Промпт для ChatGPT: как задать задачу и проверить ответ

Вы просите ChatGPT написать ответ клиенту и получаете вежливый текст, который обещает несуществующую скидку. Добавляете «ничего не выдумывай» — скидка исчезает, зато появляется уверенный срок доставки, которого тоже нет в исходных данных. Проблема здесь не обязательно в длине промпта. Модели не объяснили, на какие сведения можно опираться и что делать, когда нужного факта не хватает.

Рабочий шаблон запроса должен задавать результат, исходные данные и способ обращения с неизвестным. Он помогает уменьшить число случайных догадок, но не гарантирует идеальный ответ с первой попытки. В документации OpenAI прямо отмечены непостоянство результатов генерации и необходимость проверять поведение промптов. Поэтому хороший шаблон — тот, который выдерживает ваши реальные случаи, а не один удачный пример.

Начните с результата, который можно проверить

Фраза «ты опытный маркетолог» задаёт общую роль, но почти ничего не говорит о том, что нужно получить. Для письма клиенту полезнее указать: ответить на вопрос о возврате, использовать приложенные правила, не обещать исключений и назвать следующий шаг. Роль можно добавить, если она помогает выбрать аудиторию или тон. Она не заменяет факты и не превращает модель в специалиста с подтверждёнными полномочиями.

Сформулируйте задачу так, чтобы коллега мог проверить результат без ваших пояснений. Например: «Подготовь черновик ответа покупателю о возврате заказа. Объясни применимое правило, перечисли недостающие сведения и предложи действие сотруднику». Это уже три наблюдаемых требования. По ним видно, чего нет в ответе, и правка становится конкретной.

Не смешивайте несколько разных работ в одном коротком запросе. «Проанализируй обращения, найди причины отказов, напиши стратегию и подготовь посты» удобно произнести, но трудно принять. Сначала получите перечень причин с подтверждениями из обращений. Затем выберите, какие причины исследовать или превращать в материал. Между этапами появится точка, где человек может исправить неверный вывод.

Отделите инструкцию от материала

Исходные документы и обращение клиента лучше обозначать отдельными блоками. Заголовки или теги помогают показать, где задача, где правила компании, а где текст для обработки. Это вопрос ясности запроса. Разделители сами по себе не гарантируют защиту от инструкций, попавших внутрь чужого документа: права на инструменты и доступ к данным должны ограничиваться отдельно.

Для ответа клиенту достаточно передать относящиеся к вопросу условия. Не вставляйте весь архив переписки просто потому, что он помещается. Старые редакции правил, противоречивые письма и лишние персональные данные усложняют задачу. Укажите дату или версию правил, а если документы расходятся — попросите отметить расхождение и не выбирать победителя без основания.

Вот пример заготовки для внутреннего помощника. Это предложение для адаптации, а не универсальная инструкция для любого бизнеса. Вставляйте только данные, которые разрешено передавать выбранному сервису.

Задача: подготовь черновик ответа клиенту о возврате.
Аудитория: покупатель, который впервые обращается в поддержку.

Правила компании:
[вставьте действующие условия возврата с датой]

Обращение клиента:
[вставьте обращение без лишних персональных данных]

Требования:
- Используй для фактических утверждений только переданные правила.
- Если данных не хватает, назови, что нужно уточнить.
- Не придумывай скидку, срок, исключение или статус заказа.
- Если в правилах есть противоречие, отметь его для сотрудника.

Результат:
1. Черновик ответа клиенту — до трёх коротких абзацев.
2. Служебная заметка — использованные пункты правил и вопросы,
   которые сотрудник должен решить до отправки.
Черновик не отправляй: его проверит сотрудник.

В этой заготовке важна служебная заметка. Клиенту нужен понятный ответ, а сотруднику — возможность проверить его основание. Эти две задачи лучше разделить. Перед отправкой человек убирает внутреннюю заметку и проверяет, что в клиентский текст не попало неподтверждённое обещание.

Если такие запросы повторяются каждый день, их можно оформить в отдельный рабочий сценарий. Требования к нему можно обсудить на странице ИИ-ассистентов PROMAREN: полезно начать с нескольких реальных обращений и примеров ответов, которые команда считает приемлемыми.

Пример нужен там, где словами трудно задать формат

Пожелания «пиши живо» и «будь убедительным» разные люди понимают по-разному. Один короткий образец может показать длину абзаца, порядок сведений и степень подробности лучше длинного перечня прилагательных. Но образец должен соответствовать вашей задаче. Если в нём есть скидка или обещание доставки, модель может перенести эту деталь в новый ответ.

Обозначайте, что именно следует заимствовать из примера: структуру, тон, способ оформления. Факты нового ответа должны приходить из текущих исходных данных. Для спорного случая полезно добавить не ещё один красивый ответ, а пример корректного поведения при нехватке сведений: помощник задаёт вопрос или передаёт решение сотруднику.

Не накапливайте примеры бесконечно. После каждой добавки проверяйте, какую ошибку она устраняет и не создаёт ли противоречие с другими условиями. Если шаблон требует отвечать кратко, а все образцы занимают по странице, инструкция и демонстрация тянут результат в разные стороны. Такое расхождение лучше устранить, чем компенсировать ещё одним запретом.

Просите проверяемое объяснение, а не обязательный ритуал

Не стоит добавлять «думай пошагово» в каждый запрос как универсальный усилитель. В рекомендациях OpenAI для reasoning-моделей предпочтение отдано ясным задачам и ограничениям; навязывание цепочки рассуждений не требуется. Поведение зависит от типа модели и задачи, поэтому один и тот же приём нужно проверять, а не считать обязательным.

Для рабочего результата обычно полезнее попросить короткое обоснование со ссылкой на исходный пункт, показать формулу расчёта или перечислить недостающие данные. Это можно проверить. Длинное рассуждение само по себе не доказывает правильность вывода и иногда только затрудняет поиск ошибки. Если помощник рассчитывает сумму, сверяйте её отдельным вычислением.

Исправляйте ошибку на конкретном случае

Соберите небольшой набор обращений, которые отражают вашу работу: обычный вопрос, нехватка данных, противоречие в правилах, просьба о недоступной услуге. Для каждого заранее определите допустимый результат. Сохраните версию шаблона и сравните ответы до и после правки. Один удачный диалог не показывает, что изменение улучшило весь сценарий.

Если модель обещает лишнее, проверьте источник этого обещания и правило работы с неизвестным. Если путает формат — упростите требования и образец. Если пропускает важное условие — проверьте, было ли оно заметно в исходных данных. Это направления диагностики, а не гарантированные причины: на результат влияют и модель, и объём материала, и сложность задачи.

После смены модели или обновления правил повторите контрольные случаи. У шаблона должен быть владелец, который понимает, когда его пересматривать. Полезный итог работы — не длинный «секретный промпт», а понятная инструкция, набор проверок и граница, за которой помощник передаёт решение человеку.