Раньше нужно было уговаривать модель. Напоминать ей, что она эксперт. Задавать тон. Модель подхватывала намёк и достраивала контекст сама.
Сейчас это работает против вас.
С появлением Claude Opus 4.8 и GPT-5 модели стали буквальными. Они делают ровно то, что написано — ни больше, ни меньше. Это делает их мощнее. Но требует другого подхода к промтингу.
Вот три привычки, которые стоит выработать прямо сейчас.
Раньше и сейчас: что изменилось
| Раньше | Сейчас |
|---|---|
| Модель угадывала, достраивала контекст и охотно отыгрывала «эксперта» | Модель выполняет ровно то, что написано — ни больше, ни меньше |
Это не баг. Это фича — но только если перестроить способ формулировать запросы.
Привычка 1: Убрать роль — или свести к минимуму
Фраза «ты эксперт мирового уровня» раньше поднимала планку ответа. Теперь она буквально крадёт внимание модели: часть контекстного окна уходит на отыгрыш персонажа, а не на задачу.
Claude Opus 4.8 специально создавался, чтобы меньше «играть роль» и отвечать честно — поэтому роль в промте работает против вас сильнее, чем когда-либо.
Что говорит исследование: 162 разные роли в промте, 2 410 фактических вопросов, 4 семейства моделей — КПД от роли равен нулю. Это не теория, это цифры.
Что делать вместо этого:
- На роль — минимум слов, максимум на контекст
- Конкретика важнее громкости
- «Эксперт по постам для автобизнеса» ещё допустимо — задаёт формат вывода; «эксперт мирового уровня» — мусор
Пример:
❌ «Ты эксперт мирового уровня по ценообразованию. Помоги мне с ценами.»
✅ «Дай три варианта цены, каждый с одним конкретным компромиссом. Под каждой цифрой — источник, откуда она взята.»
Никакой роли. Никакого уровня. Только задача и формат.
Привычка 2: Называть файлы и Skills явно
Когда в контексте тысячи файлов, агент просто «проходит мимо» тех, чьё название ни о чём не говорит. Старые модели ещё как-то справлялись. Новые — строже: если файл не переименован и не объяснён в промте, шанс, что агент его откроет, заметно ниже.
Что делать с файлами:
- Переименовывать по сути содержимого
- В промте явно указывать: какой файл для чего используется
- В агентных инструментах (Claude Code, Codex) — можно попросить агента самому переименовать файлы
Пример:
❌
book.pdf✅
книга-по-управлению-командой.pdf+ в промте: «используй для раздела про делегирование»
Отдельно про Skills: раньше Skills в Claude-проекте подхватывались сами. Сейчас — часто нет, даже если инструкции явно прописаны в настройках проекта. Решение одно: упоминайте нужный Skill в самом промте напрямую. Два лишних слова — и он точно подключится.
Привычка 3: Требовать отчёт по шагам
Это самое неочевидное изменение. И самое важное для больших задач.
Современные агенты (Claude Code, Codex) работают до 10 часов подряд. Один запрос — десятки операций. Без явного требования отчёта агент может выполнить часть задач и написать «всё готово» — и формально он будет прав.
Реальный пример: 50 багов в трекере, агент отправлен на ночь их исправлять. Утром: «Всё готово». По факту — 42 из 50. Про остальные 8 не сказал ничего.
Что требовать в конце каждого большого запроса:
Общий счёт задач: сколько заявлено, сколько выполнено, сколько не выполнено — с описанием причины.
Это единственный способ убедиться, что ничего не «потерялось» в процессе.
Шаблон правильного промта
Сохраните себе. Используйте как чеклист перед отправкой:
ЗАДАЧА: [Что конкретно нужно сделать]
КОНТЕКСТ: [Данные, цифры, условия]
ИСТОЧНИКИ:
- [Файл 1] — для чего использовать
- Используй Skill [название], если применимо
ОГРАНИЧЕНИЯ:
- Не выдумывай цифры без источников
- Если данных не хватает — спроси, не догадывайся
ФОРМАТ ОТВЕТА: [таблица / документ / список]
ОТЧЁТ (для больших задач):
- Сделано / не сделано / требует доработки
Чеклист перед отправкой
Быстрая проверка промта перед тем, как нажать Enter:
- Я дал конкретные данные, а не намекнул?
- Я указал формат ответа на выходе?
- Я запретил выдумывать цифры?
- Нет ролей уровня «Нобелевская премия»?
- Если есть файлы — указал для чего?
- Skills упомянуты явно в промте?
- Для больших задач запросил отчёт?
- Указал, что нельзя пропускать пункты?
Источник: Хватит писать в промте ТЫ ЭКСПЕРТ. Claude от этого ГЛУПЕЕТ · Нейропросвещение, YouTube, 2026-06-05 Транскрипт: raw
Главный вывод
Модели уже достаточно умные — им не нужны детские подсказки и звания.
Им нужны данные.
Чем точнее вы описываете задачу, контекст и ограничения — тем лучше результат. Это не ограничение новых моделей. Это их суперсила. Просто теперь качество вывода напрямую отражает качество ввода.