Умение работать с языковыми моделями всё меньше похоже на искусство и всё больше — на нормальную инженерную практику. Это особенно хорошо видно на примере Gemini 3, новой модели Google, и официальных рекомендаций по работе с ней.
Видео, о котором идёт речь: https://youtu.be/_ctHSSJ-WqE
И это видео — не столько про "очередную LLM", сколько про смену парадигмы: от длинных, перегруженных промптов к ясным, коротким и целенаправленным запросам.
Что вообще изменилось в Gemini 3
Gemini 3 проектировался с расчётом на то, что пользователь:
1. формулирует цель, а не алгоритм;
2. задаёт формат результата, а не цепочку рассуждений;
3. не перегружает запрос лишними пояснениями.
Google прямо пишет об этом в своем официальном гайде: https://cloud.google.com/vertex-ai/generative-ai/docs/start/gemini-3-prompting-guide
Если коротко: модель лучше понимает намерение и хуже реагирует на "словесный шум".
Ключевая идея: меньше слов — выше точность
Одна из центральных мыслей — сначала цель, потом формат, и только потом (если нужно) контекст.
Пример разницы подходов:
Переусложнённый запрос
Пожалуйста, внимательно проанализируй этот финансовый отчет, найди показатели за третий квартал, аккуратно оформи результат, используй JSON и не добавляй лишний текст…
Рабочий запрос
Extract Q3 revenue, profit, and margin from this report. Return JSON.
Gemini 3 сам: найдёт нужные данные,
поймёт, что считать, приведёт результат к нужной структуре.
Формат — это якорь для ответа
В гайде Google отдельно подчёркивается важность явного указания формата вывода (JSON, таблица, список).
Резюме
Формат работает как контракт: он удерживает модель в рамках задачи и резко снижает количество "воды".
Для аналитиков и инженеров данных это особенно близко по духу — промпт начинает напоминать API-контракт или спецификацию, а не диалог в чате.
Контекст: полезен, но не всегда
Интересный момент из документации Gemini 3: контекст не обязателен, если задача понятна.
Добавлять его стоит только если он меняет интерпретацию данных или задаёт ограничения, или влияет на стиль ответа.
Контекст "на всякий случай" чаще мешает, чем помогает. Модель начинает учитывать второстепенные детали и теряет фокус.
Мультимодальность как нормальный режим работы
Gemini 3 изначально рассчитан на мультимодальные запросы: текст, изображения, PDF, видео. И здесь рекомендация Google простая:
явно указывайте, что именно нужно сделать с каждым типом данных, и формулируйте единый ожидаемый результат.
Например:
Analyze this video and slide deck. Summarize key metrics and risks.
Без дробления на десятки мелких инструкций.
Почему это важно именно для специалистов по данным
Если смотреть шире, то Gemini 3 хорошо иллюстрирует общий тренд: мы постепенно уходим от "prompt engineering как искусства" к "prompt engineering как часть системного мышления".
#LLM #Gemini3