Промты для нейросетей

Что такое промт и почему от него столько зависит

Промт — это текст, которым вы объясняете модели, что от неё нужно. Слово прижилось из английского и в словарях пока не закрепилось, поэтому пишут его по-разному: промт, промпт, prompt. Речь во всех случаях об одном.

Понять, почему от формулировки так много зависит, проще всего, если знать, что происходит на стороне модели. Она не обдумывает ваш вопрос, а достраивает начатый вами текст, выбирая наиболее вероятное продолжение. То есть вы задаёте образец, а она его подхватывает.

Отсюда и всё остальное. Расплывчатое начало можно продолжить чем угодно, и модель выберет самое обычное — то, что подошло бы большинству. Так и появляются ответы, похожие на статью из середины поисковой выдачи: они не плохие, они усреднённые.

И обратное: чем точнее задан образец, тем меньше у модели свободы выбрать что-то не то. Поэтому рабочий запрос почти всегда длиннее того, который приходит в голову первым, — не ради длины, а потому что в него вошло то, о чём вы сначала не подумали.

Что общего у всех промтов

Разбирая приёмы под каждую модель по отдельности, легко упустить, что половина из них общая. Ниже то, что работает везде, — с этого стоит начинать, к какой бы модели вы ни обращались.

Проверка своего запроса по этим четырём частям — минутное дело, а ответ после неё меняется по существу. Всё остальное, что вы прочитаете про работу с моделями, — надстройки над этой основой: они добавляют точности там, где четырёх частей уже не хватает, но саму основу не заменяют.

Чем отличаются промты для картинок и для текста

Главное различие проходит не между отдельными моделями, а между двумя их видами, и путать их — самая частая ошибка новичка.

Текстовой модели ставят задачу: что сделать, для кого, какой длины. Она выполняет поручение, и от того, насколько точно оно сформулировано, зависит, придётся ли переделывать.

Картиночной модели описывают кадр: что в нём, что происходит, где снято, чем снято, каким светом, какие подробности. Задачи в привычном смысле здесь нет — есть описание того, что должно получиться.

Отсюда и разные формулы. У текстовых это задача, обстоятельства, примеры, роль, вид ответа и тон. У картиночных — объект, действие, обстановка, стиль, свет, детали. Переносить одну на другую бесполезно: «ты профессиональный фотограф, напиши мне картинку» не работает ни в ту, ни в другую сторону.

Примеры промтов, которые работают у любой модели

Заготовки ниже не привязаны к конкретной модели: они про то, как ставить задачу, а не про устройство ответа. Подставляйте своё в местах, отмеченных скобками.

В каждой из шести стоит не только задача, но и требование к ответу: сколько выводов, в каком виде, что делать при нехватке данных. Это и отличает рабочую заготовку от просто вежливо сформулированной просьбы — в ней заранее закрыты те места, где модель иначе решила бы за вас.

Промты для видеомоделей

Отдельных страниц под видеомодели мы не заводили, и на то есть причина: спрашивают про запросы к ним заметно реже, чем про картинки и текст, а сам разбор у всех четырёх выходит почти одинаковым. Разводить его по четырём адресам значило бы четыре раза написать одно и то же. Собран он здесь.

Запрос к видеомодели устроен как к картиночной, но с добавкой движения. К объекту, обстановке, свету и стилю прибавляются две части: что происходит во времени и что делает камера.

Готовый пример: «Женщина в пальто идёт по набережной от камеры, вечерний свет сбоку, камера медленно следует за ней на одном расстоянии, восемь секунд, размытый задний план».

Чего ждать не стоит: связной речи на русском в кадре. Разработчики перечисляют языки, которые модель произносит, и русского среди них обычно нет. Шумы, музыка и звуки в кадре выходят, речь — нет.

Что умеет каждая из четырёх и сколько стоит секунда — на страницах Kling, Veo, Seedance и Wan.

Четыре приёма, которые работают у любой модели

Приёмов под конкретные модели много, и в них легко потеряться. Но есть четыре, которые действуют одинаково везде, — с них и стоит начинать, если не хочется разбираться в тонкостях.

1. Показать вместо того, чтобы описать. Если у вас есть образец нужного вида — письмо, снимок, кусок кода, — приложите его вместо описания словами. Модель разберёт строение сама, и выйдет точнее любых объяснений про то, как должен выглядеть результат.
2. Разрешить не знать. Строка «если данных не хватает — скажи, каких именно, не подбирай правдоподобный ответ» меняет надёжность больше всего остального. Без неё модель предпочтёт достроить недостающее, и отличить достроенное от прочитанного вы не сможете.
3. Вести работу шагами. «Сначала предложи строение и остановись, дождись моей проверки». Ошибку в замысле видно на плане и правится она одной строкой; в готовом тексте она же обойдётся в переписывание.
4. Править по одной части. Когда ответ не тот, меняйте одно место за подход, а не переписывайте запрос целиком. Иначе останется непонятным, что именно помогло, и следующая попытка снова будет наугад.

Как понять, что промт стал лучше

Составление запроса — работа опытная: дал, посмотрел, где ответ ушёл не туда, дописал. Сложность в том, что «стало лучше» на глаз определяется плохо, особенно когда правок уже несколько, и легко улучшить один случай, испортив другой.

Держите три-четыре разных случая для проверки, а не один. Обязательно включите тот, на котором прошлая правка сломалась: иначе вы будете чинить по кругу одно и то же.

Проверяйте на трудном примере, а не на удобном. Запрос, который работает на понятном случае, ничего не доказывает — берите тот, где вы сами сомневаетесь в правильном ответе.

Смотрите не на слог, а на существо. Гладкий ответ не значит верный: проверяйте, подкреплён ли вывод тем, что есть в данных, и сказано ли о нехватке там, где она видна.

И записывайте, что именно поменяли. Через неделю вы не вспомните, зачем в запросе стоит именно эта строка, и уберёте её как лишнюю.

Где хранить удачные промты

Запрос, который сработал, стоит откладывать целиком, а не выбрасывать после ответа. Через месяц отличить его от неудачного по памяти не выйдет, и всё придётся собирать заново.

Хранить проще всего обычным текстовым файлом, разложив по видам работ. В отложенном помечаются места для подстановки: вместо «разбери отчёт за июль» — «разбери отчёт за такой-то период», где период меняется, а роль, порядок работы и оговорки остаются на месте.

Отдельная польза в том, что заготовку можно править по накопленным ошибкам. Модель ошиблась на трудном случае — этот случай дописывается в заготовку примером, и в следующий раз ошибки не будет. Качество растёт не от новых приёмов, а от разобранных ошибок.

Если запрос нужен не человеку, а программе, тот же текст уходит в системное сообщение и подставляется к каждому обращению сам. Как это устроено, разобрано в документации.

Ошибки, общие для всех моделей

Проверить легко: прочитайте свой запрос так, будто вы говорите это живому человеку. Если он переспросит «а конкретнее?» — переспросит и модель, только вслух не скажет.

С чего начать, если раньше не пробовали

Читать сразу весь разбор незачем. Порядок, который быстрее всего доводит до рабочего результата, такой.

1. Возьмите готовый пример под свою задачу. На страницах по моделям собрано больше сотни заготовок, разложенных по случаям. Выберите ближайшую к тому, что вам нужно, и подставьте своё. Это быстрее, чем сочинять с нуля, и сразу показывает, из чего вообще состоит рабочий запрос.
2. Запустите как есть и посмотрите, что вышло. Первый запуск бесплатный. Смотреть надо не на слог, а на существо: то ли это, что вам нужно, и что в ответе лишнее.
3. Поправьте одно место. Чаще всего не хватает того, для кого ответ, и какого он должен быть объёма. Допишите одно из двух и повторите — разницу видно сразу.
4. Отложите то, что сработало. Как только ответ вас устроил, сохраните сам запрос, а не только результат. Это и будет ваша первая заготовка.

Дальше по мере надобности можно разбираться в приёмах под конкретную модель — они на страницах выше. Но большая часть работы закрывается этими четырьмя шагами и четырьмя частями запроса из первого раздела.

Сочинять запрос с нуля при этом необязательно: описание задачи обычными словами можно отдать модели, и текст запроса она напишет сама — так устроен генератор промтов.

Чего от промтов ждать не стоит

Хорошо составленный запрос сильно меняет результат, но не всё. Есть работы, где никакая формулировка не поможет, и знать их полезнее, чем ещё десять приёмов.

Сколько подходов уходит на один промт

Запрос редко выходит с первой попытки, и это не признак неумения: до рабочей формулировки обычно доходят за пять-шесть подходов. Порядок этих подходов у трёх видов работы разный, и путать их не стоит.

Текстовый промт правится прямо в разговоре. Ответ пришёл не тот — вы не переписываете запрос заново, а называете причину: «слишком общо, дай конкретные шаги» или «это для специалиста, перепиши для человека со стороны». Модель правит только названное, а удачное из прошлого ответа остаётся на месте.

Картиночный так не правится: каждая попытка — новая картинка целиком, и «поправить вот это» превращается в новую генерацию. Поэтому формулировку подбирают в низком разрешении и на младшей версии модели, а когда текст найден, повторяют его начисто на нужных. От разрешения промт не зависит: что сработало в 1K, сработает и в 4K.

С видео осторожнее всего. Первый кадр ставят картиночной моделью и правят как картинку, и только готовый кадр отдают видеомодели как исходник. Так неудачная сцена отсеивается на картинке, а не на ролике.

Нужно ли учиться писать промты отдельно

Отдельного умения тут нет. Всё, что называют работой с промтами, сводится к тому, чтобы ясно объяснить, чего вы хотите: кому нужен результат, в каком виде и чего в нём быть не должно. Ровно это вы делаете, когда ставите задачу живому человеку.

Разница только в том, что человек переспросит, если чего-то не понял, а модель не переспросит — она достроит недостающее сама. Поэтому запрос и приходится продумывать вперёд.

Промт или промпт — как правильно писать

Слова нет в словарях, и пишут его по-разному. Мы держимся написания «промт», потому что так спрашивают чаще — по нашим замерам в разы. На смысл написание не влияет.

Подойдут ли промты от одной модели другой

Частично. Строение запроса общее, а вот приписки под конкретную модель — свои: сохранение пор при ретуши, разметка угловыми скобками, просьба подумать дольше. Что из этого к какой модели относится, разобрано на страницах по моделям выше.

На каком языке писать промт

Русский и английский работают одинаково, качество ответа от языка не зависит. Разница только в расходе: по-английски та же мысль укладывается в меньшее число знаков, а платят здесь именно за них.

Где взять готовые примеры промтов

В таблицах на страницах по моделям — они собраны по случаям и рассчитаны на подстановку своего. Общие приёмы, не привязанные к модели, разобраны в разборе промтов.