Сегодня расскажу, как прокачать промпты с помощью TCRE — простой и мощной схемы, которая помогает структурировать запросы и получать именно то, что нужно.

Ссылка на промпт по TCRE — в конце поста. А пока — разберемся с базой.

Что значит аббревиатура TCRE и зачем она нужна?

— T (Task, задача): чётко формулируем, чего хотим от ИИ.

— C (Context, контекст): добавляем фон — зачем и для чего это нужно.

— R (References, референсы): приводим примеры, ссылки, образцы.

— E (Evaluation/Iteration, оценка и доработка): проверяем результат, корректируем.

Представьте, что вы готовите блюдо: сначала решаете, что готовить (Task), потом собираете нужные продукты (Context), смотрите рецепт или фото (References), а в конце пробуете и добавляете специи по вкусу (Evaluation). Так и с промптами — вы шаг за шагом собираете все ингредиенты для идеального запроса.

Когда стоит применять TCRE?

Когда ответы кажутся расплывчатыми, не попадают в цель или слишком общие. Вместо одного‑единственного «Отпиши, что такое маркетинг?» задавайте ИИ серию продуманных вопросов по модели TCRE — результат будет значительно точнее.

Почему это работает?

— Вы сами глубже поймете свою задачу — а ИИ разгонится на четкой формулировке.

— Контекст и примеры сразу направляют модель в нужное русло.

— Итерации помогают поправить нюансы и добиться идеальной точности.

Готовый шаблон промпта → забирайте в Google Doc.

💬 А теперь ваша очередь делиться. Как вы улучшаете свои промпты? Делитесь советами в комментах — вместе прокачаемся.