Prompt engineering — это искусство формулировки запросов к моделям искусственного интеллекта, особенно к языковым (LLM) и генеративным. От того, насколько точно составлен запрос, зависит качество ответа: нечёткая формулировка может привести к расплывчатым или вовсе неверным результатам.
В основе лежит понимание архитектуры модели. Например, указание формата («перечисли три причины») или добавление контекста («объясни, как физик») сужает область генерации. Некоторые продвинутые техники включают цепочки запросов (chaining), где ответ на первый уточняется вторым.
Пример: запрос «напиши стихотворение про осень» даст общий результат, а «напиши стихотворение про осень в стиле Бродского, 8 строк, с метафорой увядания» — более конкретный. Второй пример — использование «few-shot learning», когда в запрос встраивают несколько примеров желаемого формата.
Важность метода в том, что он снижает количество итераций и вычислительные затраты. С 2022 года, когда ChatGPT сделал prompt engineering массовым, компании нанимают специалистов по «настройке» запросов для бизнес-задач: от генерации контента до анализа данных.