Как я перестал платить за обучение prompt engineering

Yevhenii Rozov · 2026-05-27

Пятница, 23:40. Я отправил клиенту из Берлина промпт, над которым просидел 11 часов. Через 20 минут он написал: «Женя, это не работает, GPT выдаёт мусор».

Я сидел и смотрел в экран. За последние два месяца я вложил $340 в три курса по prompt engineering. Одиннадцать часов работы в этот конкретный день. И всё равно - мусор.

---

$340, три курса и ощущение что я что-то пропустил

Первый курс я купил в январе. Называлось красиво - «Mastering ChatGPT Prompts». $89, автор с 200к подписчиков, обещал «профессиональный уровень за 5 дней».

Я прошёл всё за три дня. Узнал про few-shot примеры, про chain-of-thought, про то что надо «быть конкретным». Применил на проекте. Результаты стали чуть лучше. Но не настолько, чтобы я мог честно сказать клиенту - вот, это работает стабильно.

Второй курс был на Udemy, $120 со скидкой с $199. Там было 14 часов видео. Я посмотрел часов восемь и понял, что автор в основном пересказывает то, что уже есть в бесплатной документации OpenAI, только медленнее и с красивыми слайдами.

Третий курс стоил $131. Специализированный - «Prompt Engineering для автоматизации бизнес-процессов». Именно то, что мне нужно. Я честно проработал каждый модуль. Делал домашние задания. И именно с этими знаниями я сел в пятницу строить промпт для берлинского клиента.

Задача была конкретная: автоматизировать генерацию еженедельных отчётов из сырых данных в Excel. GPT должен был брать таблицу, понимать структуру, выделять аномалии и писать связный текст на немецком. Звучит сложно, но я был уверен - три курса, я справлюсь.

Одиннадцать часов спустя клиент написал что это мусор.

И он был прав. Промпт работал на простых примерах и полностью ломался на реальных данных с пропущенными ячейками и нестандартными форматами дат.

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

---

Сорок минут бесплатного курса против восьми месяцев платных

В 00:15 я полез в Google с раздражением и усталостью. Не за вдохновением - просто искал хоть что-то, что объяснит почему промпт ломается на граничных случаях.

Наткнулся на курс от Anthropic. Называется «Prompt Engineering Interactive Tutorial» - он живёт прямо в их документации, и он бесплатный.

Я открыл его без особых ожиданий. Первые два модуля - стандартно, ничего нового. Но потом был раздел про работу с неструктурированными входными данными. И там была одна техника, которую я не встречал ни в одном из трёх платных курсов.

Называется «input scaffolding with explicit fallback instructions». Идея простая: ты не просто передаёшь эти в промпт, ты заранее описываешь модели все возможные форматы входных данных и говоришь ей что делать с каждым. Включая то, чего ты не ожидаешь.

В моём промпте для отчётов я предполагал что эти будут чистыми. Не говорил модели ничего про пропущенные значения, нестандартные форматы, пустые строки. Модель сталкивалась с этим и начинала галлюцинировать - придумывала эти вместо того чтобы сказать «здесь пропуск».

Я переписал промпт за 15 минут. Добавил секцию с явными инструкциями для каждого граничного случая. Отправил клиенту в 00:47.

В 01:03 он написал: «Perfect, this is exactly what I needed».

Я ещё час просто сидел. Не праздновал. Просто считал: $340, несколько месяцев, одиннадцать часов в этот день. И одна техника из бесплатного курса, которую я нашёл случайно в час ночи от злости.

Курс от Anthropic - это не единственное бесплатное место где есть реально полезные вещи. Есть ещё официальный Prompt Engineering Guide от DAIR.AI на GitHub - там конкретные техники с примерами, никакой воды. Есть документация OpenAI с разделом про best practices. Есть Learnprompting.org - бесплатный, структурированный, с практическими примерами.

Я прошёл всё это уже после той ночи. Сравнивал с тем за что платил. Разрыв в качестве подачи материала - есть. Разрыв в практической пользе - практически никакого.

---

Почему платные курсы не говорят вам главного

Вот что я понял после той ночи, и это неудобная мысль.

Большинство платных курсов по prompt engineering учат вас работать с идеальными условиями. Красивые примеры, чистые данные, предсказуемые ответы. Потому что это легко снимать на видео и легко объяснять.

Реальная работа - это граничные случаи. Это эти которые приходят в трёх разных форматах от одного клиента. Это модель которая ведёт себя по-разному на длинном контексте. Это промпт который работает в понедельник и ломается в пятницу потому что клиент поменял структуру входного файла.

Anthropic и OpenAI документируют именно это - потому что они видят где модели реально ломаются. Это их продукт, они заинтересованы чтобы вы умели с ним работать правильно.

Авторы курсов видят то, что продаётся. А продаётся обещание что будет просто.

Это не значит что все платные курсы бесполезны. Один из трёх которые я прошёл дал мне реально хорошую структуру мышления про декомпозицию задач. Я использую это до сих пор. Но за $340 я мог ожидать большего чем одна рабочая концепция из трёх курсов.

После той ночи я потратил, наверное, 20 часов на бесплатные материалы. Структурированно, с практикой на реальных задачах. Мои промпты стали стабильнее. Не потому что я узнал больше техник - а потому что наконец начал понимать где и почему модели ошибаются.

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

---

Что сделать прямо сейчас, а не «когда-нибудь»

Зайди на claude.ai и напиши вот этот промпт - он покажет тебе разницу между базовым подходом и тем что реально работает на сложных данных.

Скопируй и вставь:

*«Я дам тебе неструктурированные эти о продажах. Они могут содержать пропущенные значения, разные форматы дат (DD.MM.YYYY или MM/DD/YY или просто 'январь'), пустые строки и дубликаты. Для каждой аномалии - опиши что именно ты нашёл и как обработал. Если эти слишком неполные для вывода - скажи это явно, не додумывай. Данные: [вставь любую таблицу из своей работы]»*

Посмотри как модель обрабатывает граничные случаи. Потом сравни с тем что происходит когда ты просто пишешь «проанализируй эти данные».

Разница - это и есть то, за что я заплатил $340 и не получил. А ты только что получил бесплатно.