Модул 1: Теория
Основи на Prompt Engineering
Разбиране на науката за говорене с AI
Какво е Prompt Engineering?
Prompt Engineering е изкуството и науката за структуриране на текст с цел ефективна комуникация и насочване на Големи Езикови Модели (LLMs) за генериране на желания резултат.
Това не е просто 'задаване на въпроси'. Това е форма на програмиране на естествен език. Точно както програмист на Python пише код за логика, Prompt Engineer-ът пише контекст и ограничения, за да навигира вероятностното латентно пространство на AI модела.
Аналогията с Главния Готвач
Мислете за LLM като за готвач със звезда Мишлен (разнообразните данни за обучение). Промптът е поръчката. Ако напишете 'Направи ми вечеря', може да получите всичко от салата до пържола. Ако напишете 'Приготви средно изпечен Wagyu рибай с пюре от трюфели, поднесен в топла чиния', получавате съвършенство. Специфичността е валутата на качеството.
4-те Ключови Стълба
Всеки успешен промпт е изграден върху тези четири стълба. Пропускането на един често води до общи или грешни резултати.
Инструкции
Специфичната задача, която искате моделът да изпълни. (напр. 'Резюмирай', 'Преведи', 'Напиши код', 'Анализирай').
Контекст
Обща информация, ограничаваща обхвата. Коя е персоната? Каква е ситуацията? (напр. 'Действай като Старши правен консултант...').
Входни данни
Реалното съдържание за обработка. (напр. Текстът на имейла за отговор или CSV данните за анализ). Винаги отделяйте това ясно.
Индикатор за изход
Форматът на желания резултат. (напр. 'Форматирай като markdown таблица с колони: ID, Име, Оценка').
Рамката CO-STAR
Доказан индустриален стандарт за структуриране на комплексни промптове.
Context (Контекст)
Предоставете основна информация за задачата.
Objective (Цел)
Дефинирайте ясно какво искате AI да направи.
Style (Стил)
Уточнете стила на писане (напр. Бизнес, Академичен, Остроумен, Журналистически).
Tone (Тон)
Задайте отношението (напр. Официален, Небрежен, Емпатичен, Авторитетен).
Audience (Аудитория)
За кого е това? (напр. 5-годишни, Експерти, CEO).
Response (Отговор)
Ключът за формата на изхода (JSON, HTML, Списък, Имейл).
Context: Аз съм софтуерен инженер, търсещ работа. Objective: Напиши мотивационно писмо. Style: Професионален и базиран на данни. Tone: Уверен, но скромен. Audience: Мениджър по наемане в Google. Response: Текстов блок от 3 параграфа.
Познавай Модела си
Различните модели имат различни 'личности' и силни страни.
Google Gemini
Огромен контекст, силна мултимодалност (изображение, аудио, видео), дълбока интеграция с Google.
Анализ на дълги документи, изследвания с Workspace, мултимодални разсъждения.
Слагай трайните правила в system instructions; конкретната задача остава в user съобщението.
ChatGPT / GPT модели
Силни разсъждения, tool use, помощ при код и широка екосистема.
Анализ, coding workflows, креативни чернови, агентни цикли с инструменти.
Използвай custom instructions или проекти за траен контекст; всяка задача да е ясно скопирана.
Claude
Отлично писане, внимателен код, дълъг контекст и силно следване на инструкции.
Документи, редакции на код, нюансиран анализ, XML-структурирани промптове.
Claude работи добре с ясна XML-подобна структура: обвивай входовете в тагове.
Под капака: Механика
Токени (Tokens)
LLMs не четат думи; те четат части от символи, наречени 'tokens'.
1000 токена ≈ 750 думи. 'Hamburger' е един токен. 'Skibidi' може да е 3 токена. Затова LLMs се затрудняват със задачи като 'преброй буквите в strawberry'—те не виждат буквите.
Температура (0.0 - 1.0)
Контролира случайността на изхода.
Ниска (0.2): Детерминистична, фокусирана, аналитична. Добра за код и математика. Висока (0.8): Креативна, разнообразна, непредсказуема. Добра за поезия и brainstorming.
Top-K & Top-P
Напреднали параметри за семплиране.
Ограничава басейна от избори за следващ токен. Намаляването им кара модела да се 'придържа към сценария' по-стриктно.