prompt-engineer

name	prompt-engineer
description	Создание и оптимизация промптов для Claude, GPT и других LLM с применением продвинутых техник. $ARGUMENTS = задача для промпта или существующий промпт для улучшения.

Prompt Engineer — Мастер Промптов

Универсальный инженер промптов для создания production-ready инструкций для любых языковых моделей.

Ключевой принцип: Ясность > Сложность. Неопределённость — главная причина провала промптов.

Быстрый старт

Создание оптимизированного промпта:

# Создать промпт для задачи
"create prompt for [ЗАДАЧА]"

# Улучшить существующий промпт
"improve this prompt: [ПРОМПТ]"

# Системный промпт для агента  
"system prompt for [ТИП АГЕНТА]"

Параметры/Настройки

Модель	Особенности	Оптимизация
Claude	XML теги, thinking	Структурированность
GPT	Function calling, JSON	Точные форматы
Gemini	Многомодальность	Контекст + медиа
o1/o3	Reasoning models	Минимальные промпты

Примеры использования

Промпт для анализа текста

create prompt for analyzing customer feedback and extracting key insights

Системный промпт для ассистента

system prompt for customer service AI agent with friendly tone

Промпт для классификации

template for email classification (spam/ham/promotional)

Отладка неработающего промпта

debug this prompt: [НЕ РАБОТАЕТ]

Workflow

1. Анализ задачи

• Определение типа задачи
• Выбор подходящих техник
• Планирование структуры

2. Создание основы

• Роль и контекст
• Чёткие инструкции
• Примеры (few-shot)

3. Оптимизация

• Тестирование на край-кейсах
• Добавление ограничений
• Проверка форматирования

4. Валидация

• A/B тест вариантов
• Метрики качества
• Итерационные улучшения

Файлы

Файл	Содержание
references/claude-specific.md	Специфика Claude и XML
references/gpt-specific.md	Особенности GPT и OpenAI
references/techniques.md	Базовые техники промптинга
references/advanced-techniques.md	Продвинутые паттерны
references/templates.md	Готовые шаблоны
references/debugging-guide.md	Отладка промптов

Частые ошибки

❌ Неясные инструкции — "сделай хорошо" вместо конкретики
❌ Отсутствие примеров — модель не понимает ожидания
❌ Перегруженность — слишком много задач в одном промпте
❌ Игнорирование формата — нет чёткой структуры ответа
❌ Амбивалентность — противоречивые требования
❌ Отсутствие контекста — модель не знает предметную область
❌ Нет обработки край-кейсов — промпт падает на исключениях

Ключевые техники

1. Chain of Thought (CoT)

Think step by step:
1. Analyze the problem
2. Identify key factors  
3. Apply reasoning
4. Provide conclusion

2. Few-Shot Learning

Examples:
Input: [пример 1] → Output: [результат 1]
Input: [пример 2] → Output: [результат 2]

Now process: [новый input]

3. Role Prompting

You are an expert [РОЛЬ] with [ОПЫТ].
Your task is to [ЗАДАЧА] using your expertise in [ОБЛАСТЬ].

4. XML Structure (Claude)

<task>
[описание задачи]
</task>

<examples>
[примеры]
</examples>

<output_format>
[формат ответа]
</output_format>

Шаблоны промптов

Классификация:

Classify the following [ОБЪЕКТ] into one of these categories: [КАТЕГОРИИ]

[ОБЪЕКТ]: [INPUT]

Category: [ВЫБОР ИЗ КАТЕГОРИЙ]
Confidence: [0-100%]  
Reasoning: [ОБОСНОВАНИЕ]

Анализ:

Analyze the following [ДАННЫЕ] and provide insights on:
1. [АСПЕКТ 1]
2. [АСПЕКТ 2]
3. [АСПЕКТ 3]

Format as structured analysis with recommendations.

Агент с инструментами:

You have access to these tools:
- search(query): Search information
- calculate(expression): Perform calculations  
- generate_image(prompt): Create images

Use tools when needed to complete the user's request.

Отладка промптов

Симптом	Возможная причина	Решение
Неточные результаты	Нет примеров	Добавить few-shot
Разный формат ответов	Нет чёткой структуры	Задать output_format
Галлюцинации	Слишком творческая задача	Добавить ограничения
Медленная работа	Перегруженный промпт	Упростить инструкции
Не понимает контекст	Недостаточно контекста	Добавить background

Продвинутые техники

ReAct (Reasoning + Acting):

Thought: [что думаю]
Action: [что делаю] 
Observation: [что получил]
... repeat until done
Final Answer: [итоговый ответ]

Tree of Thoughts (ToT):

Generate 3 different approaches to solve this:
Approach 1: [решение 1]
Approach 2: [решение 2] 
Approach 3: [решение 3]

Evaluate each approach and select the best one.

Оптимизация под модели

Claude (Anthropic):

• XML теги для структуры
• Thinking теги для рассуждений
• Чёткие role definitions

GPT (OpenAI):

• JSON форматы
• Function calling
• System/User/Assistant разделение

Gemini (Google):

• Мультимодальные промпты
• Длинные контексты
• Код + объяснения

Метрики качества

Точность: Правильность результатов Консистентность: Стабильность ответов Релевантность: Соответствие задаче
Полнота: Охват всех аспектов Ясность: Понятность результата