Промпт-инжиниринг для не-промпт-инженеров

Разбор доклада Anthropic «Prompting 101» на реальном кейсе

LLM уже давно не только про «сгенерировать текст» или «сделать картинку». Их всё чаще используют в работе — для анализа ресёрча, обработки звонков, генерации артефактов, автоматизаций в n8n и Make. И проблема в том, что «просто написать промпт» почти никогда не работает.

В какой-то момент понимаешь, что без этого уже тяжело работать. Приходится разбираться: API, промпты, какие-то flow, как это всё между собой склеить и не развалить по дороге.

Я посмотрел доклад Prompting 101 от команды Applied AI в Anthropic и вытащил из него рабочую схему, которую можно применять в работе.

Дисклеймер

Это не пересказ — это пересборка с комментариями и попытка приземлить всё в реальные задачи. В конце — два рабочих инструмента: готовый Project для Claude.ai и веб-сервис, который собирает промпт по этой методике в браузере.

Зачем это читать продакту, дизайнеру, аналитику

Если вы собираете промпты для рабочих задач (ресёрч, звонки, тексты, классификация); используете Claude не как чат, а для сложных задач; настраиваете LLM-узлы в n8n или Make; обучаете команду и нужна понятная структура без шаманства — этот разбор для вас.

Я не пересказываю видео, а вытаскиваю из него рабочую схему.

Главная мысль

Главная мысль из доклада очень простая: нормального промпта с первого раза не бывает.

Цикл всегда один и тот же:

запустил → посмотрел, где плывёт → добавил → повторил

В докладе это показано на реальном кейсе — пять итераций, каждая закрывает конкретную дыру предыдущей. Я в какой-то момент понял, что почти всегда делаю наоборот: сначала пытаюсь «угадать идеальный промпт», а не пройти этот цикл.

И ещё одна мысль, которая хорошо ложится в практику: Claude любит структуру. Это не про «красиво оформить», а про то, как ты сам думаешь о задаче. Когда промпт разбит на блоки — сразу видно, чего не хватает.

Кейс из доклада

Шведская страховая. На вход приходят два документа:

• Бланк заявления о ДТП — 17 пунктов, две колонки (A и B), заполняется галочками, кружками, крестиками.

• Рисованная схема ДТП — обычный человеческий набросок «вот эта ехала туда, эта сюда».

Нужно понять, что произошло, и определить виновника. Важно: это один вызов API, никакого диалога. На выходе — структурированные данные для базы и человека-агента.

Первая итерация — голый промпт

Изучи бланк и определи, что произошло и кто виноват

Ответ Claude: «Это лыжная авария на улице Чаппанган» (хотя в задаче вообще нет ни слова про лыжи).

Без контекста модель не «ошибается» — она просто гадает. И делает это уверенно.

Урок №1. Без контекста модель всё равно что-то придумает и не скажет, что не понимает.

Структура хорошего промпта: 10 блоков

Anthropic в этом докладе даёт структуру системного промпта:

На практике 80% задач закрываются блоками 1–4 и 9.

Вторая итерация — контекст и тон

Добавили роль (ассистент страхового агента), описание входных данных и правило: делать выводы только при уверенности.

Результат: Claude понял, что это ДТП, но не стал придумывать виновника. И это правильно.

Урок №2. Лучше «не знаю», чем уверенная выдумка. Разрешите модели не знать.

Третья итерация — фоновые сведения

В системный промпт добавили описание бланка: структуру 17 пунктов, как отмечаются клетки, что они означают.

Почему это важно: эта информация не меняется от запроса к запросу, её можно кешировать, и модель не тратит время на разбор структуры каждый раз.

Результат: быстрее и точнее. Claude уверенно определяет виновника.

Урок №3. Системный промпт — всё постоянное. Пользовательский — только данные.

Четвёртая итерация — порядок шагов

Ключевая идея: не просто «разберись», а в каком порядке разбираться. Сначала бланк, потом схема. Если начать со схемы — это просто набор линий, контекста нет.

Это работает не только здесь:

• UX-ресёрч: сначала категории, потом паттерны.

• Логи: сначала фильтр, потом анализ.

• Дизайн: сначала цель пользователя, потом экран.

Прописывайте порядок шагов явно. Это, пожалуй, самый сильный рычаг качества — здесь ответ меняется не на проценты, а кратно.

Пятая итерация — формат вывода

Добавили требования: краткость, опираться только на данные, если неясно — прямо сказать, итоговый вывод обернуть в <final_verdict>.

Зачем: дальше это читает не человек, а система.

Продвинутые техники

Few-shot примеры — недооценённый рычаг

<example>
  <input>[сложный кейс]</input>
  <output>[правильный ответ]</output>
</example>

Как это работает: в продакшене ловите корнер-кейсы, где модель ошибается, размечаете правильный ответ, добавляете пример в системный промпт. В следующий раз модель опирается на него. По сути, вы обучаете её на своих же кейсах.

Prefill — вкладываем слова в уста

Можно задать начало ответа:

Assistant: <final_verdict>

И получить сразу нужный формат. Полезно, когда нужен JSON или строгая структура без лишнего текста.

Extended Thinking

Если у вас есть доступ к промежуточным рассуждениям модели — это очень полезно. Смотрите, как она «думает», где ошибается, и переносите это в инструкции. Так системный промпт становится точнее.

Чек-лист: собираем промпт

• Контекст: роль, сценарий, язык

• Тон: как отвечать, что делать при неопределённости

• Фон: структура данных, домен

• Разделители: XML-теги

• Порядок шагов

• Защита от галлюцинаций

• Финальный повтор правил

• Формат вывода

• Примеры (если есть корнер-кейсы)

• Prompt caching

Практический бонус 1: веб-сервис

Чтобы методика не осталась теорией — собрал веб-сервис, который проводит по ней за руку:

exp.inforobot.space/prompt-architect/ru/

Открываешь, видишь 10 блоков по группам (Основа / Действие / Усиление / Вывод). Заполняешь по одному — справа в реальном времени собирается готовый промпт. К каждому блоку — подсказка зачем он и пример. Когда готово, нажимаешь «Копировать» и используешь промпт где угодно: в Claude.ai, в API, в n8n-флоу, в чём угодно.

Что внутри:

• Не требует аккаунта, регистрации, ничего.

• Сам объясняет методику пока ты заполняешь — встроенный учебник, а не просто форма.

• Состояние сохраняется в браузере — если закроешь вкладку и вернёшься, все поля на месте.

• Работает на десктопе и мобильном.

Это, по сути, материализованная версия чек-листа выше. Бесплатно, без рекламы, без логирования. Если найдёте баги или неудобства — пишите, поправлю.

Английская версия для коллег и партнёров )

Если работаешь много с Claude.ai и хочешь иметь конструктор прямо там — есть второй вариант ниже.

Практический бонус 2: Project в Claude.ai

Идея простая: не вспоминать каждый раз структуру, а использовать «конструктор». Создаёте Project в Claude.ai → вставляете системный промпт ниже → описываете задачу. Дальше он задаёт уточняющие вопросы, собирает промпт по структуре и подсказывает, что протестировать.

Как создать Project

1. Открываете claude.ai → Projects → Create project.

2. Называете, например, «Prompt Architect».

3. В поле Custom instructions вставляете системный промпт ниже.

4. Запускаете чат внутри проекта и описываете свою задачу.

Системный промпт

Ты — Prompt Architect, ассистент по сборке промптов для Claude по методике Anthropic «Prompting 101».

# Твоя роль
Ты помогаешь не-разработчикам (продактам, дизайнерам, аналитикам, UX-ресёрчерам) собирать качественные системные промпты для их рабочих автоматизаций. Ты не пишешь код — ты пишешь промпты.

# Твой метод работы
При получении запроса на сборку промпта ты действуешь по строгому порядку:

1. **Сначала задаёшь уточняющие вопросы** — не более 3-5 ключевых, чтобы не утомлять. Минимум, что нужно понять:
   - Какую задачу решает пользователь? (предметная область, цель)
   - Какой формат входных данных? (текст, изображение, форма, транскрипт)
   - Какой формат выходных данных нужен? (свободный текст, JSON, теги, краткое резюме)
   - Где это будет запускаться? (консоль Anthropic, API в n8n/Make, чат в Claude.ai)
   - Есть ли краевые случаи, которые уже встречались?

2. **Не пропускай вопросы**, если ответы критичны для качества промпта. Лучше задать один лишний вопрос, чем выдать промпт-болванку.

3. **После ответов собираешь промпт** по структуре 10 блоков:
   1. Контекст задачи (роль Claude, сценарий, цель)
   2. Тон и стиль
   3. Фоновые сведения (стабильная справка о формате данных, домене)
   4. Подробные инструкции (пошаговый план в правильном порядке)
   5. Примеры few-shot (если применимо)
   6. История диалога (если применимо)
   7. Текущая задача (повтор главного)
   8. Пошаговое рассуждение (если задача сложная)
   9. Формат вывода (XML-теги, JSON, конкретные поля)
   10. Prefill (если нужно)

4. **Используй XML-теги для разделения блоков** — Claude обучен на этом формате и явно понимает структуру.

5. **Прописывай порядок шагов как у человека.** Это самый мощный рычаг качества. Если задача предполагает несколько источников данных — определи, в каком порядке их анализировать, и обоснуй порядок.

6. **Зашивай защиту от галлюцинаций по умолчанию:**
   - «Делай выводы только при полной уверенности».
   - «При фактических утверждениях ссылайся на источник».
   - «Если данных недостаточно — прямо скажи об этом».

7. **После сборки промпта обязательно делай две вещи:**
   - Объясняй, какие блоки и почему ты включил (или не включил).
   - Предлагай, что стоит протестировать в первой итерации и какие краевые случаи могут проявиться.

# Чего ты НЕ делаешь
- Не пишешь промпт сразу, без уточнений, если задача нетривиальная.
- Не используешь общие шаблоны без адаптации под конкретный домен.
- Не забываешь про prompt caching — всегда подсказываешь, что постоянное надо выносить в системный промпт.
- Не пишешь промпт «всё в одном абзаце» — всегда структурируешь по блокам с XML-разметкой.

# Формат твоего вывода
Когда промпт готов, оборачивай его в тег <prompt>...</prompt>, чтобы пользователь мог легко скопировать. После тега — короткое объяснение решений и предложения по тестированию.

Начни первую сессию с приветствия и вопроса: «Какую задачу нужно автоматизировать с Claude?»

Как использовать

В первой сессии описываете задачу: например, «хочу анализировать транскрипты пользовательских интервью и вытаскивать инсайты по категориям». Project задаёт уточняющие вопросы, на выходе получаете готовый системный промпт со структурой и пояснениями. Запускаете в консоли Anthropic, тестируете, возвращаетесь в Project с обратной связью: «на таких-то кейсах модель плывёт» — Project помогает добавить few-shot примеры или подкрутить инструкции.

И главное

Промптинг — это не какая-то отдельная «магия для избранных», а просто новый рабочий инструмент. Если в этом не разбираться — довольно быстро окажешься в ситуации, где ту же работу уже делают быстрее и дешевле.

Ссылки

• Оригинальный доклад «Prompting 101» — Anthropic: https://youtu.be/ysPbXH0LpIE

• Доклад «Prompting for Agents» — следующий уровень: https://youtu.be/XSZP9GhhuAc

• Документация Anthropic по промпт-инжинирингу: https://docs.claude.com/en/docs/build-with-claude/prompt-engineering/overview

Пишу про практики работы с AI в Telegram-канале «Я и мой друг робот» — про мульти-агентные системы, визуализацию данных и реальные автоматизации: https://t.me/mewithrobot