Разбираем практические техники промпт-инжиниринга для Claude: ясные инструкции, контекст, примеры, XML-теги, пошаговое мышление и промпт-чейнинг. В конце — готовый шаблон промпта.
На мой взгляд, главная проблема при работе с Claude — не в том, что модель «плохо умеет». Чаще всего мы просто даём ей слишком размытое задание.
Фраза вроде «сделай аналитический дашборд» оставляет слишком много решений на усмотрение модели. Какой дашборд? Для кого? С какими данными? Какие графики нужны? Что считать хорошим результатом?
Anthropic рекомендует относиться к Claude как к очень способному сотруднику, который только вышел на работу и ещё не знает ваших правил. Чем точнее вы объясните задачу, тем меньше модель будет додумывать сама.
Ниже — семь техник, которые я бы использовал в работе с Claude в первую очередь.
Начинайте промпт с понятного действия. Лучше использовать сильные глаголы:
Плохой вариант:
Сделай аналитический дашборд.
Здесь Claude приходится самостоятельно выбирать почти всё: структуру, метрики, стиль и уровень детализации.
Более точный вариант:
Создай аналитический дашборд для интернет-магазина.
Покажи выручку, количество заказов, средний чек и конверсию.
Добавь фильтры по периоду, категории товара и региону.
Предусмотри интерактивные графики и возможность сравнить текущий период с предыдущим.
Выйди за рамки базового решения и предложи две полезные функции, которые обычно забывают добавить.
Разница не в длине промпта. Разница в том, что во втором варианте вы заранее описали ожидаемый результат.
Anthropic прямо рекомендует указывать формат ответа, ограничения и желаемую глубину. Если нужен результат «под ключ», это лучше написать словами, а не ждать, что модель догадается.
Источник: официальные рекомендации Anthropic по промпт-инжинирингу.
Контекст помогает модели понять, в какой ситуации она работает. Причина объясняет, почему вы хотите получить именно такой результат.
Сравните:
Никогда не используй списки.
И:
Пиши связным текстом, а не списками: статья рассчитана на читателей, которым удобнее воспринимать спокойное объяснение в формате разговора.
Второй вариант гибче. Claude понимает не только правило, но и его смысл. Поэтому он сможет использовать список там, где без него действительно будет хуже — например, в инструкции или сравнении.
Контекст можно добавить в несколько строк:
Я готовлю статью для русскоязычных новичков, которые не программируют.
Читатель должен понять идею за пять минут и сразу повторить действия самостоятельно.
Не используй сложные термины без объяснения.
Такой блок часто полезнее, чем длинное описание роли вроде «ты эксперт с 30-летним опытом».
Роль использовать можно, но я бы не превращал её в отдельный роман. Одного короткого предложения обычно достаточно:
Ты — редактор обучающих материалов для начинающих предпринимателей.
Если вам важен формат, структура или тон текста, покажите Claude пример.
One-shot — это один пример. Few-shot — несколько примеров с входными данными и идеальным результатом.
Например, вместо:
Пиши дружелюбно, понятно и экспертно.
лучше дать Claude образец:
<example>
<input>
Тема: автоматизация заявок с сайта
</input>
<output>
Заявка с сайта — это ещё не клиент. Сначала её нужно сохранить, затем уведомить менеджера и только после этого добавить контакт в CRM. Именно такую цепочку мы сейчас и соберём.
</output>
</example>
А затем попросить:
Создай абзац в такой же структуре и с таким же уровнем простоты.
Тема: автоматическая публикация постов в Telegram.
Модели проще анализировать реальный пример, чем следовать абстрактным прилагательным вроде «живой», «экспертный» или «дружелюбный».
Anthropic рекомендует использовать несколько релевантных примеров, особенно если у задачи есть нестандартный формат или важны исключения. Примеры лучше заключать в отдельные XML-теги, чтобы Claude не путал их с инструкциями.
XML-теги помогают разделить разные части задания:
<instructions>
Составь краткий разбор статьи.
Выдели главную идею, аргументы автора и слабые места.
</instructions>
<context>
Статья предназначена для предпринимателей без юридического образования.
</context>
<input>
Текст статьи:
...
</input>
<output_format>
Верни ответ в формате:
1. Главная идея
2. Аргументы
3. Риски
4. Практический вывод
</output_format>
Это не магическая команда и не обязательное условие для каждого запроса. Но когда в одном промпте есть инструкция, контекст, несколько документов и примеры, структура заметно снижает путаницу.
Я особенно советую использовать XML-теги, если вы:
Полностью убрать галлюцинации нельзя. Но можно не подталкивать модель к выдумкам.
Не пишите:
Любой ценой выполни задачу и дай точный ответ.
Лучше добавить:
Если данных недостаточно для вывода, прямо скажи об этом.
Не придумывай факты, ссылки, цифры или источники.
Отдельно укажи, какие данные нужно проверить.
Это особенно важно для юридических, медицинских, финансовых и исследовательских задач.
Полезно также просить Claude отделять факты от предположений:
Раздели ответ на три части:
1. Что подтверждается исходными данными.
2. Какие выводы можно сделать.
3. Что остаётся неизвестным.
Так вы получите более честный ответ и быстрее заметите места, которые требуют проверки.
Для простой задачи просьба «думай пошагово» обычно не нужна. Но она может помочь, если нужно сравнить варианты, проверить логику или разобрать несколько условий.
Простой вариант:
Реши задачу пошагово, а затем дай краткий итог.
Более полезный вариант — заранее задать этапы:
Сначала проанализируй целевую аудиторию.
Затем сравни три варианта позиционирования.
После этого оцени риски каждого варианта.
В конце выбери лучший вариант и объясни почему.
Я предпочитаю второй подход. Когда этапы названы явно, Claude меньше перескакивает между выводами.
В интерфейсе Claude также может быть доступен режим Extended Thinking. Он позволяет модели потратить больше вычислительного времени на сложную задачу. Доступность режима зависит от продукта, тарифа и текущих настроек.
Anthropic описывает Extended Thinking как возможность той же модели выделить больше времени и усилий на решение задачи, а не как отдельную модель. Подробнее — в официальном объяснении Extended Thinking.
Chain of Thought и prompt chaining часто путают.
В первом случае вы просите Claude рассуждать внутри одной задачи.
Во втором — разделяете работу на несколько отдельных запросов.
Например, если нужно подготовить статью по исследованию, можно работать так.
Первый запрос:
Сделай краткое содержание исследования.
Выдели методологию, основные результаты и ограничения.
Не добавляй ничего, чего нет в тексте.
Второй запрос:
Критически проверь полученное содержание.
Какие важные детали были упущены?
Есть ли выводы, которые звучат сильнее, чем позволяет исходный текст?
Третий запрос:
Подготовь финальную версию содержания с учётом критики.
Сохрани только выводы, подтверждённые исходным исследованием.
Да, это занимает больше времени. Но для сложных задач такой подход часто надёжнее, чем один огромный промпт на несколько экранов.
Anthropic также рекомендует разбивать комплексные задачи на подзадачи и давать Claude обратную связь после первого результата. Это особенно полезно для анализа документов, подготовки текстов и исследовательской работы.
Prefilling — это техника, при которой вы задаёте начало ответа модели, чтобы направить её формат.
Например, при работе с API можно потребовать:
Верни только валидный JSON без пояснений.
Начни ответ с открывающей фигурной скобки.
Желаемый формат:
{
"summary": "...",
"risks": [],
"recommendation": "..."
}
Для обычного чата этого часто достаточно. Если вы работаете с API, формат лучше дополнительно проверять программно.
Важно: поддержка предварительного заполнения ответа зависит от конкретной версии API и модели. Anthropic обновляет этот механизм, поэтому перед внедрением в рабочую интеграцию стоит свериться с актуальной документацией Messages API. Не рассчитывайте на prefilling как на универсальный приём для всех версий Claude.
Для сложных структур я бы использовал сразу несколько защит:
Верни только валидный JSON.
Не используй Markdown и комментарии.
Все обязательные поля должны присутствовать.
Если значение неизвестно, используй null.
Перед отправкой проверь, что JSON можно распарсить.
Вот универсальная заготовка, с которой можно начать:
<role>
Ты — редактор обучающих материалов для начинающих пользователей.
</role>
<task>
Подготовь статью о том, как использовать Claude для анализа документов.
</task>
<context>
Аудитория — русскоязычные новички без технического образования.
Текст должен быть понятным, практичным и без рекламных обещаний.
</context>
<requirements>
1. Объясни идею простыми словами.
2. Добавь пошаговую инструкцию.
3. Приведи один конкретный пример промпта.
4. Укажи ограничения и возможные ошибки.
5. Отдели проверенные факты от предположений.
</requirements>
<output_format>
Используй заголовки второго и третьего уровня.
Пиши короткими абзацами.
В конце добавь краткий практический вывод.
</output_format>
<uncertainty>
Если данных недостаточно, скажи об этом прямо.
Не придумывай функции, цены, ограничения или источники.
</uncertainty>
Не нужно копировать этот шаблон целиком для каждого запроса. Возьмите из него нужные блоки и адаптируйте под свою задачу.
У Claude есть бесплатный тариф с ограниченным использованием. На момент подготовки статьи Pro стоит 20 долларов в месяц в США, а доступность и цена могут отличаться в зависимости от региона. Pro также не включает API: API оплачивается отдельно через Claude Console.
Лимиты зависят от длины сообщений, файлов, выбранной модели и нагрузки. Даже платный тариф не означает неограниченное количество запросов.
Актуальные условия лучше проверять на официальной странице тарифов Claude и в справке о Pro-плане.
Я бы не начинал с попытки написать идеальный универсальный промпт.
Возьмите одну реальную задачу: разобрать документ, подготовить статью, сравнить варианты или структурировать заметки. Затем:
Для меня Claude особенно интересен там, где нужно работать с большим объёмом текста, аккуратно редактировать материалы и последовательно выполнять несколько этапов. Но это не означает, что он автоматически лучше любой другой модели. На коротких и простых задачах разница может быть почти незаметной.
Главный вывод простой: хороший промпт — это не набор секретных слов. Это нормальное техническое задание, написанное понятным языком.
Если Claude выдаёт не тот результат, сначала попробуйте не менять модель, а уточнить задачу: что именно сделать, для кого, в каком формате, с какими ограничениями и что делать при нехватке данных. Обычно именно здесь находится самая большая точка роста.
В качестве внутренних ссылок:
Пошаговый гайд по Claude Cowork: как подключить папку, выбрать режим подтверждений и безопасно разобрать рабочий стол и загрузки.
Пошагово разбираем, как научить Claude Cowork вашему стилю, создать Skill для поиска AI-новостей и настроить ежедневную подготовку сценариев для Reels.
