Промт — текстовый запрос к нейросети¶

Промт (от англ. prompt — «запрос», «подсказка») — текстовая инструкция, которая подаётся в нейросеть генеративного типа (языковую модель, генератор изображений, аудио или кода) для получения нужного результата. Качество и точность промта напрямую определяют полезность ответа модели, поэтому формулирование запросов выделилось в отдельную практическую дисциплину — промпт-инжиниринг.

¶Происхождение термина

Слово prompt в английском языке изначально означает «подсказка» — реплика, подсказывающая актёру текст. В вычислительной технике термин закрепился в 1950–1960-х годах для обозначения приглашения к вводу команды в командной строке (приглашение-призыв C:\> или >). С развитием больших языковых моделей (LLM) термин получил новое значение: текст, который пользователь направляет модели для генерации ответа.

В русском языке слово «промт» появилось в 2020-х годах вместе с массовым распространением публичных сервисов генеративного ИИ — ChatGPT (OpenAI, 2022), Midjourney, Stable Diffusion и других. До этого в академической литературе использовались кальки: «запрос», «инструкция», «подсказка».

¶Виды промтов

По назначению промты делятся на несколько категорий:

По уровню детализации различают:

• Краткие (однострочные) — один запрос без дополнительных условий.
• Развёрнутые — содержат контекст, ограничения, примеры желаемого результата.
• Цепочки (цепочные промты) — серия связанных запросов, где ответ на один служит входом для следующего.

¶Промпт-инжиниринг

Промпт-инжиниринг — практика проектирования запросов к языковым моделям для получения стабильно качественных результатов. Сформировалась как самостоятельная область к 2023 году, когда крупные компании (Google, OpenAI, Anthropic) выпустили рекомендации по работе с моделями.

Основные приёмы промпт-инжиниринга:

• Контекстуализация — указание роли, аудитории, стиля и ограничений («Ответь простым языком для школьника 8 класса»).
• Few-shot prompting — предоставление модели нескольких примеров желаемого ввода и вывода прямо в запросе.
• Chain-of-Thought (цепочка рассуждений) — просьба модели показать ход рассуждений по шагам, что повышает точность на логических и математических задачах.
• Zero-shot — запрос без примеров, полагающийся на общие знания модели.
• Ролевое присвоение — «Ты — опытный редактор» и подобные формулировки, задающие профессиональный контекст.

¶Промты для генерации изображений

В генеративных моделях изображений (Stable Diffusion, Midjourney, DALL-E) промт описывает желаемую сцену: объект, стиль, освещение, ракурс, художественное направление. Типичные модификаторы: «фотореализм», «акварель», «в стиле ар-нуво», «8K», «кинематографическое освещение». Для Stable Diffusion также используются негативные промты — перечисление того, что не должно попасть в изображение («размытость, низкое качество, лишние пальцы»).

¶Ограничения и особенности

Промт не является программным кодом: модель интерпретирует его статистически, поэтому один и тот же запрос может дать разные результаты при повторных запусках (из-за случайности генерации). Модель чувствительна к формулировкам — переформулировка запроса может существенно изменить ответ. Известно явление «галлюцинаций», когда модель уверенно выдаёт ложную информацию, не связанную с запросом; правильная формулировка промта (требование ссылаться на источники, ограничение области знаний) может снижать этот эффект, но не устраняет его полностью.

Существует также проблема «инъекций промта» (prompt injection) — когда в текст, передаваемый модели, встраиваются скрытые инструкции, меняющие поведение системы. Это рассматривается как уязвимость при построении приложений на базе LLM.

¶Применение

Промты используются при работе с чат-ботами, системами программной генерации кода (GitHub Copilot), ассистентами для поиска информации, инструментами автоматизации документооборота. В России разработчики применяют промты при локализации больших языковых моделей, включая отечественные системы — «Яндекс GigaChat», «СберGPT» и другие.

¶Примечания

Инженерия промтов не имеет устоявшегося формального стандарта: рекомендации различаются между разработчиками моделей. Сообщество практиков ведёт открытые каталоги промтов (например, репозитории на GitHub), где пользователи делятся рабочими формулировками.

¶Источники

• Википедия: Prompt engineering, Large language model, ChatGPT, Stable Diffusion
• OpenAI. Documentation: Prompt engineering guidelines
• Google. Prompt engineering whitepaper (2023)
• Anthropic. Claude prompting documentation
• Журнал «Открытые информационные и телекоммуникационные технологии» — обзоры генеративного ИИ