Полагаю, каждый сталкивался с проблемой: создаешь промпт или скилл под регулярную работу, постоянно улучшаешь его, добавляешь инструкции, ограничения, примеры, как делать правильно. Поначалу все идет хорошо, затем качество начинает падать, а потом ты переходишь на новую модель – и все вообще перестает работать! Причем модель отличная во всех бенчмарках, с другими задачами справляется, а на самом отработанном процессе – выдает какую-то ерунду.
Поздравляю: у вас накопился промпт-долг, пока маленький, но скоро набегут проценты😁 Это как технический долг в программировании, но в чем-то даже хуже – прогресс в ИИ очень быстрый. Проблему признали в OpenAI и Anthropic: например, руководства по промптингу GPT-5 и GPT-5.6 отличаются почти полностью, а команда Claude Code недавно удалила 80% системного промпта для новых моделей Claude Fable 5 и Opus 5.
Ну а что делать простому пользователю ИИ, я разбираю в новом гигантском (35 тысяч знаков!) лонгриде:
80% инструкций – в мусор! Как теперь пишут промпты в OpenAI и Anthropic
Корневая причина промпт-долга проста: новые модели выходят каждые 2-3 месяца и инструкции, которые писались год назад, просто перестают работать – а временами становятся даже вредными. Причем это актуально не только для промптов: в скиллах и даже новомодном loop engineering (когда ИИ работает циклами и промптит сам себя) проблема даже коварнее.
Профессиональные IT-команды давно научились работать с “техническим долгом”: есть несколько известных техник, актуальных для разных команд и ситуаций. Теперь нам всем также предстоит учиться работать с пропмт-долгом. В тексте я разбираю основные причины возникновения промпт-долга, “скрытые” места, где он прячется и растет сам по себе, а также рассказываю, как писать промпты с нуля и как рефакторить уже существующую библиотеку промптов, скиллов, файлов с инструкциями и циклов – все это на основе советов OpenAI, Anthropic, нескольких независимых специалистов и своего скромного опыта. Если работать по инструкции, то понадобится совсем немного времени – и ваш ИИ заработает даже лучше!
👉Читать на “Бусти”
👉Читать на Sponsr
Поздравляю: у вас накопился промпт-долг, пока маленький, но скоро набегут проценты😁 Это как технический долг в программировании, но в чем-то даже хуже – прогресс в ИИ очень быстрый. Проблему признали в OpenAI и Anthropic: например, руководства по промптингу GPT-5 и GPT-5.6 отличаются почти полностью, а команда Claude Code недавно удалила 80% системного промпта для новых моделей Claude Fable 5 и Opus 5.
Ну а что делать простому пользователю ИИ, я разбираю в новом гигантском (35 тысяч знаков!) лонгриде:
80% инструкций – в мусор! Как теперь пишут промпты в OpenAI и Anthropic
Корневая причина промпт-долга проста: новые модели выходят каждые 2-3 месяца и инструкции, которые писались год назад, просто перестают работать – а временами становятся даже вредными. Причем это актуально не только для промптов: в скиллах и даже новомодном loop engineering (когда ИИ работает циклами и промптит сам себя) проблема даже коварнее.
Профессиональные IT-команды давно научились работать с “техническим долгом”: есть несколько известных техник, актуальных для разных команд и ситуаций. Теперь нам всем также предстоит учиться работать с пропмт-долгом. В тексте я разбираю основные причины возникновения промпт-долга, “скрытые” места, где он прячется и растет сам по себе, а также рассказываю, как писать промпты с нуля и как рефакторить уже существующую библиотеку промптов, скиллов, файлов с инструкциями и циклов – все это на основе советов OpenAI, Anthropic, нескольких независимых специалистов и своего скромного опыта. Если работать по инструкции, то понадобится совсем немного времени – и ваш ИИ заработает даже лучше!
👉Читать на “Бусти”
👉Читать на Sponsr