5 правил из промптов Cluely и Bolt, которые работают лучше красивых формулировок
Пару недель назад в сети разошёлся разбор системных промптов двух продуктов, о которых сейчас говорит весь AI-рынок, — Cluely и Bolt. Я прочитал его трижды, потому что ожидал увидеть магию формулировок, а увидел почти сухую инженерную документацию. И вот тут у меня щёлкнуло: весь последний год я учил людей "писать промпты как человек", а оказалось, что продукты с $50 млн годовой выручки выигрывают именно потому, что их промпты написаны как код. Это и есть тот самый приём, которым я хочу поделиться — не абстрактная теория, а рабочая методика, которую можно повторить сегодня вечером.
Что общего у промптов на миллионы долларов
Авторы разбора сравнили системные промпты Cluely — ассистента для звонков и собеседований — и Bolt — инструмента для генерации кода. Для обоих стартапов системный промпт оказался не вспомогательной деталью, а центральным элементом продукта:. Что в этих промптах необычного? Автор разбора выделил четыре повторяющихся паттерна:. И добавил резкий вывод: именно. С Bolt похожая история:.
Если открыть реальный текст промпта Cluely, который неоднократно утекал в сеть, видно это буквально построчно:. А рядом — симметричный список того, что делать обязательно:. Никакой художественности. Чистая спецификация поведения.
Почему это работает лучше, чем просьба "ответь подробно и по делу"
Разница в природе инструкции. Фраза "отвечай чётко и по делу" — это пожелание, которое модель интерпретирует творчески, то есть как ей заблагорассудится в конкретный момент генерации. А список NEVER/ALWAYS — это жёсткое условие, которое проще однозначно выполнить или проверить. По сути, это не промпт-инжиниринг в смысле "подобрать красивые слова", а контракт на поведение: заранее прописанные границы вместо надежды, что модель сама разберётся в сложной ситуации.
Та же логика работает и в обратную сторону — на экономии. Независимо от задачи, структурированные инструкции обходятся дешевле и ведут себя предсказуемее неструктурированных:. А. Русскоязычные авторы, которые считали токены на практике, приходят к тому же: вежливые вставки и лишние слова не добавляют смысла, но сжигают бюджет —.
Чек-лист: как переписать свой промпт за пять шагов
Вот конкретная последовательность действий, если вы хотите применить этот приём к своему системному промпту для бота, ассистента или повторяющейся рабочей задачи:
- Сформулируйте роль и цель в одном абзаце. Без лирики: кто это, для чего существует, какая у него единственная задача. Одно предложение — не три.
- Составьте список NEVER. Пропишите конкретные запрещённые действия: что не делать, какие фразы не использовать, какие темы не поднимать. Чем конкретнее формулировка, тем меньше шансов, что модель обойдёт запрет по смыслу.
- Составьте симметричный список ALWAYS. Обязательные действия: формат ответа, обязательные проверки, стиль, что делать при неопределённости.
- Пропишите хотя бы три ветки if/then для краевых случаев. Что делать, если данных не хватает, если запрос выходит за рамки задачи, если пользователь просит то, что прямо запрещено шагом 2. Именно эти случаи обычно и ломают промпт в проде, когда всё давно казалось отлаженным.
- Проверьте промпт на лишние слова. Вежливые вставки, повторы системной инструкции внутри пользовательского сообщения, избыточные примеры — всё это убирайте. Задайте желаемый объём и формат ответа явно, а не надейтесь, что модель угадает.
Что я вынес для себя
Можно долго спорить, умер ли классический промпт-инжиниринг и заменил ли его контекст-инжиниринг — споры об этом идут весь год. Но пример Cluely и Bolt показывает: пока одни спорят о терминах, другие просто пишут промпты с дисциплиной инженера-спецификатора — и зарабатывают на этом миллионы. Мне нравится эта позиция, потому что она не требует веры в магические формулировки. Она требует структуры, которую можно проверить, протестировать и починить, когда что-то идёт не так.
Если хочется опробовать этот подход на практике — в GEMERA AI можно без лишних настроек выйти в чат с GPT, Claude или Gemini и сразу проверить свой NEVER/ALWAYS-промпт на живой модели, сравнить ответы разных нейросетей и выбрать тот формат, который реально работает на вашей задаче.