Как писать промпты для новых моделей: инструкции, контекст и лимиты

Что менять в промпте при переходе на новую модель

Для рассуждающих моделей OpenAI рекомендует короткие и ясные инструкции, а для работы Claude с длинными документами рекомендует размещать материалы перед запросом. Поэтому начни с требований конкретной модели: отдельно сформулируй задачу, отдельно подготовь контекст и укажи нужный результат.

Начни с модели, а не с длины текста

В рекомендациях Claude предлагается сначала прочитать руководство по выбранной модели, затем переходить к общим техникам. Если переносишь привычный промпт в другую модель, начни с её инструкции: так ты сможешь сопоставить свои требования с особенностями именно этого варианта, прежде чем менять весь текст.

OpenAI различает рассуждающие модели, например o3 и o4-mini, и GPT-модели, например GPT-4.1. Это разделение важно для дальнейших рекомендаций: советы о кратких инструкциях и необязательных примерах в соответствующем руководстве адресованы рассуждающим моделям. Не расширяй их автоматически на остальные варианты.

Сформулируй результат и его границы

В рекомендациях Claude предлагается явно описывать желаемый формат ответа и ограничения. При редактировании промпта проверь, понятно ли из него, какой результат нужен и каким требованиям он должен соответствовать. Эти сведения относятся непосредственно к заданию, поэтому их стоит сформулировать явно.

Причину требования тоже можно объяснить. По данным Claude, контекст и мотивация помогают модели лучше понять цель и дать более подходящий ответ. Такое пояснение должно раскрывать, зачем тебе нужное поведение: оно дополняет требование и связывает его с задачей читателя или пользователя результата.

Различай порядок работы и внутренние рассуждения

Если важны порядок или полнота действий, Claude рекомендует последовательные шаги. У OpenAI другая по смыслу рекомендация: рассуждающую модель не требуется просить «думать пошагово» или объяснять ход рассуждений, поскольку она рассуждает внутренне. Можно задать порядок выполнения задания без такой просьбы.

1. Проверь рекомендации по конкретной модели перед применением общих техник.
2. Укажи формат результата и ограничения, которые модель должна учитывать.
3. Оформи действия последовательностью, если их порядок или полнота важны.

Где разместить общие правила и текущую задачу

Перед составлением инструкции проверь, какие сообщения доступны в твоём интерфейсе или интеграции. Документация Mistral разделяет системный промпт с общим контекстом и пользовательский промпт с указаниями для текущего взаимодействия. Это позволяет определить место для постоянных правил и конкретного запроса.

Что относится к системному сообщению

Системный промпт задаётся в начале разговора. Он определяет общий контекст и инструкции поведения; обычно им управляет разработчик. Если ты настраиваешь приложение, эта часть подходит для общего описания поведения модели, которое должно задавать рамки разговора.

В рекомендациях Claude роль в системном промпте используется для направления поведения и тона под конкретную задачу. Рассматривай роль как настройку того, как модель отвечает и действует в выбранном сценарии. Требования к самому результату при этом сформулируй явно.

Что передать вместе с текущим запросом

Пользовательский промпт передаётся во время разговора и содержит контекст или инструкции для текущего взаимодействия. Здесь можно описать, что требуется сделать сейчас, и передать относящиеся к этому запросу материалы. Такое назначение пользовательского сообщения описано в документации Mistral.

Разработчик тоже может использовать пользовательские промпты, чтобы добавлять контекст и инструкции по ходу разговора. Поэтому дополнительные сведения для текущего взаимодействия можно передать в пользовательском сообщении, даже когда системная часть уже задана в приложении.

Как действовать без доступа к системному промпту

Если системный промпт недоступен для изменения, Mistral допускает объединение общего контекста и инструкций с самим запросом в пользовательском промпте. Для этого сценария подготовь сообщение, в котором общие условия и текущая задача присутствуют вместе.

В документации Azure OpenAI сообщения с ролью developer названы функционально эквивалентными системным. Учитывай это, когда работаешь с соответствующим API и выбираешь место для общих инструкций. Это указание относится к описанному в источнике поведению сообщений.

• Размести общий контекст в системном промпте, если управляешь им.
• Передай указания для текущего взаимодействия в пользовательском сообщении.
• Объедини общие инструкции с запросом, если системный промпт изменить нельзя.

Настройки и ограничения по данным на 19 октября 2026 года

Как собрать ясную инструкцию по шагам

Для рассуждающей модели начни с прямой формулировки задачи. OpenAI рекомендует простые, ясные инструкции; отдельные части входных данных предлагает обозначать разделителями. В результате запрос может содержать необходимые материалы и требования, при этом сама инструкция остаётся понятной.

Сначала опиши задание и формат

При первой редакции промпта сосредоточься на том, что модель должна выполнить и в каком виде вернуть ответ. Краткость инструкции сочетается с конкретными ограничениями: рекомендации OpenAI говорят о ясности, а рекомендации Claude предлагают явно задавать формат и требования к результату.

1. Прочитай руководство по выбранной модели.
2. Сформулируй задачу коротко и прямо.
3. Укажи желаемый формат ответа.
4. Перечисли ограничения результата.
5. Объясни причину требований, для которых важен контекст.
6. Расположи действия последовательно, если порядок влияет на выполнение.

Затем обозначь границы частей

OpenAI рекомендует разделять части входных данных с помощью markdown, XML-тегов и заголовков разделов. Здесь разделители помогают модели различать части сообщения и подходящим образом интерпретировать их. Выбери структуру, в которой запрос, материалы и примеры можно различить по оформлению.

Если используешь теги, Claude рекомендует последовательные и понятные названия. Придерживайся одного обозначения для одинаковых по назначению частей промпта. Название тега должно описывать содержимое, чтобы структура поддерживала смысл инструкции и помогала ориентироваться в переданном тексте.

Проверь оформление самого запроса

Стиль оформления промпта может влиять на стиль ответа Claude. Поэтому при проверке результата обрати внимание на оформление исходной инструкции: оно тоже может направлять модель. Если формат ответа важен, опиши его явно, а затем сопоставь с тем, как оформлен сам запрос.

Для разрешения markdown в ответе руководство OpenAI рекомендует строку Formatting re-enabled первой строкой developer-сообщения. Это конкретное указание для соответствующего сценария работы с сообщениями API. Сохрани написание строки и её положение, если применяешь эту рекомендацию.

Когда нужны примеры и как их подготовить

Подход к примерам различается по рекомендациям. OpenAI предлагает сначала попробовать рассуждающую модель без них. В руководстве Claude примеры названы одним из наиболее надёжных способов направлять формат, тон и структуру ответа. Выбирай порядок работы с учётом модели и требований к результату.

С чего начать без образцов

Для рассуждающих моделей OpenAI рекомендует сначала написать промпт без примеров: они часто дают хороший результат и в таком варианте. На этом этапе сформулируй сам запрос достаточно ясно, чтобы можно было оценить выполнение задания без дополнительного образца входа и выхода.

Если требования к ответу сложные, могут помочь примеры входных данных и желаемых результатов. Добавляй их для конкретизации этих требований: читая пример, модель должна видеть, какой результат соответствует переданному входу и как он связан с текстовой инструкцией.

Как избежать противоречий в примерах

OpenAI отдельно предупреждает: примеры должны очень точно соответствовать инструкции. Расхождения могут ухудшать результат. Перед использованием образца сопоставь его с требованиями промпта, особенно в тех местах, где пример показывает конкретное оформление или способ выполнения задания.

Claude рекомендует разнообразные примеры, включая пограничные случаи. Их нужно варьировать достаточно, чтобы модель не перенимала нежелательные закономерности. При подборе набора проверь, представлены ли ситуации на границе требований и не сводятся ли образцы к повторению одной формы.

Как отделить образцы от инструкции

В рекомендациях Claude отдельный пример заключается в <example>, а набор примеров в <examples>. Такая структура помогает отличать образцы от инструкций. Используй эти теги для соответствующих частей сообщения, сохраняя понятные и последовательные обозначения в остальном промпте.

1. Попробуй рассуждающую модель с промптом без примеров.
2. Добавь примеры входа и желаемого выхода при сложных требованиях к результату.
3. Проверь соответствие примеров текстовой инструкции.
4. Включи разнообразные пограничные случаи в набор для Claude.
5. Отдели примеры Claude тегами <example> и <examples>.

Как передать длинные документы и сохранить контекст

Для длинных материалов в руководстве Claude есть отдельные рекомендации по расположению и структуре. Документы и входные данные предлагается размещать ближе к началу промпта, перед запросом, инструкциями и примерами. Подготовку большого запроса начни с организации этих материалов.

Как оформить несколько документов

Если документов несколько, каждый рекомендуется оборачивать в <document>. Внутри используются <document_content> для содержимого и <source> для источника; могут присутствовать и другие метаданные. Такая структура позволяет обозначить содержимое и происхождение материала внутри каждого блока.

Для задач с длинными документами Claude рекомендует сначала попросить процитировать релевантные фрагменты, а затем выполнить задание. В инструкции задай эту последовательность явно: сначала работа с подходящими частями материала, затем основной результат, ради которого документы были переданы.

1. Размести длинные документы перед запросом, инструкциями и примерами.
2. Обозначь каждый документ блоком <document> с вложенными <document_content> и <source>.
3. Попроси сначала процитировать фрагменты, относящиеся к задаче.

Какая модель подходит для большого массива данных

По рекомендациям OpenAI, рассуждающие модели подходят для извлечения наиболее релевантной информации из больших объёмов неструктурированных данных. Этот вариант уместно рассматривать, когда основная работа заключается в поиске нужного внутри большого материала и подготовке ответа по найденному.

OpenAI также отмечает эффективность рассуждающих моделей при проверке и улучшении больших объёмов кода. Это отдельный сценарий выбора модели: в нём важна работа с кодовой базой, а не просто выполнение короткого, заранее определённого преобразования текста.

Что сохранить при сокращении истории

В документации Azure OpenAI есть правило для сокращения или перестановки контекста: сохраняй без изменений всё между последним сообщением пользователя и результатом вызова функции. Если приложение подготавливает историю перед отправкой, проверь, соблюдает ли его обработка именно эту границу.

Для o3 и o4-mini OpenAI описывает включение некоторых элементов рассуждений рядом с вызовами функций в контекст. Однако при использовании Chat Completions API элементы рассуждений никогда не включаются в контекст модели. Учитывай API, через который построено взаимодействие.

Как настройки DeepSeek меняют результат запроса

По данным документации DeepSeek на 19 октября 2026 года, режим размышления включён по умолчанию, а уровень усилий по умолчанию установлен в high. Если ты настраиваешь запрос через API, учитывай исходный режим при проверке поведения параметров.

Почему параметр принимается, но ничего не меняет

При использовании Chat Completion через OpenAI SDK параметр thinking нужно передавать внутри extra_body. Проверь это место в настройке запроса, если управляешь режимом размышления программно. Рекомендация относится именно к указанному сочетанию интерфейса и SDK.

В режиме размышления DeepSeek не поддерживает temperature, presence_penalty и frequency_penalty. Установка неподдерживаемых параметров не вызывает ошибку, но и не оказывает эффекта. Поэтому отсутствие ошибки при отправке запроса не означает, что переданная настройка изменила поведение режима.

Почему top_p зависит от модели

У deepseek-flash параметр top_p действует в режиме размышления, в диапазоне 0.95 – 1.0; значения ниже 0.95 считаются равными 0.95. Эти условия приведены на 19 октября 2026 года. Сопоставляй переданное значение с действующим диапазоном именно этой модели.

У deepseek-v4-pro в режиме размышления переданный top_p игнорируется: при наличии tools значение фиксируется на 0.95, иначе на 1.0. Вне режима размышления параметр действует. Это условия на 19 октября 2026 года, и их нельзя переносить на deepseek-flash без учёта различий.

Что возвращать при работе с инструментами

Режим размышления DeepSeek поддерживает вызовы инструментов. Содержание рассуждений возвращается в reasoning_content на одном уровне с content. Дальнейшая передача этого поля зависит от наличия tools в запросе, поэтому обработку ответа нужно сверять с используемым сценарием.

Если запрос содержит tools, reasoning_content предыдущих ходов нужно полностью возвращать в последующих запросах. Требование распространяется и на ходы, в которых модель не вызывала инструмент. При некорректной передаче API возвращает ошибку 400; без tools переданное reasoning_content игнорируется.

1. Проверь наличие tools в запросе.
2. Верни полностью reasoning_content предыдущих ходов при наличии tools.
3. Проверь передачу reasoning_content при ошибке 400.

Как контролировать расход токенов в Azure OpenAI

В Azure OpenAI токены рассуждений занимают место в контекстном окне и оплачиваются как выходные токены, хотя не отображаются в содержимом сообщения. Поэтому видимый ответ не показывает весь объём генерации, который нужно учитывать при настройке запросов.

Что понадобится для REST-примеров

Для работы по описанному сценарию нужна развёрнутая рассуждающая модель Azure OpenAI. Это предварительное условие относится к среде выполнения запроса. Для использования REST-примеров документация также требует установить Azure CLI и выполнить подготовку авторизации.

1. Проверь наличие развёрнутой рассуждающей модели Azure OpenAI.
2. Установи Azure CLI для работы с REST-примерами.
3. Выполни вход через az login.
4. Получи bearer-токен.
5. Сохрани его в переменной окружения AZURE_OPENAI_AUTH_TOKEN.

Где смотреть фактический расход

В Chat Completions API расход рассуждений указан в completion_tokens_details.reasoning_tokens. В Responses API для этого используется output_tokens_details.reasoning_tokens. Проверяй поле, соответствующее твоему API, когда оцениваешь, сколько токенов ушло на рассуждения в конкретном запросе.

Токены рассуждений делят контекстное окно с входными данными и видимым ответом. На этапе изучения нагрузки Microsoft рекомендует резервировать не менее 25,000 токенов для рассуждений и ответа. Это рекомендация на 19 октября 2026 года для знакомства с нагрузкой, которую предстоит обслуживать.

Каким параметром ограничить генерацию

Для ограничения общего объёма генерации в Responses API используется max_output_tokens, а в Chat Completions API используется max_completion_tokens. Оба ограничения включают токены рассуждений, видимого ответа и форматирования. Настраивай их как общий предел этих составляющих.

Повышение уровня усилий увеличивает время работы над запросом и, как правило, количество токенов рассуждений. При этом o1-mini не поддерживает reasoning_effort. Перед изменением этой настройки проверь поддержку выбранной моделью и учитывай её влияние на время и объём рассуждений.

Модели gpt-5.4 и gpt-5.5 поддерживают чередование рассуждений с другим выводом через Responses API. Это особенность указанного сочетания моделей и API на 19 октября 2026 года; учитывай её при выборе интерфейса для соответствующего сценария работы.

Что проверять, если ответ оборвался или не появился

В Azure OpenAI при достижении предела контекстного окна или заданного лимита токенов ответ возвращается незавершённым. Поэтому при таком результате проверь статус и ограничения запроса, прежде чем менять формулировку инструкции. Причина может относиться к доступному объёму генерации.

Почему расход есть, а текста нет

Лимит может быть достигнут до появления видимого ответа. В этом случае входные токены и рассуждения оплачиваются, но готового ответа нет. Это описанное в документации Azure OpenAI условие на 19 октября 2026 года, которое нужно учитывать при обработке результатов запроса.

Microsoft рекомендует проверять status каждого ответа. Такая проверка нужна, чтобы приложение обрабатывало незавершённую генерацию как соответствующий случай, а не принимало её за пустой результат. Сопоставь статус с лимитом генерации и фактическим расходом рассуждений.

1. Проверь status ответа.
2. Проверь установленный лимит генерации для используемого API.
3. Посмотри расход токенов рассуждений в соответствующем поле ответа.
4. Учти входные данные и видимый ответ при оценке заполнения контекста.

Как продолжить прерванный ответ Claude

Для продолжения прерванного ответа Claude рекомендуется перенести просьбу о продолжении в пользовательское сообщение и включить конец прерванного текста. Используй эту конструкцию, когда нужно продолжить уже начатый ответ, сохранив для модели его завершающий фрагмент.

Начиная с моделей Claude 4.6 и Claude Mythos Preview, предварительно заполненное последнее сообщение ассистента не поддерживается. Условие актуально на 19 октября 2026 года. Если прежняя интеграция передавала начало ответа как последнее сообщение ассистента, проверь этот способ при обновлении модели.

Что делать с форматом и длиной

Structured Outputs предназначена для ограничения ответа Claude заданной схемой. Если задача требует соответствия схеме, обрати внимание на эту возможность при выборе способа формирования ответа. В тексте промпта также явно укажи желаемый формат и ограничения результата.

У Claude Opus 5 ответы пользователю по умолчанию длиннее, чем у предыдущих моделей, а изменение effort ненадёжно влияет на видимую длину. Поэтому требование к объёму сформулируй в инструкции явно: не используй effort как надёжный регулятор длины пользовательского текста.

Как выбрать подход и не спутать особенности моделей

Выбирая модель, сопоставь её описанные свойства с задачей. По данным OpenAI, GPT-модели быстрее, обычно обходятся дешевле и хорошо выполняют явно определённые задания. Рассуждающие модели рассматриваются для работы с большими массивами неструктурированной информации и проверки кода.

Когда рассмотреть GPT-модель

Если задание явно определено, а при выборе важны скорость и стоимость, рекомендации OpenAI дают основания рассмотреть GPT-модель. Формулировка про стоимость сравнительная: GPT-модели обычно обходятся дешевле. Конкретные условия оплаты проверь на официальной странице цен выбранного сервиса.

Когда учитывать уточняющие вопросы

Рассуждающие модели часто задают уточняющие вопросы вместо необоснованных догадок или попыток заполнить пробелы. Если модель уточняет условия задания, такое поведение соответствует описанию OpenAI. Используй вопрос, чтобы дополнить контекст текущего взаимодействия необходимыми сведениями.

Какие различия учитывать у Claude

Claude Fable 5.1 во время агентной работы пишет меньше сообщений пользователю между вызовами инструментов. Это отдельная особенность коммуникации модели на 19 октября 2026 года. Учитывай её, если оцениваешь поведение по частоте промежуточных обновлений в процессе выполнения задачи.

Последние модели Claude по умолчанию используют LaTeX для математических выражений, уравнений и технических объяснений. Если для твоего результата нужен другой формат представления, укажи его явно в требованиях к ответу. Здесь настройка касается оформления содержимого.

• Рассмотри GPT-модель для явно определённой задачи с приоритетом скорости.
• Рассмотри рассуждающую модель для извлечения нужной информации из неструктурированных материалов.
• Учти способность рассуждающей модели задавать уточняющие вопросы.
• Укажи требуемое оформление математических выражений при работе с Claude.

Что перепроверить перед использованием готовой инструкции

Перед применением промпта сопоставь его с руководством выбранной модели. Начать с такого руководства рекомендует Claude; приведённые здесь настройки и ограничения рассматриваются на 19 октября 2026 года. Для повторного использования инструкции важны модель, интерфейс и действующие условия.

Проверь требования к результату

Вернись к формату, ограничениям и примерам. Формат должен быть явно задан, а примеры должны соответствовать инструкции. Если результат требует сложного оформления, проверь, действительно ли образцы показывают желаемый вход и выход и не задают противоречащих требований.

Проверь настройки интеграции

Для API проверь параметры и историю сообщений по документации выбранного сервиса. В DeepSeek особого внимания требует возврат reasoning_content при наличии tools, а в Azure OpenAI необходимо учитывать общий лимит генерации и статус полученного ответа. Эти проверки относятся к разным механизмам.

• Сверь рекомендации по конкретной модели.
• Проверь поддержку используемых параметров размышления.
• Проверь сохранение контекста между запросами с инструментами.
• Проверь ограничения генерации и обработку незавершённого ответа.

Частые вопросы

Источники и проверка

• Prompting best practices, platform.claude.com (первоисточник). Прочитано 19 октября 2026.
• Reasoning best practices | OpenAI API, developers.openai.com (первоисточник). Прочитано 19 октября 2026.
• Thinking Mode | DeepSeek API Docs, api-docs.deepseek.com (первоисточник). Прочитано 19 октября 2026.
• Prompting | Mistral Docs, docs.mistral.ai (первоисточник). Прочитано 19 октября 2026.
• Azure OpenAI reasoning models - GPT-6 Astra and GPT-5 - Microsoft Foundry, learn.microsoft.com. Прочитано 19 октября 2026.

Подготовлено с помощью ИИ по первоисточникам и проверено автоматически: факты, числа и цитаты сверены с источниками. Человек статью перед выходом не читал. Если нашёл ошибку, напиши через контакты.