Промпт-инжиниринг с нуля (в поиске часто пишут «промт инжиниринг») можно освоить по плану на 4 недели с практикой 30–40 минут в день. Первая неделя уходит на структуру промпта, вторая на примеры и цепочки, третья на работу с документами и различия моделей, четвёртая на агентов, воркфлоу и защиту от prompt injection. Ниже план с упражнениями из библиотеки промптов Academl и приёмами из официальных гайдов Anthropic, OpenAI и Google, актуальных для моделей осени 2026 года, включая Claude Opus 5.5.
Курс «Промт-инжиниринг с нуля» повторяет логику этого плана: 4 урока по 15–20 минут, от анатомии промпта до системных ролей. Первые 2 урока открыты бесплатно, остальное входит в полный доступ: 7 дней без карты.
Обновлено 31 октября 2026 года: добавлен раздел о промптах для кода по официальным гайдам Anthropic и OpenAI.
Промпт-инжиниринг — это умение писать инструкции для модели так, чтобы она стабильно выдавала результат, отвечающий вашим требованиям. Так навык определяет гайд OpenAI, и ключевое слово здесь «стабильно»: один удачный ответ ничего не доказывает.
В 2026 году навык сводится к проектированию промпта и его проверке. Модели обновляются каждые несколько месяцев: 22 сентября 2026 года Anthropic выпустила Claude Opus 5.5, у которой рассуждение включено всегда, а глубину задаёт параметр effort (документация Anthropic). OpenAI прямо пишет, что даже разные снапшоты одной модели могут отвечать по-разному, поэтому рекомендует фиксировать версию модели и держать набор тестов. Anthropic начинает свой гайд с трёх условий: чёткие критерии успеха, способ проверить их на практике и первый черновик промпта (Prompt engineering overview).
Три официальных гайда сходятся в основах и расходятся в деталях:
| Приём | Anthropic (Claude) | OpenAI (ChatGPT, API) | Google (Gemini 3) |
|---|---|---|---|
| Структура | XML-теги для инструкций, контекста и примеров | Разделы Identity, Instructions, Examples, Context; Markdown и XML | XML-теги или Markdown-заголовки, один формат на весь промпт |
| Примеры | 3–5 релевантных и разнообразных примеров в тегах | Отдельный раздел с примерами входа и нужного ответа | Рекомендует добавлять few-shot примеры всегда |
| Длинные документы | Документы в начале, вопрос в конце: до 30% прироста качества в тестах | Контекст обычно лучше ставить ближе к концу промпта | Сначала весь контекст, инструкции и вопрос в самом конце |
| Проверка | Критерии успеха и эмпирические тесты до правки промпта | Фиксированный снапшот модели и набор evals | Итерации: подбор промпта может занять несколько попыток |
Источники: Anthropic Prompting best practices, OpenAI Prompt engineering, Google Prompt design strategies.
Рабочий промпт состоит из четырёх блоков: кто отвечает (роль), что модели нужно знать (контекст), что сделать (задача) и как оформить результат (формат). Проверка простая, это «золотое правило» Anthropic: покажите промпт коллеге, который не знает задачу. Если коллега запутается, модель тоже запутается.
Роль: ты финансовый аналитик B2B SaaS-компании.
Контекст: выручка за квартал, цели отдела, ограничения бюджета (ниже).
Задача: предложи 3 OKR на следующий квартал.
Формат: таблица «цель | ключевой результат | метрика»,
не больше 120 слов пояснений.
Упражнения недели:
Теория недели: уроки «Структура: роль, задача, контекст, формат» и «Системные промпты и устойчивые роли».
Примеры (few-shot) — один из самых надёжных способов задать модели формат, тон и структуру ответа. Anthropic советует 3–5 примеров, похожих на реальную задачу и разных между собой, каждый в теге <example>, чтобы модель отличала их от инструкций.
Вторая техника недели — цепочка промптов: большая задача делится на шаги, и результат одного шага становится входом следующего. Третья — самопроверка: отдельным шагом модель сверяет черновик со списком критериев. У моделей со встроенным рассуждением, таких как Claude Opus 5.5, глубиной обдумывания в API управляет параметр effort, а в чате важнее всего чётко описанные критерии качества.
Упражнения недели:
Теория недели: «Примеры (few-shot) и тон ответа» и «Chain-of-thought и пошаговое рассуждение».
После двух недель у вас будет набор личных шаблонов и первые цепочки. Курс «Промт-инжиниринг с нуля» закрепляет их квизами и отслеживанием прогресса, по итогам выдаётся сертификат. Открыть полный доступ на 7 дней без карты.
При работе с длинными документами результат сильнее всего зависит от порядка частей промпта: сначала документы, потом инструкции, вопрос в самом конце. По тестам Anthropic такой порядок улучшает качество ответа до 30%, особенно на сложных входах из нескольких документов. Google для Gemini 3 советует то же и добавляет связку после блока данных: «Опираясь на информацию выше…».
Каждый документ оборачивайте в отдельный тег с источником и датой, тогда модель сможет ссылаться на конкретный файл. Для договоров, отчётов и выгрузок с цифрами просите цитаты из исходного текста до выводов: так легче проверить каждое утверждение.
Модели заметно различаются в поведении по умолчанию, и это стоит учитывать при выборе инструмента:
Упражнения недели:
Сильные и слабые стороны моделей по задачам собраны в разделе «Сравнение моделей», подробный разбор двух популярных ассистентов есть в статье «ChatGPT vs Claude».
Adversarial prompting — это атаки на ИИ-систему через текст: попытки заставить модель нарушить инструкции, раскрыть данные или выполнить чужую команду. OWASP ставит prompt injection на первое место в списке рисков LLM-приложений на 2025 год (LLM01) и делит атаки на прямые, из запроса пользователя, и косвенные, из сайтов, файлов и других внешних источников, которые читает модель.
Как только промпт становится частью воркфлоу, агент начинает читать внешние данные, и каждый такой источник может нести чужие инструкции. Anthropic для Opus 5.5 предлагает конкретную защиту: оборачивать вставленный пользователем текст в тег <pasted_content> со случайным ID и указать в системном промпте, что инструкции внутри выполняются только по прямой просьбе пользователя. Документация уточняет, что теги можно подделать, поэтому это один слой защиты из нескольких (Prompting Claude Opus 5.5).
Упражнения недели:
Теория недели: «Adversarial: инъекции, jailbreak, red-teaming» и «Adversarial промптинг и защита AI-систем». Что изменилось в самой модели, собрано в новости о выходе Claude Opus 5.5.
Промпт для кода отличается одним обязательным элементом: у модели должна быть проверка результата. Best practices Claude Code от Anthropic советуют назвать файл, описать симптом и заранее сказать, как выглядит «исправлено», а затем дать агенту что-то, что возвращает «прошло / не прошло»: тест, сборку, линтер или скрипт сравнения с эталоном (Best practices for Claude Code).
Вместо:
почини баг с логином
Лучше:
Пользователи сообщают, что вход ломается
после истечения сессии. Посмотри обновление
токена в src/auth/, напиши падающий тест,
который воспроизводит баг, потом исправь его.
Запусти тесты auth и продолжай, пока они
не пройдут. Покажи команду и её вывод.
Как применять эти приёмы в реальном репозитории, разобрано в курсе «Claude Code и агентная разработка» (баг через падающий тест, план с чек-пойнтами) и в часовом курсе «ИИ для кода» о TDD с ИИ и правилах для команды. Сам инструмент описан в обзоре Claude Code. Подробный разбор по официальной документации Anthropic, OpenAI и Google — в статье «Промпт-инжиниринг для кода».
Прогресс измеряется на фиксированном наборе задач: одни и те же входные данные прогоняются до и после обучения и оцениваются по одним и тем же критериям. Именно так Anthropic и OpenAI советуют работать с промптами в продакшене, и тот же метод подходит для личного обучения.
| Неделя и навык | Промпт или воркфлоу из библиотеки | Результат недели |
|---|---|---|
| Неделя 1: роль, контекст, задача, формат | «Черновик OKR на квартал», «Job description без буллшита» | 5 личных шаблонов |
| Неделя 2: few-shot, цепочки, самопроверка | «Работа с возражениями», «Холодное письмо без шаблона» | Цепочка из 4 шагов с чек-листом |
| Неделя 3: документы, выбор модели | «Краткое резюме контракта», «Кластеризация отзывов клиентов» | Сравнение 3 моделей на своей задаче |
| Неделя 4: агенты, защита от инъекций | «Заметки встреч → задачи», «Квалификация лидов» | Воркфлоу, прошедший тест на инъекцию |
Для автоматической оценки на десятках примеров пригодятся урок «Оценка промптов: LLM-as-judge и тест-харнессы» и курс по оценке промптов. Текущий уровень можно быстро оценить в тесте уровня. Если план проходит отдел, удобнее подключить всех через командный доступ: руководитель создаёт команду и приглашает сотрудников по email.
Базовый рабочий уровень за 4 недели реален при ежедневной практике на своих задачах: структура, примеры, цепочки, работа с документами и основы защиты. Скорость зависит от того, сколько реальных задач вы прогоняете через модель каждую неделю.
Для первых трёх недель достаточно чата с моделью. Программирование пригодится на четвёртой неделе, если вы собираете агентов через API, а готовые воркфлоу запускаются и в no-code инструментах, например в n8n.
Основа общая: чёткая задача, контекст, примеры, формат. Различия в деталях: Anthropic советует XML-теги и документы в начале промпта, OpenAI делит инструкции на разделы Identity, Instructions, Examples и Context, Google рекомендует для Gemini 3 всегда добавлять примеры и явно просить развёрнутый ответ.
Это попытки обмануть модель текстом: заставить её нарушить правила, раскрыть данные или выполнить чужую инструкцию, спрятанную в письме, файле или на сайте. Главная защита — разделять данные и инструкции, ограничивать права агента и подтверждать рискованные действия вручную.
Называть файл, описывать симптом и заранее говорить, как выглядит результат «исправлено». Главное — дать модели проверку с ответом «прошло / не прошло»: тест, сборку или линтер, и просить показать команду и её вывод. Так советуют best practices Claude Code от Anthropic и гайд OpenAI по промптингу для задач с кодом.
Первые 2 урока каждого курса бесплатны, а все промпты библиотеки и AI-воркфлоу открыты без регистрации. Полный доступ к урокам на 7 дней открывается после регистрации без карты, дальше Pro стоит $9 в месяц или $79 в год.
Пройдите первую неделю плана прямо сейчас: уроки 1 и 2 курса «Промт-инжиниринг с нуля» бесплатны. Для недель 2–4 откройте полный доступ ко всем урокам курсов: 7 дней без карты, затем Pro за $9 в месяц или $79 в год.