[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-prompt":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":180},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":111,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":112,"related":126,"views_count":177,"helpful_yes_count":115,"helpful_no_count":115,"created_at":178,"updated_at":179,"published_at":17},273,"prompt",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Промпт","Входной текст, который пользователь или приложение подаёт большой языковой модели и на основании которого она генерирует ответ.","Промпт — это всё, что вы говорите модели на входе: вопрос, инструкция, контекст, примеры, формат ответа. Чем точнее и полнее промпт, тем стабильнее и качественнее ответ. Большая часть работы с LLM в продукте сводится к проектированию промптов — формулировке задачи, ролей, ограничений и ожидаемого формата. Это новая инженерная дисциплина: похоже на программирование, только язык — обычный человеческий.","\u003Cp>Промпт — это не только текст вопроса. В современных приложениях он обычно состоит из нескольких частей.\u003C\u002Fp>\u003Ch3>Из чего состоит промпт\u003C\u002Fh3>\u003Cul>\u003Cli>\u003Cstrong>Системный промпт\u003C\u002Fstrong> — кто такая модель, какие у неё правила и стиль.\u003C\u002Fli>\u003Cli>\u003Cstrong>Контекст\u003C\u002Fstrong> — фрагменты документов, история диалога, данные пользователя.\u003C\u002Fli>\u003Cli>\u003Cstrong>Примеры\u003C\u002Fstrong> — пары «запрос → правильный ответ», по которым модель понимает образец ответа.\u003C\u002Fli>\u003Cli>\u003Cstrong>Сам запрос\u003C\u002Fstrong> — то, на что нужно ответить сейчас.\u003C\u002Fli>\u003Cli>\u003Cstrong>Указания по формату\u003C\u002Fstrong> — JSON, Markdown, ограничения по длине и тону.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>На что обращать внимание\u003C\u002Fh3>\u003Cul>\u003Cli>Чётко формулировать роль модели и цель ответа.\u003C\u002Fli>\u003Cli>Описывать формат вывода и приводить хотя бы один пример.\u003C\u002Fli>\u003Cli>Учитывать, что модель часто следует началу и концу промпта лучше, чем середине.\u003C\u002Fli>\u003Cli>Проверять промпт на разнообразных входных данных, а не только на удобных примерах.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Любая работа с LLM в продукте начинается с проектирования промпта\u003C\u002Fli>\u003Cli>Когда нужно быстро приспособить готовую модель под задачу без обучения\u003C\u002Fli>\u003Cli>Когда хочется управлять стилем и форматом ответа\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Слишком сложная или нестабильная задача — иногда лучше перейти к тонкой настройке или более строгой последовательности шагов, чем бесконечно усложнять промпт\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Сравните два промпта. Первый: «расскажи про продукт». Второй: «Ты — менеджер по продажам в SaaS-компании. Отвечай 3–4 короткими абзацами на простом языке. Если данных не хватает — задай уточняющий вопрос. Запрос клиента: ...». Второй вариант не только звучит человечнее, но и сильно стабилизирует ответы модели на разных запросах.\u003C\u002Fp>","\u003Cp>Относитесь к промпту как к коду: ведите его в репозитории, делайте версии, прогоняйте через набор тестовых запросов и сравнивайте качество. «Магические» промпты, найденные методом тыка, легко теряются и плохо переживают смену модели или языка.\u003C\u002Fp>","промпт, запрос к модели, подсказка для модели, prompt","Prompt","Промпт для LLM: что это и из чего состоит | Глоссарий Shtab","Промпт — входной текст для языковой модели. Из каких частей состоит (системный промпт, контекст, примеры, инструкции), как проектировать стабильные промпты.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},10,"ai","#a855f7",{"ru":89},{"title":90,"description":91},"Искусственный интеллект","Терминология ИИ и больших языковых моделей: машинное обучение, нейросети, LLM, эмбеддинги, промптинг, RAG, агенты, MLOps, безопасность и этика моделей.",[93,102],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},37,"llm","framework","#7c5ce6",91,{"ru":100},{"title":101},"LLM",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":108},39,"prompt-technique","tool","#14b8a6",93,{"ru":109},{"title":110},"Промптинг","П",[113,120],{"id":114,"order":115,"translations":116},1498,0,{"ru":117},{"question":118,"answer":119},"Где заканчивается промпт и начинается тонкая настройка?","\u003Cp>Промпт меняется на каждый запрос и не требует переобучения модели. Тонкая настройка обновляет веса модели и сохраняется навсегда. Хороший подход — сначала довести промпт до разумного уровня, и только потом, если по-прежнему не хватает, переходить к тонкой настройке.\u003C\u002Fp>",{"id":121,"order":61,"translations":122},1499,{"ru":123},{"question":124,"answer":125},"Почему один и тот же промпт даёт разные ответы?","\u003Cp>Потому что генерация в LLM почти всегда содержит элемент случайности (температура, top-p). Чтобы получить более стабильный ответ, можно понизить температуру и явно описать формат ответа в промпте.\u003C\u002Fp>",{"parent":127,"child":134,"related":163},[128],{"id":129,"slug":95,"translations":130},264,{"ru":131},{"title":132,"short_definition":133},"Большая языковая модель","Нейросеть с миллиардами параметров, обученная предсказывать следующий токен в тексте и способная отвечать на вопросы, писать код и рассуждать.",[135,142,149,156],{"id":136,"slug":137,"translations":138},275,"few-shot",{"ru":139},{"title":140,"short_definition":141},"Обучение на нескольких примерах (few-shot)","Подход, при котором в промпт добавляют 2–10 примеров «запрос → правильный ответ», чтобы модель поняла нужный формат и стиль.",{"id":143,"slug":144,"translations":145},276,"chain-of-thought",{"ru":146},{"title":147,"short_definition":148},"Цепочка рассуждений (chain-of-thought)","Приём, при котором модель просят показать промежуточные шаги рассуждения, а не сразу выдавать ответ — это улучшает решение сложных задач.",{"id":150,"slug":151,"translations":152},277,"prompt-engineering",{"ru":153},{"title":154,"short_definition":155},"Промпт-инжиниринг","Инженерная дисциплина проектирования, тестирования и поддержки промптов как ключевой части ИИ-продукта.",{"id":157,"slug":158,"translations":159},274,"system-prompt",{"ru":160},{"title":161,"short_definition":162},"Системный промпт","Постоянная часть инструкции к модели, задающая её роль, стиль, ограничения и поведение в рамках продукта.",[164,171,174],{"id":165,"slug":166,"translations":167},284,"temperature",{"ru":168},{"title":169,"short_definition":170},"Температура (параметр генерации)","Параметр, регулирующий случайность ответов языковой модели: чем ниже температура, тем более предсказуемы и однообразны ответы.",{"id":136,"slug":137,"translations":172},{"ru":173},{"title":140,"short_definition":141},{"id":150,"slug":151,"translations":175},{"ru":176},{"title":154,"short_definition":155},110,"2026-05-11T19:55:50.392954+03:00","2026-05-11T19:55:50.392969+03:00",[181,206,227],{"id":182,"slug":183,"translations":184,"category":189,"tags":192,"letter":204,"cover":17,"updated_at":205,"published_at":17},282,"mcp",{"ru":185},{"title":186,"short_definition":187,"translation_en":188},"MCP (Model Context Protocol, протокол контекста модели)","Открытый протокол, по которому языковые модели и агенты единообразно подключаются к внешним инструментам, данным и сервисам.","Model Context Protocol (MCP)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":190},{"ru":191},{"title":90,"description":91},[193,196],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":194},{"ru":195},{"title":101},{"id":197,"slug":198,"kind":105,"hex":199,"order":200,"translations":201},40,"ai-tool","#5e79ec",94,{"ru":202},{"title":203},"Инструмент ИИ","M","2026-05-11T19:55:53.687297+03:00",{"id":207,"slug":208,"translations":209,"category":214,"tags":217,"letter":204,"cover":17,"updated_at":226,"published_at":17},287,"mlops",{"ru":210},{"title":211,"short_definition":212,"translation_en":213},"MLOps (эксплуатация ML-моделей)","Практики и инструменты для разработки, выкатки и эксплуатации моделей машинного обучения и ИИ в боевой среде — аналог DevOps для машинного обучения.","MLOps",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":215},{"ru":216},{"title":90,"description":91},[218,223],{"id":61,"slug":219,"kind":219,"hex":199,"order":61,"translations":220},"methodology",{"ru":221},{"title":222},"Методология",{"id":197,"slug":198,"kind":105,"hex":199,"order":200,"translations":224},{"ru":225},{"title":203},"2026-05-11T19:55:55.482827+03:00",{"id":228,"slug":229,"translations":230,"category":235,"tags":238,"letter":245,"cover":17,"updated_at":246,"published_at":17},278,"rag",{"ru":231},{"title":232,"short_definition":233,"translation_en":234},"RAG (поиск с дополнением генерации)","Подход, при котором перед ответом языковая модель ищет подходящие документы в базе знаний и использует их как контекст.","Retrieval-Augmented Generation (RAG)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":236},{"ru":237},{"title":90,"description":91},[239,242],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":240},{"ru":241},{"title":101},{"id":197,"slug":198,"kind":105,"hex":199,"order":200,"translations":243},{"ru":244},{"title":203},"R","2026-05-11T19:55:52.147205+03:00"]