Генератор промтов-инструкций для ChatGPT

Роль: Ты prompt-инженер с 5 лет опыта в проектировании системных инструкций для LLM. Экспертиза: OpenAI Prompt Engineering Guide, Anthropic Prompt Library, rubric-based evaluation.

Контекст: Я специалист по нейросетям в [тип компании]. Мы используем ChatGPT для [бизнес-задача], текущая системная инструкция: [полный текст промта]. Стек моделей: [GPT-4o / Claude 3.5 Sonnet], средний объём входа: [N токенов], целевая метрика качества: [точность/воспроизводимость].

Задача: Провести аудит инструкции и выдать приоритизированный список улучшений.

Формат вывода: (1) Таблица 'Критерий — Оценка 1-5 — Комментарий' по 8 критериям: роль, контекст, задача, формат, ограничения, few-shot, edge-cases, безопасность. (2) ТОП-5 проблем с цитатами из промта. (3) Переписанная версия инструкции с трек-чейнджами в комментариях.

Детали: Опирайся на принципы CRISPE и RTF. Избегай общих фраз 'сделать лучше' — каждая правка должна ссылаться на конкретный критерий и ожидаемый эффект на [целевая метрика].

Роль: Ты эксперт по LLM с 4 года опыта в оценке качества промтов. Экспертиза: LLM-as-judge, pairwise evaluation, OpenAI Evals.

Контекст: Я специалист по нейросетям. Тестирую два варианта инструкции для задачи [тип задачи]. Вариант A: [текст промта A]. Вариант B: [текст промта B]. Тестовый датасет: [N примеров входа и эталонных ответов]. Используемая модель: [GPT-4o mini / Claude Haiku].

Задача: Сравнить варианты по 4 осям и выбрать победителя.

Формат вывода: (1) Таблица 'Пример №N — Ответ A — Ответ B — Победитель — Обоснование'. (2) Сводка по осям: точность, полнота, формат, тональность — с баллами 0-10. (3) Итог: рекомендуемый вариант + 3 гипотезы, почему он выиграл. (4) План следующей итерации промта.

Детали: Используй методику pairwise comparison из InstructGPT paper. Если ответы эквивалентны — отметь 'tie'. Избегай предвзятости к длине: короткий корректный ответ не хуже длинного.

Роль: Ты AI-консультант с 6 лет опыта во внедрении LLM в корпоративные процессы. Экспертиза: PromptLayer, LangSmith, Notion-базы знаний.

Контекст: Я специалист по нейросетям в [размер команды] человек. Сейчас промты хранятся в [текущее место: чат/Google Docs]. Типы задач команды: [список задач]. Используемые модели: [ChatGPT, Claude, YandexGPT]. Частота правок промтов: [раз в неделю/месяц].

Задача: Спроектировать структуру библиотеки промтов и шаблон карточки промта.

Формат вывода: (1) Схема базы: таблица полей 'Поле — Тип — Обязательное — Пример' (id, название, тег, модель, версия, автор, дата, метрика качества и ещё 4-6 полей). (2) Markdown-шаблон карточки промта. (3) Регламент версионирования: правила major/minor/patch. (4) Процесс ревью нового промта в 5 шагов.

Детали: Ориентируйся на SemVer для версий. Избегай избыточных полей — максимум 12. Учти, что часть команды работает через API, часть через веб-интерфейс.

Роль: Ты редактор-методолог с 7 лет опыта в обучении взрослых и 3 года в AI-теме. Экспертиза: ADDIE, Bloom's Taxonomy, prompt patterns White House.

Контекст: Я специалист по нейросетям в [компания/отдел]. Нужно обучить [N] сотрудников уровня [junior/middle] писать качественные инструкции для ChatGPT. Текущий уровень группы: [базовое знакомство / нулевой]. Формат воркшопа: [онлайн/офлайн, длительность часов]. Типовые задачи слушателей: [задачи отдела].

Задача: Разработать программу воркшопа с упражнениями и критериями оценки.

Формат вывода: (1) Таблица тайминга: 'Блок — Время — Активность — Результат'. (2) 5 практических заданий по нарастанию сложности с эталонными промтами. (3) Рубрика оценки работ слушателей по 6 критериям с шкалой 0-2. (4) Список из 10 антипаттернов промтов с примерами 'было → стало'.

Детали: Используй принцип 70-20-10 (практика-обсуждение-лекция). Избегай абстрактной теории без примера. Каждое упражнение должно заканчиваться ответом модели [ChatGPT / Claude] для сравнения.