AI честность через отказы: жёсткая приёмка работает лучше мата в промптах

Игорь Градов, основатель dzen.guru, разбирает кейс, опубликованный практиком мультиагентных систем на Claude Code. Автор оригинала несколько раз пересобирал роль «начальника» в своей системе, где субагенты (отдельные исполнители со своей инструкцией и контекстом) выполняют части одной задачи. Сначала ему показалось, что мат в промптах помог. После сравнения версий инструкций вывод оказался другим: сработала не грубость, а переписанная должностная инструкция с правом отклонять работу.

Ниже разбираю, как повторить этот подход у себя, даже если вы работаете с одной нейросетью и одним промптом.

Что понадобится

• Доступ к любой рассуждающей модели: Claude, ChatGPT, YandexGPT, GigaChat
• Текст или задача, которую вы обычно проверяете вручную
• 30 минут на первую настройку и один тестовый прогон
• Блокнот или документ для фиксации версий промптов (подойдёт обычный файл)

Как настроить честную приёмку за шесть шагов

1. Замените вопрос «Проверь текст» на «Что не так в этом тексте?»

Автор кейса показал: формулировка «Проверь, есть ли ошибки» провоцирует ответ «в целом всё хорошо, но есть несколько моментов». Формулировка «Что не так?» переключает модель на поиск конкретных проблем.

Что не так в этом тексте? Перечисли каждый дефект отдельной строкой.
Не пиши, что получилось хорошо.

1. Запретите обтекаемые формулировки в ответе

В кейсе ключевым оказался не мат, а прямой запрет писать «улучши аргументацию» вместо «удали неподтверждённые X и Y, для Z найди подтверждение». Добавьте в промпт:

Не пиши "можно усилить", "стоит обратить внимание", "рекомендуется доработать".
Вместо этого назови конкретный фрагмент и конкретное действие: удалить, заменить, добавить источник.

1. Введите право отклонить результат

Если вы используете цепочку промптов (сначала генерация, потом проверка), добавьте проверяющему промпту явную инструкцию:

Если хотя бы один дефект не исправлен, верни статус "не принято" и укажи,
какой именно дефект остался. Не ставь статус "готово" при незакрытых дефектах.

1. Назначьте одного «виноватого» за конечный результат

Автор кейса сформулировал это так: нужен один агент, который не имеет права сказать «я свою часть сделал», пока задача пользователя не решена целиком. Даже если вы работаете с одной моделью, разделите промпт на два этапа: генерация и приёмка. Приёмка отвечает за итог.

1. Ограничьте количество кругов проверки

В кейсе один 53-секундный сценарий потребовал пяти версий, трёх кругов проверки и около 6 миллионов токенов (токен — единица текста, которую обрабатывает модель; миллион токенов это примерно 700 страниц). Задайте лимит: два круга правок максимум. Если после второго круга результат не проходит порог, переформулируйте задачу, а не гоняйте модель по кругу.

1. Сохраняйте версии промптов

Автор кейса смог понять, что сработало, только потому что у него сохранились версии инструкций от первой до четвёртой. Фиксируйте каждое изменение промпта с датой и результатом. Без этого вы не отличите реальное улучшение от иллюзии.

Проверь этот текст. Посмотри, есть ли здесь ошибки или недочёты.

Что не так в этом тексте?
Перечисли каждый дефект отдельной строкой.
Не пиши, что получилось хорошо.
Не пиши "можно усилить" или "стоит обратить внимание".
Назови конкретный фрагмент и конкретное действие: удалить, заменить, переписать.

Что делать с этим прямо сейчас, по ролям

Авторам Дзена. Попробуйте на ближайшем тексте: замените «проверь статью» на «что не так в этой статье, перечисли дефекты строкой, не пиши что хорошо». Сравните ответы. Это работает в ChatGPT, Claude и YandexGPT.

Маркетологам. Если вы строите цепочки промптов для генерации контента, добавьте финальный этап приёмки с явным правом отклонить результат. Без него каждый этап будет говорить «я свою часть сделал», а итог останется рыхлым.

Предпринимателям. Подход применим к любой модели, доступной в РФ. YandexGPT и GigaChat точно так же склонны к «дипломатичным» ответам при мягких формулировках. Принцип тот же: конкретный вопрос, запрет на обтекаемость, право на отказ.

Кейс с «матерящимся начальником» запоминается как анекдот, но за ним стоит рабочий принцип: ai честность отказы модели зависят от структуры приёмки, а не от тона промпта. Один конкретный запрет «не пиши что всё хорошо» меняет поведение модели сильнее, чем страница ругани.