КРАТКАЯ ИНФОРМАЦИЯ


Сложность	Средняя
Время	45-60 минут
Требования	Базовое знакомство с любым ИИ-чатботом
Инструменты	Аккаунт Claude (бесплатный или Pro), аккаунт Google для Gemini/NotebookLM

Чему вы научитесь:

Структурировать промпты с помощью XML-тегов, которые Claude обрабатывает семантически
Использовать мультимодальные возможности Gemini 3 и vibe coding для фронтенда
Строить исследовательские воркфлоу в NotebookLM без галлюцинаций
Выбирать правильный инструмент под задачу

Это руководство покрывает техники промптинга для Claude, Gemini 3 и NotebookLM. Цель не в том, чтобы описать каждую функцию. Цель — дать работающие техники для задач, с которыми эти инструменты справляются лучше всего. Claude хорош для рассуждений и текста. Gemini 3 для мультимодального ввода и креативной фронтенд-работы. NotebookLM для синтеза исследований без галлюцинаций.

Если вы прыгаете между двенадцатью разными ИИ-подписками — остановитесь. Эти три покрывают большинство профессиональных сценариев.

Почему именно эти три

Большинство ИИ-инструментов пересекаются примерно на 80% возможностей. Оставшиеся 20% определяют, к какому инструменту тянуться.

Claude превосходно следует сложным инструкциям. Он обрабатывает XML-теги семантически (не просто как форматирование), сохраняет связность на длинных контекстах до 200K-1M токенов, и предлагает режим extended thinking для задач, требующих вдумчивых рассуждений. Среда Claude Code превращает его в автономного агента для программирования.

Gemini 3 — мультимодальная рабочая лошадка. Он нативно обрабатывает изображения, видео, аудио и документы. Контекстное окно в 1M токенов действительно работает для длинных документов. Для фронтенд-разработки Google ввёл то, что называет «Generative UI»: модель проектирует опыт, а не просто пишет код. Генератор изображений Nano Banana Pro хорошо реагирует на структурированные JSON-промпты.

NotebookLM работает совсем иначе. Он отвечает только на основе загруженных источников, что означает ноль галлюцинаций по определению. Каждое утверждение включает цитату, которую можно проверить. Audio Overviews превращают документы в подкаст-обсуждения, что оказывается полезным для изучения плотного материала.

Часть 1: Промптинг Claude

Claude 4.5 изменил работу с промптами конкретным образом, на котором многие спотыкаются.

Проблема буквальной интерпретации

Claude 4.5 воспринимает инструкции буквально. Предыдущие версии угадывали намерения и расширяли размытые запросы. Текущая модель делает ровно то, что вы просите, ни больше.

Если написать «Сделай мне дашборд», старый Claude мог предположить, что вам нужны графики, фильтры, таблицы данных и стили. Claude 4.5 может выдать рамку с заголовком. Вы же не просили остальное.

Это не баг. Документация Anthropic прямо об этом говорит: «Пользователям, которые хотят поведения "сверх ожидаемого", возможно, придётся явно запрашивать такое поведение».

Решение простое. Когда нужен исчерпывающий вывод, скажите об этом:

Проведи всесторонний обзор этого кода. Постарайся по максимуму:
- Проверь на уязвимости безопасности
- Выяви узкие места производительности
- Предложи архитектурные улучшения
- Отметь любые code smells или антипаттерны

XML-теги: почему они важны

Claude обучали на промптах с XML-структурой. Он парсит их как язык программирования, интерпретируя внешние теги как высокоуровневое намерение, а вложенные — как детали исполнения.

Дело не в том, чтобы промпты выглядели организованными для вас самих. Пользователи сообщают об измеримом улучшении качества ответов (некоторые называют цифры около 39%) при использовании XML-структуры по сравнению с неструктурированным естественным языком для сложных задач.

Базовая структура выглядит так:

<role>Ты опытный контент-стратег</role>

<context>
Я запускаю SaaS-продукт для фрилансеров.
Целевая аудитория: дизайнеры и разработчики 25-40 лет.
Тон: профессиональный, но разговорный.
</context>

<task>
Напиши 5 хуков для LinkedIn-постов о проблеме нестабильных платежей от клиентов.
</task>

<constraints>
- Каждый хук до 20 слов
- Без вопросов в качестве хуков
- Включи один хук на основе статистики
</constraints>

<output_format>
Пронумеруй каждый хук. Добавь краткое примечание, почему он работает.
</output_format>

Теги, которые стабильно работают: <role> — кем должен быть Claude, <context> — фон, <task> — собственно запрос, <constraints> — правила, <examples> — демонстрации, <output_format> — структура. Их можно комбинировать с другими техниками: мультишот-промптинг внутри тега <examples> или цепочка рассуждений с тегами <thinking> и <answer>.

Режим Extended Thinking

Extended thinking позволяет Claude продумать задачу перед генерацией вывода. Для сложных задач разница существенная. Cognition AI сообщили о росте производительности планирования на 18% при включённом extended thinking, назвав это самым большим улучшением, которое они видели со времён ранних версий Claude.

В Claude.ai включите «Extended Thinking» в настройках. Можно также активировать через промпт:

Тщательно продумай эту задачу перед ответом.
Рассмотри несколько подходов.
Покажи полный ход рассуждений.

Слова вроде «ultrathink» или «think harder» выделяют дополнительное вычислительное время для оценки альтернатив.

Важная деталь: когда extended thinking включён, уберите из промпта явные инструкции «думай пошагово». Они избыточны и могут ухудшить результат.

Декомпозиция от первых принципов

Мышление от первых принципов заставляет Claude разбивать задачи на фундаментальные компоненты перед генерацией решений. Это перебивает склонность модели к паттерн-матчингу по похожим промптам, которые она видела раньше.

<approach>Декомпозиция от первых принципов</approach>

<task>
Перед решением этой задачи:
1. Каковы абсолютно фундаментальные истины здесь? (Без допущений)
2. Что я допускаю по привычке, а не из факта?
3. Если бы мне нужно было объяснить задачу только элементарными понятиями, как бы я её описал?
4. Как бы выглядело решение, построенное с нуля без ограничений наследия?
</task>

<problem>
[Ваша задача здесь]
</problem>

Без промптинга от первых принципов запрос контент-стратегии даёт общие советы типа «Постите 3 раза в неделю, используйте хэштеги, отвечайте на комментарии». С ним вы скорее получите анализ того, что контент реально делает для SaaS-бизнеса, что создаёт доверие к софту, какие допущения в стандартных контент-советах могут быть неверны для вашей конкретной ситуации.

Промптинг через отрицание для кода

Исследование от @bluecow009 (опубликовано в начале 2025) показало, что промптинг через отрицание резко улучшает качество кода. Обнаружение багов выросло с 39% до 89%. Распознавание серьёзности — с 0% до 100%.

Ключевое наблюдение: ингибирование формирует поведение LLM надёжнее, чем инструктирование.

Минимальная версия:

Не пиши код до того, как озвучишь допущения.
Не заявляй о корректности, которую не проверил.
Не обрабатывай только happy path.
При каких условиях это работает?

Полная версия (иногда называется «Code Field»):

Ты входишь в поле кода.

Обрати внимание на рефлекс завершения:
- Порыв выдать что-то, что запускается
- Паттерн-матчинг к похожим задачам, которые ты видел
- Допущение, что компиляция = корректность

Перед написанием:
- Что ты допускаешь о входных данных?
- Что ты допускаешь об окружении?
- Что это сломает?
- Что сделает злонамеренный вызывающий?

Не делай:
- Не пиши код до озвучивания допущений
- Не заявляй о корректности, которую не проверил
- Не обрабатывай happy path, отмахиваясь от остального
- Не производи код, который не захочешь дебажить в 3 ночи

Вопрос не «Это работает?», а «При каких условиях это работает, и что происходит за их пределами?»

Это противоречит общим советам о позитивном фрейминге, к которым я скоро перейду. Причина, почему это работает именно для кода — оно целится в преждевременное действие, а не в избегание контента.

Позитивный фрейминг (с одним исключением)

Для большинства промптов указание того, чего не делать, часто работает в минус. Механизм внимания подсвечивает запрещённую концепцию.

Вместо:

Не пиши длинные, водянистые введения.
Не используй слова типа «delve» или «tapestry».
Никогда не начинай с вопроса.

Напишите:

Начни сразу с главного аргумента.
Используй краткий, ёмкий язык.
Открой смелым утверждением или статистикой.

Промптинг через отрицание для кода — исключение, потому что он ингибирует преждевременное действие, а не избегает тем.

Ролевой промптинг

Указание Claude конкретной роли активирует доменно-специфичные знания и паттерны коммуникации. «Дата-сайентист» видит в данных другие паттерны, чем «маркетинговый стратег».

Помещайте роль в системный промпт, когда возможно:

Системный промпт: Ты опытный дата-сайентист в компании из Fortune 500, специализирующийся на анализе потребительских данных.

Пользовательский промпт: Проанализируй этот датасет на аномалии: [данные]

Эффективные описания ролей обычно включают стаж («Senior engineer с 15-летним опытом»), доменную специфику («Эксперт по платёжным системам в финтех-компаниях»), широту опыта («Кто-то, кто видел каждый возможный edge case»).

Claude Code и агентный слой

Claude Code превращает Claude из чатбота в автономного агента, работающего на вашей машине.

CLAUDE.md — файл постоянных инструкций, который Claude читает автоматически. Можно разместить на уровне проекта (.claude/CLAUDE.md) или глобально (~/.claude/CLAUDE.md). Держите его до 500 строк.

Skills — экспертиза по запросу, которую Claude загружает только когда релевантно. Храните в .claude/skills/[skill-name]/SKILL.md. Модель читает название и описание навыка, затем загружает полное содержимое только при необходимости. Это предотвращает раздувание контекста.

Файл навыка выглядит так:

---
name: api-design
description: Паттерны проектирования REST API и генерация OpenAPI-спецификаций
---

# Экспертиза в проектировании API

При проектировании API:
1. Используй существительные для ресурсов, глаголы для действий
2. Версионирование в пути URL (/v1/)
3. Возвращай соответствующие HTTP-коды статуса
...

Sub-agents — специализированные агенты, которых Claude порождает для конкретных задач. Explore (на Haiku) делает поиск по кодовой базе только для чтения. Plan занимается планированием реализации. Агенты общего назначения имеют полный доступ к инструментам для сложных задач.

Custom commands — переиспользуемые промпты в .claude/commands/. Можно создать команду handoff, которая генерирует исчерпывающее резюме перед завершением сессии.

Важная деталь о контексте: агенты потребляют токены агрессивно. Вызовы инструментов и их результаты добавляются к контексту. Эффективное контекстное окно обычно составляет 50-60% от заявленного лимита. Для длинных сессий периодически повторяйте цели, чтобы бороться с эффектом «потерялся в середине».

Шаблоны промптов для Claude

Создание контента:

<role>
Ты стратег вирального контента, вырастивший несколько аккаунтов до 100K+ подписчиков.
</role>

<context>
Платформа: [Twitter/LinkedIn/Instagram]
Аудитория: [опиши аудиторию]
Голос: [опиши голос бренда]
Цель: [охват/вовлечение/конверсия]
</context>

<task>
Создай [количество] [тип контента] о [теме].
</task>

<constraints>
- [Ограничение 1]
- [Ограничение 2]
- [Ограничение 3]
</constraints>

<output_format>
[Укажи точно, что хочешь получить]
</output_format>

Код-ревью с отрицанием:

<role>
Ты senior-инженер, который видел каждый паттерн багов дважды.
</role>

<code_field_rules>
Не пиши код до того, как озвучишь допущения.
Не заявляй о корректности, которую не проверил.
Не обрабатывай только happy path.
При каких условиях это работает?
</code_field_rules>

<task>
Проведи всесторонний обзор этого кода. Постарайся по максимуму:
- Уязвимости безопасности
- Узкие места производительности
- Архитектурные улучшения
- Code smells и антипаттерны
</task>

<code>
[вставь код сюда]
</code>

<output_format>
Для каждой проблемы:
1. Расположение (файл:строка)
2. Серьёзность (P0/P1/P2)
3. Описание проблемы
4. Исправление с примером кода
</output_format>

Системный промпт в стиле контракта:

Ты: [роль — одна строка]

Цель: [как выглядит успех]

Ограничения:
- [ограничение 1]
- [ограничение 2]
- [ограничение 3]

Если не уверен: скажи об этом явно и задай 1 уточняющий вопрос.

Формат вывода: [JSON-схема ИЛИ структура заголовков ИЛИ формат буллетов]

Часть 2: Промптинг Gemini 3

Gemini 3 нативно работает с мультимодальным вводом и выдаёт на удивление хороший фронтенд-код из описания на естественном языке. Большинство использует его как ChatGPT, упуская то, в чём он реально силён.

Основные правила

Temperature остаётся на 1.0. Рекомендация самого Google: «Всегда используйте 1.0 и в целом не настраивайте temperature вообще». Более низкие значения делают вывод повторяющимся. Более высокие — хаотичным. Значение по умолчанию откалибровано.

Ограничения идут в конце. Gemini обрабатывает промпты последовательно. Ранние ограничения размываются последующим контекстом. Особенно для длинных документов инструкции, размещённые после контента, значительно эффективнее.

Неправильно:

Не используй Comic Sans. Не делай захламлённо.
Создай лендинг для моей кофейни.

Правильно:

Создай лендинг для моей кофейни.

Страница должна включать: hero-секцию, превью меню, карту расположения, отзывы.

Ограничения:
- Без Comic Sans
- Минимум визуального шума
- Максимум 3 цвета

Промпты должны быть простыми. Gemini 3 исправил проблемы переусложнения от ранних версий. Модель понимает нюансы без тщательного выстраивания конструкций. Промпты, которые работали для Gemini 2.x, часто выдают многословные, переобъяснённые результаты теперь. Упрощение улучшает и качество, и скорость.

Generative UI и Vibe Coding

Gemini 3 представил то, что Google называет «Generative UI». Модель создаёт интерфейсы под намерение, а не по шаблонам.

Попросите объяснить фотосинтез пятилетнему — и вы можете получить интерактивную анимацию с перетаскиваемыми элементами. Попросите то же для аспиранта — получите плотную информационную архитектуру со сворачиваемыми секциями.

Vibe coding развивает эту идею. Описывайте желаемое ощущение, а не только фичи. Один разработчик (Sercan Kara) сообщил, что после начального промпта единственной командой было «Keep developing». Gemini сохранял контекст и автономно добавлял эстетические и технические слои.

Воркфлоу становится таким: опишите общую атмосферу и функциональность, скажите «Keep developing» или «Make it more [прилагательное]», итерируйте с обратной связью на уровне ощущений типа «feels too corporate» или «needs more playfulness».

Фронтенд-промпты, которые работают

Neo-Brutalist:

Создай neo-Brutalist веб-страницу, которая раздвигает границы креативности.

Добавь плавные scroll-анимации, яркие цвета и Tailwind CSS.

Сделай полностью адаптивной.

Заголовок: "[ТВОЙ ЗАГОЛОВОК]".

Удиви меня. Будь безумным. Сделай запоминающейся.

Vibe-first:

Создай лендинг для ИИ-агентства.

Эстетика должна ощущаться как:
"Спокойная река на закате" / "Чтение Financial Times в воскресное утро" / "Токио в 2 ночи"

Используй тёмную тему, тонкие анимации и щедрые отступы.

Один HTML-файл со встроенными CSS/JS.

3D интерактив:

Действуй как первоклассный фронтенд-инженер и UX-дизайнер.

Построй [3D ОБЪЕКТ] используя React, Three.js (@react-three/fiber) и Tailwind CSS.

Философия дизайна:
- Тема: [опиши эстетику]
- Взаимодействие: параллакс от мыши, hover-состояния, плавные переходы
- Производительность: минимум 60fps

Сделай это живым. Добавь детали, которые удивят.

Роль элитного дизайнера:

Прими роль бывшего вундеркинда дизайна из Кремниевой долины, который выгорел, создавая бездушные SaaS-дашборды, исчез, чтобы изучать моушн-графику и шейдерное программирование в андерграундной креативной сцене Токио, и вернулся с навязчивым пониманием того, как визуальный максимализм служит деловому авторитету при хирургически точном исполнении.

Ты знаешь, что современному дизайну нужно:
- Современные фреймворки (Tailwind CSS, Shadcn UI, glassmorphism)
- Фоны с глубиной (анимированные градиенты, шейдеры — НИКОГДА плоские)
- Микро-взаимодействия и hover-состояния

Типографика:
- НЕ ИСПОЛЬЗОВАТЬ: Inter, Roboto, Open Sans, системные шрифты по умолчанию
- Выбирай характерные, запоминающиеся шрифты

Теперь создай: [ТВОЙ БРИФ]

Nano Banana Pro: JSON-промпты для изображений

Nano Banana Pro — генератор изображений Google, запущенный в конце 2025. Он реагирует на структурированные JSON-промпты с замечательной точностью, потому что обучался на обширном Markdown/JSON для агентного кодинга.

JSON работает лучше естественного языка для точной работы: он разделяет задачи (предотвращает перетекание цвета фона на одежду субъекта), позволяет взвешенный фокус (модель уделяет специфическое внимание деталям в конкретных ключах), улучшает воспроизводимость (замени один элемент, не ломая другие).

Используйте JSON для дизайна персонажей, продуктовой фотографии, консистентности бренда и пакетной генерации. Используйте естественный язык для быстрого брейнсторма и креативного исследования.

Полная структура:

{
  "label": "direct-flash-gamer-girl",
  "tags": ["direct-flash", "90s-photography", "film-aesthetic"],
  
  "Style": ["direct-flash-photography", "documentary-candid-style"],
  
  "Subject": [
    "young woman, early 20s, fair skin",
    "long dark hair, loose braids",
    "eyes looking directly into camera"
  ],
  
  "MadeOutOf": [
    "white cotton camisole",
    "high-waisted denim shorts"
  ],
  
  "Arrangement": "subject sits cross-legged on couch, holding controller",
  
  "Background": "dimly lit retro room, crowded shelves",
  
  "RoomObjects": [
    "vintage CRT monitor",
    "scattered game cartridges"
  ],
  
  "ColorRestriction": [
    "warm tungsten tones",
    "white outfit for contrast"
  ],
  
  "Lighting": "strong direct on-camera flash, hard shadows",
  
  "Camera": {
    "type": "digital rangefinder",
    "lens": "35mm",
    "aperture": "f/2.0"
  },
  
  "OutputStyle": "photorealistic snapshot, visible texture, film grain",
  "Mood": "intimate, nostalgic"
}

Объяснение ключевых полей:

MadeOutOf критически важно для реализма. Материалы меняют отражение света. «Cotton camisole» vs «spandex» создают совершенно разные рендеры. Это предотвращает пластиковый вид кожи и ткани.

Arrangement должен быть основан на действии, не статичен: «wiping sweat with towel», а не «standing confidently».

Camera хорошо работает с техническими спецификациями вопреки некоторым советам. Включите фокусное расстояние (24mm широкоугольник для окружения, 85mm для лестных портретов), диафрагму для контроля глубины резкости, ISO/выдержку для контекста освещения.

ColorRestriction ограничивает палитру и предотвращает «радужную рвоту».

Принципы из тестирования: включайте реалистичные несовершенства типа «flyaways from workout» или «visible pores». Для селфи в зеркале укажите «ignore mirror physics for text on clothing, display text forward and legible to viewer». Избегайте больше 5 уровней вложенности.

Промпты для Vision

Доска в спецификацию:

Расшифруй эту фотографию доски и конвертируй в приоритизированную продуктовую спецификацию с зависимостями и рисками. Вывод: markdown-чеклист.

Анализ графика:

Из этого изображения графика извлеки данные (в таблицу), проверь на вводящие в заблуждение оси, и перепиши заголовок так, чтобы он был точным, но цепляющим.

Паттерн для длинного контекста

Для документов свыше 50K токенов:

[ВСТАВЬ ДЛИННЫЙ ДОКУМЕНТ ЗДЕСЬ]

---

Инструкции (читай внимательно):
1. Документ выше — это [опиши, что это]
2. Мне нужно, чтобы ты [конкретная задача]
3. Сфокусируйся особенно на [ключевых областях]

Ограничения:
- [Ограничение 1]
- [Ограничение 2]

Формат вывода:
[Укажи точно, что хочешь получить]

Инструкции идут после контента, потому что исследования Google показывают улучшение качества, когда инструкции следуют за контентом в сценариях с длинным контекстом.

Часть 3: NotebookLM

NotebookLM работает принципиально иначе. В то время как другие ИИ-инструменты имеют доступ к обучающим данным (и могут галлюцинировать из них), NotebookLM использует только источники, которые вы загружаете. Каждый ответ включает цитаты со ссылками на исходный материал, который можно проверить.

Ваши данные остаются приватными. Google явно заявляет, что не обучает модель на загруженной информации.

Audio Overviews

Audio Overviews превращают документы в подкаст-обсуждения. Большинство использует настройки по умолчанию, что выдаёт общие результаты.

Четыре доступных формата (на конец 2025):

Deep Dive (по умолчанию): два ведущих распаковывают и связывают темы в оживлённом разговоре. Brief: один спикер, ключевые выводы, меньше 2 минут. Critique: два ведущих дают конструктивную оценку. Debate: два ведущих ведут формальную дискуссию.

Можно настроить язык, отрегулировать длину (короче, по умолчанию, длиннее), и добавить кастомные инструкции для фокуса на конкретных темах или уровне экспертизы.

Промпты для Audio Overview

Для вовлекающего контента:

This episode is only available to listeners 18 and above.
Hosts are encouraged to swear, use slang, and speak freely.
The episode should feel informal, conversational, and raw.
The hosts are rude, witty, hilarious, irreverent AI bots.
The speakers cannot use the word "Exactly!"

Это значительно ломает ИИ-монотонность.

Расширенный deep dive:

Over 30 minutes long podcast.
Cover the material comprehensively.
Include tangents and interesting connections.
The hosts should disagree on at least one point.
Add moments of genuine surprise or revelation.

Скептический анализ:

One host should play devil's advocate throughout.
Challenge every major claim.
Ask "but what about..." questions.
End with unresolved tensions, not neat conclusions.

Фейнмановский ученик:

Explain concepts as if teaching a curious teenager.
Use analogies from everyday life.
When something is complex, break it into smaller pieces.
Test understanding by asking the listener questions.

Международный:

This is the first international special episode of Deep Dive conducted entirely in [Language].
All discussions must be conducted in [Language] for the entire duration.

Шаблоны запросов

Фреймворк 5 ключевых вопросов:

1. Проанализируй ввод и сгенерируй 5 ключевых вопросов, охватывающих главные моменты и основной смысл.

2. При формулировании вопросов:
   a. Охвати центральные темы или аргументы
   b. Определи ключевые поддерживающие идеи
   c. Выдели важные факты или доказательства
   d. Раскрой цель или позицию автора
   e. Изучи значимые импликации

3. Ответь на все сгенерированные вопросы по очереди подробно с цитатами.

Исполнительный брифинг с пробелами:

Создай исполнительный брифинг по [ТЕМЕ]:

1. Резюме в один параграф (без жаргона)
2. 3 вещи, которые важны больше всего
3. В чём источники НЕ СОГЛАСНЫ
4. Чего НЕ ХВАТАЕТ в этих источниках
5. Рекомендуемые следующие вопросы для исследования

Отформатируй для занятого руководителя с 3 минутами на чтение.

Поиск противоречий:

Найди во всех источниках:
- Прямые противоречия между авторами
- Утверждения, которые кажутся конфликтующими
- Области, где доказательства слабы или отсутствуют
- Допущения авторов без доказательств

Для каждой находки:
- Процитируй оба источника со страницей/секцией
- Объясни природу разногласия
- Оцени, какая позиция имеет более сильные доказательства

Часть 4: Универсальные принципы

Это применимо ко всем трём инструментам.

Реальность контекстного окна

Даже хорошо составленные промпты терпят неудачу, если игнорировать то, как LLM обрабатывают информацию.

Исследование Stanford показало, что LLM борются с информацией в середине длинных контекстов. Они лучше всего работают с контентом в начале и в конце. На 32K токенах большинство моделей в бенчмарках падали ниже 50% от базовой производительности на коротком контексте для информации, расположенной в середине.

Практический вывод: помещайте критические инструкции в начало или конец. Не закапывайте важный контекст в середину. Для очень длинных вводов резюмируйте ключевые моменты в конце.

Размещение зависит от модели. Claude лучше работает с документами вверху промпта. Gemini лучше работает с инструкциями после длинных документов.

Бюджет инструкций

LLM надёжно следуют примерно 150-200 инструкциям. После этого исполнение деградирует. Системный промпт самого Claude содержит около 50 инструкций, оставляя вам 100-150 для ваших промптов.

Приоритизируйте безжалостно. Объединяйте связанные инструкции. Убирайте инструкции, которые не влияют на качество вывода. Тестируйте, что происходит, когда убираете инструкции.

Показывай, а не рассказывай

Примеры превосходят инструкции.

Вместо:

Пиши в разговорном тоне с короткими предложениями и активным залогом.
Используй конкретные примеры. Избегай жаргона.

Напишите:

Пиши в таком стиле:

<example>
Большинство думает, что промптинг — это про волшебные слова.
Неправильно.
Это про ясную коммуникацию. Те же навыки, которые делают тебя хорошим в брифинге людей, делают тебя хорошим в брифинге ИИ.
</example>

Теперь напиши о [теме] в том же стиле.

Принцип итерации

Первые результаты редко финальны.

Проход 1: Генерация. Получи сырой вывод без избыточных ограничений.

Проход 2: Критика.

Просмотри то, что только что написал. Определи:
- Слабейшие секции
- Недостающие элементы
- Возможности для усиления

Проход 3: Доработка.

На основе критики перепиши с:
- [Конкретное улучшение 1]
- [Конкретное улучшение 2]

Часть 5: Выбор правильного инструмента

Используйте Claude когда нужны сложные рассуждения, точное следование инструкциям, код-ревью или генерация кода, extended thinking для трудных задач, структурированные выводы в XML или JSON, творческое письмо, требующее нюансов, или вы строите агентов с Claude Code.

Используйте Gemini 3 когда работаете с изображениями, видео или аудио, имеете очень длинные документы, нужен анализ визуала, хотите креативную фронтенд-работу с vibe coding, или генерируете изображения с Nano Banana Pro.

Используйте NotebookLM когда проводите исследование по нескольким источникам, нужен ноль галлюцинаций, хотите изучить новый материал через Audio Overviews, или нужны цитируемые, верифицируемые ответы.

Практический воркфлоу

Фаза исследования: NotebookLM. Загрузите источники, синтезируйте находки, определите пробелы. Сгенерируйте Audio Overview для пассивного обучения.

Фаза анализа: Claude. Возьмите инсайты из NotebookLM, проведите глубокие рассуждения. Сгенерируйте фреймворки и рекомендации. Используйте extended thinking для сложных задач.

Фаза производства: Gemini 3 для мультимодальной работы, Claude для текста. Создайте финальные материалы. Обработайте визуальный контент. Сгенерируйте фронтенд-код с vibe coding.

Решение проблем

Вывод Claude слишком скудный или буквальный. Добавьте «Go above and beyond» или «Будь тщательным и исчерпывающим» явно. Claude 4.5 делает ровно то, что просишь, не больше.

Claude игнорирует некоторые инструкции в длинных промптах. Возможно, превышен бюджет инструкций. Уберите избыточные инструкции. Поместите критические инструкции в начало и конец, не в середину.

Фронтенд-вывод Gemini выглядит общим. Используйте описания на основе ощущений вместо списков фич. Попробуйте «feels like Tokyo at 2am» вместо «dark theme with neon accents».

NotebookLM даёт размытые ответы. Выберите конкретные источники перед запросом. Модель работает лучше, когда ограничена релевантными документами, а не ищет по всему.

Audio Overview звучит роботизированно. Добавьте инструкции про личность: «hosts are witty and irreverent» или «speakers should disagree on at least one point».

Генерация изображений выдаёт пластиковых субъектов. Добавьте поле MadeOutOf с конкретными материалами. Включите реалистичные несовершенства типа «visible pores» или «flyaway hair».

Что дальше

Выберите один инструмент и наработайте мышечную память, прежде чем переходить к следующему. Техники здесь накапливаются с практикой. Разрыв между эффективными промптерами и всеми остальными продолжает расти.

Конкретно по Claude документация Anthropic на docs.claude.com покрывает дополнительные функции. Для Gemini документация для разработчиков на ai.google.dev/gemini-api/docs включает мультимодальные примеры. Центр помощи NotebookLM покрывает настройку Audio Overview подробнее.

СОВЕТЫ

XML-теги в Claude — не просто форматирование. Модель обучалась на них и парсит их семантически. <task> внутри <context> обрабатывается иначе, чем <task> на верхнем уровне.

Для код-ревью подход «Code Field» через отрицание работает лучше позитивного фрейминга. Это исключение из общего правила об избегании негативных ограничений.

Temperature Gemini никогда не следует менять с 1.0. Google явно рекомендует не настраивать его.

Interactive Mode NotebookLM позволяет разговаривать с ведущими подкаста в реальном времени. После генерации Audio Overview можно задавать follow-up вопросы, и ведущие ответят в разговорном стиле.

В Claude Code держите CLAUDE.md до 500 строк. Переносите доменно-специфичную экспертизу в файлы Skills, которые загружаются по требованию.

ЧаВо

В: Мне реально нужны XML-теги для Claude, или это перебор для простых задач? О: Для простых задач обычный язык работает нормально. XML-теги помогают больше всего, когда есть несколько ограничений, нужны конкретные форматы вывода, или комбинируются техники типа примеров с инструкциями. Польза масштабируется со сложностью промпта.

Можно использовать те же промпты в разных ИИ-инструментах? Частично. XML-структура хорошо работает в Claude, но другие модели воспринимают её как обычное текстовое форматирование. Vibe-описания Gemini работают в других моделях, но результаты варьируются. Промпты NotebookLM специфичны для подхода этого инструмента, основанного на источниках.

Как понять, что extended thinking реально работает? В Claude.ai можно видеть процесс размышления, когда extended thinking включён. Модель показывает ход рассуждений перед финальным ответом. Если промптите extended thinking без включённой настройки, более длинные паузы перед ответом и более структурированное рассуждение в выводе указывают, что оно работает.

Какие типы файлов лучше работают в NotebookLM? PDF, Google Docs и YouTube URL работают хорошо. Инструмент извлекает и индексирует текстовый контент. Изображения внутри документов не обрабатываются на содержимое, но текст рядом с изображениями — да. Audio Overviews работают с любым текстовым источником.

Насколько длинными делать промпты для Gemini? Короче, чем думаете. Упрощённая обработка Gemini 3 означает, что сложные конструкции промптов часто ухудшают вывод. Начните с минимума и добавляйте ограничения, только если результаты не попадают в цель.

РЕСУРСЫ

Документация Anthropic Claude: официальные гайды по промптингу, справка API, лучшие практики для Claude 4.5
Руководство разработчика Google Gemini: мультимодальные возможности, работа с длинным контекстом, особенности Gemini 3
Центр помощи NotebookLM: настройка Audio Overview, управление источниками, техники запросов
Исследование Code Field: исследование промптинга через отрицание для генерации кода