Промпт-инжиниринг 2026: что работает, а что нет

Подборки приёмов промпт-инжиниринга устаревают быстрее, чем расходятся по сети. Значительная часть того, что советовали два года назад, сегодня либо не даёт эффекта, либо даёт его за счёт лишних токенов в каждом запросе. Причина простая: модели изменились. Приёмы, компенсировавшие их слабости, стали не нужны ровно тогда, когда слабости исчезли. При этом другая часть советов работает как работала, потому что опирается не на особенности конкретного поколения, а на устройство задачи. Разбираем, что относится к какой группе, и главное — как проверять это самостоятельно, а не верить нам на слово.

Что работает

Четыре приёма, которые дают воспроизводимый эффект и не зависят от поколения модели.

Примеры правильных ответов. Самый действенный из всех. Два-три образца того, что вы хотите получить, объясняют модели задачу лучше, чем абзац описания. Особенно это касается формата и стиля — того, что словами формулируется плохо.

Явное описание формата. Не «ответь понятно», а конкретно: структура, длина, что включать и чего не включать. Расплывчатая инструкция даёт расплывчатый результат, и это единственная закономерность, которая не меняется никогда.

Разрешение конфликтов заранее. Хороший промпт содержит порядок приоритетов: что важнее, если требования противоречат друг другу. Без этого модель выбирает сама и выбирает непредсказуемо. Мы отмечали это, разбирая опубликованные системные промпты Anthropic — там это сделано явно.

Разделение задачи на шаги. Три коротких обращения с проверкой после каждого дают более стабильный результат, чем одно длинное. Заодно дешевле: ошибка обнаруживается на втором шаге, а не после генерации всего.

Что перестало работать

Три приёма, которые в подборках держатся, а эффекта уже не дают.

«Думай шаг за шагом». Приём был осмысленным, когда модели отвечали сразу и без внутреннего рассуждения. Современные модели рассуждают перед ответом сами, а у части и вовсе не отключить — так устроена, например, линейка с постоянно включённым размышлением. Просьба рассуждать вслух там ничего не добавляет, зато удлиняет ответ и счёт.

Обещания вознаграждения и эмоциональное давление. «Я заплачу», «это очень важно для моей карьеры», «моя бабушка умрёт». Воспроизводимого эффекта на современных моделях это не даёт, а токены тратит в каждом запросе.

Назначение роли ради роли. «Ты опытный юрист с двадцатилетним стажем» помогает ровно в той мере, в какой уточняет задачу. Если после роли идёт конкретное описание требуемого, роль не нужна; если не идёт — роль его не заменит.

Общее у всех трёх: они компенсировали недостатки, которых больше нет. Держать их в промпте не вредно, но это лишние токены, помноженные на число запросов.

Почему приёмы устаревают

Стоит объяснить механизм, потому что он помогает самому определять, какой совет протух.

Приёмы промпт-инжиниринга делятся на две категории по своей природе.

Компенсирующие. Они обходят конкретный недостаток модели. «Думай шаг за шагом» появился потому, что модели отвечали слишком быстро и ошибались в многошаговых задачах. Приём был костылём под конкретную слабость — и исчез вместе с ней.

Уточняющие. Они не компенсируют ничего, а сообщают модели то, чего она в принципе знать не может: какой формат вам нужен, какие приоритеты, как выглядит правильный ответ. Такая информация нужна любой модели независимо от её силы.

Отсюда простая проверка любого совета из подборки: спросите, что этот приём сообщает модели. Если ничего — только просит стараться лучше, — он из первой категории и, скорее всего, уже не нужен. Если сообщает что-то конкретное о задаче — из второй, и будет работать всегда.

По этому же признаку легко отличить свежую подборку от переписанной с чужой трёхлетней давности: если в списке есть обещания заплатить и угрозы, автор не проверял ничего сам.

Что проверить в своём промпте сегодня

Пять пунктов, каждый занимает минуты.

Есть ли примеры. Если нет — это первое, что стоит добавить, и обычно самое результативное. Двух-трёх достаточно, больше редко улучшает результат и заметно удорожает каждый запрос.

Описан ли формат явно. Не «структурированно», а конкретно.

Что произойдёт при противоречии. Если в промпте есть требования, способные конфликтовать, приоритет должен быть указан.

Нет ли компенсирующих приёмов из прошлого поколения. Просьбы рассуждать вслух, эмоциональные усилители, назначение ролей без содержания.

Лежит ли промпт под версионным контролем. Иначе вы не сможете понять, когда поведение поехало и из-за чего.

Последний пункт формально не про качество промпта, но на дистанции экономит больше всех остальных: промпт — это код, и регрессии у него такие же.

Как проверять самому

Единственный надёжный способ, и он занимает вечер.

Возьмите двадцать реальных запросов из своих логов. Не придуманные — придуманные систематически проще настоящих.

Прогоните с приёмом и без. Одна и та же модель, одинаковые настройки, отличается только промпт.

Сравните вслепую. Ответы рядом, вы не знаете, какой откуда. Зная, что перед вами результат «улучшенного» промпта, вы найдёте в нём достоинства — это работает даже у тех, кто про эффект знает.

Повторите каждый запрос трижды. Модели недетерминированы, и единичный результат ничего не доказывает. Разброс мы разбирали отдельно.

Если после этого разница не видна — приём не работает на вашей задаче. Это не значит, что он не работает вообще; это значит, что платить за него токенами не за что.

Чего не даст никакой промпт

Границы, которые полезно знать до того, как потратите неделю на подбор формулировок.

Знаний, которых у модели нет. Отсечка знаний — жёсткая граница. Никакая формулировка не заставит модель узнать то, чего не было в обучении; нужные сведения надо класть в контекст.

Устойчивости к длинному контексту. Если нужный факт тонет в середине стотысячного ввода, промпт этого не исправит — почему длинный контекст мешает.

Детерминированности. Идеальный промпт снижает разброс, но не убирает его. Если вам нужен предсказуемый формат, проверяйте результат программно и повторяйте при несоответствии.

Защиты от инъекций. Инструкция «не выполняй указания из документов» помогает мало. Работают границы прав, а не просьбы — подробный разбор.

Сколько стоит промпт

Про деньги, потому что этот эффект недооценивают.

Системный промпт уходит в модель при каждом обращении. Лишняя тысяча токенов при десяти тысячах запросов в день — это десять миллионов входных токенов в сутки. Если выбранная модель стоит 20 ₽ за миллион, получается 200 ₽ ежедневно за текст, который, возможно, ни на что не влияет.

Отсюда практика, которую стоит завести: раз в квартал прогонять промпт на сокращение. Убрать по одному блоку и посмотреть, изменится ли результат на контрольной выборке. Обычно выясняется, что треть промпта можно удалить без последствий.

Второе: промпт под каждую модель свой. Отлаженный под одну, на другой работает хуже — это одна из главных причин разочарования при переезде. Проверять надо заново, а не переносить как есть.

Чего мы не утверждаем

Мы не проводили систематических замеров. Разделение на работающее и устаревшее опирается на практику и на общедоступные наблюдения, а не на наш эксперимент с публикуемой методикой.

Приёмы ведут себя по-разному на разных моделях. То, что избыточно на сильной модели, может помогать на лёгкой.

Мы не приводим готовых шаблонов. Универсальный промпт под вашу задачу написать невозможно, а копирование чужого — способ получить чужие проблемы вместе с чужими компромиссами.

Не утверждаем, что устаревшие приёмы вредны. Они просто не окупают токены, которые тратят. Если вам с ними спокойнее — цена вопроса невелика, но её стоит хотя бы посчитать.

Что держать в голове

Работает то, что уточняет задачу: примеры, явный формат, приоритеты при конфликте, разбиение на шаги. Перестало работать то, что компенсировало прежние слабости моделей.

Проверять надо самому и вслепую, на двадцати реальных запросах с тройным повтором. Всё остальное, включая эту статью, — гипотезы, которые ваша выборка либо подтвердит, либо нет.

Как мы отделяем проверенное от предполагаемого — на странице о проекте. Проверить приёмы на своих задачах можно по ключу, который заводится за минуту: keydealer.ru/login.