Модель уходит в общие слова, когда в запросе нет опоры: темы достаточно, а требований к ответу нет. Чтобы получить конкретику, в промпт добавляют пример, измеримый критерий и явный запрет на клише — тогда ответ сужается до фактов и действий.
Почему модель отвечает общими фразами: запрос без опоры
Модель не знает, каким должен быть ответ, пока вы не задали планку. Если в запросе только тема — «расскажи про нейросети в маркетинге» — у неё нет причин выбирать между обзором, инструкцией и списком инструментов. Она выбирает самое безопасное: усреднённое описание, которое подходит к любому случаю и поэтому не подходит ни к одному.
Работает это как подстройка под собеседника. Формулировка без требований читается как запрос на общее знакомство с темой, и модель отвечает на том же уровне абстракции, на каком задан вопрос. Пробелы в постановке она заполняет типовыми связками: «важно учитывать», «играет ключевую роль», «требует комплексного подхода». Это не сбой, а добросовестное достраивание недостающего контекста.
Второй механизм — экономия на неопределённости. Когда не задан формат, объём, аудитория или критерий качества, любое утверждение приходится смягчать, ведь неизвестно, к чему его применят. Отсюда осторожные обороты вместо цифр, примеров и названий. Чем меньше в запросе опоры, тем шире пространство допустимых ответов и тем выше шанс получить текст, который ничего не утверждает.
Третий фактор — отсутствие ограничений как таковых. Запрет на клише, требование назвать источник, указать срок или привести расчёт сужают выбор. Пока такого сужения нет, модель идёт по самому проторенному пути: пересказывает общеизвестное.
Общие слова — не свойство модели, а зеркало запроса: чем меньше в нём требований, тем меньше в ответе содержания.
Три добавки к запросу, которые дают конкретику
Конкретика в ответе появляется не из более длинного запроса, а из трёх типов указаний, каждый из которых закрывает свою причину обобщённости. Модель не знает, какой уровень детализации вы считаете достаточным, пока ей это не показали. Показать можно примером, измеримым требованием и перечнем того, чего в ответе быть не должно.
- Пример задаёт образец: фрагмент готового ответа, разбор или описание похожей задачи с нужной глубиной. Модель ориентируется на него как на эталон и подтягивает ответ к тому же уровню — с терминами, структурой и степенью подробности.
- Критерий переводит пожелания в проверяемые условия: объём, число пунктов, обязательные данные, формат вывода. Вместо «подробно» появляется «пять шагов с указанием срока», и ответ становится измеримым.
- Запрет на клише убирает то, чем модель заполняет пустоту: обтекаемые формулировки, вводные обороты, обещания без содержания. Явный список нежелательных слов и конструкций сужает выбор до фраз, несущих смысл.
Работают они вместе, потому что действуют на разные слои ответа. Пример задаёт форму и глубину, критерий — границы и проверяемость, запрет — очищает текст от наполнителя. Если добавить только один инструмент, часть обобщённости останется: образец без ограничений даёт красивый, но расплывчатый текст, а критерий без примера — сухой отчёт не по той задаче.
Начинать проще с критерия: он формулируется быстрее всего и сразу отсекает ответы, которые нельзя использовать. Пример и запрет дополняют его, когда нужно поднять детализацию или убрать характерные для модели обороты. Каждый из трёх инструментов разбирается отдельно — с формулировками, которые можно перенести в свой запрос.
Пример и антипример: как показать модели нужный уровень детализации
Описание желаемого ответа словами почти всегда проигрывает образцу. Формулировка «пиши подробно и по делу» оставляет модели широкий коридор: она сама решает, что считать подробностью. Готовый фрагмент задаёт планку наглядно — длину фраз, плотность фактов, структуру. Модель копирует не букву, а уровень.
Работает связка из двух образцов. Первый показывает, как надо: короткий абзац с числами, сроками, названиями. Второй — как не надо: тот же смысл, но залитый водой. Контраст снимает двусмысленность, ведь модели проще отличить одно от другого, когда оба варианта лежат рядом.
Задача: описать итоги квартала для сотрудников.
Плохо: «Компания показала хорошие результаты и продолжает
уверенно развиваться несмотря на вызовы рынка».
Хорошо: «Выручка выросла на 12% до 48 млн рублей.
Два новых клиента дали 7 млн. Штат вырос с 30 до 34 человек».
Пиши в формате второго примера: цифры, сроки, имена.Собирая такой промпт, держите в голове несколько правил:
- Берите образец из своей области, а не абстрактный — модель переносит стиль точнее.
- Держите пример коротким: три-пять предложений достаточно, длинный текст размывает ориентир.
- Помечайте образцы явно — «так нужно» и «так не нужно», чтобы не возникло путаницы.
- Меняйте антипример под свою задачу: клише из чужой темы модель может не узнать.
Если ответ всё равно расплывается, сравните его с эталоном построчно: где пропали числа, где появились оценки вместо фактов. Эти расхождения и стоит вынести в следующий промпт.
Критерий в запросе: цифры, формат и ограничения вместо пожеланий
Критерий превращает пожелание в проверяемое условие. Формулировка «напиши подробно» ничего не ограничивает: модель сама решает, что считать подробностью. Формулировка «не больше 120 слов, три пункта, каждый с числом» задаёт рамку, из которой сложно выйти общими словами.
Ограничения стоит ставить по нескольким осям сразу. Длина задаётся в словах, знаках или абзацах — не «коротко», а «до 80 слов». Структура описывается количеством пунктов и их типом. Обязательные поля перечисляются явно: срок, ответственный, источник, единица измерения. Чем больше полей названо, тем меньше места остаётся рассуждениям «в целом» и «как правило».
| Параметр | Размытая формулировка | Рабочий критерий |
|---|---|---|
| Длина | подробно | 120–150 слов |
| Структура | списком | ровно 4 пункта, без вложенности |
| Поля | всё важное | срок, бюджет, риск |
| Единицы | в цифрах | рубли, дни, проценты |
| Формат | удобно читать | таблица из трёх столбцов |
Единицы измерения задаются вместе с полями, иначе модель подставит абстрактные «значительные суммы» или «длительный срок». Если нужны проценты — так и указывается, если дни — тоже. Формат ответа тоже критерий: таблица, нумерованный список или абзац с фиксированной структурой. Модель следует тому, что названо прямо, и заполняет то, что оставлено на её усмотрение.
Критериев не должно быть слишком много: пять-семь ограничений модель удерживает, двадцать — начинает игнорировать часть. Достаточно закрыть длину, структуру, обязательные поля и единицы, а остальное оставить содержанию.
Запрет на клише: какие слова и обороты перечислять в промпте
Запрет работает, когда в нём перечислены конкретные слова, а не абстрактное требование «без воды». Модель ориентируется на формулировки, которые видит в промпте, поэтому список клише лучше давать дословно — так она распознаёт их в собственном ответе и заменяет на факт.
Типовые банальности, которые стоит перечислить в промпте:
- вводные обороты: «важно отметить», «стоит подчеркнуть», «необходимо учитывать», «в данном контексте»
- оценки без опоры: «эффективный», «качественный», «оптимальный», «играет ключевую роль»
- пустые обобщения: «многие эксперты считают», «в большинстве случаев», «как правило», «зависит от ситуации»
- финальные клише: «таким образом», «в заключение хочется сказать», «подводя итог»
- обещания вместо действий: «позволит улучшить», «способствует росту», «открывает возможности».
Формулировку запрета делают повелительной и привязанной к замене. Вместо «избегай общих слов» пишут: «Не используй обороты из списка выше. Если без оценки не обойтись, замени её измеримым показателем или примером». Полезно добавить правило на случай нарушения: «При обнаружении клише перепиши предложение и укажи конкретный факт».
Список не должен разрастаться до десятков пунктов: модель теряет фокус и пропускает часть запретов. Достаточно пяти-семи формулировок, которые чаще всего встречаются в ваших запросах, — их проще дополнить по мере появления новых.
Запрет на клише действует, когда он звучит как список конкретных слов с указанием, чем их заменить.
Как собрать запрос с конкретикой: пошаговый порядок
Соберите промпт в пять шагов — от постановки задачи до проверки результата. Каждый шаг сужает пространство, в котором модель может «поплыть».
- Задача. Опишите, что именно нужно получить: не «расскажи про найм», а «составь план найма джуна на позицию аналитика».
- Пример. Покажите фрагмент ответа, который вас устроит по уровню детализации. Один-два предложения задают планку.
- Критерий. Добавьте измеримое требование: объём, формат, число пунктов, обязательные поля.
- Запрет. Перечислите обороты, которые не хотите видеть: «важно отметить», «играет ключевую роль», «в современном мире».
- Проверка. Попросите модель перечитать ответ и убрать всё, что не подкреплено фактом или действием.
Шаблон ниже можно скопировать и подставить свои значения. Он собран так, чтобы каждый пункт списка присутствовал в тексте запроса.
Задача: [что нужно получить, одной фразой]
Пример: [1–2 предложения в нужном стиле]
Критерий: [объём, формат, число пунктов, обязательные данные]
Запрет: не использовать обороты [список клише]
Проверка: перечитай ответ и удали предложения без фактов и действийПорядок важен: пример и критерий работают только после того, как задача сформулирована однозначно. Если пропустить первый шаг, остальные повиснут в воздухе — модели не к чему привязывать детали.
Чек-лист: как проверить ответ на воду перед использованием
Готовый ответ стоит прогнать через короткую проверку, прежде чем вставлять его в документ, письмо или отчёт. Признаки размытого текста заметны по форме, а не по смыслу: их можно найти, даже не вникая в тему.
- Утверждения верны для любого случая и не привязаны к вашей ситуации.
- Нет чисел, сроков, названий или других проверяемых деталей.
- Каждый абзац можно переставить местами без потери логики.
- Вместо действия — призыв «уделить внимание» или «подойти комплексно».
- Ответ пересказывает вопрос другими словами, не добавляя нового.
- Встречаются обороты вроде «играет важную роль» или «зависит от многих факторов».
Если нашлись два-три признака, ответ пока не годится в работу. Сначала выпишите, каких именно данных не хватает: конкретной цифры, названия инструмента, границы срока. Затем вернитесь к запросу и добавьте недостающее требование — модель достроит ответ вокруг него.
Полезно задать себе вопрос о проверяемости: что из этого текста можно подтвердить или опровергнуть? Если ни одного такого места нет, перед вами пересказ темы, а не решение задачи. В таком случае проще переформулировать запрос, чем редактировать готовый текст вручную.
Отдельно проверьте финал: есть ли в нём следующий шаг. Ответ без действия оставляет вас там же, где вы начинали, — с общим пониманием и без плана.
Частые вопросы
Почему одна и та же нейросеть на один запрос отвечает конкретно, а на другой — общими фразами?
Модель опирается на формулировку запроса. Если в нём нет примера, критерия или ограничения, она выбирает безопасный общий ответ. Стоит добавить хотя бы один из этих элементов — и уровень детализации меняется.
Достаточно ли просто написать «без воды» в конце запроса?
Обычно нет: это пожелание, а не критерий. Модель может понять его по-разному. Работает перечисление конкретных слов-клише и требование к формату ответа.
Что делать, если модель всё равно повторяет банальности после добавки?
Проверьте, нет ли в запросе противоречий и не слишком ли широкая тема. Сузьте задачу до одного аспекта и дайте пример ответа на 2–3 предложения, который вас устраивает.
Можно ли использовать один и тот же шаблон запроса для разных задач?
Каркас — да, но пример и критерий придётся менять под задачу. Универсального набора слов, который убирает воду везде, нет.
Как понять, что ответ стал конкретнее, а не просто длиннее?
Смотрите на наличие проверяемых элементов: цифр, шагов, названий, условий. Если текст вырос, а таких элементов не прибавилось, конкретики не прибавилось.