Prompt Engineering: Искусство правильных вопросов

Два программиста используют ChatGPT для одной задачи. Один получает идеальный код за 2 минуты. Другой - мусор после часа мучений. Разница? Не в AI, а в промптах. Prompt engineering - это skill, который определяет твою продуктивность с AI.

• **'Напиши API'** vs **'Напиши REST API на FastAPI с JWT auth, rate limiting, OpenAPI docs'**
• **'Сделай быстрее'** vs **'Текущая сложность O(n²). Оптимизируй до O(n log n) используя...'**
• **Role matters:** 'Как security эксперт, найди уязвимости' даёт другой результат, чем просто 'проверь код'
• **Итерации:** Первый ответ редко идеален. Уточняй, строй на контексте.

Предварительные знания

• AI Interaction Paradigms: Intern, Colleague, or Expert?

GIGO: Качество входа = качество выхода

**Garbage In, Garbage Out (GIGO)** - фундаментальный принцип computing. Для AI он критичен: качество промпта определяет качество ответа.

**Формула хорошего промпта:** `Контекст + Задача + Constraints + Формат = Качественный ответ`

AI не читает мысли. Он работает с тем, что ты написал. Всё неявное - будет додумано случайным образом.

**Типичная ошибка:** Предполагать, что AI 'понимает' контекст. AI не знает твой проект, твои требования, твою инфраструктуру. Всё важное нужно сказать явно.

Контекст - это всё

**Контекст** - это информация о среде, в которой будет использоваться код. Чем точнее контекст, тем релевантнее ответ.

**Четыре слоя контекста:** 1. **Технический**: язык, фреймворк, версии, зависимости 2. **Архитектурный**: как код вписывается в систему 3. **Бизнес**: зачем это нужно, какую проблему решает 4. **Constraints**: производительность, безопасность, совместимость

Структурированные промпты

Хаотичный промпт → хаотичный ответ. **Структурированный промпт** помогает и тебе организовать мысли, и AI понять задачу.

**Шаблон CRISP:** **C**ontext - Где это будет использоваться? **R**ole - Кем должен быть AI? **I**nstructions - Что конкретно сделать? **S**pecifications - Какие требования/ограничения? **P**refernces - Формат, стиль, примеры?

**Альтернативные шаблоны:**

• **RACE**: Role, Action, Context, Expectations
• **STAR**: Situation, Task, Action, Result
• **Chain of Thought**: 'Думай пошагово, объясняя каждый шаг'

**Не переусердствуй:** Шаблоны помогают, но не делай промпт бюрократией. Для простых вопросов достаточно контекста и чёткой задачи.

Итеративное уточнение

Редко первый промпт даёт идеальный результат. **Итеративное уточнение** - это нормальный процесс работы с AI.

**Стратегия уточнения:** 1. Начни с базового промпта 2. Оцени ответ: что хорошо, что нет? 3. Уточни конкретный аспект 4. Повтори пока не достигнешь цели

**Техники уточнения:**

• **'Измени X на Y'** — точечная правка
• **'Добавь обработку случая Z'** — расширение
• **'Объясни почему ты выбрал A, а не B'** — понимание
• **'Перепиши с учётом constraint C'** — рефакторинг
• **'Что может пойти не так?'** — проверка edge cases

**Важно:** Не начинай заново при каждой проблеме. AI помнит контекст диалога. Строй на предыдущем, уточняй, корректируй.

Ключевые идеи

• **GIGO:** Качество промпта = качество ответа
• **Контекст критичен:** Язык, фреймворк, constraints, бизнес-требования
• **CRISP шаблон:** Context, Role, Instructions, Specifications, Preferences
• **Итерации нормальны:** Строй на предыдущем, уточняй конкретные аспекты
• **AI помнит контекст:** Используй это для эффективного уточнения

Куда дальше?

Промпты - это фундамент. Дальше - применение в конкретных сценариях:

• Code Review с AI — Как формулировать промпты для ревью кода
• AI для архитектуры — Промпты для обсуждения trade-offs
• Debugging с AI — Как описывать баги для эффективной помощи

Вопросы для размышления

• Вспомни последний неудачный промпт. Какого контекста не хватало?
• Попробуй CRISP шаблон для своей текущей задачи. Что изменилось?
• Как бы ты объяснил задачу новому коллеге? Это и есть хороший промпт.

Связанные уроки

• ml-01-intro