Читал на выходных гайд Claude по промпт-инжинирингу и наткнулся на классный абзац, который очень четко сформулировал то, о чем я постоянно думаю:
When interacting with Claude, think of it as a brilliant but very new employee (with amnesia) who needs explicit instructions. Like any new employee, Claude does not have context on your norms, styles, guidelines, or preferred ways of working. The more precisely you explain what you want, the better Claude’s response will be.
The golden rule of clear prompting:
Show your prompt to a colleague, ideally someone who has minimal context on the task, and ask them to follow the instructions. If they’re confused, Claude will likely be too.
У меня сложился сейчас такой список принципов, которых я придерживаюсь, в работе с LLM:
1. Четко объяснять задачу (как описано выше у Claude):
- Объяснить контекст задачи (напр. что за продукт я делаю, какую проблему хочу решить)
- Четко обозначить цель (для чего мне нужно выполнение этой задачи)
- Задать формат, в котором мне нужно получить результат
2. В промпте всегда говорить "Задай мне уточняющие вопросы, если тебе нужна дополнительная информация для выполнения поставленной задачи". Это позволяет уточнить все, что было описано в п.1
3. Для специализированных задач описываю, из какой "роли" надо решать задачу, или создаю отдельного AI-агента эксперта (напр. у меня есть "Промп-инженер", "Head of Product"). Для ревью промптов, например, я прогоняю промпт через обе эти роли несколько раз. Финальный decision-making, при этом, на мне.
4. Делаю серию итераций обратной связи. Перед выполнением большой задачи, прошу показать мне небольшой результат, чтобы убедиться, что AI правильно меня понял.
И вот несколько полезных материалов для тех, кто хочет лучше разбираться в промпт-инжиниринге:
- Prompt engineering overview от Claude
- Статья A Taxonomy of Prompt Defects in LLM Systems (спасибо Леше Хахунову за реко)