Как писать промпты для нейросети: структура из 4 блоков для ChatGPT, Claude и Gemini

Коротко (TL;DR)

Чтобы нейросеть выдавала нужный результат с первого-второго раза, не нужно учить «промпт-инжиниринг» как профессию. Достаточно держать в голове четыре вопроса, вокруг которых в июле 2026 года собрал свои советы OpenAI: что сделать (Goal), какой контекст помогает (Context), в каком виде нужен результат (Output) и какие границы важны (Boundaries). Заполнять все четыре блока необязательно — короткого запроса часто хватает.

Это универсальная точка старта, а не единственно верная формула. Anthropic (Claude) и Google (Gemini) советуют иначе в деталях: у Anthropic нет фиксированной формы, а Google рекомендует почти всегда добавлять примеры. Ниже — дословно, что говорит каждый вендор, пары «до/после» на одинаковых задачах, готовые мини-шаблоны и разбор частых ошибок при написании промптов. Данные актуальны на 14 июля 2026 года.

Что случилось: OpenAI собрал промптинг в 4 блока

В своём справочнике по промптингу OpenAI формулирует главную мысль прямо: «Промпт может быть вопросом, инструкцией или целью. Вам не нужен технический синтаксис или жёсткая формула» (learn.chatgpt.com/docs/prompting, актуально на 14 июля 2026). Начните своими словами, посмотрите на ответ и правьте его следующими сообщениями.

Для задач посложнее OpenAI предлагает добавлять «те части, которые важны», и перечисляет ровно четыре:

• Goal — что должна сделать нейросеть;
• Context — какая информация или источники помогут;
• Output — какой нужен формат, длина, уровень детализации;
• Boundaries — что должно остаться неизменным, чего избегать и что уточнить перед действием.

Ключевая оговорка из оригинала: «Используйте только те части, которые помогают. Не нужно заполнять каждый пункт или следовать обязательному формату». То есть это не анкета, а чек-лист на случай, когда простого запроса не хватило. Независимый разбор гайда (the-decoder.com) резюмирует так же: OpenAI строит промпт вокруг цели, контекста, формата и границ, но ни один блок не обязателен.

Инженер Anthropic заставил Claude спроектировать стойку под кластер материнок Framework

Что показало и чего не показало новое исследование интерпретируемости Anthropic

Слэш-команды Claude Code: полная шпаргалка и разбор /effort, /config, /resume и /compact

Режимы доступа и разрешения Claude Code: как не дать агенту снести полсистемы

Метод работы с Claude Code: как водить агента, чтобы получать хороший результат

Важная деталь: этот справочник написан для обычного пользователя ChatGPT — и обычного чата, и режима Work, а не только для разработчиков API. Так что это и есть гайд по промпт-инжинирингу для обычного пользователя, а не для программиста, — его удобно брать за основу даже в бесплатном чате.

Четыре блока промпта: что писать в каждом

Разберём блоки так, как их определяет сам OpenAI, — с короткой расшифровкой «зачем» и что подставить своё.

Источник формулировок — learn.chatgpt.com/docs/prompting (на 14 июля 2026).

Goal — начните с результата. Не с плана «сначала сделай А, потом Б», а с того, что должно получиться на выходе, и для кого. Процесс расписывают только тогда, когда он сам по себе важен; в остальных случаях модели оставляют свободу искать и сравнивать.

Context — только то, что меняет ответ. Прикрепите документ, таблицу или скриншот, если задача от них зависит, и объясните, что именно из них взять. Лишний контекст не помогает, а размывает фокус. По сути это и есть базовая работа с контекстом — то самое, что модно называть «context engineering» (подробнее об этом споре — в конце гайда).

Здесь же — важное про приватность. Всё, что вы вставляете в промпт, уходит на серверы стороннего сервиса. Не отправляйте в чат персональные данные, пароли, коммерческую тайну и чужие документы без разрешения: в бесплатных тарифах переписка может использоваться для обучения моделей, а данные вы уже не отзовёте. Перед тем как приложить файл, обезличьте его — уберите имена, номера договоров, реквизиты.

Output — под способ использования. «Сделай одностраничное резюме, которое директор просмотрит перед встречей» задаёт длину и структуру лучше, чем абстрактное «покороче». Скажите, куда пойдёт результат, — письмо, таблица, пост, — и модель подберёт форму.

Boundaries — одна-две главные границы. OpenAI приводит рабочие примеры ограничений: «Не меняй утверждённые даты и суммы бюджета»; «Используй только предоставленные источники, а недостающее помечай, а не додумывай»; «Подготовь письмо как черновик — не отправляй». Контролировать каждый шаг не нужно, достаточно того, где ошибка сделает результат непригодным.

Как советуют писать промпты OpenAI, Anthropic и Google

Здесь начинается то, чего почти нет у русскоязычных гайдов: три крупных вендора учат промптингу по-разному, и это стоит видеть явно. Ниже — прямые формулировки из документации каждого.

Источники: learn.chatgpt.com/docs/prompting, docs.claude.com, ai.google.dev (актуально на 14 июля 2026).

Anthropic (Claude): нет формы, есть техники. Официальный гайд Claude — это не анкета, а список приёмов: ясность, примеры, XML-структура, роль, «размышление вслух». Самая переносимая мысль — «золотое правило»: «Покажите промпт коллеге, у которого минимум контекста по задаче, и попросите выполнить. Если он запутается, запутается и Claude». Это тот же принцип, что у OpenAI («опиши, для кого результат»), только сформулированный прямо. Для примеров Anthropic советует 3–5 штук, обёрнутых в XML-теги. При этом на итог влияет не только сам промпт, но и обвязка вокруг модели — история диалога, приложенные файлы, инструменты.

Google (Gemini): примеры — почти всегда. Здесь и есть главное расхождение вендоров. Google в документации Gemini пишет буквально: «Мы рекомендуем всегда включать few-shot-примеры в промпты. Промпты без примеров, скорее всего, будут менее эффективны». У OpenAI и Anthropic примеры — опциональная техника для сложных задач; у Google это база. Не «сглаживаем» это в общий совет «добавляйте примеры» — позиции реально разные, и знать это полезно, если вы работаете с несколькими моделями.

Google также выделяет четыре типа входных данных (вопрос, задача, объект, продолжение текста), а для Gemini 3 предлагает XML-шаблон с тегами role, constraints, context, task, output_format. Четвёртый крупный игрок, Microsoft (Azure OpenAI), делит промпт на свои компоненты — инструкции, основной контент, примеры и «затравку» ответа, — но по сути это те же кирпичи под другими именами.

Вывод. Совпадает у всех одно: понятная цель, нужный контекст, явный формат и разумные границы. Различается форма записи (свободный текст против XML-тегов) и отношение к примерам. Поэтому 4 блока OpenAI — удобная стартовая рамка, но если вы пишете для Gemini, добавьте пример, а для Claude — можете обернуть части в теги. Разные версии моделей (например, новая линейка GPT-5.6) ведут себя чуть по-разному, и промпт под них тоже стоит подстраивать.

До и после: как слабый промпт превращается в рабочий

Теория без наглядного сравнения — беда большинства гайдов. Ниже — четыре пары на одинаковых задачах. Промпты копируемые: подставьте своё вместо выделенного.

1. Письмо (отказ на приглашение).

Слабый промпт:

Напиши письмо с отказом.

Рабочий промпт (Goal + Output + Boundaries):

Напиши дружелюбное письмо с отказом от приглашения на конференцию —
я буду в поездке. До 120 слов, оставь дверь открытой для будущих
мероприятий. Тон вежливый, без извинений на полстраницы.

Что изменилось: появились адресат, длина, тон и граница («без длинных извинений»).

2. Резюме длинного текста.

Слабый промпт:

Перескажи этот отчёт.

Рабочий промпт (Goal + Output + Boundaries):

Сделай из этого отчёта одностраничное резюме, которое руководитель
просмотрит за 2 минуты. Сначала — решения и следующие шаги, потом
факты. Используй только данные из отчёта, ничего не додумывай;
если чего-то не хватает — пометь это.

Граница «ничего не додумывай, помечай пробелы» — прямой приём OpenAI против выдумывания фактов.

3. Помощь с кодом (для не-разработчика).

Слабый промпт:

Почини мой код, он не работает.

Рабочий промпт (Goal + Context + Output):

Вот формула в Google Таблицах, она выдаёт ошибку #ЗНАЧ! [вставить формулу].
Объясни простыми словами, почему ошибка, и дай исправленный вариант
одной строкой. Я не программист — без терминов, которые не объясняешь.

Модель получила контекст (сама формула, текст ошибки) и формат ответа (объяснение + готовая строка).

4. Обучение (разобраться в теме).

Слабый промпт:

Расскажи про сложный процент.

Рабочий промпт (Goal + Output):

Объясни, как работает сложный процент, человеку, который никогда
не инвестировал. Один конкретный пример с цифрами и определи каждый
финансовый термин, который используешь.

Здесь заданы аудитория («никогда не инвестировал»), формат («один пример с цифрами») и правило («определяй термины»). Именно такой промпт как эталонный приводит сам OpenAI.

Мини-шаблоны под типовые задачи

Скопируйте шаблон, замените текст в скобках — получите рабочую заготовку. Все четыре блока внутри необязательны: убирайте лишнее.

Письмо / сообщение:

Напиши [тип письма] для [кому]. Цель — [что должно произойти после прочтения].
Тон [деловой/дружелюбный]. Объём [до N слов]. Не [что нельзя — например,
не обещай сроков].

Резюме текста / документа:

Сделай [формат: тезисы / абзац / таблицу] по этому тексту для [аудитория].
Вынеси вперёд [что главное]. Опирайся только на текст, недостающее помечай.
Объём — [N].

Помощь с задачей (Excel, формула, настройка):

Вот [данные / формула / скриншот]. Проблема: [что не так].
Объясни причину простыми словами и дай готовое решение [в каком виде].
Я не специалист — без необъяснённых терминов.

Обучение / объяснение:

Объясни [тема] для уровня [новичок / средний]. Дай [один пример / аналогию],
определяй термины. В конце — [3 вопроса для проверки / что почитать дальше].

Если результат почти подходит — не переписывайте промпт с нуля. OpenAI прямо советует править ответ следующими сообщениями: «Сделай начало более прямым, оставь аргументы, а рекомендацию вынеси выше». Диалог часто быстрее идеального первого запроса — и это работает даже при голосовом вводе промптов.

Частые ошибки при написании промптов

Ошибки удобно привязать к тем же четырём блокам — тогда понятно, что именно чинить.

• Расплывчатая цель (проблема с Goal). «Напиши что-нибудь хорошее» не даёт модели почти ничего — это ошибка №1 у новичков сразу в нескольких независимых гайдах (KnowledgeHut, TBS News, 2026). Лечится одним предложением: что и для кого.
• Нет контекста (проблема с Context). Просить пересказать «тот отчёт», не приложив его, — модель начнёт догадываться. Дайте исходник и скажите, что из него взять.
• Не задан формат (проблема с Output). Без «в виде таблицы / до 120 слов / сначала выводы» вы получите случайную длину и структуру, а потом тратите время на переделку.
• Нет границ (проблема с Boundaries). Если важно не менять цифры, не отправлять письмо, не выходить за бюджет — скажите об этом. Одна граница экономит переделку.
• Перегруз ради «правильности». Обратная крайность: люди пишут гигантские промпты «на всякий случай». Длина сама по себе не помогает — если контекст не тот, объём только вредит. Один заявленный (но не проверяемый независимо) кейс с Medium описывает потери от 40-страничного системного промпта без актуального контекста о прошлых сбоях — цифру не подтвердить, но иллюстрация верная: важнее не размер, а релевантность.
• Слепое доверие ответу. Даже с идеальным промптом модель может ошибиться. Проверяйте факты — об этом ниже.

Как снизить риск, что нейросеть выдумает ответ

Галлюцинации — когда модель уверенно выдаёт неправду — это не отдельная беда, а часть блока Boundaries. И вендор, и практики советуют одно: явно запретить догадки.

OpenAI формулирует это как готовую границу: «Используй только предоставленные источники» и «Помечай недостающую информацию вместо того, чтобы гадать». Тот же совет независимо даёт украинский гайд GoIT: «Нейросеть иногда врёт. Даже если вы просили брать правдивую информацию, факты лучше перепроверить ещё раз».

Практические формулировки, которые стоит держать под рукой:

Отвечай только на основе приложенного текста. Если данных нет —
так и напиши «в источнике этого нет», не придумывай.

После ответа перечисли, какие утверждения ты не смог проверить
по источникам.

Это не отменяет ручную проверку: любой факт, цифру или цитату из ответа нужно сверять самому — особенно в темах про деньги, здоровье и право.

«Промпт-инжиниринг умер»? Что не так со спором про context engineering

В июле 2026 года в сообществе (Reddit, X, Medium) громко обсуждают тезис «prompt engineering is dead — решает context engineering». Смысл: важнее не то, как вы формулируете запрос, а то, что модель «видит» — файлы, история, инструменты, доступ к данным. Звучат и более резкие мнения — что «промпт-инженер как профессия» вообще миф (критика в LinkedIn, 2026).

Для обычного пользователя чата это не отмена промптинга, а его же часть под модным названием. «Context engineering» — это по сути работа с тем самым блоком Context, который есть у всех трёх вендоров. Никакой новой науки для того, кто пишет запросы в ChatGPT, Claude или Gemini, здесь нет.

Есть и простой контраргумент против «смерти» промптинга: OpenAI, Anthropic и Google в 2026 году продолжают выпускать и обновлять именно промпт-гайды. Спор актуален для тех, кто строит сложных ИИ-агентов, — там контекстное окно и данные действительно решают. А дисциплина промптов для кодинг-агентов — это отдельная тема с узкими приёмами; для повседневных задач в чате рабочим советом на 2026 год остаются те же четыре блока.

FAQ

Нужно ли писать длинный промпт, чтобы получить хороший ответ? Нет. OpenAI прямо пишет: короткого промпта часто достаточно. Длина не равна качеству — важнее ясная цель и нужный контекст. Начинайте коротко и добавляйте детали, только если ответ не подошёл.

Отличаются ли промпты для ChatGPT, Claude и Gemini? Базовая логика одна: цель, контекст, формат, границы. Различия в деталях: для Gemini Google советует почти всегда добавлять примеры, Claude хорошо реагирует на XML-теги и 3–5 примеров, а ChatGPT работает и с обычным текстом. Один и тот же промпт обычно сработает везде, но под конкретную модель его можно донастроить.

Что делать, если ответ почти правильный, но не совсем? Не переписывайте промпт заново. Попросите точечную правку следующим сообщением: «сделай начало прямее», «убери термины», «в таблицу вместо текста». Диалог быстрее, чем идеальный первый запрос.

Как заставить нейросеть не выдумывать факты? Добавьте границу: «используй только приложенные источники, недостающее помечай, не гадай». Это снижает риск, но не убирает его — важные факты и цифры всё равно проверяйте вручную.

Нужно ли учить «промпт-инжиниринг» как профессию? Для повседневных задач — нет. Достаточно держать в голове четыре вопроса (что / какой контекст / в каком виде / какие границы) и уметь править ответ в диалоге. Профессиональный уровень нужен тем, кто строит ИИ-агентов и сложные автоматизации.