4 promptimise tehnikat, testitud 7 mudelil: tookokoja juhend

“Analüüsi seda projekti ja anna soovitusi” – üks prompt, seitse mudelit, ja GPT-5.4 andis välja 2231 sõna uduseid nõuandeid, samal ajal kui Claude Sonnet pakkus 11 kiitvat fraasi nagu “suurepärane eelarve struktuur”. Piisas päringu ümberkirjutamisest viie elemendi struktuuri järgi – kõik seitse mudelit mahtusid 346–443 sõnasse ja kiidulaulud kadusid. Tokenite kokkuhoid: 41% kuni 79% olenevalt mudelist.

See pole teooria. Need on andmed töökojast “Promptimine praktikas”, mille viisin läbi IIBA konverentsil. Üks projektibriif, neli tehnikat, seitse mudelit, 28 käivitust – ja $0,054 kokku. Odavam kui kohv automaadist.

Allpool – kõik neli tehnikat koos valmis promptidega. Igaüht saab käivitada otse siin – vajutage nuppu ja kaks mudelit täidavad prompti sama projektibriifiga. Andmed on kaasatud igasse prompti, midagi kopeerima ei pea.

Tookokoja video ja materjalid (vene keeles): hackmd.io/@belyaevstanislav/S1416ngRZg

Testprojekt

Kõik neli tehnikat töötasid ühe juhtumiga – “BonusPlus”, mobiilne lojaalsusrakendus jaeketile 340 kauplusega. Eelarve 18 mln rubla, 4 kuud MVP-ni, allhankemeeskond. Briifi pandi tahtlikult 16 probleemi: alates kontrollimata 1C ühilduvusest kuni kahtlase turustatistikani ja QA puudumiseni tellija poolel.

Briifi täistekst on kaasatud igasse käivitatavasse prompti allpool. Edaspidi viitan konkreetsetele probleemidele sellest.

Tehnika 1: Prompti struktuur – 5 elementi

Mõte on lihtne: iga töötav prompt sisaldab viit plokki – Roll, Kontekst, Ülesanne, Piirangud, Vorming. See pole maagia, vaid tehniline ülesanne, kirjutatud masina jaoks töövõtja asemel.

Halb prompt (võrdluseks)

Käivitage ja vaadake, mis tuleb – struktureerimata tekstisein:

Struktureeritud prompt

Nüüd käivitage sama briif, kuid struktuuriga. Võrrelge vastuste pikkust ja sisu:

Mis juhtus

Halb prompt andis täpselt selle, mida võis oodata: struktureerimata tekstiseina. GPT-5.4 kirjutas 2231 sõna – viis korda rohkem kui esitluseks vaja. Claude Sonnet jagas 11 komplimenti projektile, kuhu tahtlikult oli pandud 16 probleemi. DeepSeek V4 Flash lihtsalt jutustas briifi ümber, lisades paar üldist fraasi “hoolika planeerimise vajaduse” kohta.

Struktureeritud prompt pööras pildi. Kõik seitse mudelit – GPT-5.4-st kuni Gemma 4-26B-ni – mahtusid vahemikku 346–443 sõna. Kiitus langes 0–1 fraasini. Ilmusid konkreetsed riskid tõenäosuste hinnangutega. Vorming – kolm jaotist loetelupunktidega, nagu palutud.

Miks see töötab

Piirang “ÄRA kiida projekti” – pole viisakas palve, vaid juhis, mis suunab mudeli tähelepanu ümber. Ilma selleta tasakaalustab mudel vaikimisi plusse ja miinuseid – sest nii on üles ehitatud andmed, millel see treeniti. Selgesõnaline keeld eemaldab selle ’tasakaalu’ ja vabastab tokenid tegelikuks analüüsiks.

Kui teile on tuttavad prompti 5 elementi, on see sama idee – ainult et siin koos valideerimisandmetega seitsmel mudelil.

Meie eksperimendis Make Weak Model Great Again võidab struktureeritud prompt struktureerimata oma 73–82% juhtudel – valimis üle 1700 käivituse. Siin, töökojal, kinnitasid samad 28 käivitust mustrit.

Tehnika 2: Few-Shot – näita, mida tahad saada

Few-Shot tähendab, et annate mudelile kaks-kolm näidet soovitud vormingust otse prompti sees. Te ei selgita vormingut sõnadega, vaid näitate valmis eeskuju.

Prompt

Mis juhtus

100% mudelitest andsid vastuse täpselt viieelemendilises vormingus. Kõik seitse – kaasa arvatud Gemma 4-26B ja GPT-5.4 Nano, mis teiste tehnikate puhul ajasid struktuuri segamini. Leitud riskide arv varieerus – 5 Nano puhul kuni 12 GPT-5.4 puhul – kuid vorming oli identne.

See on kõige tugevam tehnika vormingu kontrollimiseks. Kui vajate konkreetset malli – aruanne, riskide register, hinnang – kaks näidet töötavad kindlamalt kui kaks lõiku selgitusi.

Miks see töötab

Mudel ei õpi teie juhistest – ta õpib mustritest. Kaks näidet loovad mustri, mida on lihtsam järgida kui tekstikirjeldust. See on eriti oluline nõrkade mudelite puhul: nad tulevad halvasti toime keerukate sõnaliste juhistega, kuid kopeerivad struktuuri suurepäraselt.

Meie eksperimendi andmetes võidab Few-Shot 75–89% juhtudest. Kõrgeim protsent kõigist neljast tehnikast.

Tehnika 3: XML-sildid – andmed eraldi juhistest

XML-sildid lahendavad konkreetse probleemi: kui promptis on korraga nii juhised kui andmed, ajab mudel ühe teisega segamini. Sildid loovad selge piiri – siin on, mida teha, siin on, millega töötada.

Prompt

Mis juhtus

Kõik seitse mudelit andsid tabelivormingu. Kuid huvitavam on muu: roll “finantskontrolör” pani mudelid arvutama.

Kõik seitse leidsid probleemi turundusmatemaatikas – turunduse eelarve 4 mln rubla eesmärgiga 500 000 paigaldust annab CPI = 8 rubla, mis on Venemaa turu jaoks ebareaalne. Kõik leidsid aritmeetilised vastuolud eelarves. Need on samad mudelid, mis halva prompti puhul lihtsalt kordasid numbreid, kontrollimata neid.

Sügavus varieerus samas dramaatiliselt: GPT-5.4 andis 36 reaga tabeli, Gemma – 7 reaga. Vorming sama, sisu – mitte.

Miks see töötab

Silt <projektibriif> ütleb mudelile: need on andmed, mitte juhised. Ilma siltideta võib mudel võtta briifi väiteid faktidena. Siltidega käsitleb ta neid sisendandmetena, mida tuleb kontrollida. Ja finantskontrolöri roll seab fookuse – kontrolli numbreid, mitte hinda strateegiat.

Kui soovite rohkem andmeid XML-siltide kohta – meie testides Venemaa mudelitega võidab XML-mall 74–85% juhtudest.

Tehnika 4: Red Teaming – mudel ründab oma vastust

Red Teaming on teine prompt, mis saadetakse pärast esialgset analüüsi. Mudel lülitub skeptiku rolli ja ründab oma järeldusi.

Prompt (saadetakse PÄRAST struktureeritud analüüsi)

Nüüd vaheta rolli. Sa oled skeptiline investor 20-aastase
kogemusega, kes otsib põhjusi MITTE investeerida sellesse projekti.

Ründa oma eelmist analüüsi:
1. Millised riskid jäid sul kahe silma vahele?
2. Kus olid sa oma hinnangus liiga leebe?
3. Millised eeldused võtsid sa vastu ilma kontrollimata?
4. Mis kukub kokku esimese 30 päevaga?

Ole karm. Mitte mingeid "sellele vaatamata on projektil potentsiaali".

Mis juhtus

Iga mudel leidis 2–3 lisariski, mille oli esimesel läbimisel vahele jätnud. Tüüpiline leid oli vendor lock-in: sõltuvus ühest allhankijast, kelle käes on kogu kood ja ekspertiis. Selle riski jätsid kõik mudelid esmases analüüsis süstemaatiliselt vahele – ja leidsid süstemaatiliselt Red Teamingus.

Kuid kõige kõnekam tulemus puudutas kontrollimata turustatistikat. Briifis on kirjas “turg kasvas 24%”, viidates NielsenIQ-le. Ainult üks mudel seitsmest (GPT-5.4) ühes neljast promptist seadis selle numbri kahtluse alla. Ülejäänud võtsid seda faktina.

Miks see töötab

Esimene läbimine loob inertsi – mudel valis raamistiku ja järgib seda. Red Teaming murrab selle inertsi, määrates vastupidise rolli. “Otsi põhjusi MITTE investeerida” – see pole lihtsalt teine vaatenurk, see on teine optimeerimisülesanne.

Mida AI süstemaatiliselt vahele jätab

28 käivitust ühe briifiga, kuhu oli pandud 16 probleemi, andsid pildi, mida ma pole kohanud teistes promptimise artiklites. Tavaliselt kirjutatakse “AI leidis huvitavaid teadmisi” – kuid keegi ei kontrolli, mida ta ei leidnud.

Kokkuvõte: parim mudel (GPT-5.4) tuvastas 50% pandud probleemidest, kõigi nelja prompti peale kokku. Halvim (GPT-5.4 Nano) – 22%. Keskmine seitsme mudeli lõikes – kuskil vahepeal. Ükski mudel ei leidnud kõiki 16.

Kuid huvitavamad pole keskmised numbrid, vaid pimedad kohad.

Probleem nr 15 – “Tellijal pole QA-d” – oli nähtamatu kõigile mudelitele kõigis promptides. Null 28-st käivitusest. Briifis on kirjas, et tellijal on IT-osakonnas kolm inimest (süsteemiadministraator, 1C-programmeerija, tugispetsialist) – kuid mitte ükski mudel ei teinud järeldust, et allhankija tööd pole kellelgi vastu võtta. Iga PM-i jaoks, kellel on kogemust reaalsete projektidega, on see esimene küsimus: kes tellija poolel võtab vastu release’id? Kes viib läbi UAT-i? AI jaoks – nähtamatu probleem.

Probleem nr 12 – “Turu kasv 24% – kontrollimata number” – leiti korra 28 katsest. Üks mudel, üks prompt. Briifis on kirjas “turg kasvas 24% (NielsenIQ andmed)” – ja kuus mudelit seitsmest kaasasid selle numbri oma analüüsi faktina. Ei kontrollinud allikat, ei kahelnud aktuaalsuses, ei küsinud, millise perioodi kohta. Viide NielsenIQ-le toimis kui ‘kvaliteedimärk’ – ja mudelid ei kontrolli seda üle.

Ma nimetan seda ‘autoriteediveaks’: kui andmed on esitatud koos allikaviitega, võtab mudel need tõena. See on otsene tagajärg sellest, kuidas treenimine töötab – allikaviitega andmed treeningukorpuses on tavaliselt usaldusväärsemad. Kuid reaalses projektibriifis võib ükskõik kes kirjutada “McKinsey andmetel”.

Kolm leidude taset

Tookokoja andmed sobituvad hästi kolmele tasemele:

Tase 1 – ilmsed probleemid. Kontrollimata ühilduvus 1C-ga, vabakutseline disainer ilma varuplaanita, ebapiisav eelarve ettenägematuteks kuludeks. Need leiavad kõik mudelid, isegi Nano. Piisab struktureeritud promptist.

Tase 2 – arvutuslikud probleemid. CPI 8 rubla, MVP tähtaeg ei ühildu funktsioonide mahuga, ebareaalne plastikkaartide konversioon rakenduseks. Need leiavad enamik mudeleid, kuid ainult õige rolliga – “finantskontrolör” või “risk-first PM”. Ilma rollita ei lülita mudelid kalkulaatorit sisse.

Tase 3 – kontekstiprobleemid. QA puudumine tellija poolel, vendor lock-in ühe allhankijaga, kahtlane turustatistika. Need leiavad üksikud ja sedagi mitte alati. Siin on vaja inimkogemust – teadmist, mis päriselt projektides juhtub, mitte seda, mis dokumentides kirjas on.

Mida see tähendab: AI on suurepärane esimene läbimine. Ta püüab kinni ilmselged eelarve vastuolud ja organisatsioonilised riskid. Kuid ta ei asenda eksperti, kes teab, kuhu vaadata.

Hmm.

Kui kasutate AI-d projektide analüüsiks – ja ma arvan, et peaksite – pidage meeles: see, mida mudel leidis, ei võrdu sellega, mis olemas on. Pimedad kohad pole juhuslikud, need on süsteemsed. Mudelid leiavad hästi seda, mis on selgelt kirjas, ja halvasti seda, mida tuleb kontekstist tuletada.

Praktiline kokkuvõte

Neli tehnikat – neli tööriista erinevateks olukordadeks.

R-K-U-P-V (Roll, Kontekst, Ülesanne, Piirangud, Vorming) – põhiline hügieen. Kui jätate meelde ainult ühe asja – jätke meelde see mnemooniline. See töötab kontrollnimekirjana: enne prompti saatmist käige viis tähte läbi ja kontrollige, kas kõik on paigas.

Few-Shot – kui vorming on kriitiline. Kaks näidet on usaldusväärsemad kui kaks lõiku selgitusi. Eriti oluline nõrkade mudelite ja konkreetset malli nõudvate ülesannete puhul: riskide register, hinnang, aruanne.

XML-sildid – kui promptis on palju andmeid. Eraldavad juhised sisendandmetest, ei lase mudelil ühte teisega segamini ajada.

Red Teaming – teine läbimine. Mitte esmase analüüsi asendus, vaid täiendus. Ei maksa lisaraha, murrab esimese vastuse inertsi.

Kõik neli tehnikat töötavad ükskõik millisel mudelil – GPT, Claude, Gemini, DeepSeek. Testisime seitsmega, kaasa arvatud Qwen 3.6-27B ja Gemma 4-26B. Tulemused erinevad sügavuse, kuid mitte mustri poolest: struktuur võidab kaose olenemata pakkujast.

Ja veel üks asi: kogu valideerimine maksis $0,054. Viiskümmend neli tuhandikku dollarist 28 käivituse eest seitsmel mudelil. Promptimine pole kallite tööriistade teema. See on selle teema, kuidas te ülesande sõnastate.

Kõik tookokoja materjalid, sealhulgas projektibriif ja promptid iseseisvaks harjutamiseks (vene keeles): hackmd.io/@belyaevstanislav/S1416ngRZg

Seotud artiklid

TI levis kiiremini kui internet – aga 62% kasutajatest jäid stardijoonele

99% kvaliteedist 1,4% hinnaga: mis on TI-mudelite turul valesti

Kohalikud LLM-id juhtidele: mida tegelikult saab kodus käivitada

Kuidas Microsoft vaikselt võitis korporatiivse TI turu: mida see tähendab juhtidele