Промпт (от английского prompt, «подсказка, побуждение») это текст, которым вы ставите задачу нейросети: вопрос, инструкция, кусок документа с просьбой его обработать. Модель не видит ничего, кроме этого текста и истории диалога, поэтому всё, что вы не написали, она додумывает сама. Отсюда главное правило, которое повторяют все разработчики моделей: пишите так, как объясняли бы задачу толковому новому сотруднику, который ничего не знает о вашем проекте.
Рабочий запрос обычно состоит из пяти частей: роль, задача, контекст, формат ответа и примеры. Ниже разобрано, что советуют официальные руководства Anthropic, OpenAI и Яндекса (сверено 14.11.2026), и показано, как один короткий запрос превращается в инструкцию, по которой модель даёт предсказуемый результат.
Откуда слово и как его правильно писать
В ноябре 2025 года Яндекс разобрал поисковые запросы пользователей 18–34 лет: около 80% из них пишут «промт». Ведущий научный сотрудник Института русского языка имени В. В. Виноградова РАН Ольга Иванова пояснила, что кодифицированным сейчас является написание «промпт» (ppc.world, 20.11.2025).
Для сайта практический вывод такой: в заголовках и тексте пишите по норме, а вариант «промт» не нужно специально вставлять в текст. Поисковики давно склеивают такие написания, а в Wordstat запрос «промт или промпт» сам собирает 2 244 показа в месяц: люди ищут именно ответ про норму.
Из каких частей состоит хороший запрос
Схема из пяти элементов не стандарт, а удобная учебная модель. У разработчиков названия блоков разные, но содержание совпадает.
| Элемент | Что в нём писать | Пример для SEO-задачи | Что будет без него |
|---|---|---|---|
| Роль | Кем модель выступает и для кого пишет | «Ты редактор блога о SEO, читатели: владельцы небольших сайтов» | Нейтральный «энциклопедический» тон, лишние термины или наоборот упрощение |
| Задача | Одно действие с измеримым результатом | «Напиши 3 варианта description для статьи» | Модель угадывает, чего вы хотите, и отвечает общими словами |
| Контекст | Исходные данные и зачем это нужно | Текст статьи, главный запрос, что description показывается в сниппете | Факты придумываются, ответ не привязан к вашей странице |
| Формат | Структура, длина, язык, стиль | «До 155 знаков каждый, нумерованный список, без кавычек» | Ответ приходится переделывать руками |
| Примеры | 1–5 образцов нужного результата | Два description, которыми вы довольны | Модель держит формат, но промахивается по тону и деталям |
Схема 1. Запрос это не одна попытка, а цикл: собрать элементы, получить ответ, проверить по критериям, поправить.
Последний шаг на схеме важнее, чем кажется. Anthropic в обзоре по промпт-инжинирингу начинает не с техник, а с условий: у вас должны быть критерии успеха и способ проверить по ним ответ (Anthropic, Prompt engineering overview). Без критериев нельзя понять, стал ли новый вариант запроса лучше.
Что советуют разработчики моделей
Anthropic (руководство Prompting best practices для моделей Claude):
- Объясняйте не только что сделать, но и зачем. Пример из руководства: вместо «никогда не используй многоточие» написать, что ответ прочитает синтезатор речи, который не умеет их произносить. Модель обобщает причину и сама избегает похожих проблем.
- Давайте 3–5 примеров, разные по содержанию, и оборачивайте их в теги
<example>, чтобы модель не путала образцы с инструкцией. - Отделяйте части запроса тегами:
<instructions>,<context>,<input>. - Длинные документы (от 20 тысяч токенов) ставьте в начало, вопрос в конец: в тестах Anthropic это повышало качество ответа до 30% (Anthropic, Prompting best practices).
- Тест на понятность: покажите запрос коллеге без контекста. Если он запутается, модель тоже.
OpenAI (руководство Prompt engineering в документации API):
- Сообщения разработчика (developer) задают правила и стоят по приоритету выше сообщений пользователя.
- Инструкцию разработчика удобно делить на блоки Identity, Instructions, Examples и Context, обычно в таком порядке; меняющийся контекст лучше ставить в конец.
- Для разметки подходят заголовки Markdown и XML-теги.
- Модели с рассуждением лучше работают с целями верхнего уровня, а обычные GPT-модели с точными пошаговыми инструкциями (OpenAI, Prompt engineering).
Яндекс (руководство в блоге Yandex Cloud, май 2025):
- Один термин для одного понятия: если назвали текст «статьёй», не называйте его дальше «материалом».
- Инструкции в позитивной форме: «напиши коротко» работает лучше, чем «не пиши длинно».
- Указывайте лимит слов, стиль и язык, выделяйте входные данные кавычками или тегами.
- Просите модель проверять ответ и писать «Нет данных», если информации не хватает (Yandex Cloud, как писать промты).
Какие техники бывают и когда их применять
| Что | Когда подходит | Чем платите | Почему важно |
|---|---|---|---|
| Zero-shot (без примеров) | Простые задачи: пересказ, перевод, ответ на вопрос | Формат и тон непредсказуемы | Самый быстрый старт, с него начинают все |
| Few-shot (с примерами) | Нужен строгий формат: мета-теги, карточки, таблицы | Длиннее запрос, модель может копировать примеры слишком близко | Самый надёжный способ задать стиль и структуру |
| Ролевой запрос | Нужен определённый уровень текста и словарь | Роль сама по себе не добавляет знаний | Даже одна фраза о роли меняет тон и глубину ответа |
| Рассуждение по шагам | Расчёты, сравнения, задачи с условиями | Ответ длиннее и дольше | Меньше логических ошибок в сложных задачах |
| Цепочка запросов | Большая задача: план, черновик, проверка, правка | Больше шагов и ручного контроля | Можно проверить промежуточный результат на каждом шаге |
| Разметка тегами | В запросе смешаны инструкции, документы и примеры | Немного времени на оформление | Модель не путает, где ваше задание, а где данные |
Цепочку запросов Anthropic описывает как самый частый рабочий шаблон: черновик, затем проверка этого черновика по критериям отдельным запросом, затем исправление по итогам проверки. Для статей и SEO-текстов это полезнее, чем один «идеальный» запрос: о том, как так писать статьи, подробно рассказано в материале про статьи с нейросетью.
Системный запрос и роль: чем отличаются
В чат-интерфейсах системную инструкцию видно не всегда. В API её передают отдельным сообщением: у OpenAI это сообщение с ролью developer, у Anthropic параметр system. В приложениях похожую роль играют «пользовательские инструкции» или настройки проекта: то, что модель учитывает в каждом ответе.
Что стоит класть в системную инструкцию:
- Роль и аудиторию. «Ты редактор SEO-блога, читатели: владельцы сайтов без технического образования».
- Постоянные правила. Обращение на «вы», запрет выдумывать цифры, оформление списков.
- Что делать при нехватке данных. «Если факта нет в предоставленном тексте, напиши, что его нужно проверить».
Конкретную задачу, тексты и данные оставляйте в обычном сообщении. Так одну и ту же системную инструкцию можно использовать для десятков задач.
Как модель вообще читает инструкцию и откуда берутся её ошибки, разобрано в статье что такое LLM.
Пример: от одной строки до рабочего запроса
Первая версия, которую пишут чаще всего:
Напиши description для статьи про robots.txt
Модель не знает, что в статье, для кого она, какой длины нужен текст. В ответе будет «Узнайте всё о robots.txt в нашей статье!»: шаблон без пользы для читателя.
Рабочая версия:
<role>
Ты редактор SEO-блога. Читатели: владельцы сайтов и начинающие SEO-специалисты.
</role>
<context>
Description показывается в сниппете поиска под заголовком. Его задача:
объяснить, что человек получит, открыв статью. Текст статьи ниже в теге <article>.
</context>
<task>
Напиши 3 варианта description для этой статьи.
</task>
<format>
- длина каждого варианта до 155 знаков с пробелами;
- в каждом минимум один конкретный факт из статьи;
- без призывов «узнайте», «читайте», без восклицательных знаков;
- нумерованный список, после каждого варианта число знаков в скобках.
</format>
<example>
Какие директивы robots.txt понимают Яндекс и Google, как закрыть служебные
разделы и проверить файл в Вебмастере до публикации.
</example>
<article>
...текст статьи...
</article>
Что изменилось: модель знает аудиторию, назначение текста и критерии, по которым вы будете выбирать. Пример задаёт тон, а требование «минимум один факт из статьи» привязывает ответ к вашей странице. Счётчик знаков в ответе модели проверяйте сами: модели считают символы неточно. Подробнее о том, что писать в мета-тегах, рассказано в статье про мета-теги и description, а набор таких запросов для других SEO-задач собран в материале про нейросети для SEO.
Готовые шаблоны и промпт-инжиниринг
Как пользоваться библиотеками шаблонов без разочарования:
- Берите структуру, а не текст. Из шаблона полезно унести набор блоков: роль, формат, ограничения.
- Заменяйте всё общее своим. «Целевая аудитория» превращается в конкретное описание читателя, «тема» в главный запрос и тезисы.
- Проверяйте на 3–5 разных входных данных. Запрос, который хорошо сработал на одной статье, может провалиться на другой.
- Сохраняйте удачные версии. Свою библиотеку из 10 проверенных запросов под ваши задачи полезнее чужой на тысячу.
У разных моделей есть особенности: где-то лучше работают теги, где-то Markdown, у рассуждающих моделей пошаговые инструкции иногда мешают. Обзор моделей для текстов есть в статье про нейросети для текстов, особенности российских моделей разобраны в материалах про YandexGPT и Алису AI и про GigaChat.
Наши данные: что люди ищут о промптах
Методика. Темы из семантического плана MoreSEO, в главном запросе которых есть «промпт» или «промт». Яндекс Wordstat, Россия, 30 дней, срез 14.11.2026. Спрос темы равен сумме точных частот её запросов.
| Тема (главный запрос) | Спрос темы | Доля от 18 тем |
|---|---|---|
| промпт | 8 046 | 50,7% |
| промт или промпт | 2 244 | 14,1% |
| элементы промпта | 1 231 | 7,8% |
| промпт инжиниринг | 733 | 4,6% |
| промпт для создания промптов | 727 | 4,6% |
| готовые промпты | 428 | 2,7% |
| ролевой промпт это | 208 | 1,3% |
| системный промпт | 76 | 0,5% |
| остальные 10 тем | 2 189 | 13,8% |
| Всего, 18 тем | 15 882 | 100% |
Что из этого следует:
- Половина спроса это определение. Тема «промпт» даёт 50,7%. Поэтому ответ «что это» стоит в первом абзаце, а не после истории термина.
- Норма написания интересует каждого седьмого. 14,1% спроса приходится на вопрос «промт или промпт», и это больше, чем на промпт-инжиниринг и готовые шаблоны вместе (1 161).
- «Элементы промпта» ищут для тестов. Точная частота самой фразы всего 67, а спрос группы 1 231. Остальные 1 164 запроса (94,6%) это формулировки вопросов из учебных тестов: «посмотрите на промпт и выберите элементы», «какие пять элементов составляют хороший промпт», «раздел контекст в промпте нужен чтобы». Поэтому в статье есть таблица пяти элементов с назначением каждого.
- Короткий запрос сильно размыт. У слова «промпт» широкая частотность 203 619, а точная 5 774, это 2,8%. Остальное приходится на длинные запросы про конкретные нейросети и задачи, которые мы разбираем в отдельных статьях.
Кому всё это не нужно
- Разовые вопросы. «Сколько знаков в description» не требует роли и примеров.
- Задачи, где нужны свежие факты. Хороший запрос не даст модели знаний, которых у неё нет. Цены, лимиты и новости проверяйте по первоисточнику или используйте режимы с поиском.
- Если нет времени проверять результат. Без проверки даже идеальный запрос не защитит от выдуманной цифры в тексте.
Частые вопросы
Что значит промпт простыми словами?
Это текст задания для нейросети: вопрос или инструкция, по которым модель пишет ответ. Чем точнее описаны задача, контекст и формат, тем меньше модели приходится угадывать.
Как правильно: промт или промпт?
Нормативное написание «промпт», с «п» перед «т», так же пишутся «промпт-инженер» и «промпт-инжиниринг». Вариант «промт» распространён, но словарной нормой не считается.
Какие пять элементов составляют хороший промпт?
Чаще всего называют роль, задачу, контекст, формат ответа и примеры. Обязательна только задача, остальные элементы добавляют, когда без них модель ошибается.
Зачем в промпте указывать роль нейросети?
Роль задаёт тон, словарь и глубину ответа: «редактор SEO-блога» и «школьный учитель» объяснят одно и то же по-разному. Новых знаний роль модели не даёт, поэтому факты всё равно нужно передавать в контексте.
Что такое системный промпт?
Постоянная инструкция, которая действует на весь диалог: кто модель, для кого пишет, какие правила соблюдает. В API её передают отдельным сообщением, в приложениях похожую функцию выполняют пользовательские инструкции.
Источники
- Anthropic: обзор промпт-инжиниринга, с чего начинать
- Anthropic: Prompting best practices для моделей Claude
- OpenAI: руководство Prompt engineering в документации API
- Yandex Cloud: как писать промты для нейросетей, инструкция и примеры
- Справка Алисы AI: работа с текстами и советы по запросам
- ppc.world: Яндекс и ИРЯ РАН о написании «промпт» и «промт»