Откройте свой чат с Claude. Что вы там видите? «Напиши email», «Объясни это», «Как сделать то». Короткие вопросы, короткие ответы, ноль контекста. Это всё равно что нанять топового консультанта и спросить его: «Так как там дела в индустрии?» — а потом удивляться, почему ответ не помог.

8 декабря 2025 года NASA доверило языковой модели управление ровером на Марсе. Модель анализировала фотографии поверхности, выбирала маршрут, писала команды для двигателей — без инженера JPL за клавиатурой. Это не магия. Это система, в которой модель получила полный контекст задачи. Без контекста даже самая мощная модель работает вслепую.

Что такое Mega Prompt и почему это не просто «длинный промт»

Обычный промт выглядит так: «напиши email клиенту». Результат — общая фраза на три предложения, которую придётся переписывать. Выглядит как потерянное время, потому что так и есть.

Mega prompt — это структурированная инструкция, которая даёт модели всё, что нужно для работы уровня эксперта. Не подсказка, а полноценное техническое задание. Включая роль, формат, критерии, ограничения и действия при неполных данных.

Разница не в длине. Можно написать простыню текста и всё равно получить размытый ответ. Mega prompt — это карта: чёткая структура, которая направляет модель через процесс принятия решений. Каждый элемент выполняет конкретную функцию.

Анатомия Mega Prompt: пять компонентов, которые меняют результат

Роль: кто отвечает на вопрос

Первый элемент — указание на роль модели. Не «ты — ИИ-помощник», а конкретная экспертиза. «Ты — финансовый аналитик с десятилетним опытом в M&A сделках». «Ты — юрист по международному контрактному праву». «Ты — маркетолог, специализирующийся на SaaS- produkte для B2B-сегмента».

Когда вы даёте модели роль, она переключается на соответствующую базу знаний, использует профессиональную терминологию и учитывает контекст, который обычно опускает. Финансовый аналитик автоматически включит DCF-модель, юрист — оговорки о форс-мажоре, маркетолог — специфику воронки.

Формат: как должен выглядеть результат

Без указания формата модель выдаёт ответ в том виде, который кажется ей логичным. И часто это не тот вид, который вы можете использовать. «Таблица из пяти колонок» или «не более четырёх предложений, первое — не длиннее двух строк» — такие инструкции сразу дают результат, готовый к применению.

Пример. Задача: проанализировать конкурентов. Обычный ответ — текст на полстраницы. Mega prompt: «Таблица: название конкурента, ключевая сильная сторона, основной недостаток, пример ценообразования, наша рекомендация (так/нет/частично). Колонка «наша рекомендация» — только «так» или «нет», без пояснений». Результат — таблица, которую можно вставить в презентацию за три секунды.

Критерии: что считать хорошим результатом

Модель не знает ваших стандартов. Критерии оценки закрывают этот пробел. «Включая только компании с выручкой более 50 миллионов рублей». «Только те каналы, где активная аудитория — менеджеры среднего звена». «Минимум три конкретных примера из практики 2024–2025 годов».

Когда критерии заданы, модель фильтрует информацию ещё до генерации ответа. Без критериев она выдаёт всё, что нашла, и предоставляет вам работу по отсеиванию.

Ограничения: что категорически нельзя

Этот элемент часто упускают, хотя он критически важен. Ограничения убирают нежелательные элементы из ответа. «Без сложных терминов без объяснения». «Не использовать фразу «как известно»». «Без общих фраз типа «в современном мире» или «важно отметить»».

Для профессиональных контекстов ограничения могут быть жёсткими: «Только количественные данные, без качественных оценок». «Только открытые источники, без упоминания инсайдерской информации». Модель не умеет угадывать ваши табу — их нужно обозначать явно.

Действия при неполных данных

Реалистичный сценарий: вы дали задачу, модель начала работать, но ей не хватает информации. Обычное поведение — домыслить недостающее и выдать ответ как ни в чём не бывало. Результат — ответ с выдуманными деталями, которые вы потом не можете проверить.

Инструкция «при отсутствии данных запросить уточнение или использовать N/A» меняет поведение модели на противоположное. Вместо иллюзии помощи вы получаете чёткое понимание того, чего не знаете. Это ценнее, чем правдоподобная, но неверная информация.

Практический пример: от односложного запроса к готовому письму

Обычный промт:

«Напиши email клиенту»

Результат: «Уважаемый клиент, надеюсь, это письмо застанет вас в хорошем настроении...» — общая фраза, которую придётся переписывать.

Mega prompt:

«Напиши email клиенту, не оплатившему счёт №1234 от 15 ноября. Тон — профессиональный, но с чётким намёком на последствия. Упомяни конкретную сумму (87,400 рублей) и новый дедлайн (10 декабря). Добавь одно предложение с готовностью обсудить рассрочку. Максимум четыре предложения, первый абзац — не более двух строк. Подпись: Иван Петров, отдел по работе с клиентами».

Результат — письмо, которое можно отправлять без единой правки. Конкретная сумма, конкретная дата, конкретный тон, конкретная подпись. Модель не домысливает, а исполняет.

Почему это работает: что происходит внутри модели

Языковая модель — это статистический предсказатель следующего токена. При нулевом контексте она генерирует наиболее вероятный ответ, усреднённый по всем текстам из обучающей выборки. Это как спросить «как дела» у человека, который ничего о вас не знает — ответ будет шаблонным.

Mega prompt меняет распределение вероятностей. Когда вы даёте модели роль, формат и критерии, вы сужаете пространство допустимых ответов. Модель больше не генерирует «что бы ни было правдоподобно», а генерирует «что соответствует заданным параметрам». Это не изменение архитектуры — это изменение входных данных.

Фактически вы программируете модель без кода. Роль задаёт домен expertise, формат — структуру вывода, критерии — фильтр качества, ограничения — границы допустимого, действия при неполных данных — честность относительно неопределённости.

Механика та же, что в Retrieval-Augmented Generation: контекст определяет, какая часть памяти модели активируется. Роль эксперта поднимает наверх релевантные паттерны из обучающих данных. Критерии усиливают одни сигналы и заглушают другие. Ограничения убирают из рассмотрения целые классы нежелательных ответов. Результат — не «средний ответ по всем темам», а «лучший ответ для этой конкретной задачи».

Mega Prompt для разных задач: три готовых шаблона

Аналитический отчёт

Роль: «Ты — финансовый аналитик, специализирующийся на технологических компаниях российского рынка. Опыт работы — 10 лет в Big Four и венчурном фонде». Формат: «Структура: executive summary (три предложения), ключевые метрики (таблица), анализ рисков (список из трёх пунктов), рекомендация (одно предложение с обоснованием)». Критерии: «Только публичные данные за 2024–2025, метрики подкреплены ссылками на источники, риски ранжированы по вероятности возникновения». Ограничения: «Без спекуляций о будущих IPO, без сравнения с компаниями вне технологического сектора». При неполных данных: «Указать конкретно, какая информация отсутствует и как это влияет на выводы».

Деловое письмо

Роль: «Ты — руководитель отдела продаж с опытом работы в B2B-сегменте». Формат: «Письмо до 150 слов. Первый абзац — не более двух строк, одно конкретное предложение. Второй абзац — ценностное предложение с одной конкретной цифрой. Третий абзац — следующий шаг с дедлайном». Критерии: «Тон — профессиональный, но не формальный. Избегать «уважаемый» без имени. Одно чёткое CTA». Ограничения: «Без «как известно», «в современном мире», «важно отметить». Без многоточий в середине предложения». При неполных данных: «Использовать N/A с пометкой «требует уточнения»».

Контент-план

Роль: «Ты — контент-стратег для B2B-tech стартапа. Опыт работы с технологическими компаниями на стадии роста». Формат: «Таблица: название темы, формат (статья/видео/кейс), ключевой месседж, целевая аудитория, канал продвижения, ожидаемый результат». Критерии: «Темы покрывают весь цикл воронки: от awareness до принятия решения. Минимум два материала в month для каждого этапа. Темы привязаны к реальным кейсам 2024–2025». Ограничения: «Без тем, требующих технической экспертизы аудитории выше среднего. Без отсылок к уже выпущенным материалам». При неполных данных: «Запросить уточнение: какой продукт, кто целевая аудитория, какие каналы уже используются».

Когда Mega Prompt не нужен

Mega prompt — это overhead. Написание структурированной инструкции занимает время, и для простых задач этот overhead не оправдан. «Сколько будет 2+2» не требует роли финансового аналитика. «Как перезагрузить роутер» не требует критериев оценки.

Порог принятия решения: если задача занимает меньше двух минут при ручном выполнении — короткий промт достаточен. Если задача требует экспертизы, занимает больше десяти минут, или результат должен быть в определённом формате — нужен Mega prompt.

Типичные случаи для Mega prompt: аналитические отчёты, деловая переписка, техническая документация, контент-планы, маркетинговые стратегии, юридические заключения, финансовые модели. Типичные случаи для короткого промта: фактические вопросы, простые переводы, быстрые справки.

Часто задаваемые вопросы

Можно ли использовать один Mega prompt повторно?

Да, и это одно из главных преимуществ. Если задача повторяется — финансовая сводка по пятницам, email-рассылка по шаблону, отчёт по одному формату — сохраните Mega prompt как Skill в десктопном приложении Claude. Одна инструкция, десятки использований. Это превращает языковую модель из разового советчика в автоматизированный рабочий процесс.

Что если модель всё равно выдаёт не то?

Первый рефайн — добавить больше контекста. Модель не понимает вашу ситуацию из одного предложения. Второй рефайн — усилить критерии. «Включая минимум три примера» работает лучше, чем «с примерами». Третий рефайн — усилить ограничения. Если модель добавляет общие фразы, прямо скажите: «Без общих фраз, только конкретика».

Почему браузерная версия хуже для Mega prompts?

Для разового использования разницы нет. Но если вы работаете с Mega prompts регулярно, десктопное приложение даёт преимущество: Skills. Вы сохраняете структуру один раз и вызываете одной командой. Не нужно копировать текст промта из заметок — написали инструкцию, сохранили как Skill, используете многократно. Это особенно критично для рабочих процессов, где один и тот же Mega prompt используется десятки раз в месяц.

Итог

90% пользователей используют Claude как калькулятор: задали вопрос, получили ответ. Это не ошибка — это неиспользованный потенциал. Mega prompt превращает языковую модель из советчика с улицы в эксперта под вашу задачу. Пять компонентов — роль, формат, критерии, ограничения, действия при неполных данных — и результат меняется с шаблонного ответа на готовый к использованию профессиональный документ.

Попробуйте: возьмите одну задачу из вашего рабочего потока, напишите Mega prompt один раз и посмотрите, сколько времени вы сэкономите на правках. Если задача повторяется — сохраните как Skill. Через месяц у вас будет библиотека узкоспециализированных экспертов под каждую регулярную задачу, и ни одного короткого промта в поле зрения.