- Регистрация
- 23 Авг 2023
- Сообщения
- 4,206
- Реакции
- 0
- Баллы
- 36
Ofline
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:
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 виноватОтвет 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.
Структура хорошего промпта: 10 блоков
Anthropic в этом докладе даёт структуру системного промпта:
# | Блок | Что туда кладём |
|---|---|---|
1 | Контекст | роль, цель, сценарий |
2 | Тон | как отвечать, что делать при неопределённости |
3 | Фон | стабильная информация о данных |
4 | Инструкции | порядок действий |
5 | Примеры | корнер-кейсы |
6 | История | если есть диалог |
7 | Задача | что нужно сейчас |
8 | Рассуждение | если задача сложная |
9 | Формат | JSON / XML |
10 | Prefill | начало ответа |
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.
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.
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
Код:
<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
Открываете claude.ai → Projects → Create project.
Называете, например, «Prompt Architect».
В поле Custom instructions вставляете системный промпт ниже.
Запускаете чат внутри проекта и описываете свою задачу.
Системный промпт
Код:
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:
View: https://youtu.be/ysPbXH0LpIE
Доклад «Prompting for Agents» — следующий уровень:
View: https://youtu.be/XSZP9GhhuAc
Документация Anthropic по промпт-инжинирингу: Prompt engineering overview 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