Промпт
запрос к ИИ
Это понятие впервые встречается на программе «Электроника, программирование и инженерная практика» — примерно 13-14 лет (7-8 класс).
Твоё задание для нейросети: текст, по которому чат-бот готовит ответ. Чем точнее скажешь, что сделать и каким должен быть ответ, тем полезнее результат.
Заказ в кафе: попросишь «что-нибудь вкусное» — принесут наугад; назовёшь блюдо, размер и «без лука» — получишь то, что хотел.
Спросить у бота про светодиод двумя промптами — коротким «расскажи про светодиод» и с уточнениями (для кого, сколько предложений) — и сравнить ответы.
Текст запроса к модели ИИ. Рабочий промпт задаёт роль («ты — учитель физики»), задачу, нужный формат ответа и при необходимости примеры. Модель не читает мысли, а продолжает текст, поэтому ответ сильно зависит от формулировки; промпт обычно уточняют за несколько попыток.
Улучшить промпт в три шага: только задача → плюс контекст → плюс формат ответа; сохранить три ответа бота и отметить, что улучшилось на каждом шаге.
Входной текст языковой модели (LLM): инструкция и контекст в пределах контекстного окна. Приёмы: системная роль, few-shot примеры, пошаговое рассуждение, жёсткий формат вывода. Границы: модель может галлюцинировать — факты проверяют по источникам; ответы недетерминированы — один промпт даёт разные ответы; лишний контекст размывает инструкцию.
Задать боту один вопрос трижды и сравнить разброс ответов; добавить в промпт два few-shot примера и показать, как разброс уменьшился.
Частое заблуждение
«ИИ сам догадается, что я имел в виду». Нет: модель видит только текст запроса, а недосказанное достраивает по похожим текстам — иногда совсем не так, как ты хотел.