Пять фраз, которые заставляют ChatGPT думать, а не угадывать

Попросите ChatGPT "составь план продвижения для салона красоты", и получите список, который подойдёт любому салону на свете: соцсети, акции, отзывы. Модель не ошиблась. Она честно ответила на вопрос, в котором не хватает половины данных, и заполнила пробелы самым усреднённым вариантом.

Я собираю системы контента для экспертов, и большая часть разборов на старте сводится к одному: не промпт слабый, а в нём нет мест, где модель обязана остановиться и спросить. Вот пять фраз, которые я добавляю в запрос, когда нужен ответ под конкретную задачу, а не под воображаемого среднего человека.

"Сначала задай мне три вопроса"

С этой фразой ChatGPT в ответе сначала спрашивает про бюджет клиента, а не додумывает его сам.

Разница ощутимая: без этой фразы модель выдаёт план из пункта выше про соцсети и акции. С фразой она сначала спрашивает, какой у салона бюджет и откуда сейчас приходят клиенты, и только потом собирает план под реальные цифры.

"Докажи, что я не прав"

Эту фразу добавляю, когда уже есть своя идея и хочется не похвалы, а проверки на прочность. С такой формулировкой ответ перестаёт быть согласием и перечисляет, где тезис может не сработать на практике.

В моей практике это работает лучше, чем прямой вопрос "какие у этого минусы": формулировка "докажи, что я не прав" ставит модели конкретную задачу спорить, а не вежливо перечислять риски через запятую.

"Покажи три варианта: безопасный, средний и смелый"

Без этой фразы ChatGPT почти всегда выдаёт один усреднённый вариант ответа, который не рискует и не впечатляет. Фраза заставляет разложить решение по уровню риска и показать разброс, а выбор остаётся за Вами.

Удобно применять к названию продукта, да и вообще к любой задаче, где один правильный ответ не существует и нужно сравнение, а не готовое решение.

"Объясни, как будто мне десять лет"

Это не про снисходительность к себе, это про проверку, выдаёт ли ответ по-настоящему простое объяснение, а не сложные слова вместо сути. Если после такой просьбы объяснение не стало проще, значит тема объяснена формально, через термины, а не через суть. В этом случае стоит переспросить ещё раз или дать модели больше контекста по теме.

Применяю эту фразу к любой новой технологии или термину, прежде чем нести его в контент для аудитории. Если я сама не могу объяснить простыми словами, аудитория точно не поймёт из первого захода.

"Чего не хватает, чтобы ответить точно"

Прямой вопрос модели о пробелах в её собственных данных. Вместо того чтобы гадать за Вас, она называет конкретный недостающий факт, например, какой был результат в прошлый раз.

Эта фраза особенно полезна перед большой задачей: например, планом на квартал, где одна неверная вводная в начале портит весь результат на выходе.

Как собрать это в привычку

Не обязательно помнить все пять фраз наизусть. Достаточно взять одну привычку: перед отправкой длинного запроса спросить себя, не слишком ли он общий, и если да, добавить одну из фраз выше. За несколько недель это входит в рефлекс так же, как привычка перечитывать сообщение перед отправкой.

Разбираю похожие рабочие приёмы и конкретные связки нейросетей в канале «Растём с ИИ». Смежный материал: как выбрать нейросеть под конкретную задачу. Если нужно выстроить систему промптов под Вашу практику целиком, можно начать с бесплатной консультации.