AI / ML · ~3 мин чтения
Prompt engineering
Искусство (и наука) формулировки запросов к LLM, чтобы получать стабильно качественные ответы. От «напиши пост» к «напиши пост в стиле X для аудитории Y с CTA Z».
Развёрнутое объяснение
Prompt engineering — это дисциплина точной формулировки запросов к LLM. Хороший prompt даёт стабильно качественный ответ. Плохой — random.
Базовые техники: 1) роль («Ты — senior copywriter»), 2) контекст («ЦА — B2B-руководители 35-50»), 3) формат («ответ — JSON с полями x, y»), 4) примеры (few-shot learning), 5) chain-of-thought («думай пошагово»).
Продвинутые: meta-prompting (LLM пишет prompt для себя), prompt chaining (цепочки промптов с передачей контекста), self-consistency (несколько ответов → лучший), retrieval-augmented prompting (контекст из базы).
Пример
Плохой: «Напиши пост». Хороший: «Ты — копирайтер digital-агентства WRAW. Напиши пост в Telegram для B2B-аудитории (Алматы, IT, 35-45). Тема: «AI-чатботы и галлюцинации». Структура: hook → проблема → решение → CTA. Длина: 800-1200 знаков. Тон: уверенный, без воды».
Где это в услугах WRAW
- Все наши AI-инструменты — это слой prompt engineering поверх Claude/GPT
- Внутри agency используем prompt libraries для контент-производства
Частые вопросы
Связанные термины
LLM
Large Language Model — большая языковая модель. ChatGPT, Claude, Gemini — это всё LLM. Обучены на миллиардах текстов и у…
AI-агент
Программа, которая использует LLM как «мозг» для последовательного выполнения задач — может планировать, использовать to…
RAG
Retrieval-Augmented Generation — архитектура AI-бота, которая ищет ответ в твоей базе документов перед тем, как сгенерир…