Промпт-инжиниринг: что реально работает
Мы проверили 10 приёмов составления запросов на 4 моделях на рабочих задачах менеджера. Коротко: форма запроса важнее тона. Шаблон ответа, роль и самокритика помогают, заглавные буквы и грубость – нет. И слабую модель запросом в сильную не превратить. Соберите свой промпт →
Что мы выяснили
77 сравнений из 100
Столько сравнений с обычным запросом выигрывает шаблон ответа – в среднем по четырём моделям (от 74 до 82 на каждой). Роль и самокритика – по 71.
50 и 44 сравнений из 100
Заглавные буквы и грубый тон: не лучше обычного запроса, значимого эффекта нет. Громче – не значит понятнее.
3,44 → 4,27 балла из 5, GigaChat-Ultra
Лучший приём поднял итоговый балл модели, но против GPT-5.4 такой ответ выиграл лишь 22 из 100 сравнений. Запрос поднимает нижнюю планку, верхнюю задаёт модель.
Что попробовать завтра: задайте форму ответа и скажите, для кого он. Получив ответ, попросите модель найти в нём слабые места. Заглавные буквы и угрозы оставьте – они не помогают.
Как вы думаете, что сработает?
Три изменения одного и того же запроса. Выберите прогноз – покажем, что получилось в исследовании.
Задача, которую решали все варианты
У нас интернет-магазин электроники, 45 сотрудников. За последний квартал выручка упала на 18%, при этом трафик на сайт вырос на 12%. Средний чек снизился с 8 700 руб. до 6 200 руб. Возвраты выросли с 4% до 11%. Рекламный бюджет увеличили на 30%. Что происходит и что делать?
Пример 1 из 3
Шаблон ответа
После задачи добавили шаблон ответа:
Ответь строго в следующем формате: ## Диагноз (2–3 предложения: что именно не так) ## Корневые причины Для каждой причины: - Что происходит - Почему это происходит (причинно-следственная связь) - Какие данные это подтверждают ## Рекомендации (от самой срочной к менее срочной) Для каждой рекомендации: 1. Что сделать (конкретное действие) 2. Ожидаемый результат (в цифрах, если возможно) 3. Срок реализации 4. Кто отвечает ## Чего я не знаю Какой информации не хватает для более точного анализа?
Помогает. Этот вариант выигрывал у обычного запроса в 77 из 100 сравнений – в среднем по четырём моделям. Эффект прошёл проверку на статистическую значимость.
По моделям
- GigaChat-Ultra
- 76 из 100
- GigaChat-2-Max
- 82 из 100
- Alice AI LLM
- 76 из 100
- Qwen3 Max
- 74 из 100
Пример 2 из 3
Заглавные буквы
Ту же задачу написали заглавными буквами:
У НАС ИНТЕРНЕТ-МАГАЗИН ЭЛЕКТРОНИКИ, 45 СОТРУДНИКОВ. ЗА ПОСЛЕДНИЙ КВАРТАЛ ВЫРУЧКА УПАЛА НА 18%, ПРИ ЭТОМ ТРАФИК НА САЙТ ВЫРОС НА 12%. СРЕДНИЙ ЧЕК СНИЗИЛСЯ С 8 700 РУБ. ДО 6 200 РУБ. ВОЗВРАТЫ ВЫРОСЛИ С 4% ДО 11%. РЕКЛАМНЫЙ БЮДЖЕТ УВЕЛИЧИЛИ НА 30%.
Не помогает: 50 из 100 выигранных сравнений, не лучше обычного запроса. Значимого эффекта нет.
По моделям
- GigaChat-Ultra
- 47 из 100
- GigaChat-2-Max
- 54 из 100
- Alice AI LLM
- 56 из 100
- Qwen3 Max
- 44 из 100
Пример 3 из 3
Грубый тон
До и после задачи добавили напор:
Блин, мне нужен нормальный ответ. … Давай без воды.
Не помогает: 44 из 100 выигранных сравнений, не лучше обычного запроса. Значимого эффекта нет.
По моделям
- GigaChat-Ultra
- 43 из 100
- GigaChat-2-Max
- 46 из 100
- Alice AI LLM
- 43 из 100
- Qwen3 Max
- 44 из 100
Каждое сравнение: два ответа на одну задачу, с изменением и без; лучший выбирали два ИИ-судьи.
Соберите промпт
Задача из исследования: интернет-магазин, выручка падает, хотя посетителей больше. Включайте приёмы и смотрите, какие именно фразы они добавляют. Готовый запрос можно скопировать в свой чат.
Первое сообщение
Добавлено: Роль и контекст
Ты – опытный бизнес-аналитик с 15-летним стажем в e-commerce консалтинге. Ты работал с Ozon, Wildberries и десятком средних интернет-магазинов. Твоя задача – подготовить аналитическую записку уровня McKinsey для генерального директора. Записка должна содержать конкретные цифры, причинно-следственные связи и приоритизированные рекомендации. Избегай общих фраз вроде «нужно улучшить» – пиши что конкретно сделать.
В исследовании роль была подробной, как здесь. Для своей задачи хватит одной-двух строк: кто отвечает, для кого результат и каким он должен быть. Такой короткий вариант отдельно не проверяли.
Задача
У нас интернет-магазин электроники, 45 сотрудников. За последний квартал выручка упала на 18%, при этом трафик на сайт вырос на 12%. Средний чек снизился с 8 700 руб. до 6 200 руб. Возвраты выросли с 4% до 11%. Рекламный бюджет увеличили на 30%. Что происходит и что делать?
Добавлено: Шаблон ответа
Ответь строго в следующем формате: ## Диагноз (2–3 предложения: что именно не так) ## Корневые причины Для каждой причины: - Что происходит - Почему это происходит (причинно-следственная связь) - Какие данные это подтверждают ## Рекомендации (от самой срочной к менее срочной) Для каждой рекомендации: 1. Что сделать (конкретное действие) 2. Ожидаемый результат (в цифрах, если возможно) 3. Срок реализации 4. Кто отвечает ## Чего я не знаю Какой информации не хватает для более точного анализа?
Второе сообщение – отправьте после первого ответа
Добавлено: Самокритика вторым сообщением
Перечитай свой ответ критически. Найди в нём: 1) Где ты был неконкретен? 2) Где могли быть ошибки в логике? 3) Что ты упустил? После этого дай улучшенную версию ответа.
Отработайте каждую привычку на своих рабочих задачах, с разбором каждого задания. Первые уроки бесплатно.
Что работает на вашей модели
Все 10 приёмов на четырёх моделях исследования. Выберите модель – подсветим её столбец и подскажем, с чего начать.
Начните с шаблона ответа и роли: оба приёма выигрывают у обычного запроса на всех четырёх моделях.
GigaChat-Ultra: чаще всего выигрывал приём «Пример хорошего ответа» – 82 из 100 сравнений. Лучший итоговый балл (4,27 из 5) дал другой приём – «Шаблон ответа»: доля побед и итоговый балл – разные измерения. Для него нужен готовый образец ответа; шаблон ответа не требует подготовки и выиграл здесь 76 из 100.
GigaChat-2-Max: чаще всего выигрывал приём «Пример хорошего ответа» – 89 из 100 сравнений. Он же дал лучший итоговый балл – 3,63 из 5. Для него нужен готовый образец ответа; шаблон ответа не требует подготовки и выиграл здесь 82 из 100.
Alice AI LLM: чаще всего выигрывал приём «XML-теги и Markdown» – 85 из 100 сравнений. Лучший итоговый балл (4,46 из 5) дал другой приём – «Шаблон ответа»: доля побед и итоговый балл – разные измерения.
Qwen3 Max: чаще всего выигрывал приём «Рассуждение по шагам» – 78 из 100 сравнений. Лучший итоговый балл (4,49 из 5) дал другой приём – «Шаблон ответа»: доля побед и итоговый балл – разные измерения.
| Приём | В среднем | GigaChat-Ultra | GigaChat-2-Max | Alice AI LLM | Qwen3 Max |
|---|---|---|---|---|---|
| Шаблон ответазначимо · усилия 2 из 5 | 77 | 76 | 82 | 76 | 74 |
| Роль и контекстзначимо · усилия 2 из 5 | 71 | 75 | 75 | 75 | 60 |
| Самокритика вторым сообщениемзначимо · усилия 3 из 5 | 71 | 71 | 74 | 65 | 75 |
| Пример хорошего ответазначимо · усилия 4 из 5 | 78 | 82 | 89 | 75 | 65 |
| Рассуждение по шагамзначимо · усилия 3 из 5 | 71 | 68 | 79 | 60 | 78 |
| XML-теги и Markdownзначимо · усилия 4 из 5 | 73 | 53 | 78 | 85 | 74 |
| Доработка в несколько шаговне значимо · усилия 3 из 5 | 65 | 61 | 72 | 61 | 68 |
| Разбивка на подзадачине значимо · усилия 4 из 5 | 58 | 79 | 58 | 44 | 49 |
| Заглавные буквыне значимо · усилия 1 из 5 | 50 | 47 | 54 | 56 | 44 |
| Грубый тонне значимо · усилия 1 из 5 | 44 | 43 | 46 | 43 | 44 |
- Шаблон ответазначимо · усилия 2 из 5 77 из 100 76 из 10082 из 10076 из 10074 из 100
Все модели
- В среднем
- 77 из 100
- GigaChat-Ultra
- 76 из 100
- GigaChat-2-Max
- 82 из 100
- Alice AI LLM
- 76 из 100
- Qwen3 Max
- 74 из 100
- Роль и контекстзначимо · усилия 2 из 5 71 из 100 75 из 10075 из 10075 из 10060 из 100
Все модели
- В среднем
- 71 из 100
- GigaChat-Ultra
- 75 из 100
- GigaChat-2-Max
- 75 из 100
- Alice AI LLM
- 75 из 100
- Qwen3 Max
- 60 из 100
- Самокритика вторым сообщениемзначимо · усилия 3 из 5 71 из 100 71 из 10074 из 10065 из 10075 из 100
Все модели
- В среднем
- 71 из 100
- GigaChat-Ultra
- 71 из 100
- GigaChat-2-Max
- 74 из 100
- Alice AI LLM
- 65 из 100
- Qwen3 Max
- 75 из 100
- Пример хорошего ответазначимо · усилия 4 из 5 78 из 100 82 из 10089 из 10075 из 10065 из 100
Все модели
- В среднем
- 78 из 100
- GigaChat-Ultra
- 82 из 100
- GigaChat-2-Max
- 89 из 100
- Alice AI LLM
- 75 из 100
- Qwen3 Max
- 65 из 100
- Рассуждение по шагамзначимо · усилия 3 из 5 71 из 100 68 из 10079 из 10060 из 10078 из 100
Все модели
- В среднем
- 71 из 100
- GigaChat-Ultra
- 68 из 100
- GigaChat-2-Max
- 79 из 100
- Alice AI LLM
- 60 из 100
- Qwen3 Max
- 78 из 100
- XML-теги и Markdownзначимо · усилия 4 из 5 73 из 100 53 из 10078 из 10085 из 10074 из 100
Все модели
- В среднем
- 73 из 100
- GigaChat-Ultra
- 53 из 100
- GigaChat-2-Max
- 78 из 100
- Alice AI LLM
- 85 из 100
- Qwen3 Max
- 74 из 100
- Доработка в несколько шаговне значимо · усилия 3 из 5 65 из 100 61 из 10072 из 10061 из 10068 из 100
Все модели
- В среднем
- 65 из 100
- GigaChat-Ultra
- 61 из 100
- GigaChat-2-Max
- 72 из 100
- Alice AI LLM
- 61 из 100
- Qwen3 Max
- 68 из 100
- Разбивка на подзадачине значимо · усилия 4 из 5 58 из 100 79 из 10058 из 10044 из 10049 из 100
Все модели
- В среднем
- 58 из 100
- GigaChat-Ultra
- 79 из 100
- GigaChat-2-Max
- 58 из 100
- Alice AI LLM
- 44 из 100
- Qwen3 Max
- 49 из 100
- Заглавные буквыне значимо · усилия 1 из 5 50 из 100 47 из 10054 из 10056 из 10044 из 100
Все модели
- В среднем
- 50 из 100
- GigaChat-Ultra
- 47 из 100
- GigaChat-2-Max
- 54 из 100
- Alice AI LLM
- 56 из 100
- Qwen3 Max
- 44 из 100
- Грубый тонне значимо · усилия 1 из 5 44 из 100 43 из 10046 из 10043 из 10044 из 100
Все модели
- В среднем
- 44 из 100
- GigaChat-Ultra
- 43 из 100
- GigaChat-2-Max
- 46 из 100
- Alice AI LLM
- 43 из 100
- Qwen3 Max
- 44 из 100
Сколько сравнений из 100 приём выиграл у обычного запроса. «Значимо» относится к приёму в целом, а не к каждой модели.
Потолок модели
Насколько лучший приём поднял итоговый балл каждой модели и как её лучший ответ выступил против премиум-моделей.
GigaChat-Ultra обычный запрос 3,44 → с приёмом «Шаблон ответа» 4,27
По пяти критериям
- Точность
- 3,58 3,97
- Практическая польза
- 3,20 4,10
- Полнота
- 3,32 4,37
- Честность
- 3,05 4,77
- Ясность
- 4,43 4,67
GigaChat-2-Max обычный запрос 3,02 → с приёмом «Пример хорошего ответа» 3,63
По пяти критериям
- Точность
- 3,10 3,55
- Практическая польза
- 2,80 3,30
- Полнота
- 2,90 3,50
- Честность
- 2,85 3,95
- Ясность
- 4,10 4,30
Alice AI LLM обычный запрос 3,85 → с приёмом «Шаблон ответа» 4,46
По пяти критериям
- Точность
- 3,75 4,15
- Практическая польза
- 3,77 4,32
- Полнота
- 3,72 4,60
- Честность
- 3,67 4,77
- Ясность
- 4,88 5,00
Qwen3 Max обычный запрос 3,93 → с приёмом «Шаблон ответа» 4,49
По пяти критериям
- Точность
- 3,97 4,05
- Практическая польза
- 3,60 4,48
- Полнота
- 3,77 4,60
- Честность
- 3,98 4,88
- Ясность
- 4,88 5,00
- обычный запрос
- лучший приём
- Премиум-модели в той же оценке: GPT-5.4 – 4,38, Claude Sonnet 4.6 – 4,52, Kimi K2.5 – 4,57
Итоговый балл из 5. С каким запросом работали премиум-модели, в данных не указано, поэтому их полоса – ориентир, а не цель, до которой можно дотянуть запросом.
| Модель | GPT-5.4 | Claude Sonnet 4.6 | Kimi K2.5 |
|---|---|---|---|
| GigaChat-Ultra | 22 из 100 | 6 из 100 | 26 из 100 |
| GigaChat-2-Max | 4 из 100 | 0 из 100 | 14 из 100 |
| Alice AI LLM | 36 из 100 | 28 из 100 | 31 из 100 |
| Qwen3 Max | 33 из 100 | 39 из 100 | 41 из 100 |
Ответы текущих моделей
Хотите увидеть разницу своими глазами? Запустите обычный запрос и запрос с шаблоном ответа на двух сегодняшних моделях.
Это новый запуск, а не повтор эксперимента. В исследовании (7–18 апреля 2026) участвовали GigaChat-Ultra, GigaChat-2-Max, Alice AI LLM и Qwen3 Max, здесь отвечают две текущие модели. Qwen 3.6 Plus – это не Qwen3 Max.
Каждая кнопка отправляет два запроса к платным моделям. Ответ обычно приходит за 10–40 секунд, без нажатия ничего не запускается.
С шаблоном ответа
Показать запрос
У нас интернет-магазин электроники, 45 сотрудников. За последний квартал выручка упала на 18%, при этом трафик на сайт вырос на 12%. Средний чек снизился с 8 700 руб. до 6 200 руб. Возвраты выросли с 4% до 11%. Рекламный бюджет увеличили на 30%. Что происходит и что делать? Ответь строго в следующем формате: ## Диагноз (2–3 предложения: что именно не так) ## Корневые причины Для каждой причины: - Что происходит - Почему это происходит (причинно-следственная связь) - Какие данные это подтверждают ## Рекомендации (от самой срочной к менее срочной) Для каждой рекомендации: 1. Что сделать (конкретное действие) 2. Ожидаемый результат (в цифрах, если возможно) 3. Срок реализации 4. Кто отвечает ## Чего я не знаю Какой информации не хватает для более точного анализа?
Alice AI LLM · Живой ответ · не материал исследования
Qwen 3.6 Plus · Живой ответ · не материал исследования
Обычный запрос
Показать запрос
У нас интернет-магазин электроники, 45 сотрудников. За последний квартал выручка упала на 18%, при этом трафик на сайт вырос на 12%. Средний чек снизился с 8 700 руб. до 6 200 руб. Возвраты выросли с 4% до 11%. Рекламный бюджет увеличили на 30%. Что происходит и что делать?
Alice AI LLM · Живой ответ · не материал исследования
Qwen 3.6 Plus · Живой ответ · не материал исследования
Сравните сами: есть ли конкретные действия, причины с опорой на цифры и список того, чего модель не знает?
Как мы это проверяли
Каждый из 10 приёмов применили к 6 рабочим задачам менеджера на 4 моделях, по 3 повтора на сочетание – всего 1 717 запусков. Ответ с приёмом сравнивали с ответом на обычный запрос, лучший выбирали два ИИ-судьи – Claude Opus 4.6 и Gemini 3.1 Pro (веса 70 и 30).
- Снимок апреля 2026 года: с тех пор модели обновились.
- Судьи соглашались друг с другом в 66–73% сравнений, поэтому разница в несколько пунктов – не повод для выводов.
- 4 приёма из 10 не прошли проверку на статистическую значимость.
- Задачи и запросы – на русском языке.
Подробности для специалистов
Три прохода оценки: 2 880 попарных сравнений с обычным запросом; 564 оценок ответа по пяти критериям (точность, практическая польза, полнота, честность, ясность); 864 сравнений лучших ответов с премиум-моделями (GPT-5.4, Claude Sonnet 4.6, Kimi K2.5). Значимость – точный тест Фишера с поправкой на множественные сравнения (FDR), q < 0,05. Названия приёмов в исследовании: Структурированный вывод, Few-shot (эталон), Роль + контекст, Самокритика, Chain-of-Thought, XML + Markdown, Итеративное улучшение, Декомпозиция, ЗАГЛАВНЫЕ БУКВЫ, Агрессивный тон. Дата анализа – 4 мая 2026.
Промпты, данные и скрипты оценки пришлём по запросу: welcome@mysummit.school
Вопросы
Стоит ли просить модель рассуждать по шагам?
Зависит от модели: рассуждение по шагам выиграло у обычного запроса GigaChat-2-Max – 79 из 100, Qwen3 Max – 78 из 100, GigaChat-Ultra – 68 из 100, Alice AI LLM – 60 из 100 сравнений. Начинать лучше с шаблона ответа: он выигрывает у обычного запроса на всех четырёх моделях.
Лучше ли разбивать задачу на несколько сообщений?
Обычно нет. Разбивка на подзадачи значимо не помогла, а на 2 моделях из 4 выиграла меньше половины сравнений (Alice AI LLM – 44 из 100, Qwen3 Max – 49 из 100). Из приёмов в несколько сообщений устойчиво помогла только самокритика – 71 из 100 в среднем.
Что важнее: приём или выбор модели?
Потолок задаёт модель. Лучший приём поднял GigaChat-Ultra до 4,27 балла из 5, но против GPT-5.4 такой ответ выиграл лишь 22 из 100 сравнений. Приёмы ничего не стоят и окупаются – шаблон ответа в среднем выигрывает 77 из 100, – но если нужны ответы уровня премиум-моделей, начинать стоит с выбора модели.
Возьмите привычки в работу
Задайте форму ответа. Скажите, для кого он. Получив ответ, попросите модель проверить слабые места.
Новые исследования присылаем в дайджесте раз в две недели. Бесплатно, отписка в один клик.
Подписываясь, вы соглашаетесь с политикой обработки персональных данных. Отписка – в один клик в любом письме.
Другие наши исследования
- Бенчмарк моделей для менеджеровКакую модель взять для работы: рейтинг на реальных задачах менеджера.
- Ваш ИИ спорит по делу или поддакивает?Какие модели держат верный ответ под давлением и меняют его ради факта.
- Слово «твой» и ответ моделиПочему слово «твой» сильнее всего разворачивает ответ модели.
В блоге
- 5 элементов идеального промпта: почему AI не понимает, чего вы хотитеСтруктура промпта как техническое задание: роль, контекст, задача, ограничения и формат. Практические примеры, которые сразу улучшат ваши результаты с ChatGPT и Claude.
- Персона в промпте: научный взгляд на ролевой промптингЗачем писать 'Ты – эксперт'? Как персона влияет на качество ответа AI. Почему 'Ты – Стив Джобс' больше не работает и что использовать вместо этого.
- Мат, КАПС и XML-теги: мифы промптинга против данныхПроверили десять техник промптинга на российских моделях ИИ: мат ухудшает ответы, КАПС не работает, а XML-шаблон побеждает в 85% случаев.