В этой статье
Запрос к ChatGPT становится полезнее, когда в нём есть не только тема, но и работа, которую нужно выполнить. «Напиши про отпуск» — это направление разговора. «Сравни два маршрута по цене, времени в дороге и количеству пересадок» — уже задача.
Ниже — примеры запросов для OpenAI и ChatGPT, которые можно сразу адаптировать. Квадратные скобки — места для ваших данных. После каждого шаблона разберём, что подставить, какой результат ожидать и как проверить, что модель не просто написала гладкий текст.
OpenAI рекомендует формулировать запрос ясно и конкретно, а затем уточнять его по результату: добавить контекст, изменить формулировку или указать недостающие ограничения. Это именно рабочий цикл, а не заклинание для получения безошибочного ответа: рекомендации OpenAI по составлению запросов для ChatGPT.
Пример 1. Сжать текст без потери смысла
Подходит для письма, отчёта, инструкции или длинной заметки, из которой нужно быстро сделать рабочее резюме.
Сделай краткое резюме текста ниже.
Требования:
- объём — [например, 5 пунктов и один вывод];
- сохрани факты, даты, числа и оговорки;
- отдели подтверждённые сведения от предположений автора;
- не добавляй информацию, которой нет в исходнике;
- пиши на русском, нейтральным деловым языком.
Текст:
<<<
[вставьте исходный текст]
>>>
Что подставить: желаемый объём, язык и сам материал. Если резюме предназначено руководителю, можно заменить последний пункт на «сначала покажи решение, затем основания». Если текст нужен для публикации, добавьте формат: «сделай лид, три тезиса и список следующих действий».
Что ожидать: модель выделит главные мысли и упакует их в заданную структуру. Она не обязана угадать, какие детали важны именно вам, поэтому слово «кратко» лучше заменить числом пунктов или лимитом знаков.
Как проверить: сверьте каждый факт с оригиналом, особенно числа, отрицания и сроки. Посмотрите, не превратилось ли «возможное изменение» в «решение принято». Полезная вторая реплика:
Проверь своё резюме по исходному тексту. Составь таблицу:
утверждение в резюме | фрагмент-основание | что было упущено | ошибка или нет.
Пример 2. Извлечь данные в JSON
Такой запрос удобен, когда из писем, заявок или карточек нужно достать одинаковые поля. Структура результата здесь важнее красивого объяснения.
Извлеки данные из заявки и верни только валидный JSON без пояснений.
Схема:
{
"name": "строка или null",
"email": "строка или null",
"phone": "строка или null",
"request": "краткое описание запроса или null",
"deadline": "дата в формате YYYY-MM-DD или null"
}
Правила:
- не угадывай отсутствующие значения;
- если поле не найдено, используй null;
- не исправляй адрес электронной почты по догадке;
- дату приводи к YYYY-MM-DD только если день, месяц и год однозначны.
Заявка:
<<<
[вставьте текст заявки]
>>>
Что подставить: список полей, тип каждого значения и правила нормализации. Если одно поле может содержать несколько значений, заранее задайте массив: "phones": ["строка"]. Не пишите «извлеки всё важное»: это оставляет модели право каждый раз по-разному решать, что важно.
Что ожидать: один объект с указанными ключами. null — нормальный результат, если данных нет; заполненное поле не доказывает, что значение верно.
Как проверить: сначала проверьте синтаксис JSON, затем наличие всех обязательных ключей. После этого сравните каждое значение с исходной заявкой. Отдельно протестируйте три случая: поле отсутствует, в тексте два телефона, дата записана неоднозначно. Если результат будет использовать программа, добавьте автоматическую проверку схемой — визуального впечатления недостаточно.
Пример 3. Сравнить варианты по критериям
Модель хорошо раскладывает варианты по полкам, но не должна незаметно выбрать критерии за вас.
Сравни варианты [A] и [B] для задачи [опишите задачу].
Критерии и их важность:
1. [критерий 1] — вес [от 1 до 5];
2. [критерий 2] — вес [от 1 до 5];
3. [критерий 3] — вес [от 1 до 5].
Данные:
- Вариант A: [цена, срок, ограничения, другие факты]
- Вариант B: [цена, срок, ограничения, другие факты]
Формат ответа:
1. таблица «критерий | A | B»;
2. оценка каждого варианта по каждому критерию по шкале от 0 до 5 с коротким основанием;
3. отдельные плюсы и минусы;
4. расчёт итоговой оценки: оценка × вес для каждого критерия и сумма;
5. рекомендация с указанием, при каком условии победит другой вариант;
6. список данных, которых не хватает для уверенного вывода.
Не придумывай значения. Если данных недостаточно, напиши «нет данных» и не считай такой критерий подтверждённым.
Что подставить: реальные характеристики вариантов и критерии, которые действительно влияют на решение. Вес нужен не для солидности, а чтобы модель не объявила более дешёвый вариант лучшим, когда для вас важнее срок или надёжность. Шкала 0–5 и формула делают итог сравнимым, но саму оценку всё равно нужно обосновать.
Что ожидать: сначала сопоставление, затем вывод с оговорками. Если исходных цифр нет, хороший ответ покажет пробел, а не замаскирует его уверенным абзацем.
Как проверить: пересчитайте итоговую оценку вручную. Убедитесь, что модель не сравнила цену одного варианта с месячной стоимостью другого и не использовала характеристики из внешнего контекста, которого вы не давали. Проверьте чувствительность вывода: что изменится, если вес главного критерия увеличить с 3 до 5?
Пример 4. Проверить готовый текст по правилам
Это полезнее, чем просить «улучшить текст». В первом случае у вас есть измеримые условия, во втором — расплывчатое приглашение переписать всё по вкусу модели.
Проверь текст ниже по чек-листу.
Для каждого пункта поставь статус «да», «нет» или «неизвестно» и приведи короткое основание:
- есть ли в первом абзаце ответ на вопрос [вопрос читателя];
- упомянуты ли [обязательные факты];
- нет ли утверждений, которых нет в исходных данных;
- соблюдён ли лимит [число] знаков;
- есть ли призыв к действию [нужный вариант];
- встречается ли термин [термин] не более [число] раз.
После таблицы предложи только точечные правки. Не переписывай весь текст.
Текст:
<<<
[вставьте текст]
>>>
Исходные данные, с которыми нужно сверяться:
<<<
[вставьте факты, бриф или источник]
>>>
Что подставить: проверяемый текст, список правил и источник фактов. Если ограничение нельзя надёжно проверить по самому тексту — например, юридическую актуальность — укажите статус «неизвестно» и не просите модель изображать экспертизу.
Что ожидать: таблицу с результатом по каждому условию и небольшие правки. Модель может пропустить тонкую смысловую ошибку, поэтому её проверка — предварительный контроль, а не сертификат качества.
Как проверить: возьмите пункты со статусом «да» и проверьте их самостоятельно по чек-листу. Для числа знаков, количества терминов и формата используйте редактор или код. Для фактов откройте исходный источник. Красивый отчёт о проверке сам по себе ничего не доказывает.
Как уточнять запрос после первого ответа
Не обязательно сразу писать огромную инструкцию. Сначала зафиксируйте задачу, данные и формат. Затем смотрите на конкретный дефект ответа:
В предыдущем ответе есть проблема: [точно опишите, что не так].
Исправь только это, сохранив [что нельзя менять].
Покажи сначала исправленный результат, затем одной фразой объясни изменение.
«Сделай лучше» не называет дефект, поэтому часто приводит к косметической перестановке слов. «В третьем пункте ты добавил факт, которого нет в исходнике; убери его и сохрани структуру из пяти пунктов» — запрос, который можно проверить.
Если нужен платный доступ к ChatGPT, Amber Market предлагает варианты ChatGPT Go, Plus и Pro на один месяц. Это отдельное оформление подписки через посредника, а не пополнение баланса OpenAI API: посмотреть варианты подписки ChatGPT. Перед заказом проверьте в карточке доступность, условия подключения и итоговую цену. Шаблоны выше можно использовать и без покупки — подписка не является условием их работы.
О составлении и уточнении запросов можно прочитать в отдельном разборе промптов для ChatGPT. Если же вам нужен именно программный вызов модели, это уже другая задача: для неё пригодится пример первого запроса через OpenAI API на Python.
Главная проверка для любого примера проста: ответ соответствует исходным данным, нужному формату и ограничениям задачи? Если нет, уточняйте запрос по конкретной ошибке — или исправляйте результат вручную там, где цена ошибки выше удобства автоматизации.