Промт-инжиниринг теряет значение: создатель Claude Code советует проверять результат, а не шлифовать запрос

Борис Черни, создатель и руководитель Claude Code в компании Anthropic, дал интервью Диане Ху из Y Combinator. Главный тезис: модель Claude Code способна на большее, чем думают пользователи, и не требует тщательно выстроенных промптов (prompt, текстовая инструкция для нейросети). Черни даже посоветовал пользователям «перестать читать ИИ-инфлюенсеров в Twitter и LinkedIn» и вместо этого экспериментировать самим.

Какие подходы к Claude Code предлагает создатель?

• Промпт-инжиниринг отходит на второй план. По словам Черни, год назад «промпт-инженер» был одной из самых популярных вакансий, потом появилось понятие «контекст-инженер». Он считает, что такие волны будут приходить и уходить, а реальный навык сегодня в другом.

• Главное: давать модели задачу, которая кажется «чуть слишком сложной». Черни привёл пример: инженер дал Claude доступ к OpenCV (Open Source Computer Vision Library, открытая библиотека алгоритмов компьютерного зрения) и попросил рисовать изображения. Модель справилась, хотя такой способности от неё не ожидали.

• Верификация результатов важнее формулировки промпта. Черни назвал проверку работы модели «самой важной вещью, в которой большинство людей ошибаются». Нужно дать модели инструменты для самопроверки, как дали бы коллеге-человеку.

• Избыточная детализация инструкций мешает. Опытные разработчики, по наблюдению Черни, часто пытаются заставить модель делать задачу именно так, как сделали бы сами. Он называет это «частой ошибкой» и говорит, что модель работает иначе: к ней стоит относиться как к коллеге, а не как к исполнителю пошаговой инструкции.

• Конкретный кейс: переписать приложение с Electron на Swift. Черни дал Claude Tag (агентная версия Claude внутри мессенджера Slack) доступ к виртуальной машине Mac и простую инструкцию: переписать десктопное приложение Claude с фреймворка Electron на язык Swift, делать скриншоты, сравнивать результат попиксельно и не останавливаться до завершения. Модель выполнила задачу и даже сама создала канал в Slack, куда публиковала скриншоты прогресса каждые несколько минут.

Как подойти к Claude Code по совету его создателя?

1. Сформулируйте задачу просто и прямо. Не нужно расписывать ограничения и пошаговый план. Черни использовал обычный разговорный промпт без специальных команд вроде /goal или /loop (встроенные команды Claude Code для управления агентом).

2. Дайте модели способ проверить свою работу. Это может быть доступ к среде запуска кода, возможность делать скриншоты и сравнивать результат, тестовые данные. Без верификации модель «застревает», с ней работает автономно.

3. Наблюдайте и корректируйте по факту. Черни говорит, что подход должен быть «эмпирическим»: дали задачу, посмотрели, где модель споткнулась, и исправили конкретное узкое место лучшим промптом, навыком или подключением нужного контекста через MCP (Model Context Protocol, протокол, позволяющий модели подтягивать внешние данные).

4. Не копируйте чужие «секретные промпты». Черни прямо сказал: «одного странного трюка» не существует, а советы инфлюенсеров часто уводят от практики.

Что с этим делать в России?

В РФ Claude Code недоступен напрямую, но принцип «простая инструкция плюс верификация» применим к любой модели. Из доступных в России инструментов: YandexGPT и GigaChat. Обе модели поддерживают агентные сценарии в разной степени, но пока не имеют прямого аналога Claude Code с автономным доступом к среде разработки.

• Автору Дзена. Промпт-инжиниринг при генерации текстов через нейросети можно упростить: вместо длинных системных промптов попробуйте дать модели короткую задачу и способ проверить результат (например, сравнить с вашим черновиком или фактчек по источнику).

• Маркетологу. Если вы нанимаете «промпт-инженера» или покупаете курс по «секретным промптам», стоит пересмотреть приоритеты: создатель одного из ведущих ИИ-инструментов для кода говорит, что навык формулировки промпта уступает навыку постановки задачи и проверки результата.

• Предпринимателю. Пока Claude Code в РФ работает только через обходные решения, но подход Черни можно применить уже сейчас к любому ИИ-ассистенту: ставьте задачу «на вырост», давайте инструмент проверки и наблюдайте, где модель буксует.

Частые вопросы

Промпт-инжиниринг больше совсем не нужен?

Черни не говорит, что промпты бесполезны. Он говорит, что навык промпт-инжиниринга менее важен, чем умение поставить сложную задачу и дать модели способ проверить свою работу. Специальные команды и шаблоны «помогают, но не обязательны».

Можно ли применить этот подход не к коду, а к текстам?

Принцип переносим: давайте нейросети задачу чуть сложнее, чем кажется реалистичной, и проверяйте результат фактами, а не ощущениями. Но для текстов у модели нет автоматической верификации, поэтому роль «проверяющего» остаётся за вами.

Это работает только с Claude или с любой моделью?

Интервью посвящено Claude Code, и Черни говорит именно о своём продукте. Но сам принцип «простая задача плюс верификация вместо сложного промпта» не привязан к конкретной модели. Попробуйте с тем инструментом, который вам доступен.

Совет Черни звучит почти банально: перестаньте искать «волшебный промпт» и начните давать модели задачи, которые кажутся слишком сложными. Но за этой простотой стоит сдвиг в мышлении, от контроля каждого шага к делегированию с проверкой. Для тех, кто работает с текстами в России, практический вывод один: время, которое вы тратите на шлифовку промпта, лучше потратить на проверку того, что модель выдала.