Проблема не в модели — в отсутствии структуры
GPT не «гадает». Он моделирует текст по паттернам, которых увидел в обучении. Запрос «сделай расклад на будущее» не содержит инструкций: какую колоду использовать, какие позиции, какой тон, как интерпретировать перевёрнутые карты, какой контекст учитывать. Модель подставляет среднее по обучающей выборке — поэтому результат кажется «водой».
Рабочий промт — это техническое задание для симулятора. Он задаёт: роль, колоду, расклад, правила интерпретации, формат вывода, контекст вопроса. Ниже — минимальный набор, который превращает хаос в управляемый процесс.
Шесть паттернов под разные задачи
Где промты ломаются: типовые сбои
Продвинутый уровень: цепочки и память
Многошаговый расклад
Не проси всё сразу. Шаг 1 — вытяни карты и верни JSON. Шаг 2 — интерпретируй каждую. Шаг 3 — синтез. Шаг 4 — совет. Каждый шаг — отдельный промт с контекстом предыдущего. Снижает галлюцинации и потерю нити.
Системный промт-каркас
Выноси роль, колоду, правила интерпретации в system prompt. Пользовательский промт — только вопрос, выбранный расклад, контекст. Экономит токены, гарантирует консистентность между сессиями.
Векторная память (RAG)
Храни истории раскладов пользователя в векторной базе. При новом вопросе — подтяни релевантные прошлые карты и темы. GPT увидит динамику: «Три месяца назад выпадала Башня, сейчас — Звезда, тема трансформировалась».
Валидация через самоконтроль
Добавь в промт: «Перед выводом проверь: все позиции заполнены? Есть связь между картами? Формат соблюдён? Нет фатализма?». Модель самокорректирует перед выдачей.
Готовый промт-шаблон для копирования
Универсальный каркас. Заполни скобки — получишь рабочий промт для любого расклада из вышеперечисленных.