Результат от нейросети в 2026 году больше зависит от того, какие данные и примеры ты ей дал, чем от удачной формулировки. Anthropic называет это контекст-инженерингом и видит в нём естественное продолжение промпт-инжиниринга: найти минимальный набор самых полезных токенов, который сильнее всего повышает шанс нужного результата. Для маркетолога это шаблон из пяти блоков: роль и задача, контекст, примеры, ограничения и самопроверка. Летом контекст подешевел: 30 июля OpenAI снизила цены GPT-5.6 Luna и Terra, а 13 августа DeepSeek вывела V4-Pro с окном в 1 млн токенов. Экономить на объёме контекста больше незачем, экономить стоит на мусоре в нём.
Почему контекст стал важнее формулировки
Современные модели хорошо понимают инструкции, написанные обычным языком. Разницу между средним и сильным результатом дают данные: бриф, описание аудитории, факты, голос бренда, примеры. Модель без них пишет усреднённый текст, даже если формулировка задачи идеальна.
Обратная сторона - контекст «на всякий случай». Anthropic описывает контекст как ограниченный ресурс с убывающей отдачей: чем больше в нём лишнего, тем хуже модель находит важное. Выгружать в запрос всю базу знаний ради одного поста вредно.
Шаблон из пяти блоков
| Блок | Что писать | Пример для поста о вебинаре |
|---|---|---|
| Роль и задача | Кто пишет, для кого и какой результат нужен | Ты редактор B2B-блога. Напиши пост в Telegram о вебинаре для директоров по маркетингу |
| Контекст | Бриф, аудитория, факты, ToV-файл | Программа вебинара, дата, спикер, файл с голосом бренда |
| Примеры | Два-три эталонных текста и один антипример | Прошлые посты с лучшей реакцией и один неудачный |
| Ограничения | Длина, формат, запреты | До 900 знаков, без восклицательных знаков, без цифр, которых нет в брифе |
| Самопроверка | Чек-лист, по которому модель проверяет ответ | Перед ответом проверь, что каждая цифра есть в брифе |
Запрет выдумывать цифры
Самая дорогая ошибка нейросети в маркетинге - правдоподобная цифра, которой нет в источниках. Защита строится из трёх правил в промпте: используй только цифры из переданных данных; если цифры нет, пиши «нет данных»; к каждой цифре укажи, откуда она. После этого человек проверяет выборку.
«Нет данных» вместо красивой догадки - нормальный ответ. Блог AI Борща живёт по этому правилу, и читатели доверяют таким текстам больше.
Как вести библиотеку промптов
- Общее хранилище: проект в нейросети, база знаний или скилл ассистента, к которым подключён весь отдел.
- Карточка на каждый промпт: задача, модель, версия, владелец, пример хорошего результата.
- Версии вместо правок поверх: видно, что изменилось и почему результат стал лучше или хуже.
- Связь с ToV-файлом: голос бренда описан один раз и подключается ко всем промптам.
- Раз в месяц чистка: неработающие промпты удаляются, лучшие становятся шаблонами.
Ошибки
- Один гигантский промпт на все задачи. Пять коротких шагов дают результат, который можно проверить.
- Контекст «на всякий случай». Лишние документы размывают внимание модели.
- Нет примеров. Описание голоса прилагательными модель понимает по-своему.
- Промпты в личных аккаунтах. Когда сотрудник уходит, наработки уходят с ним.
Что осталось в записи и презентации
Роман Афанасьев на мастер-классе AI Борща собирал проактивного ассистента, который за 30 минут заменяет помощника стоимостью от 500 до 1000 долларов в месяц: сам ведёт ресёрч, следит за конкурентами и приносит гипотезы. Это контекст-инжиниринг на практике: ассистент работает настолько хорошо, насколько хорошо описаны его задачи и данные. Пошаговая сборка есть в записи мастер-класса.
Получить запись и материалы конференции →
Читайте по теме: Брендбук для нейросети: ToV-файл · AI-ассистент за 30 минут · Политика использования ИИ в компании