1. Используй качественные примеры (Few-shot prompting)
Добавь 2–5 хороших примеров в промпт, и модель начнёт лучше понимать, какой тебе нужен стиль и формат. Можно вставить даже нестандартные кейсы (edge cases) — это помогает, но не перебарщивай, иначе модель начнёт «запоминать» примеры слишком буквально (это называется оверфит, или переобучение)

2. Начни с простого
Короткий, чёткий, глагольный промпт работает лучше. Пример: “Сформулируй заголовок для поста” — лучше, чем “Мне бы хотелось, чтобы ты подумал, как можно было бы озаглавить этот текст...”

3. Заранее объясняй, что ты хочешь получить
Укажи структуру, стиль и объём. Например: “Сделай краткое резюме в 3 пунктах, каждый пункт — не больше одного предложения.” Модель не должна догадываться — говори прямо

4. Формулируй позитивно
Проси, что делать, а не что не делать. Пример: “Ответь кратко” вместо “Не пиши длинный текст”

5. Используй переменные
Если в промпте есть данные, которые будут меняться — выделяй их в фигурные скобки. Пример: “Составь описание для товара {название} с учётом {аудитория}”. Это поможет быстро масштабировать промпт под разные задачи

6. Играй с форматами входа
Нейросети хорошо считывают списки, таблицы и даже JSON-структуры. Это помогает сфокусировать модель на нужных частях запроса

7. Тестируй при каждой смене модели
GPT-4о и GPT-4.1 реагируют по-разному даже на одинаковые промпты. Не ленись перепроверить, особенно если заметил странные или нестабильные ответы

8. Запрашивай структурированный вывод
Проси вывод в виде JSON или CSV (форматы, которые удобно парсить скриптами)

9. Сохраняй старые версии
Если тестируешь промпты на регулярной основе — веди таблицу: какой промпт, какие настройки, какой результат. Это сильно экономит время и помогает не наступать на одни и те же грабли

10. Chain-of-Thought (цепочка размышлений)
Если задача требует логики — добавь в промпт: “Давай рассуждать шаг за шагом.” Это помогает нейросети не скакать к ответу, а пройти путь осознанно. Но не переусердствуй: для простых задач такой подход избыточен.

11. Step-back промптинг (шаг назад)
Для сложных вопросов попроси модель сначала рассмотреть более общую тему, а потом применить эти знания к конкретной задаче. Например: "Прежде чем ответить на вопрос о криптовалютах, объясни основные принципы блокчейна". Это заставляет нейросеть сначала активировать свои базовые знания, а потом уже строить на них детальный ответ. Отлично работает для узкоспециализированных тем и снижает число ошибок, но увеличивает размер ответа.