10 курсов по промтингу от Google, OpenAI и Anthropic

Промпт задает рамку задачи — цель, контекст, ограничения, формат результата и допустимые отклонения. Чем четче эта рамка, тем стабильнее и точнее ответ, поэтому «бесполезные» ответы чаще всего связаны не с моделью, а с ошибками в запросе:

• размытая цель или запрос «про все сразу»;
• смешение задач и ролей в одном сообщении;
• не задан формат результата;
• контекста слишком много или его нет вовсе;
• ограничения и исключения не указаны.

Как следствие, ответ получается более случайным, поскольку модель заполняет пробелы допущениями там, где инструкция двусмысленна. Поэтому рабочая подсказка по структуре близка к ТЗ: четкая цель, входные данные, ограничения и понятный формат выхода.

Также важно учитывать, что промптинг — это постоянный процесс, где каждый ответ подсвечивает слабые места запроса. Несколько точечных правок почти всегда эффективнее, чем попытка сразу написать «идеальную» подсказку.

В OpenAI рассматривают промпты как своего рода настройки для модели: что делать, в каких условиях, что нельзя, и в каком виде должен прийти итог. Приведенные ниже ресурсы позволят лучше понять этот подход.

OpenAI Academy: Prompting

Это скорее базовый гайд, чем полноценный курс. Полезен, когда нужно быстро собрать запрос и не забыть критичные детали. В материале кратко раскрываются основы промпт-инжиниринга — сначала цель и входные данные, затем ограничения и приоритеты, после — формат результата. Такой «каркас» особенно полезен в командной работе, где важно, чтобы запросы были сопоставимыми, а правки легко воспроизводились.

Prompt Engineering Guide

Официальный гайд от OpenAI для разработчиков, в котором промптинг рассматривается в контексте работы с API. Материал объясняет, как формулировать инструкции, когда добавлять примеры, как использовать системные промпты, управлять форматом ответа и снижать неоднозначность. Отдельные разделы посвящены структурированным выводам, вызовам функций и многошаговым сценариям. Это база, к которой удобно обращаться при интеграции моделей в сторонние продукты.

OpenAI Cookbook: Image prompting guide

Представленный здесь подход к работе с изображениями держится на той же идее, что и продвинутый текстовый промптинг. Важно зафиксировать базовые аспекты (стиль, персонаж, композиция) и менять параметры небольшими шагами. Это снижает хаос и помогает получать не один удачный кадр, а серию изображений, которая легко корректируется. Подход полезен и для продакшена, где повторяемость важнее разовых «попаданий».

Материалы Anthropic смещают фокус на то, как модель рассуждает и почему отвечает именно так. Они особенно полезны, когда запросы усложняются, а ИИ вовлечен в длительный рабочий процесс — с проверками, шагами и понятными точками контроля.

Prompt Engineering

Хорошая точка входа для тех, кто хочет выстроить методику работы с Claude Code. Сначала курс определяет, что считать хорошим ответом и как его проверять. Затем — как писать ясные подсказки, расставлять приоритеты и работать с длинным контекстом так, чтобы не терять важные детали. Это помогает качественнее составлять промпт и корректировать ответ.

В рамках гайда также представлен Claude prompt improver, который автоматически оптимизирует базовую пользовательскую подсказку для получения лучшего результата.

Prompt Engineering Interactive Tutorial

По сути, это практическое расширение предыдущего гайда — интерактивное приложение, которое позволяет на практике проверить навыки промптинга. Базовая логика проста — написали промпт, увидели сбой, поправили конкретную часть и повторили. При постоянных занятиях сервис улучшает навыки по распознаванию проблемного места подсказки, позволяя быстрее определить, что именно пошло не так. Доступен также для таблиц Google.

Claude Prompt Library

Это библиотека готовых промптов в документации Anthropic, где собраны «оптимизированные» шаблоны под десятки типовых задач — от резюмирования и выделения рисков в отчетах до генерации кода, структурирования данных и редактуры текста. Пользователю достаточно выбрать сценарий и адаптировать шаблон под свой контекст, вместо того чтобы собирать запрос с нуля. 

Google фокусируется больше на прикладной части промптинга, а не на теориях и объяснении работы модели. Запросы в большинстве курсов представляют собой заготовки, которые можно стандартизировать под команду, сервис или автоматизированный сценарий. 

Prompting Essentials

Короткий курс от Google, который учит собирать промпты по устойчивому каркасу и использовать их как шаблоны. Программа включает четыре модуля, начиная от базовых примеров, и завершая постепенным формированием личной библиотеки запросов под повседневные задачи — от формирования выжимок до анализа и генерации черновиков текстов. 

What Is Prompt Engineering

Базовый обучающий гайд, который раскладывает промпт на управляемые элементы и объясняет, как они влияют на качество ответа. Здесь также разобраны основные шаблоны промптов, типовые сценарии использования и проиллюстрирована схема «инструкция + контекст + примеры», с которой проще стандартизировать работу. 

Nano Banana Image generation  

Документация по нативной генерации изображений в Gemini, ориентированная на разработчиков и продвинутых пользователей. Здесь описано, как запускать генерацию и итеративные правки через API, какие модели лучше справляются с теми или иными задачами, и какие ограничения важно учитывать при создании продукта. 

Prompt Design in Vertex AI

Это курс по промптингу в Vertex AI, ориентированный на пользователей, работающих в среде Vertex AI Studio и взаимодействующих с различными Gemini-моделями. Курс включает базовые приемы написания подсказок и объясняет, как получать ответы нужной структуры и форматов в рамках этой платформы. Формат Skills Boost также предполагает лабораторные работы и итоговое практическое задание, чтобы проверить полученные навыки.

Как правило, новички допускают ошибку еще на этапе постановки задачи, когда в запросе есть только направление, а не конкретная цель. Качественный промпт должен включать следующие блоки:

• ожидаемый результат. Формулируйте итог как продукт, составляйте тезисы, структуру, план, можно потребовать черновик текста в заданном тоне;
• входные данные и контекст. Укажите, на чем строится ответ, включая исходный текст, факты, вводные, аудитория, роль модели. Если данных недостаточно, лучше прямо попросить задать уточняющие вопросы;
• ограничения. Что недопустимо и что важно не нарушить, например, не добавлять факты, не менять терминологию, не использовать определенные источники, не давать оценочные формулировки;
• формат ответа. Какая структура нужна, какой объем, язык и тон, сколько пунктов, какие блоки обязательны. Лучше задавать заранее, чтобы не править постфактум;
• критерии оценки. 1–2 признака, по которым понятно, что результат подходит — ограничение по знакам, опора только на предоставленные данные, наличие краткого вывода в конце. Если ответ не совпал с ожиданиями, обычно достаточно уточнить один из этих пунктов, а не переписывать запрос целиком.

Базовый принцип прост — чем точнее заданы все параметры, тем меньше времени уходит на доработки.

За последние годы вокруг промптинга сформировался отдельный образовательный пласт. Платформы выпускают не только справочные статьи, но и полноценные курсы, включающие лабораторные и продвинутые гайды — от базовой терминологии и структуры запроса до инструментального режима и интеграций через API. Составление подсказок все чаще рассматривается не как вспомогательный навык «для разговора с чатом», а как базовый метод для работы с ИИ.

Собранные в статье материалы показывают, насколько обширна эта тема. Один гайд или статья превращается в серию материалов или целые модули —  где-то акцент на четкой структуре запроса, где-то — на диагностике ошибок, где-то — на продакшен-сценариях и агентных механиках. И по мере усложнения сценариев использования ИИ эта база будет только расширяться, образуя своего рода курс подготовки для команд, специалистов и обычных пользователей, взаимодействующих с большими языковыми моделями.