Один промпт заменил мне 3 часа работы каждый день

Yevhenii Rozov · 2026-05-12

23:40. Дедлайн через 20 минут. Клиент ждёт дашборд аналитики, а у меня на экране код, который не работает от слова совсем.

Я потратил 2,5 часа на отладку того, что ChatGPT написал по моему запросу. И только сейчас, в панике, перечитав свой промпт, понял: я сам виноват.

---

Как я сжигал $945 в месяц и даже не замечал этого

Мой запрос выглядел примерно так: "напиши код для дашборда аналитики на Python".

Без контекста. Без формата вывода. Без ограничений по библиотекам. Без описания входных данных. Просто голый запрос, который мог означать что угодно.

ChatGPT написал что-то своё. Я начал встраивать это в проект. Посыпались ошибки. Я просил "исправь вот эту ошибку", потом следующую, потом следующую. Каждый раз модель делала что-то своё, не понимая общей картины. Через 2,5 часа я сидел с пятью версиями кода, ни одна из которых не работала как надо.

В 23:40 я переписал запрос. Добавил: стек проекта, структуру входных данных, какие именно метрики нужны, в каком формате вернуть результат, какие библиотеки уже есть в проекте. Восемь минут - и я получил код, который встал на место без единой правки.

Когда я в конце того месяца посчитал все подобные ситуации, вышло 63 часа потраченных на переделки. При моей ставке $15/час это $945 - деньги, которые я фактически выбросил. Не потому что инструмент плохой. Потому что я не умел им пользоваться.

И самое обидное: я думал, что умею. Я каждый день работал с AI. Просто никогда не задумывался, что именно пишу.

Я собрал промпты по этой теме в PDF. Забери бесплатно: https://t.me/airozov_bot

---

Три вещи, которые изменили качество моих промптов навсегда

Я не пошёл на курс по промпт-инжинирингу. Большинство из них - это пересказ документации с красивыми слайдами за $200. Я просто начал разбирать, что именно шло не так в моих запросах.

Вышло три конкретных проблемы - и три конкретных решения.

Первое: контекст роли и задачи.

Вместо "напиши функцию для парсинга данных" я начал писать так: "Ты senior Python разработчик. Я строю ETL-пайплайн для e-commerce клиента. Нужна функция, которая принимает JSON с заказами вот такой структуры и возвращает pandas DataFrame с колонками X, Y, Z". Это не магия - это просто информация, которая у меня была, но которую я не давал модели. Качество кода выросло настолько, что я перестал получать "заготовки" и начал получать рабочие куски.

Второе: формат вывода.

Раньше я получал код вперемешку с объяснениями, потом ещё объяснения, потом ещё один вариант "а можно и так". Теперь я всегда пишу в конце промпта: "Верни только код без объяснений" или "Верни код и после него список из трёх вещей, на которые стоит обратить внимание при интеграции". Я сам решаю, что мне нужно. Не жду, что модель угадает.

Третье: ограничения.

Это то, что я добавил последним и что дало неожиданно много. "Не используй библиотеки, которых нет в этом списке". "Код должен работать на Python 3.9". "Не переписывай логику авторизации, она уже готова". Без этого модель оптимизирует под абстрактный идеальный случай. С этим - под мой реальный проект.

После того как я начал делать эти три вещи системно, время на итерации с AI сократилось примерно на 47%. Это не ощущение - я считал по трекеру задач.

---

То, что никто не говорит про промпт-инжиниринг

Большинство статей про промпты учат тебя трюкам. "Напиши 'думай шаг за шагом'". "Добавь 'ты эксперт с 20-летним опытом'". "Используй chain-of-thought".

Это работает. Но это не главное.

Главный инсайт, который я получил той ночью в 23:40: промпт-инжиниринг - это не про то, как разговаривать с AI. Это про то, как думать о задаче.

Когда я переписывал запрос в панике, я впервые за вечер чётко сформулировал для себя: что именно мне нужно, в каком формате, с какими ограничениями, для какого контекста. Я это сделал не для ChatGPT. Я сделал это для себя.

И вот что оказалось правдой: плохой промпт почти всегда означает размытое понимание задачи. Когда я не могу написать нормальный промпт - это сигнал, что я сам не разобрался в том, что хочу получить.

С тех пор я использую написание промпта как инструмент прояснения. Прежде чем что-то запустить, я трачу 3-5 минут на то, чтобы описать задачу так, как описал бы её хорошему разработчику на аутсорсе. Контекст проекта. Что уже есть. Что нужно получить. В каком формате. Что точно не трогать.

Это изменило не только качество ответов AI. Это изменило качество моей работы в целом.

Каждый день разбираю один такой инструмент в Telegram: https://t.me/yevheniirozov

---

Что сделать прямо сейчас

Зайди на claude.ai. Возьми любую задачу, которую ты обычно кидаешь в AI одной строкой.

Напиши вот так:

*"Ты [роль специалиста]. Я работаю над [контекст проекта]. Мне нужно [конкретная задача]. Входные эти выглядят так: [пример]. Результат должен быть в формате [формат]. Ограничения: [что нельзя использовать или менять]. Верни только [что именно ты хочешь получить]."*

Не обязательно заполнять каждый пункт. Но попробуй заполнить хотя бы четыре из шести.

Сравни результат с тем, что ты получал раньше. Скорее всего разница будет видна сразу.

Я потратил месяц и $945 на то, чтобы понять это опытным путём. Тебе хватит одного запроса.