Промпт для создания промптов — приём, при котором вы формулируете задание нейросети собрать рабочий текст промпта за вас, опираясь на структуру, а наполнение достаётся модели. Дальше — готовый шаблон с полями подстановки, пример заполнения на условных данных и разбор трёх причин, из-за которых мета-промпт выдаёт воду вместо конкретики.
Рабочий шаблон
Рабочий мета-промпт задаёт нейросети пять полей — роль, задачу, формат ответа, критерии успеха и пример входа-выхода — и просит вернуть готовый промпт плюс три уточняющих вопроса, если условия расплывчаты.
Схема держится на пяти полях: роль будущего исполнителя промпта, задача пользователя, формат ответа, критерии, по которым проверить результат, и пример входных данных с желаемым выходом. Каждое поле мешает нейросети соскользнуть в общие фразы вроде «сделай качественно» или «напиши цепляюще». Без хотя бы одного поля мета-промпт возвращает пересказ исходного запроса вместо рабочего текста, готового к использованию.
Ты — {роль модели в промпте, который создаём}.
Задача пользователя: {что должен уметь итоговый промпт}.
Собери промпт под эту задачу: укажи роль исполнителя, шаги рассуждения, формат ответа и три критерия проверки результата.
Формат твоего ответа: готовый текст промпта плюс три уточняющих вопроса, если данных для точной сборки мало.
Пример входа и ожидаемого выхода: {краткий пример на условных данных}.
Варианты и пример
Короткая версия шаблона годится для мелких задач, версия с уточняющими вопросами — для сложных, где условия заранее размыты, а версия на улучшение спасает черновики, написанные людьми без опыта в промпт-инжиниринге. Ниже три варианта и пример заполнения на условном отделе продаж, который собирает промпт для писем клиентам.
- Короткий вариант: «Собери промпт для {задача}. Роль: {роль}. Формат ответа: {формат}. Дай три критерия проверки результата.»
- Вариант с уточнением: «Прежде чем собрать промпт для {задача}, задай мне три вопроса про целевую аудиторию, тон и объём ответа, потом собери финальный текст.»
- Вариант на улучшение: «Вот черновик промпта: {текст черновика}. Найди в нём три слабых места и перепиши, сохранив задачу и добавив критерии проверки.»
- Вариант на серию: «Собери три промпта под {задача} — для новичка, для опытного сотрудника и для сложного клиентского случая — с общей структурой, но разной глубиной инструкций.»
- Условный руководитель отдела продаж описывает задачу одной строкой: «нужен промпт для письма клиенту, который отложил покупку».
- Модель по шаблону задаёт три уточняющих вопроса: тип клиента, повод паузы, желаемое действие в ответ.
- После ответов модель собирает промпт с ролью «менеджер по продажам», форматом «письмо на 6–8 предложений» и тремя критериями: конкретный повод вернуться, без давления, один явный вопрос в конце.
- Руководитель проверяет промпт на реальном клиенте, находит формулировку слишком общей и просит модель переписать критерий «без давления» в измеримый — без слов «скидка», «успейте», «последний шанс».
- Та же схема работает в другой сфере: HR-специалист описывает задачу «промпт для приглашения кандидата на интервью» тем же шаблоном, и модель уточняет вакансию, формат встречи и допустимые слоты по времени.
- Готовый промпт получает критерий «дата и время одним конкретным слотом, без фразы «как вам удобно»» — HR подстраивает только эту строку под собственный график собеседований, остальную структуру оставляет без правок.
Три частых сбоя
Мета-промпт подводит по трём причинам, и все три устраняются правкой самого шаблона, без споров с ответом модели. Причины повторяются от компании к компании — держите список рядом, когда собираете первый рабочий промпт, чтобы сверяться с готовым списком вместо повторного угадывания причины на каждой неудачной попытке.
- Поле «формат ответа» пустое — нейросеть выбирает форму сама, и итоговый промпт скачет от списка к сплошному тексту от запуска к запуску. Лечится жёсткой формулировкой формата: «список из пяти пунктов», «диалог из трёх реплик».
- «Критерии успеха» описаны абстрактно — «хорошо», «профессионально», «цепляюще». Сравнивать нечем, правка идёт на глаз. Замена: критерий должен звучать как проверяемый факт — «без превосходных степеней», «ответ до 100 слов», «один вопрос в конце».
- Нет примера входа-выхода — нейросеть додумывает контекст сама, и промпт получается годным для любой задачи и потому ни для одной конкретно. Даже условный, вымышленный пример на одну строку резко повышает точность.
Какую задачу разобрать в промпт — расскажите, покажем на примере
Какие модели справляются
Для сборки промптов важна способность держать структуру из нескольких полей и задавать уточняющие вопросы — одной связности текста для этого мало. Из моделей, доступных для российского бизнеса, три ведут себя по-разному, и модель стоит подбирать под задачу, без оглядки на привычку. Держать пять и больше полей шаблона без потерь умеют лишь немногие модели, поэтому длинный мета-промпт стоит проверять живым запуском, а чтение глазами тут мало о чём говорит.
| Модель | Сильная сторона в сборке промптов | Когда выбрать |
|---|---|---|
| Claude | держит длинную структуру из ролей и критериев, реже теряет поля шаблона на объёмных задачах | сложный промпт с несколькими условиями и примерами |
| GigaChat | точнее держит формальный деловой стиль русских регламентов и писем | промпт для узкой русскоязычной задачи — письма, регламенты, ответы клиентам |
| DeepSeek | в режиме рассуждений показывает вслух, почему выбрал именно такую структуру промпта | важна видимая логика сборки — она весомее самого текста ответа |
Что проверить руками
Готовый промпт — это черновик, финальную проверку делает человек. Три вещи стоит проверить прежде, чем пускать его в работу: соответствует ли формат ответа реальному каналу (письмо, карточка товара, скрипт разговора), измеримы ли критерии на самом деле, и держится ли результат на втором и третьем примере — тот, что подобрала для показа сама модель, лишь стартовая точка.
Возьмите одну повторяющуюся задачу — письмо, отчёт, ответ клиенту — и соберите под неё промпт по короткому варианту шаблона. Метрика проверки простая: промпт годный, если два разных сотрудника отдела получают по нему сопоставимый по качеству черновик, без взаимных подсказок.
Больше про сборку промптов — в статье про промпт-инжиниринг с нуля и в разборе как писать промпты для нейросетей. Готовые формулировки под задачи отдела — в каталоге проверенных промптов. Если нужна библиотека промптов под конкретные процессы компании и обучение команды ею пользоваться — это к нам, в программу обучения сотрудников работе с нейросетями. На старте хватает пяти-шести промптов под самые частые задачи отдела — остальные добираются по мере того, как команда привыкает формулировать критерии результата словами вместо интуиции.