Нейросети становятся невидимым штабом любой современной кампании: от разбора программ соперников за минуты до генерации речевых модулей под конкретные аудитории. Главное — знать, как ставить задачи, чтобы получить рабочий результат, а не общую фразу.
Почему промт-инжиниринг в политике отличается от обычных задач
Политический контент требует точности, соблюдения тонка, юридической проверки и понимания контекста. Ошибка в факте или неверная интонация стоят репутации и голосов. Поэтому промты для выборов строятся по жестче правилам, чем промты для маркетинга или кода.
Контекст — закон
Каждый промт должен содержать регион, сроки, формат выборов, ограничения законодательства и портрет целевой аудитории. Без этого модель галлюцинирует общие фразы.
Факты выше креатива
Настройте модель на режим строгого следования источникам (RAG). Любая цифра в речи кандидата должна иметь ссылку на программу, закон или открытый датасет.
Тон голоса — бренд
Зафиксируйте стиль кандидата в системном промте: лексика, ритм, любимые метафоры, запрещенные слова. Модель должна писать так, будто это человек.
Безопасность по умолчанию
Добавьте в системный промт запреты: нет лжи, нет манипуляций, нет призывов к нарушению закона, нет обработки персональных данных без согласия.
Четыре базовых сценария: где ИИ экономит недели работы
Вся предвыборная рутина делится на кластеры. Для каждого есть своя архитектура промта и свои требования к входным данным.
1. Разбор программ и мониторинг соперников
Загрузка PDF программ, выступлений, соцсетей. Задача: сравнительная таблица, поиск противоречий, выявление слабых мест, прогноз атак.
Вход: тексты программ, ссылки на выступления. Выход: структурированный отчет.
2. Речепись и контент-план
Генерация речей под разные площадки, посты для соцсетей, сценарии видео, ответы на частые вопросы (FAQ) в голосе кандидата.
Вход: тезисы, факты, стилистический профиль. Выход: готовые тексты для редактора.
3. Микротаргетинг и работа с сегментами
Адаптация одного послания под пенсионеров, ИТ-специалистов, мам в декрете, сельское население. Учет болей, сленга, каналов связи.
Вход: портреты аватаров, базовое послание. Выход: пакет сообщений под сегменты.
4. Симуляция дебатов и стресс-тест
Модель играет роль соперника, жесткого журналиста, неудобного избирателя. Кандидат тренируется отвечать в реальном времени.
Вход: профиль соперника, темы дебатов. Выход: сценарии атак и контраргументы.
Готовые шаблоны промтов: копируйте, адаптируйте, запускайте
Ниже — рабочие заготовки. Замените части в квадратных скобках на свои данные. Используйте их как системные инструкции (System Prompt) или как первый юзер-сообщение в новом чате.
Шаблон 1. Компаративный анализ программ (RAG-режим)
Роль: Старший политтехнолог. Задача: сравнить программы кандидатов [Имя_Кандидата_1] и [Имя_Кандидата_2] по ключевым тематическим блокам: экономика, соцсфера, безопасность, экология. Источники: загруженные PDF-файлы программ, официальные сайты, протоколы заседаний. Формат ответа: таблица Markdown. Колонки: Тема | Позиция Кандидата 1 (цитата/тезис) | Позиция Кандидата 2 (цитата/тезис) | Противоречия/Риски | Возможность для атаки/своего предложения. Требования: строгая привязка к тексту источников. Если информации нет — писать «В программе не указано». Никаких обобщений без цитаты.
Шаблон 2. Генерация речи в голосе кандидата
Роль: Речеписчик кандидата [Имя]. Стиль: [Примеры: короткие предложения, обращения «Друзья/Соседи», метафоры строительства/семьи, избегайте бюрократизамов, юмор мягкий, ироничный]. Контекст: Выступление на [Площадка: завод/университет/село] перед аудиторией [Сегмент: рабочие/студенты/пенсионеры]. Длительность: [Минуты] минут. Ключевые тезисы для включения: [Список 3-5 фактов/обещаний с цифрами]. Запреты: не обещать то, чего нет в программе; не нападать на личности; не использовать слова [Стоп-лист]. Структура: Крючок (проблема аудитории) -> Эмпатия -> Решение (наша мера) -> Доказательство (цифра/прецедент) -> Призыв к действию (проголосовать/подписать). Выдать 3 варианта вступления и 1 полный текст речи.
Шаблон 3. Адаптация послания под сегмент (Few-shot)
Роль: Стратег по коммуникациям. Задача: Переписать базовое послание под 4 аватара избирателей. Базовое послание: «Мы повысим зарплаты бюджетников на 15% и отремонтируем 50 км дорог». Аватары: 1. Мария, 34 года, учительница в пригороде. Болит: зарплата не покрывает ипотеку, пробки до школы. Канал: Telegram, чаты школы. 2. Алексей, 22 года, студент IT. Болит: стажировки, аренда, мобильность. Канал: Telegram, VK, TenChat. 3. Петр, 65 лет, ветеран труда в районе. Болит: аптеки, лавочки, дорога к врачу. Канал: газета, ТВ, сарафанное радио. 4. Елена, 40 лет, предпринимательница. Болит: налоги, проверки, кадры. Канал: бизнес-клубы, LinkedIn. Формат вывода: Таблица. Колонки: Аватар | Боль/Инсайт | Адаптированное сообщение (до 160 знаков для СМС/пуш) | Полный пост для соцсети | Тон (эмпатичный/деловой/уверенный).
Шаблон 4. Симуляция дебатов (Roleplay + Chain-of-Thought)
Роль: Соперник [Имя_Соперника], известный своими приемами: [перечисление: перебивание, апелляция к эмоциям, манипуляция фактами, персональные атаки]. Задача: Провести тренировку кандидата. Я буду писать ответы кандидата. Ты отвечаешь от лица соперника жестко, но реалистично. Правила симуляции: 1. Перед каждым своим ответом мысленно (в теге <thinking>) разбери слабое место в ответе кандидата. 2. Выбирай самый эффективный контрприем. 3. Отвечай максимум 2-3 предложениями, как в живом эфире. Темы раунда: [Список 5 тем]. Начинай с приветствия и первой атаки по теме №1.
Продвинутые техники: от простого чата к агентам
Одиночные промты работают на этапе пилота. В активной фазе кампании нужен конвейер: данные → анализ → контент → публикация → мониторинг реакции → корректировка.
Архитектура RAG (Retrieval-Augmented Generation) для штаба
Не загружайте файлы в контекст окна чата каждый раз. Разверните векторную базу знаний (Chroma, Pinecone, локальный FAISS). Индексируйте: программу, закон, пресс-релизы, протоколы собраний, расшифровки интервью.
Chain-of-Thought для сложных решений
Заставьте модель рассуждать перед ответом. Добавьте в промт: «Перед тем как дать итоговый вариант, пошагово разбери: 1. Каков риск для электората? 2. Есть ли правовая коллизия? 3. Как отреагирует оппозиция? 4. Какой контрнарратив подготовить?». Это снижает галлюцинации на 40-60% по внутренним тестам команд.
Автоматизированные агенты (Agentic Workflows)
Свяжите модели в цепочку через инструменты вроде LangGraph или n8n. Агент 1 (Скаут) мониторит новости и соцсети соперников. Агент 2 (Аналитик) пишет бreef. Агент 3 (Копирайтер) генерирует посты. Агент 4 (Ревизор) проверяет на стоп-слова и факты. Человек только утверждает.
Риски, этика и правовые ловушки: чек-лист безопасности
Игнорирование этих пунктов ведет к скандалам, судам и потере доверия. Проверяйте каждый запуск.
Ошибка: Галлюцинация факта
Модель выдумывает статистику, цитату закона или биографическую деталь.
Решение: Обязательный RAG. Температура 0.0-0.3. Пост-проверка фактчекерами. Промт: «Если не уверен на 100% — напиши: Данные требуют уточнения».
Ошибка: Скрытый bias и стереотипы
Модель пишет про «женщин-домохозяек» или «молодежь, которая не ходит на выборы», опираясь на обучающую выборку.
Решение: Явный запрет в системном промте: «Не используй стереотипы по полу, возрасту, национальности, религии. Опирайся только на поведенческие данные сегмента». Ручной аудит выводов.
Ошибка: Утечка конфиденциальных данных
Стратег вставляет в чат закрытый опрос, базу контактов или внутренний меморандум. Данные уходят в лог провайдера модели.
Решение: Локальные модели (Llama, Mistral, Qwen) на изолированном сервере для чувствительных данных. Для публичных задач — API с отключенным обучением (Data Opt-out). Политика DLP на шлюзе.
Ошибка: Нарушение избирзакона (анонимность, агитация в день тишины)
Автопостинг в день тишины, отсутствие обязательной подписи «Сообщение распространено за счет избирательного фонда…», таргетинг на госслужащих.
Решение: Технические блокировки в планировщике публикаций (Buffer, SMMplanner + кастомные скрипты). Юридическая экспертиза системного промта на этапе настройки. Человек-на-руле (Human-in-the-loop) перед любой публикацией.
Чек-лист: промт готов к бою
Прогоните каждый новый промт через этот список перед передачей в продакшн.
- Роль и контекст заданы? Есть ли регион, дата, закон, аудитория.
- Источники правды подключены? RAG-база или прикрепленные файлы актуальны.
- Формат выхода строгий? JSON, Markdown-таблица, список — без лишнего текста.
- Стоп-слова и ограничения прописаны? Закон, этика, бренд-бук.
- Тестировано на краевых случаях? Пустой ввод, провокационный вопрос, уход от темы.
- Есть процесс валидации? Кто проверяет факт, тон, законность перед публикацией.
- Версионирование? Промт сохранен в Git/Notion с changelog: кто, когда, зачем менял.
Что дальше: мультимодальность и предсказательная аналитика
Текст — только начало. Уже сейчас рабочие процессы захватывают аудио, видео и предсказательные модели.
Аудио-контент и голосовые клоны
Генерация подкастов, голосовых сообщений для WhatsApp/Telegram-рассылок, дубляж роликов на национальные языки. Требует строгого контроля доступа к модели голоса.
Видео-аватары и шортсы
HeyGen, Synthesia, локальные SadTalker для массового производства видеоречевых модулей под разные площадки. Промт становится сценарием для аватара.
Предиктивная аналитика настроений
ИИ не только пишет, но и читает: парсинг комментариев, колл-трекинга, опросов в реальном времени. Промт превращается в запрос к дашборду: «На чем падает рейтинг в районе N за последние 3 дня?».
Промт для выборов — это не магия, а инженерная дисциплина. Кто наладит конвейер «данные → промт → проверка → действие» раньше соперников, тот получает асимметричное преимущество в скорости и масштабе коммуникации. Начните с одного сценария, замерьте эффект, масштабируйте.
