделью без структуры, и сразу показывает, где шаблон нуждается в правке.
Как получить доступ к модели — в статье про API-ключ DeepSeek, а подключение к рабочим каналам разобрано в материале DeepSeek в Telegram-боте. Сравнение с другой моделью — в статье DeepSeek или ChatGPT. Если нужна библиотека промптов под процессы компании и обучение команды формулировать задачи так, чтобы модель понимала их с первого раза, — это к нам, в программу обучения сотрудников работе с нейросетями.