Промпты для нейросети от Anthropic: 4 паттерна, которые работают с любой моделью

Anthropic выложила официальную коллекцию промптов для своего инструмента Claude Code. Около 50 готовых шаблонов, организованных по фазам работы и ролям: от идеи до эксплуатации, от инженера до дизайнера. Автор dzen.guru Игорь Градов взял пять промптов из библиотеки, добавил один скилл (навык, который агент применяет автоматически) от разработчика Мэтта Покока и прогнал всё на реальной задаче. Задача приземлённая: собрать собственные статьи с Хабра в структурированный корпус для анализа метрик. Ниже пошаговый разбор того, что сработало, где нейросеть выдумала данные и какие паттерны стоит забрать себе.

Что понадобится

• Доступ к Claude Code (подписка Anthropic) или к любой рассуждающей модели с поддержкой агентного режима
• Библиотека промптов Anthropic: code.claude.com/docs/en/prompt-library
• Терминал и базовое умение работать с командной строкой
• Конкретная задача, которую вы откладывали, подойдёт любая «несложная», но муторная
• Примерно два часа чистого времени на полный цикл

Четыре паттерна, ради которых стоит читать библиотеку

Сами промпты для нейросети в библиотеке выглядят просто. Читать нужно секции «Why this works» (почему это работает) и «Make it stick» (как закрепить). Из них вытаскиваются четыре паттерна проектирования:

1. Описывать результат, а не пошаговую инструкцию. Вместо «сначала сделай A, потом B, потом C» вы говорите модели, каким должен быть итог. Агент сам выбирает путь.

2. Вшивать самопроверку в тот же промпт. Промпт содержит критерий, по которому агент сам оценивает, готов ли результат. Не вы проверяете, а он.

3. Давать референс вместо ТЗ. Вместо описания «как должно выглядеть» вы указываете на существующую реализацию: «сделай по образцу вот этого файла».

4. Ставить измеримую цель с бинарным критерием. Не «сделай хорошо», а «все тесты проходят» или «парсер обрабатывает 100 статей без ошибок». Готово или нет, без полутонов.

Как это выглядит на практике: пошаговая инструкция

Шаг 1. Выберите промпт из фазы Discover и подставьте свою задачу.

I want to build {feature}. Interview me about implementation,
UX, edge cases, and tradeoffs until we have covered everything,
then write the spec to SPEC.md

В слот {feature} автор подставил «a Habr corpus parser» и добавил хвост «Ask your questions in Russian», чтобы отвечать быстрее. Это отклонение от дословного промпта, но рабочее.

Шаг 2. Отвечайте честно, в том числе «не знаю».

Агент провёл интервью: 18 вопросов шестью блоками с вариантами ответов. Цель корпуса, источники, объём, что извлекать, метаданные, авторизация, обработка сбоев. На вопрос о структуре хранения автор ответил «не понимаю, как лучше». Агент не завис: перешёл в режим объяснения, разложил варианты с ценой каждого и предложил решение. Паттерн «интервью» выдержал не-разработчика.

За двадцать минут в репозитории появился файл SPEC.md: 14 разделов, 260 строк, включая edge cases (крайние случаи) вроде статьи с пустым телом.

Шаг 3. Проверьте, что агент подставил в пустые слоты.

Здесь главный урок эксперимента. Агент взял email автора из настроек git, это корректно. Но username на Хабре он выдумал: подставил «vitalijturov», хотя настоящий ник «VitTurov». Галлюцинация (когда нейросеть уверенно выдумывает то, чего не было) произошла именно в слоте, который агент не уточнил и заполнил сам.

Шаг 4. Используйте паттерн «самопроверка»: пусть агент напишет тесты.

Агент написал 51 тест для парсера. Тесты стали бинарным критерием: проходят все или нет. Это избавляет от субъективной оценки «вроде работает».

Шаг 5. Фиксируйте всё: логи сессий, заметки, историю коммитов.

Автор вёл полевой журнал по горячим следам. Каждый прогон шёл в чистой сессии, посторонние скиллы отключены. Репозиторий открыт, прогоны воспроизводимы.

Что с этого прямо сейчас, по ролям?

Автору Дзена. Четыре паттерна из библиотеки работают не только для кода. «Описывай результат» и «вшивай самопроверку» применимы к генерации текстов: вместо «напиши статью про X» задайте критерий готовности и дайте референс удачной публикации.

Маркетологу. Паттерн «интервью» из фазы Discover можно использовать для брифа: загрузите задачу, дайте агенту провести опрос, получите структурированное ТЗ. Экономия не на тексте, а на проектировании.

Предпринимателю в РФ. Claude Code доступен в России с ограничениями. Из доступных в РФ аналогов, YandexGPT и GigaChat, агентный режим в таком виде пока не реализован. Но паттерны переносимы: их можно применять вручную в любом чате с нейросетью, просто без автоматизации.

Библиотека Anthropic ценна не промптами, а тем, что впервые показывает: хороший промпт для нейросети это не «волшебная фраза», а инженерная конструкция с проверяемым результатом. Забирайте четыре паттерна, применяйте к своим задачам, и начинайте с той, которую откладываете месяцами.