Комбинирование техник
Соединяй техники для максимального эффекта
Проблема: Вы изучили множество техник промптинга, но одной техники часто недостаточно для сложных реальных задач. Как их эффективно комбинировать?
Решение: Комбинируй техники как рецепт
Каждая техника — это ингредиент: System Prompt задаёт контекст, Chain-of-Thought улучшает рассуждения, Constraints контролируют формат, а Verification проверяет точность. Искусство в том, чтобы знать, какие комбинировать, в каком порядке и когда хватит одной техники.
Представьте это как кулинарию: каждый ингредиент на своём месте, порядок важен:
- 1. Совместимость: Не все техники сочетаются — выбирай дополняющие друг друга
- 2. Порядок: Сначала контекст, потом рассуждения, затем формат, потом проверка
- 3. Простота: Если одна техника решает задачу — не добавляй больше
- 4. Тестирование: Всегда сравнивай: одна техника vs комбинация
Когда комбинировать?
- Сложный анализ: Роль + Step-Back + Structured Output
- Создание контента: Роль + Few-Shot + Constraints + Emotion
- Генерация кода: System Prompt + CoT + Constraints + Negative Instructions
- Исследования: Generate Knowledge + CoT + Self-Consistency
Интересный факт: Исследования показывают, что комбинация 2-3 дополняющих техник повышает качество вывода LLM на 20-40% по сравнению с одной техникой, а добавление больше 4 техник обычно даёт убывающую отдачу.
Попробуйте сами!
Изучи 5 реальных сценариев в интерактивном инструменте ниже — увидь, как техники складываются в мощные промпты.
Выбери сценарий и запусти pipeline — увидь, как каждая техника обрабатывает данные и что добавляет на каждом шаге.
Проанализировать квартальный отчёт продаж SaaS-компании
Порядок важен: контекст (роль) → фундамент (принципы) → рассуждения (CoT) → формат (структура) → проверка (верификация). Как в кулинарии — сначала ингредиенты, потом рецепт.
Попробуй сам
Интерактивное демо этой техники
Проанализируй квартальный отчёт продаж SaaS-компании
Продажи выросли. Нужно продолжать в том же духе и расширять клиентскую базу.
{
"summary": "MRR вырос на 15%, но churn увеличился с 3% до 7% — это критическая аномалия",
"key_metrics": [
{"name": "MRR", "value": "$520K", "trend": "+15%", "status": "healthy"},
{"name": "Churn", "value": "7%", "trend": "+4pp", "status": "critical"},
{"name": "LTV/CAC", "value": "~3.5", "trend": "declining", "status": "warning"}
],
"anomalies": [
{"metric": "Churn", "issue": "Рост с 3% до 7%", "cause": "Вероятно ценовая миграция или проблемы с продуктом"}
],
"recommendations": [
"Срочно: провести exit-интервью с ушедшими клиентами",
"Внедрить retention-программу (скидки за годовую подписку)",
"Пересмотреть pricing tiers — возможно, план стал неконкурентным"
]
}
Комбинация 4 техник (Role + Step-Back + CoT + Structured Output) превратила пустой "продажи выросли" в actionable аналитику с конкретной аномалией и рекомендациями.
Создайте бесплатный аккаунт для решения челленджей
3 челленджей с AI-проверкой для этого урока
Этот урок — часть структурированного курса по LLM.
Мой путь обучения