Каждое руководство по инженерии промптов показывает вам отполированные, идеальные промпты. Ни одно из них не показывает вам оригинальный откровенно плохой промпт, который кто-то на самом деле напечатал в первый раз. Это именно та часть, которая вас чему-то учит — видеть трансформацию от "расплывчатой вещи, которую я бы естественно напечатал" к "структурированному промпту, который дает отличные результаты". Вот 10 реальных примеров до и после с объяснениями.
Разница между плохим промптом и хорошим обычно составляет 30 секунд дополнительного контекста. AI не нужно больше слов — ему нужны ПРАВИЛЬНЫЕ слова: роль, формат, ограничения.
1. Email
До: "Напиши мне письмо начальнику о том, что я опоздаю"
После: "Действуй как профессиональный коммуникатор. Напиши письмо из 3-4 предложений моему руководителю, объясняя, что я опоздаю на 30 минут из-за пробки. Тон: уважительный и краткий, без чрезмерных извинений. Укажи время прибытия и предложи наверстать время. Включи строку темы."
Что изменилось: Добавлена роль, конкретная длина, причина, указания по тону и требования к формату. Промпт "до" дает ChatGPT 50 возможных писем. Промпт "после" сужает это до одного хорошего.
2. Code Review
До: "Проверь мой код"
После: "Действуй как старший разработчик Python, проводящий code review. Проверь функцию ниже на: ошибки, проблемы производительности, читаемость и best practices Python. Для каждой найденной проблемы объясни, почему это проблема, и предоставь исправленную версию. Форматируй как нумерованный список. [вставь код]"
Что изменилось: Указаны критерии review (не просто "хорошо ли это?"), запрошены конкретные исправления (не только выявление), установлен формат вывода.
3. Data Analysis
До: "Проанализируй эти данные"
После: "Я загружаю CSV с данными ежемесячных продаж за 2024-2025. Проанализируй и предоставь: (1) Общий тренд с процентом изменения год-к-году, (2) Топ-3 месяца с лучшими результатами и почему они могли быть сильными, (3) Любые аномалии или настораживающие паттерны, (4) Краткое резюме из 3 предложений, которое я могу вставить в отчет о статусе. Используй конкретные цифры из данных."
Что изменилось: Объяснено AI, что "анализ" означает для ТЕБЯ. Без этого "анализ" может означать что угодно — статистические тесты, диаграмму, резюме, рекомендацию.
4. Meeting Summary
До: "Сделай краткое резюме этого совещания"
После: "Сделай резюме следующей стенограммы совещания: (1) Принятые решения (список с маркерами), (2) Задачи с ответственным и сроком, (3) Открытые вопросы, требующие ответов. Держи в пределах 200 слов. Если решение или ответственный человек неясны из стенограммы, отметь это явно."
Что изменилось: Определено, что означает "резюме" в деловом контексте. Стандартное резюме AI — это описательный абзац. Тебе нужен структурированный, практический вывод.
5. Job Description
До: "Напиши описание должности для аналитика данных"
После: "Напиши описание должности для аналитика данных среднего уровня в SaaS компании из 200 человек. Роль сосредоточена на product analytics — анализ поведения пользователей, проведение A/B тестов и создание дашбордов в Looker. Обязательные навыки: SQL, Python и BI инструмент. Плюсы: знание дизайна экспериментов. Тон: прямой и конкретный, без корпоративного шаблона. Избегай фраз вроде 'rockstar' или 'ninja'. Объем: 400-500 слов."
Что изменилось: Контекст (размер компании, индустрия), конкретика (product analytics, не общий анализ), требования к инструментам, ограничения по тону и антипаттерны для избежания.
Паттерн в каждой трансформации: промпт "после" отвечает на три вопроса, на которые не отвечает промпт "до" — ДЛЯ КОГО это, КАКОЙ формат ты хочешь и ЧТО это НЕ должно включать.
6. Social Post
До: "Напиши пост в LinkedIn об AI"
После: "Напиши пост в LinkedIn (150-200 слов) о том, как я использовал AI для сокращения времени еженедельного отчета с 3 часов до 20 минут. Тон: разговорный, от первого лица, искренний — не продажный и не нравоучительный. Начни с крючка, который остановит скролл. Заверши вопросом, чтобы стимулировать комментарии. Без хештегов в основном тексте, добавь 3-5 в конце."
7. Customer Response
До: "Ответь этому рассерженному клиенту"
После: "Напиши ответ в поддержку клиентов на жалобу ниже. Признай его разочарование без снисходительности. Объясни, что произошло (в нашей системе была ошибка выставления счетов). Предложи конкретное решение (полный возврат + 1 месяц бесплатно). Держи в пределах 100 слов. Профессионально, но дружески. [вставь жалобу]"
8. Excel Formula
До: "Помоги мне с формулой Excel"
После: "У меня есть таблица Excel, где столбец A содержит имена сотрудников, столбец B содержит отделы, столбец C содержит зарплаты. Напиши формулу для ячейки D1, которая вычисляет среднюю зарплату только для отдела 'Engineering'. Используй AVERAGEIF. Объясни, что делает каждая часть формулы."
9. Presentation Outline
До: "Сделай мне презентацию о результатах Q3"
После: "Создай структуру из 10 слайдов для презентации о результатах деятельности Q3 2025. Аудитория: руководители C-level (держи на стратегическом уровне, не тактическом). Слайд 1: титул. Слайд 2: резюме (макс 3 пункта). Слайды 3-7: ключевые метрики с контекстом. Слайд 8: вызовы. Слайд 9: приоритеты Q4. Слайд 10: вопросы для обсуждения. Для каждого слайда напиши заголовок и 2-3 пункта."
10. Research
До: "Расскажи мне о конкурентном анализе"
После: "Действуй как бизнес-стратег. Создай framework конкурентного анализа, который я могу использовать для сравнения 3 SaaS инструментов в пространстве управления проектами (Asana, Monday, ClickUp). Включи: сравнение цен, ключевые различия функций, целевую аудиторию, позиционирование на рынке и сильные/слабые стороны. Форматируй как таблицу сравнения, затем резюме из 200 слов с рекомендацией, против кого позиционировать."
Ни один из этих промптов "после" не требовал экспертизы. Они просто требовали 30 дополнительных секунд размышления о том, что ты на самом деле хочешь. Роль + формат + ограничения = стабильно хороший вывод.
Итог
Хочешь увидеть трансформацию своих собственных промптов? Попробуй бесплатный оптимизатор промптов — вставь любой промпт и получи улучшенную версию, используя тот же ICC framework (Instructions, Context, Constraints), который стоит за этими примерами.
TresPrompt — Оптимизация промптов в один клик внутри ChatGPT, Claude и Gemini.
Хочешь еще? Мы публикуем одно подробное руководство по AI workflow каждую неделю. Подпишись на рассылку — бесплатно, без спама.