Чаще всего проблема не в модели, а в постановке запроса. Если промпт расплывчатый, ответ тоже будет расплывчатым — даже у сильного llm.
— Нет роли и контекста: модель не понимает, для кого пишет и в каком формате.
— Нет ограничения по объёму: ответ разрастается и теряет фокус.
— Смешаны задачи: анализ, генерация и проверка в одном запросе.
— Не задан критерий качества: модель не знает, что считать хорошим результатом.
Рабочая схема проста: укажите роль, цель, входные данные, формат ответа и ограничения. Если нужен текст для рекламы — отдельно задайте аудиторию, тон и запрещённые формулировки. Если нужен разбор — попросите сначала структуру, потом вывод.
Полезно добавлять примеры: один удачный образец ответа часто работает лучше длинного объяснения. И ещё: просите модель уточнять недостающие детали, если задача неполная. Это снижает количество «догадок» и лишних правок.
Главное — не писать «сделай хорошо». Чем точнее рамка, тем стабильнее результат: меньше мусора, больше управляемости в ai_tools и ai_marketing.
Как отвечать на отзывы в Google Play: шаблоны
@storeotzyvy_reply
Промпт-инжиниринг: 7 ошибок, из-за которых LLM отвечает мимо задачи
Этот пост опубликован в Telegram-канале Как отвечать на отзывы в Google Play: шаблоны (@storeotzyvy_reply). Все его публикации — на странице канала.
Открыть в Telegram