AI-промты для написания user story продакт-менеджеру

Соберите параметры истории — получите готовый промт с AC и INVEST

Выбрать параметры и получить промпт Без API, сразу готовые промпты
INVEST-проверка Gherkin и AC Готово для Jira
  • Истории с измеримыми acceptance criteria и метриками
  • Поддержка Job Story, Gherkin и Three Amigos
  • Снижает доработки в спринте и вопросы от разработки

Конструктор промтов для user story и AC

Выберите тип истории, фреймворк и глубину критериев приёмки — получите промт для бэклога

Быстрый старт:
Персонализация промта (необязательно) Показать
Доп. настройки (необязательно) Показать

Ваш промт появится здесь

Выберите параметры слева — промт обновится автоматически

Ваш промт

          

Product Manager тратит часы на то, чтобы превратить размытую идею фичи в чистую user story с критериями приёмки — и всё равно получает формулировки, которые разработчики возвращают на доработку. Готовые промты снимают этот барьер: нейросеть собирает классическую As a / I want / So that, Job Story или Gherkin-сценарий за минуту, если дать ей правильный контекст. Наш генератор промтов заточен под конкретные задачи продакта — разбор истории на этапе Discovery, подготовка эпика к backlog refinement, описание багов и spike-исследований, формулировка критериев приёмки с edge cases. Укажите тип истории, роль пользователя и фреймворк — получите промт, который можно вставить в ChatGPT, Claude или любую другую AI-модель. Такой подход забирает большую часть рутинного копирайтинга и высвобождает время на исследование пользователей и приоритизацию. Заполните форму и получите промт, оптимизированный под вашу задачу — бесплатно, без регистрации.

Промты для user story: инструкция

1
🎯

Выберите тип истории и роль

Укажите Тип истории, Роль пользователя и Область продукта — это задаст структуру user story под ваш бэклог.

2
⚙️

Настройте тон и формат вывода

Выберите тон коммуникации и формат вывода: например, деловой тон и шаблон 'As a / I want / So that' с критериями приёмки.

3
📝

Опишите продукт и проблему

Впишите Продукт, Проблему и Бизнес-цель — это сделает user story привязанной к реальному контексту команды.

4
🚀

Скопируйте промт в нейросеть

Скопируйте готовый промт и вставьте в ChatGPT или Claude — получите готовую user story с критериями приёмки.

Для кого промты по написанию user story

Генератор помогает продактам, аналитикам, agile-коучам и QA писать user story с AI

🧑‍💼

Product Manager в SaaS-продукте

Пишу 30+ историй к спринту, на формулировки уходит два дня

Получайте готовые user story по формату As a / I want за минуту

📊

Системный аналитик в IT-команде

Каждый Gherkin-сценарий с edge cases собираю вручную по часу

Генерируйте Given/When/Then с критериями приёмки в один клик

🎯

Agile-коуч и Scrum-мастер

На backlog refinement команда спорит о формулировках по 40 минут

Готовьте единый шаблон Job Story для всей команды за 5 минут

🔍

QA-инженер на ранней стадии продукта

Переписываю bug story и сценарии тестов с нуля на каждый релиз

Создавайте bug story с подробными edge cases прямо под MVP-релиз

Ещё промты для работы с user story

Промты дополняют генератор смежными задачами по user story. Скопируйте, замените данные в [скобках] и вставьте в ChatGPT или Claude.

Аудит бэклога user stories по INVEST-чеклисту

Аудит бэклога
Роль: Ты Senior Product Manager с 8 лет опыта в Agile-разработке SaaS-продуктов. Экспертиза: INVEST, Story Mapping, Jira, рефайнмент бэклога.

Контекст: Я продакт-менеджер в [тип компании]. Продукт: [название продукта и краткое описание]. Сейчас в бэклоге [число историй] user stories, команда жалуется на расплывчатость формулировок и раздутые спринты. Текущие артефакты: [ссылка на бэклог], [типичный шаблон истории в команде], [средний размер истории в стори-поинтах].

Задача: Провести аудит списка user stories ниже по чеклисту INVEST (Independent, Negotiable, Valuable, Estimable, Small, Testable) и дать рекомендации по переписыванию. Истории: [вставить 10 user stories списком].

Формат вывода: (1) Таблица: номер истории, оценка по каждому из 6 критериев INVEST (✓/✗), общий балл из 6. (2) Для каждой истории с баллом ниже 5 — конкретная проблема и переписанная версия в формате As a / I want / So that. (3) Топ-3 системные ошибки команды и чек-лист из 5 пунктов для будущего рефайнмента.

Детали: Опирайся на классику Bill Wake. Не добавляй критерии приёмки — только структура истории. Избегай общих советов типа 'пишите понятнее'.

Декомпозиция Epic на user stories по Story Mapping

Декомпозиция
Роль: Ты Agile Coach с 6 лет опыта в декомпозиции продуктовых инициатив. Экспертиза: User Story Mapping Jeff Patton, SPIDR, вертикальная нарезка, MVP-планирование.

Контекст: Я продакт-менеджер в [тип компании], готовлю к разработке крупную инициативу. Epic: [название и цель эпика]. Бизнес-проблема: [описание проблемы и ожидаемый эффект]. Ограничения: [срок релиза], [размер команды], [технологические ограничения]. Целевая роль пользователя: [описание персоны].

Задача: Декомпозировать эпик на user stories методом Story Mapping с вертикальной нарезкой (walking skeleton → MVP → расширения).

Формат вывода: (1) Backbone: список из 4–7 крупных пользовательских активностей верхнего уровня. (2) Под каждой активностью — 3–6 user stories в формате As a / I want / So that с пометкой релиза (MVP / R2 / R3). (3) Маркированный список допущений и открытых вопросов к стейкхолдерам, которые нужно закрыть до спринт-планирования.

Детали: Используй принцип SPIDR (Spike, Path, Interface, Data, Rules) для дробления крупных историй. Не опускайся до задач разработки, стой на уровне пользовательской ценности. Избегай технических формулировок.

Чек-лист качества user story перед спринт-планированием

Definition of Ready
Роль: Ты Scrum Master с 7 лет опыта в продуктовых командах B2B и B2C. Экспертиза: Definition of Ready, рефайнмент, фасилитация планирования, метрики спринта.

Контекст: Я продакт-менеджер в [тип компании], команда из [размер команды] человек. Текущая проблема: истории заезжают в спринт сырыми, [процент недоделанных историй] не закрываются, velocity скачет. Практики: [используемый фреймворк — Scrum/Kanban], [формат рефайнмента], [текущий шаблон user story].

Задача: Составить практический Definition of Ready для user story, который команда будет применять на рефайнменте за 3–5 минут на историю.

Формат вывода: (1) Чек-лист из 10–12 пунктов, сгруппированных по блокам: формулировка, ценность, критерии приёмки, зависимости, оценка, дизайн и данные. Каждый пункт — утверждение в настоящем времени, которое можно ответить да/нет. (2) Таблица из 3 примеров: сырая история → замечания по чек-листу → готовая история. (3) Правила использования: кто отвечает, на каком этапе применяется, что делать с несоответствиями.

Детали: Опирайся на практики Mike Cohn и INVEST. Избегай пунктов про оценку в часах. Учитывай, что критерии приёмки в Gherkin не обязательны для всех историй.

Обучающий воркшоп команды написанию user stories

Воркшоп
Роль: Ты Product Leader и тренер с 10 лет опыта обучения продуктовых команд. Экспертиза: JTBD, Connextra, Job Story, фасилитация воркшопов, Liberating Structures.

Контекст: Я продакт-менеджер в [тип компании], в команде [состав команды — аналитики, разработчики, дизайнеры]. Уровень зрелости: [текущий уровень — новички/средний/опытные]. Боль: истории пишут в виде задач ('сделать кнопку'), нет связи с ценностью пользователя. Длительность воркшопа: [доступное время], формат: [очно/онлайн].

Задача: Разработать сценарий практического воркшопа по написанию user stories для команды, с упражнениями на реальных кейсах продукта [короткое описание продукта].

Формат вывода: (1) Таблица сценария: блок, длительность, цель, активность, материалы — по 6–8 блокам воркшопа. (2) Детальное описание 3 ключевых упражнений: вводные данные для участников, пошаговая инструкция, критерии успеха. (3) Пост-воркшоп: мини-гайд на 1 страницу с шаблонами As a / I want / So that и Job Story и чек-лист внедрения на 2 недели.

Детали: Включи разбор антипаттернов (технические задачи вместо историй, размытые роли). Используй принцип 'чем меньше теории, тем лучше'. Избегай лекционного формата дольше 10 минут подряд.

6 правил промтов для user story

Используйте эти правила, чтобы получать готовые user story в формате INVEST в ChatGPT и Claude

🎓

Задайте роль агильного аналитика

Вместо «Ты продакт» укажите: «Ты бизнес-аналитик с 7 годами в Scrum-командах SaaS, пишешь истории по INVEST и Gherkin». ИИ сразу даст нужный синтаксис.

📊

Указывайте персону и job-to-be-done

Дайте ИИ персону (роль, цель, боль) и JTBD-формулу: «Когда ___, я хочу ___, чтобы ___». Без этого получите безликое «Как пользователь, я хочу войти в систему».

📋

Запрашивайте формат Gherkin

Просите вывод строго в шаблоне: заголовок + Connextra (As a / I want / So that) + Given-When-Then для критериев приёмки. Добавьте чек-лист INVEST в конце ответа.

🎯

Уточните этап и размер истории

Discovery, refinement и sprint planning требуют разной детализации. Шаблон: «Story для backlog refinement, размер 3-5 story points, спринт 2 недели, команда из 4 разработчиков».

🔄

Итерируйте через сплит истории

Если история больше 8 SP, попросите: «Разбей по SPIDR (Spike, Path, Interface, Data, Rules), сохрани вертикальную нарезку и бизнес-ценность в каждом слайсе».

⚠️

Избегайте технических заданий

До: «Как разработчик, я хочу добавить индекс в БД». После: «Как покупатель, я хочу видеть товары за 2 секунды, чтобы не уходить с сайта». Фокус на ценности, а не на решении.

FAQ: промты для user story

Промты для user story — это готовые текстовые инструкции, которые задают нейросети формат истории, роль пользователя, цель и критерии приёмки. Например, в ChatGPT можно отправить запрос с фреймворком Connextra или классическим «As a / I want / So that», указав область продукта (онбординг, корзина, личный кабинет) и этап разработки. Нейросеть вернёт структурированную историю с ценностью для пользователя и готовыми Gherkin-сценариями Given/When/Then. Промт экономит 30-40 минут на одну карточку в бэклоге и снижает риск пропустить edge cases. Попробуйте бесплатный генератор GUSAROV: выберите параметры, скопируйте промт и вставьте в ChatGPT — получите user story за 20 секунд.

Опишите в промте роль, действие и выгоду по формуле Connextra, затем попросите ChatGPT добавить 3-5 критериев приёмки или Gherkin-сценарии. Рабочий шаблон: «Ты product owner. Напиши user story для роли Новый пользователь в области Авторизация и регистрация по фреймворку As a / I want / So that. Добавь подробные критерии приёмки с edge cases: невалидный email, блокировка после 5 попыток, восстановление пароля». ChatGPT вернёт готовую карточку для Jira с заголовком, описанием и чек-листом QA. Для Job Story используйте формулу When / I want / So I can. Скопируйте промт из генератора GUSAROV и вставьте в ChatGPT — история попадёт прямо в backlog refinement.

Product Manager экономит 2-3 часа в неделю на описании бэклога и получает единый формат историй для всей команды. Генератор задаёт роль, фреймворк (Connextra, Job Story, Gherkin), область продукта и этап разработки — от Discovery до MVP-релиза. Claude или ChatGPT по такому промту выдают истории, готовые к спринт-планированию: с измеримой ценностью, критериями приёмки и edge cases. Это снижает количество уточняющих вопросов от разработчиков и QA на 40-50%. Продакт перестаёт тратить время на шаблонную работу и фокусируется на Discovery и метриках. Используйте бесплатный генератор GUSAROV: соберите промт за минуту и отправьте его в Claude перед ближайшим backlog refinement.

Классическая user story по Connextra фокусируется на роли («As a новый пользователь…»), а Job Story по JTBD — на ситуации и мотивации («When я впервые открываю приложение, I want…, So I can…»). В промте для ChatGPT для классики вы задаёте роль из списка (Администратор, Менеджер по продажам), а для Job Story — триггер и контекст использования. Claude лучше держит JTBD-логику на длинных эпиках, ChatGPT быстрее генерирует массовые карточки для бэклога. Для Bug story добавляйте шаги воспроизведения и ожидаемый результат, для Epic — декомпозицию на 5-10 историй. Скопируйте нужный шаблон в генераторе GUSAROV и вставьте в нейросеть — формат подстроится автоматически.

Промты из генератора GUSAROV работают во всех популярных нейросетях: ChatGPT, Claude, Gemini, YandexGPT, GigaChat и DeepSeek. ChatGPT и Claude лучше справляются со сложными эпиками и Gherkin-сценариями с edge cases — держат контекст на 20+ историй в одном диалоге. YandexGPT и GigaChat подойдут командам с требованиями к хранению данных в РФ и корректно обрабатывают русскоязычные роли вроде «Менеджер по продажам». Gemini хорошо генерирует связки user story на этапе Discovery и MVP-релиза. Формулы Connextra, Job Story и Given/When/Then понимают все перечисленные модели. Вставьте готовый промт из бесплатного генератора в любую нейросеть — результат будет стабильным для backlog refinement.