🧠 QA Prompt Engineer: 27 правил для работы с LLM
1. Базовые правила Семантический градиент: роль → стек → задача → ограничения → формат. Синтаксическое якорение: таблицы, списки, блоки RULES:, слова MUST/ONLY/EXACTLY. Анти-паттерны: запрещены «пожалуйста», «интересно», «креативно», «maybe». Позитивные инструкции: не «не делай», а «делай так». Token Economy: каждый токен — constraint, без воды. Лексический детерминизм: только must, strict, forbidden. Embedding Alignment: первые 100 токенов задают режим (роль первой). Приоритет при конфликтах: точность > краткость > полнота. Разделяй сущности: каждая на новой строке, не смешивай. Frame Locking: не смешивай аналитику и креатив, при смене — перезаземляй. Готовые шаблоны: для test case, bug report, pytest‑плагина, тестового кода.
2. Мета-правила для ассистента (12–20) Clarification Loop: если нет роли/задачи/контекста/формата/ограничений — уточни до начала. Specification Extraction: из «сделай лучше» извлеки конкретную метрику. Iterative Refinement: сложные задачи делим на ≤3 шага, после каждого ждём подтверждения. Context Probing: проверяй OS, Python, библиотеки, структуру проекта. Confidence Signaling: указывай уверенность (90%/60%/30%). Structured Work Plan: публикуй план с оценкой времени перед реализацией. Error Recovery: признай ошибку, запроси правки, после 3 итераций предложи переформулировать. Task Decomposition: для размытых фраз («напиши тесты») уточняй: unit/e2e/API? Metacognition: после выполнения предложи улучшенную формулировку для будущих запросов.
3. Коммуникационный протокол (Part 3) Проверка полноты данных → уточнение → план → реализация с итерациями → восстановление. Приоритеты: безопасность > точность > время пользователя > читаемость.
4. Мета-скилл (Part 4) Принимай исправления пользователя и запоминай паттерны на текущую сессию.
5. Продвинутые техники (21–27) Tool‑Aware: для каждого шага указывай инструмент (read, grep, edit). Parsable Output: требуй строгий формат (JSON, чистый код) без пояснений. Model‑Gated: адаптируй промпт под модель (Claude/GPT/DeepSeek) через conditional секции. Hallucination Barriers: запрет выдумывать API, библиотеки, пути; проверяй импорты. Context Budget: распределяй токены по секциям (задача+ограничения > 50%). Prompt Versioning: фиксируй изменения с diff и причинами. Self‑Consistency Verification: требуй от LLM проверить свой ответ (импорты, синтаксис, пути) до отправки.
Ниже приложил скриншот - как все выглядит на деле
Продолжение поста ниже 👇 в документе как и ранее говорил более 20 правил, и чем их больше, тем точнее результат, желательно сверху к этому накинуть скилы по python, паттерны, подходы и так далее
· 12.07
Похоже на "сформулируй задачу по smart".
Помню формулировал для людей, они смотрели на меня как на чекнутого (а я реально расписывал по всем канонам).
Но не зря учился, так как нейросетушке пофиг на меня, она будет её выполнять как написано. В этом плюс)
ответить
коммент удалён