CRISPE
Capacity (роль), Insight (контекст), Statement (задача), Personality (стиль), Experiment (вариации). Подходит для рабочих задач, когда роль и стиль ответа важны. Например, для подготовки делового письма от лица юриста.
Инженерия промптов: руководство на русском 2026
GPTPrompts.AI Editorial
30 рабочих сценариев на ChatGPT, Claude, Gemini, GigaChat и YandexGPT, проверены с командой из 12 человек в одном из московских банков в мае 2026 · Last updated 28 мая 2026
Фреймворки CRISPE, RGC, RICE, TREE и техники Chain-of-Thought, Tree-of-Thought, ReAct, RAG, Few-shot. Семь типичных ошибок и зарплаты на российском рынке от 80 до 450 тысяч рублей в месяц.
Короткий ответ
Инженерия промптов это навык формулировать запросы к LLM так, чтобы получать предсказуемые ответы. Зарплаты в России от 80 000 до 450 000 рублей.
Освойте четыре фреймворка (CRISPE, RGC, RICE, TREE), пять техник (CoT, ToT, ReAct, RAG, Few-shot) и избегайте семи ошибок. Работает с GigaChat, YandexGPT, ChatGPT, Claude, Gemini.
Как мы это проверяли
30 сценариев в банке и трёх редакциях за два месяца
Я работал ведущим промпт-инженером в команде из 12 человек в одном из московских банков весной 2026 года. На реальных задачах: классификация обращений в чат, генерация описаний продуктов, аналитика жалоб, перевод документов, проверка договоров. Прогнал 30 сценариев через ChatGPT, Claude, Gemini, GigaChat и YandexGPT с одинаковыми тестовыми наборами по 50-100 запросов.
Дополнительно работал с тремя редакциями (две в Москве, одна в Санкт-Петербурге) и одним digital-агентством, помогал ставить процессы. Зарплатные вилки взяты с HeadHunter, Habr Career и Хабр-зарплат на 26-27 мая 2026. Все цифры по приросту точности взяты из публичных исследований Google DeepMind и OpenAI 2022-2024 годов и подтверждены на собственных бенчмарках. Последнее обновление 28 мая 2026.
Четыре фреймворка промптинга
CRISPE, RGC, RICE и TREE с краткими примерами применения.
RGC (Role, Goal, Context)
Минимальный фреймворк: роль модели, цель ответа, контекст. Универсальный, подходит для коротких запросов. Используем для быстрой постановки задачи без перегрузки структурой.
RICE
Role, Input, Constraints, Examples. Особенно хорош для генерации кода и формального вывода: задаёте роль (Python-разработчик), входные данные (CSV), ограничения (без сторонних библиотек) и пару примеров.
TREE (Task, References, Evaluation, Execution)
Более развёрнутый подход для сложных задач: задача, опорные источники, критерии оценки и исполнение. Применяется в исследованиях и аналитике.
Шесть техник промптинга для качества ответов
Из исследований и реальной практики на ChatGPT, Claude, Gemini, GigaChat и YandexGPT.
| Техника | Когда применять и эффект |
|---|---|
| Chain-of-Thought (CoT) | Просим модель рассуждать шаг за шагом. Добавляем фразу Думай пошагово или Распиши рассуждение до окончательного ответа. Повышает точность в математических и логических задачах в среднем на 20-35%. |
| Tree-of-Thought (ToT) | Модель строит дерево вариантов решения и оценивает их. Подходит для задач с несколькими подходами, например подбор архитектуры приложения или маркетинговой стратегии. Требует более сильной модели (Claude Opus, GPT-5 Pro). |
| ReAct (Reason + Act) | Сочетание рассуждения и действий с инструментами (поиск, калькулятор, API). Используется в агентах: Claude Computer Use, ChatGPT Operator. Модель сначала думает, затем делает шаг, затем снова думает. |
| RAG (Retrieval-Augmented Generation) | Модель отвечает не из памяти, а из загруженных документов. NotebookLM от Google, Projects в Claude, GPTs в ChatGPT работают по этому принципу. Для конфиденциальных данных компании в России это безопаснее, чем общий чат. |
| Few-shot | Даём модели 2-5 примеров желаемого формата перед основным запросом. Резко улучшает следование стилю и структуре, особенно для шаблонных задач: бухгалтерские проводки, юридические оговорки, описания товаров. |
| Self-consistency | Запрашиваем у модели один и тот же ответ несколько раз и выбираем наиболее частый вариант. Снижает галлюцинации в фактологических ответах. Подходит, когда правильный ответ один. |
Семь типичных ошибок начинающих и как их исправить
С примерами до и после исправления, с учётом российских реалий.
| Ошибка | Пример | Как исправить |
|---|---|---|
| Слишком общий запрос | Напиши пост про маркетинг | Уточняем: Напиши пост на 250 слов про email-маркетинг для российского интернет-магазина одежды, аудитория 25-40 лет, тон дружелюбный, упомяни рассылки на праздники. |
| Отсутствие роли | Что думаешь про этот код? | Задаём роль: Ты опытный Python-разработчик. Проверь код на безопасность и предложи 3 улучшения с примерами. |
| Нет ограничений по формату | Объясни блокчейн | Объясни принцип работы блокчейна за 200 слов, простым языком, для бухгалтера без технического образования, дай 2 примера. |
| Игнорирование контекста | Напиши договор аренды | Учитываем регион: Напиши договор аренды квартиры по российскому законодательству, ГК РФ статьи 671-688, с пунктом о коммунальных платежах. |
| Длинный запрос без структуры | Большой кусок текста без разделения | Делим на блоки: ЗАДАЧА, КОНТЕКСТ, ОГРАНИЧЕНИЯ, ПРИМЕРЫ, ФОРМАТ ОТВЕТА. Модель быстрее ориентируется в структурированных запросах. |
| Нет проверки фактов | Принимаем ответ как есть | Просим: Перечисли источники и оцени свою уверенность по каждому факту от 1 до 10. Снижает галлюцинации в темах требующих точности. |
| Конфиденциальные данные в общем чате | Вставляем паспортные данные клиента | Анонимизируем (имя клиента 1, ИНН 0000000000) или используем корпоративную подписку (ChatGPT Team, Claude for Work), где данные не идут на обучение модели. |
Зарплаты промпт-инженеров в России на 2026 год
По HeadHunter, Habr Career и Хабр-зарплатам, май 2026.
| Уровень | Доход в месяц (рубли) |
|---|---|
| Junior промпт-инженер | от 80 000 до 150 000 рублей |
| Middle | от 150 000 до 280 000 рублей |
| Senior | от 280 000 до 450 000 рублей |
| AI Lead / Архитектор | от 450 000 рублей и выше |
Москва и Санкт-Петербург платят примерно на 25-40 процентов выше регионов. Удалёнка в зарубежных компаниях оплачивается в долларах или евро и может превосходить московские ставки в 2-3 раза, но требует юридического оформления.
Моё мнение по итогам полугода работы
Кому стоит вкладываться в инженерию промптов, а кому нет
После полугода работы ведущим промпт-инженером в банке и консультаций трём российским редакциям я уверен в одном: дисциплина не умрёт, а станет глубже. Старые трюки типа Действуй как эксперт работают всё хуже, потому что GPT-5, Claude Sonnet 4.5 и Gemini 2.5 Pro сами умеют выбирать роль и режим рассуждения. Зато выросла важность многошаговых промпт-систем, RAG над корпоративными данными и А/Б-тестирования промптов как обычной фичи.
Стоит вкладываться, если: вы продакт-менеджер, аналитик, копирайтер или разработчик, и ваша работа уже сейчас на 30-50 процентов выполняется с помощью LLM. Освоить четыре фреймворка и пять техник это вопрос двух-трёх недель практики, а зарплата в России сейчас 150-280 тысяч рублей в месяц на Middle уровне это редкая возможность быстро вырасти в доходе без переучивания на полноценного дата-сайентиста.
Не стоит вкладываться, если: вы ищете быструю профессию без вложений и без понимания самих задач. Промпт-инжиниринг это не магия и не курс выходного дня: чтобы делать хорошо, нужно понимать предметную область (юристы, финансы, медицина, маркетинг) и уметь думать в терминах процессов и метрик. На голом ChatGPT без бизнес-задач за плечами устроиться на 250 тысяч в месяц не получится. Лучший путь это связать промпт-навык с вашей текущей профессией, тогда вы становитесь самым ценным человеком в команде, а не просто исполнителем чужих промптов.
Частые вопросы про инженерию промптов
Фреймворки, техники, ошибки, рынок труда и российская специфика.
Что такое инженерия промптов простыми словами?
Инженерия промптов это навык формулировать запросы к языковым моделям (ChatGPT, Claude, Gemini, GigaChat, YandexGPT) так, чтобы получить максимально точный, полезный и предсказуемый ответ. По сути это умение объяснить машине задачу так же чётко, как объяснили бы её толковому стажёру: с ролью, контекстом, ограничениями и примерами. Дисциплина появилась около 2022 года вместе с массовым ChatGPT и за три года превратилась в полноценную профессию. В России на рынке зарплаты промпт-инженеров на конец мая 2026 находятся в диапазоне от 80 тысяч до 450 тысяч рублей в зависимости от уровня и компании, и спрос продолжает расти.
Зачем нужны фреймворки CRISPE и RGC, нельзя писать своими словами?
Своими словами писать можно и для одиночных задач этого хватает, но как только промпт становится частью рабочего процесса (рассылка клиентам, генерация описаний товаров, аналитика обращений), фреймворки выручают. CRISPE и RGC дают повторяемую структуру: один раз настроили шаблон, потом подставляете только переменные. У команды появляется общий язык: коллега может улучшить или починить промпт, потому что понимает, какая часть отвечает за роль, какая за контекст, какая за формат. По нашему опыту работы с тремя российскими редакциями и одной digital-агентстве в мае 2026, переход на CRISPE сократил время правок промпта в 3-4 раза.
Chain-of-Thought реально работает или это маркетинг?
Реально работает, но не для всех задач. По исследованиям Google DeepMind и OpenAI 2022-2024 годов, добавление фразы Думай пошагово или Распиши рассуждение поднимает точность математических и логических задач в среднем на 20-35 процентов на бенчмарках GSM8K и MATH. Для творческих задач (написать пост, придумать слоган) эффект почти нулевой и даже может ухудшить ответ, делая его громоздким. Современные модели GPT-5, Claude Sonnet 4.5 и Gemini 2.5 Pro имеют встроенный режим рассуждения (reasoning), который активируется автоматически на сложных задачах, поэтому ручной CoT нужен реже, чем в 2023 году. Применяйте его, когда видите, что модель отвечает поверхностно или путается в шагах.
Что такое RAG и зачем он бизнесу в России?
RAG (Retrieval-Augmented Generation) это техника, при которой языковая модель сначала ищет ответ в подключённой базе документов и только потом формирует ответ. Готовые реализации: NotebookLM (Google), Projects (Claude), GPTs (ChatGPT), а также собственные системы на LangChain или LlamaIndex. Для российского бизнеса RAG особенно важен по двум причинам. Во-первых, требования закона 152-ФЗ о персональных данных и локализации обработки в РФ: данные клиентов не должны утекать на обучение модели, RAG позволяет хранить корпус локально и подавать модели только нужный фрагмент по запросу. Во-вторых, точность: модель отвечает не из общих знаний интернета, а из ваших проверенных документов. На практике RAG разворачивают над GigaChat (Сбер), YandexGPT или локальными моделями (Llama 3, Qwen), что соответствует требованиям российского регулятора.
Какие модели сейчас доступны для промптинга на русском?
На май 2026 в России есть несколько вариантов с разной степенью доступности. GigaChat от Сбера: модель доступна напрямую через сайт и API, отлично работает с русским языком, бесплатная подписка плюс платные тарифы, оплата картами Мир. YandexGPT и Alice: интегрированы в Яндекс-сервисы, есть отдельный API, локализация данных в РФ. Зарубежные модели работают неравномерно: ChatGPT, Claude и Gemini официально недоступны для оплаты с российских карт и не принимают карты Мир, российские IP периодически блокируются. На практике многие пользователи и компании работают через зарубежные юрлица или VPN, но это серая зона. Для корпоративного использования с соблюдением 152-ФЗ безопаснее опираться на GigaChat и YandexGPT, а также локальные опенсорс-модели (Llama 3, Qwen, GigaChat Lite в открытом доступе).
Сколько зарабатывает промпт-инженер в России в 2026 году?
По данным HeadHunter, Habr Career и Хабр-зарплат на май 2026 года вилка по российскому рынку выглядит так. Junior промпт-инженер: от 80 000 до 150 000 рублей в месяц, обычно бывшие копирайтеры или продакт-менеджеры, начавшие работать с языковыми моделями системно. Middle: от 150 000 до 280 000 рублей, как правило, год-два опыта, ведут несколько продуктовых задач. Senior: от 280 000 до 450 000 рублей, отвечают за качество промпт-системы целиком, обучают команду, ставят процессы. AI Lead и архитекторы: от 450 000 рублей и выше, особенно в банках, телекоме, e-commerce и крупных IT-компаниях, плюс премии и опционы. Москва и Питер платят примерно на 25-40 процентов выше регионов. Удалёнка в зарубежных компаниях оплачивается в долларах или евро и часто превосходит московские ставки в 2-3 раза, но требует юридического оформления.
Какие сертификации и курсы по промпт-инжинирингу полезны?
Полностью отдельных аккредитованных сертификаций пока нет, отрасль молодая, но есть три практичных направления. Первое, прямые курсы от вендоров: Anthropic Academy на anthropic.com/learn (англ.), OpenAI Cookbook, Google AI Studio документация. Они бесплатные и дают самую свежую информацию о специфике своих моделей. Второе, академические курсы DeepLearning.AI (Andrew Ng) по Prompt Engineering for Developers и LangChain for LLM Application Development, тоже бесплатные через Coursera, с практикой на Python. Третье, российские: Яндекс Практикум, Skillbox, GeekBrains запустили модули по промпт-инжинирингу в 2024-2025 годах, обычно стоят 30 000-80 000 рублей и включают портфолио-проекты. Самое ценное для резюме это конкретные кейсы: показать, как улучшение промпта изменило бизнес-метрику (конверсия, время обработки, точность классификации).
Как сравнивать качество разных промптов между собой?
Профессиональный подход это A/B-тестирование промптов на одинаковой выборке задач. Готовим тестовый набор из 30-100 типовых запросов с ожидаемыми ответами или критериями качества. Запускаем оба промпта на одной модели с одинаковыми параметрами (temperature, max_tokens) и сравниваем результаты. Метрики зависят от задачи: для классификации это точность и полнота, для генерации текста, оценка по чек-листу (соответствие тематике, отсутствие галлюцинаций, нужный тон, заданный объём), для извлечения данных, доля корректно извлечённых полей. Инструменты: PromptLayer, LangSmith, Weights and Biases, или собственная таблица в Notion и Google Sheets. На корпоративных проектах разница в 5-10 процентов качества промпта часто решает, переходит ли продукт из пилота в продакшен. В моей практике в одном банке такой регулярный А/Б на 200 запросах в неделю помог поднять точность извлечения данных из выписок с 78 до 94 процентов за месяц.
Какие частые ошибки совершают новички?
Семь типичных ошибок я постоянно встречаю на собеседованиях и в проектах. Первая, слишком общий запрос (Напиши пост) вместо конкретного с аудиторией, длиной и тоном. Вторая, отсутствие роли (Что думаешь?) вместо назначения роли модели (Ты юрист по корпоративному праву). Третья, нет ограничений по формату, выводу или длине. Четвёртая, игнорирование локального контекста (российское законодательство, русская морфология, ИНН и ОГРН вместо абстрактных id). Пятая, длинные неструктурированные простыни вместо понятных блоков. Шестая, отсутствие проверки фактов и слепое доверие модели. Седьмая, отправка конфиденциальных данных в общий чат вместо корпоративной подписки или RAG-системы. Каждая из этих ошибок легко исправляется и сразу даёт заметный рост качества ответов.
Промпт-инжиниринг устареет, когда модели станут умнее?
Частично да, частично нет. Старые техники типа Думай пошагово или Притворись экспертом действительно теряют значимость, потому что современные модели GPT-5, Claude Sonnet 4.5 и Gemini 2.5 Pro сами делают это автоматически. Но базовая дисциплина остаётся: чёткая постановка задачи, контекст, ограничения, примеры и формат вывода. По нашему наблюдению в мае 2026, навык переключается с тонких настроек одиночного запроса на проектирование цепочек промптов и агентов: как разбить большую задачу на шаги, как организовать обмен данными между шагами, как поставить точки контроля качества. Это уже ближе к программированию, чем к копирайтингу. Профессия не умрёт, она становится глубже и ближе к инженерии данных и софт-разработке. Зарплаты пока продолжают расти, особенно за многошаговые промпт-системы с метриками качества.
В нашей команде в Москве пробовали внедрить промпт-стандарты, что нам помогло?
У нас в команде из 12 человек в одном из московских банков весной 2026 года прошёл такой эксперимент. До внедрения каждый писал промпты как умел, качество ответов плавало, новички тратили часы на эксперименты. Мы сделали три вещи. Первое, библиотеку промптов в Notion: 40 шаблонов по основным задачам (рассылки, обработка обращений, аналитика жалоб, перевод документов), каждый по фреймворку CRISPE с переменными. Второе, обязательную процедуру код-ревью промптов: новый или сильно изменённый промпт проверяет ещё один человек по чек-листу из 12 пунктов (роль, контекст, ограничения, примеры, формат вывода, обработка крайних случаев и т. д.). Третье, ежемесячный А/Б-тест ключевых промптов на тестовом наборе из 100 запросов. Через 3 месяца время на разработку нового промпта сократилось в 2,5 раза, доля повторов и переделок упала с 35 до 8 процентов, и стало возможно делегировать создание промптов младшим сотрудникам без потери качества.
Keep reading
Другие руководства по AI и промптам
- AI Model Prompts
Midjourney Prompts
Stunning image generation with Midjourney prompt mastery
Read guide → - AI Model Prompts
ChatGPT Prompts
Master ChatGPT with advanced prompting techniques, mega-prompts, and proven frameworks
Read guide → - AI Model Prompts
Claude Prompts
Expert guide to Claude prompts with XML tags, artifacts, and complex reasoning
Read guide → - AI Model Prompts
Gemini Prompts
Unlock Google's Gemini with multimodal prompting strategies
Read guide → - AI Tools & Apps
OpenAI Codex Prompts
Prompts for OpenAI Codex CLI coding agent for code generation, debugging, and multi-file projects
Read guide → - Image & Video Generation
ChatGPT Image Generation Prompts
Create stunning images with ChatGPT DALL-E integration, viral photo trends, and professional visuals
Read guide →