ПРОМТ⁠⁠

Что происходит, когда ты пишешь промт.

Зачем это нужно

Самая частая причина слабого промта (prompt — текстовый запрос, который ты отправляешь модели) — не лень и не незнание приёмов, а неверная картина в голове: кажется, что Клод «понимает, что ты имел в виду», и додумает недостающее сам. На деле модель не читает мысли и не восстанавливает намерение — она достраивает текст на основе того, что реально написано. Пока эта разница не осознана, любой совет по промтам («добавь контекст», «укажи формат») звучит как произвольное правило, а не как следствие того, как модель на самом деле работает.

Теория

В уроке 00-02 разобрано, что модель предсказывает следующий токен на основе всего, что уже есть в контекстном окне: твоего сообщения, истории чата, прикреплённых файлов. Здесь — что из этого следует конкретно для того текста, который ты печатаешь в поле ввода.

Когда ты нажимаешь «отправить», в модель попадает не «твоя идея», а буквальный текст: ровно те слова, что ты напечатал, ничего сверх этого. Всё, что было у тебя в голове, но не попало на экран — контекст задачи, критерий успеха, то, что ты считаешь «само собой разумеющимся», — для модели просто не существует. Она не может достать это из твоей головы, она может только достраивать наиболее вероятное продолжение того текста, который увидела.

Отсюда два практических следствия. Первое: расплывчатый промт не «недостаточно умный» для Клода — он для модели буквально неполный, и пробел она заполняет самым статистически частым вариантом продолжения для похожих формулировок, а не тем вариантом, который держал в голове именно ты. Слово «проверь» само по себе не говорит, проверить орфографию, факты или логику — модель выберет наиболее частую интерпретацию слова «проверь» в похожих контекстах, и это не обязательно совпадёт с твоим замыслом. Второе: раз модель реагирует на буквальный текст, изменение формулировки — это не «та же просьба другими словами», а фактически другой входной текст, который может привести к другому предсказанию. Это не каприз модели и не непоследовательность — предсказание строится заново для каждого конкретного набора слов.

Отдельно стоит разрушить обратную иллюзию: то, что модель старается быть полезной, не значит, что она угадывает правильно. Она обязательно достроит текст каким-то способом — вопрос только в том, совпадёт ли этот способ с тем, что нужно тебе. Чем больше в промте неоднозначности, тем больше вероятность разойтись именно потому, что у неоднозначности почти всегда есть несколько одинаково правдоподобных продолжений.

Как это выглядит на практике

Практических кнопок здесь нет. Но есть рабочая привычка, которую можно взять уже сейчас: прежде чем отправить промт, перечитай его так, будто видишь этот текст первый раз и не знаешь, что у тебя в голове. Задай себе вопрос: «Если бы мне прислали ровно эти слова и больше ничего, как ещё я мог бы их понять?» Если находится хотя бы одна разумная альтернативная трактовка — модель имеет полное право выбрать именно её.

Ещё один момент:

Модель не «удерживает фокус» на важной инструкции в человеческом смысле — она заново обрабатывает весь контекст при каждом ответе. На практике это часто проявляется так: инструкция, которая стоит близко к концу промта, непосредственно перед самим вопросом, соблюдается заметно надёжнее, чем та же самая инструкция, зарытая где-то в середине длинного текста задания. Это наблюдение, а не гарантированный механизм — оно зависит от длины и структуры конкретного промта, и разбирается подробнее в уроке 02-10 про порядок блоков.

Второй нюанс для тех, кто уже пишет промты регулярно: если один и тот же промт в API даёт разные ответы от запуска к запуску (при том же тексте), это не сбой — это прямое следствие вероятностной природы генерации . Способ уменьшить разброс без изменения текста промта — параметр температуры, который в API можно задать явно; в claude.ai он скрыт от пользователя.

@Claudeprofi_bot