Представьте, вот вы открываете чат-бота и пишете: «сделай новость/пост/гайд». Ответ вроде бы нормальный, но всё не то: стиль хромает, факты выдуманы, формат разваливается. Этого можно избежать, если сразу задать грамотный промт.
Проблема в том, что сами промты тоже нужно составлять правильно. Хорошая новость: это умеют делать нейросети. Сначала они собирают бриф и критерии качества, а уже потом генерируют рабочий промт под задачу. Такой «мета-подход» экономит время и повышает предсказуемость результата.
В статье по-человечески объясняем, что такое мета-промт, зачем он нужен и из чего состоит. Начнём с простого примера и базовой структуры, а затем дадим 10 шаблонов мета-промтов для создания рабочих промтов.
Читайте также: ТОП-10 курсов по работе с нейросетями
Что такое мета-промт и из чего он состоит
Мета-промт — это промт, который помогает ИИ сначала уточнить задачу (бриф), зафиксировать критерии качества и формат, а уже потом сгенерировать сам рабочий промт для конкретной модели и задачи (новость, гайд, тесты, изображение, SQL-анализ и т.д.). Короче, мета-промт — это промт для создания другого промта и чаще всего это работа промт-инженера.
Проще всего понять на житейском примере. Представьте, вы просите помощника: «Купи кофе». Вероятный результат — «любой кофе». Но если вы зададите структуру — размер, крепость, молоко, сахар, когда принести и как упаковать — шанс промаха резко падает. Мета-промт делает с задачей то же самое: превращает расплывчатую просьбу в чёткое ТЗ, совместимое с моделью.
Это особенно полезно там, где нужны стабильные системные промты: для ИИ-агентов, веб-сервисов и приложений. Один раз описываете правила — и дальше команда или продукт работают по ним, не «перепридумывая» промт каждый раз.
Базовая структура мета-промта:
- Роль: кто «ты» в этой задаче (редактор, инженер тестов, архитектор промтов).
- Цель: что именно нужно получить (собрать идеальный промт под [задачу]).
- Бриф-вопросы: 3–8 уточнений, если входных данных недостаточно.
- Ограничения: тон, длина, язык, формат ответа, запреты.
- Выход: сколько вариантов, чем отличаются, как оценены.
- Проверка качества: мини-рубрика, риски, как улучшить.
Это общий каркас, который часто используется в промтах для написания текста, также есть архетипы мета-промтов.
8 архетипов мета-промтов, +примеры
Архетип — это «поведение» модели при сборке промта: какую роль принять, что спросить, как оформить ответ. Задачи разные — архетипы тоже. Ниже 8 самых полезных сценариев с короткими примерами.
1. Бриф-опросник — сначала вопросы, потом сборка промта.
Пример: «Задай до 6 уточнений (цель, аудитория, длина, тон, обязательные факты, запреты), после ответов — сгенерируй рабочий промт».
2. Комбинатор — несколько сильных вариантов под разные риски/стили.
Пример: «Сделай 3 промта: быстрый, строгий (с рубрикой), креативный; в конце — рекомендации, что выбрать и почему».
3. Редактор — переписывает сырой промт по фреймворку.
Пример: «Перепиши мой промт в формате Role→Objective→Context→Constraints→Format→Examples; добавь критерии и мини-чеклист».
4. Оценщик — ставит баллы и даёт точечные правки.
Пример: «Оцени по 0–5 за цель, контекст, формат, ограничения, примеры, безопасность; выдай улучшенную версию».
5. Снайпер ограничений — доводит до проверяемости и воспроизводимости.
Пример: «Добавь чёткие лимиты (объём, стиль, дедлайны), критерии “принято/непринято” и негативные требования».
6. Безопасный фильтр — снимает двусмысленности и риски (этика, приватность).
Пример: «Переформулируй промт так, чтобы не требовать лишних рассуждений и не провоцировать нежелательный контент».
7. Автотестер — генерирует тест-кейсы для проверки перед продом.
Пример: «Создай 4 входа: базовый, граничный, плохой, нетипичный; опиши ожидаемый формат и критерии проверки».
8. Переводчик модели — портирует промт между движками.
Пример: «Перепиши промт для ChatGPT/DeepSeek/Claude/Gemini с учётом системных подсказок, длины контекста и форматов цитирования; поясни различия».
Фреймворки — CO-STAR, RATFLE, SAFE
Фреймворк — это «каркас»/чек-лист, который гарантирует, что в промт попадут обязательные элементы. Архетип отвечает на «как действуем», фреймворк — на «что обязательно укажем». Это не конкуренты, а шаги по порядку: выбрали архетип → заполнили по фреймворку.
CO-STAR:
- Context — контекст.
- Objective — цель.
- Style — стиль.
- Tone — тон.
- Audience — аудитория.
- Response — формат ответа.
Мини-пример (новость): «Context: апдейт сервиса X; Objective: короткая новость; Style: нейтральный; Tone: деловой; Audience: читатели медиа; Response: заголовок 80–100 знаков, 2 абзаца, «ёлочки», точные даты».
RATFLE
- Role — роль.
- Audience — аудитория.
- Task — задача.
- Format — формат.
- Limits — ограничения.
- Examples — примеры.
Мини-пример (код): «Role: Python-инженер; Audience: начинающий; Task: парсер CSV; Format: один файл + как запускать; Limits: PEP8, <2 s на файл, без внешних API; Examples: 2 примера входа/выхода».
SAFE
- Scope — объём.
- Assumptions — допущения.
- Failures — что может пойти не так.
- Evaluation — как проверять.
Мини-пример (изображения): «Scope: один ключевой кадр; Assumptions: модель поддерживает AR 16:9; Failures: шумный фон, несовпадение стиля; Evaluation: чеклист композиции + негатив-теги».
Статья в тему: Промты для обработки фото в ChatGPT
10 готовых шаблонов промтов для написания промтов
1. Универсальный «Бриф → Варианты → Оценка»
Ты — архитектор промтов. Цель: создать лучший промт для задачи «{задача}». 1) Если данных мало, задай до 7 уточнений (цель, аудитория, входные материалы, тон, длина/формат, обязательные факты, запреты). 2) Сгенерируй 3 промта: — V1: быстрый и гибкий, — V2: строгий с ограничениями и рубрикой проверки, — V3: креативный с примерами. 3) Для каждого промта явно укажи: Role, Objective, Context, Constraints, Format, Examples. 4) Оцени каждый промт по шкале 0–5: ясность, полнота, проверяемость, воспроизводимость, риск ошибок. Кратко обоснуй выбор. 5) Дай рекомендацию: какой вариант использовать и почему. Выводи строго в порядке: Вопросы → V1 → V2 → V3 → Оценка → Рекомендация.
2. Редактор сырого промта
Ты — редактор промтов. Возьми мой текст и перепиши по схеме: Role → Objective → Context → Constraints → Format → Examples. Требования: - Убери двусмысленности и общие формулировки. - Добавь измеримые ограничения (объём, стиль, сроки). - Введи критерии «принято/непринято». - Вынеси примеры в отдельный блок. - Добавь мини-чеклист для исполнителя. Финальный вывод: БЫЛО → СТАЛО → Почему лучше → Риски/что проверить. Текст для редактуры: {сырой_промт}
3. Оценщик качества промта
Оцени промт по шкале 0–5 по критериям: 1) Цель и метрика успеха; 2) Контекст и допущения; 3) Формат и проверяемость вывода; 4) Ограничения (тон, длина, язык, запреты); 5) Примеры; 6) Безопасность/этика; 7) Переносимость между моделями. Выведи: краткий вердикт (≤80 слов), список правок, улучшенная версия промта. Промт для оценки: {промт}
4. Комбинатор по тонам/сценариям
Сгенерируй 4 альтернативных промта для одной задачи «{задача}» в тонах: A) нейтральный деловой, B) дружелюбный экспертный, C) остроумный сдержанный, D) лаконичный новостной. У каждого: Role, Objective, Context, Constraints, Format, Examples. В конце — краткая таблица «Где использовать»: A/B/C/D → сценарии.
5. Переводчик между моделями
Перепиши промт для трёх движков (GPT/Claude/Gemini). Сохрани смысл, но учти: системные подсказки, длину контекста, склонность к избыточным пояснениям, формат кода/цитат. Выведи 3 версии (заголовок = модель) и кратко поясни отличия и компромиссы. Исходный промт: {промт}
6. Редакционный новостной мета-промт
Собери рабочий промт для генерации новости. Требования: - Заголовок 80–100 знаков без эмодзи, кавычки «ёлочками». - Тело: 2–3 абзаца, нейтральный тон, точные даты/цифры. - Строгий формат вывода (без списков). - Валидация фактов: отмечай, какие данные обязательны. Выведи: финальный промт + 2 мини-примера входа и эталонный ответ. Тема новости: {тема}
7. Мета-промт для кода (Python)
Собери промт для задачи на Python. Обязательно укажи: - Версию Python; - Вход/выход (типы, примеры); - Ограничения по времени/памяти; - Стиль кода (PEP8), запрет небезопасных операций; - 3 тест-кейса (базовый, граничный, некорректный); - Блок «Как запускать». Выведи: PROMPT → ТЕСТЫ → КАК ЗАПУСКАТЬ. Задача: {описание}
8. Мета-промт для изображений
Собери промт для генерации изображения в блоках: Scene | Objects | Style | Light | Composition | Materials | Post-process | Negative. Добавь три варианта кадра (крупность/перспектива) и один короткий «мобайл»-вариант. Отдельно обозначь риски (несовпадение стиля/лица) и как их снижать. Тема: {описание_сцены}
9. Мета-промт для аналитики/CSV
Собери промт для анализа CSV. Сначала уточни: поля, объём, целевой вопрос. Предложи план обработки: очистка → сводка → 2 визуализации → краткий отчёт (≤150 слов). Задай критерии корректности (проверка пропусков/дубликатов) и формат вывода (таблица + описания графиков). Тема анализа: {вопрос/гипотеза}
10. Саморазмышление и улучшение (REFLECT)
После генерации промта выполни REFLECT: - Что может пойти не так? (3 пункта) - Как уменьшить риск ошибок/галлюцинаций? - Что сократить/уточнить? Обнови промт: отметь правки и причины. Выведи «Было → Стало». Исходный промт: {промт}
Коротко о главном
Мета-промт — или «промт для создания промтов» — это просто постановка задачи, формализованная для ИИ. Сначала бриф и критерии качества, затем рабочий промт и мини-тесты. Выбирайте архетип под задачу, собирайте по фреймворку (CO-STAR/RATFLE/SAFE), добавляйте проверяемые ограничения и рубрику качества. Используйте наши 10 шаблонов — и получите быстрый, предсказуемый результат.
Больше гайдов по работе с промтами:
- Что такое JSON-промты и как их составлять
- 12 промтов для очеловечивания текста от нейросети
- Промты для создания ИИ-фотосессии
