Промт для DeepSeek: как получать точные конспекты любых текстов

Одна универсальная формула, пять готовых шаблонов под разные источники и настройки параметров, чтобы нейросеть выдавала структуру, а не «воду».

Формула R.O.C.K.5 шаблоновПараметры модели

Почему стандартные просьбы не работают

Проблема: неявный контекст

DeepSeek не видит вашу цель, аудиторию и формат хранения. «Сделай конспект» — это команда «напиши короче», а не «извлеки суть». Результат: пересказ вместо карты мыслей.

Проблема: потеря иерархии

Без жёстких инструкций по форматированию модель смешивает главное и второстепенное, теряет нумерацию, игнорирует связи «причина → следствие». Получается плоский список фактов.

Проблема: галлюцинации деталей

Модель додумывает отсутствующие выводы, если не запрещено иначе. Особенно опасно для технических текстов, юриспруденции и финансов — там цена ошибке высока.

Формула R.O.C.K.: скелет идеального промта

R — Role (Роль)

Задайте персону: «Ты — старший аналитик, пишущий дайджесты для CEO» или «Ты — технический писатель для документации разработчиков». Роль калибрует тон, глубину и терминологию.

Пример: «Ты — эксперт по продуктивности, создающий карточки для Anki/Notion.»

O — Objective (Задача)

Чёткий глагол действия + критерий готовности. Не «сделай конспект», а «выдели 5 ключевых инсайтов, 3 риска и 2 действия к исполнению». Чем точнее выход, тем меньше правок.

Пример: «Сформируй структурированную заметку по методу Cornell: суть, вопросы, вывод.»

C — Context (Контекст)

Кто читатель? Каков источник (лекция, код, встреча)? Каков лимит длины? Контекст — это фильтр шума. Без него модель утонет в деталях или упустит стратегию.

Пример: «Источник — транскрипт 1-часового созвома. Читатель — тимлид, 5 минут на чтение.»

K — Constraints & Format (Ограничения и формат)

Markdown, JSON, пулевые списки, таблицы, длина в токенах, запрет на выдумки, сохранение цитат. Это «жёсткий каркас», в который льётся смысл.

Пример: «Вывод: Markdown. Заголовки H2/H3. Цитаты в > блоках. Не более 800 токенов. Не выдумывай.»

Пять шаблонов под основные сценарии

Универсальный (статьи, книги, отчёты)

Работает с любым длинным текстом. Даёт иерархию: Тезис → Аргумент → Вывод.

<role>Аналитик, пишущий executive summary</role>
<task>Создай конспект по методу Minto Pyramid:
1. Главный вывод (1 предложение)
2. 3-5 ключевых аргументов (группировка MECE)
3. Подробности под каждым аргументом
4. Риски/противоречия
5. Next Steps</task>
<context>Источник: {ТИП_ТЕКСТА}. Цель: решение/обучение/архив. Лимит: {ДЛИНА}</context>
<format>Markdown, H2/H3, списки, цитаты в >. Без вводных слов.</format>
<constraints>Только факты из текста. Не обобщай за автором. Сохрани термины.</constraints>
--- ТЕКСТ ---
{ВСТАВЬ_ТЕКСТ}

Видео/Лекции (по таймкодам)

Требует на входе субтитров или транскрипта. Строит карту по времени.

<task>Разбей на логические блоки с таймкодами [MM:SS].
Структура блока: Тема → Суть (2-3 строки) → Ключевая цитата.
Фильтр: убирай "э-э-э", отступления, приветствия.</task>

Встречи/Звонки (Action-oriented)

Фокус на решениях, ответственных и дедлайнах. Игнорирует болтологию.

<task>Выдай таблицу:
| Решение | Ответственный | Дедлайн | Контекст |
| Риски/Блокеры | Владелец | Статус |
Отдельно: "Парковка" (отложенные темы).</task>

Код/Техдоки (Architecture Decision Record)

Для ревью PR, RFC, логов. Сохраняет сигнатуры, зависимости, trade-offs.

<task>Формат ADR:
## Context (Проблема)
## Decision (Что принято)
## Consequences (Плюсы/Минусы/Риски)
## Alternatives considered
Ссылки на файлы/строки обязательны.</task>

Исследования/Наука (Evidence Map)

Разделяет факты, методологию, лимиты выборки и выводы автора.

<task>Схема:
- Research Question
- Methodology / Sample / Limits
- Key Findings (с p-value/эффектом)
- Author Conclusions vs Data
- Gaps for future work
Таблица сравнения, если есть контрольные группы.</task>

Параметры генерации: что крутить, когда результат неуд

Temperature (Температура)
Детерминизм ↔ Креативность

0.0–0.3 — для конспектов, фактов, кода. Жёсткое следование инструкции.
0.4–0.7 — для синтеза идей, перефразирования сложных концепций.
>0.8 — только для креативных задач, для конспектов не подходит.

Top-p (Nucleus Sampling)
Ширина выборки токенов

Оставьте 0.9–0.95 по умолчанию. Снижение до 0.1–0.3 вместе с низкой Temperature делает вывод максимально предсказуемым и «сухим» — идеально для регламентных конспектов.

Max Tokens
Жёсткий потолок длины

Ставьте с запасом 20–30% от ожидаемого объёма. Обрезка посередине предложения — частая ошибка. Для больших текстов лучше использовать цепочку промтов (Map-Reduce), чем один гигантский лимит.

System Prompt vs User Prompt
Разделение инструкций

Роль (R) и глобальные правила (K) — в System Prompt. Они «проживают» в контексте всегда. Задача (O), Контекст (C) и исходник — в User Prompt. Это экономит токены при диалоге и повышает приоритет инструкций.

Типичные сбои и как их чинить

Симптом: «Вода» и общие фразы

Было (плохо)

"Сделай краткий конспект этой статьи."
→ "Статья рассматривает важные аспекты продуктивности. Автор советует планировать день и отдыхать. Главное — баланс."

Стало (по формуле R.O.C.K.)

"Роль: Продуктовый аналитик.
Задача: 3 инсайта для внедрения в трекер задач.
Формат: Таблица Инсайт/Действие/Критерий успеха.
Ограничение: Только цитируемые автором методы."
→ Конкретная таблица из 3 строк с действиями.

Симптом: Выдуманные факты

Причина

Модель дополняет пробелы знаниями из обучения. Нет запрета — будет галлюцинация.

Лечение

Добавь в Constraints:
"СТРОГО ЗАПРЕЩЕНО добавлять информацию, отсутствующую в источнике.
Если данных нет — пиши: [Данные отсутствуют в источнике].
Цитируй текстовые отрывки для каждого утверждения."

Симптом: Текст не влез в контекст

Стратегия Map-Reduce (цепочка промтов)

Map: Режьте исходник на чанки по ~70% контекстного окна. Промт: «Выдели ключевые факты/тезисы из этого фрагмента. Только факты. JSON-массив строк.»
Reduce: Собираете все JSON-выходы в один промт. Задача: «Синтезируй итоговый конспект по формуле R.O.C.K. из этих извлечённых фактов. Убери дубликаты. Сохрани иерархию.»

Чек-лист перед отправкой: 30 секунд на проверку

Роль задана явно?Не «ты умный», а «ты — редактор технической документации для Seniors».

Выход описан структурно?Markdown/JSON/Таблица + заголовки уровней + правила для цитат.

Контекст читателя указан?Кто читает, зачем, сколько времени имеет. Это определяет уровень абстракции.

Запрет на галлюцинации есть?Пункт «Только из источника» + инструкция что писать, если инфы нет.

Temperature ≤ 0.3?Для фактологических задач — обязательно. Креативность здесь — баг.

Пример few-shot добавлен?1-2 готовых «Вход → Идеальный выход» каркально повышают качество форматирования.

Главное, что стоит запомнить

Промт — это код. Он должен быть версионирован, тестирован и рефакторен. Храните шаблоны в репо или Notion.

Контекст > Инструкции. 100 токенов качественного контекста экономят 1000 токенов корректирующих промтов.

Верификация обязательна. Нейросеть — компрессор с потерями. Проверяйте ключевые числа, имена и логические связи перед использованием.

«Хороший конспект — это не сокращённый текст. Это переведённая на ваш язык карта принятия решений».

Промт для DeepSeek: как получать точные конспекты любых текстов