Промпты для кода: как ставить задачу, чтобы меньше переписывать
Промпты для кода: каркас запроса, контекст файлов, ограничения, примеры и проверка результата без бесконечных перегенераций.
<p>Слабый промпт для кода звучит как «напиши сервис авторизации». В ответ получается решение в чужом стиле, с ненужными подключениями сторонних инструментов и без учёта редких, но важных ситуаций (например, пустой логин, слишком длинный пароль, повторная отправка формы). Сильный промпт задаёт цель, контекст, ограничения, формат ответа и критерий готовности. Ниже — каркас, который снижает число перегенераций, и путь к оценке AI для разработчиков.</p>
Почему «просто опиши задачу» ломает результат
<p>Модель не знает, как устроен ваш репозиторий, какие правила в команде принято соблюдать негласно и насколько серьёзными могут быть последствия ошибки. Если не показать ей типовую структуру модуля, принятые способы обработки ошибок и то, что делать нельзя, она будет опираться на общие примеры из сети. Из‑за этого правки идут волнами: сначала приводят код к нужному стилю, потом правят архитектуру, а в конце закрывают ошибки на стыках частей системы.</p>
<p>Кластер промптов под код в направлении разработки как раз про навык формулирования задачи для ИИ, чтобы полученный черновик был почти готов к включению в основную версию кода — требовалось бы лишь небольшое число точечных правок, а не полная переработка.</p>
Каркас промпта под код
| Блок | Что указать | Антипример |
|---|---|---|
| Цель | Чётко описать, какой результат должен получиться после доработки: какая функциональность появится или как изменится поведение системы | «Улучши этот файл» |
| Контекст | Приложить только нужные фрагменты: описания интерфейсов, типы данных, примеры соседних функций — то, что напрямую связано с задачей | Отправлять весь код проекта или репозиторий целиком, без выделения ключевых частей |
| Ограничения | Прописать используемые технологии, принятый стиль оформления кода, запрет на подключение новых библиотек или применение отдельных подходов | Рассчитывать, что исполнитель (или модель) сам догадается о негласных правилах и запретах |
| Формат | Указать, в каком виде нужен результат: только изменённые строки, отдельная функция, реализация вместе с тестами и т. п. | Просить одновременно рассказать теорию, пояснить подходы и затем выдать код |
| Готовность | Описать, по каким признакам можно понять, что задача выполнена: какие тесты должны проходить, какие ситуации учтены, какие правила соблюдены | «Сделай качественно» или «чтобы всё работало» без конкретики |
Держите шаблон в заметках команды. Подставляйте блоки под задачу. Так промпт становится повторяемым навыком, а не удачной фразой одного разработчика.
Как грамотно расходовать «бюджет контекста» в запросе к ИИ
<p>В запрос стоит включать только те сведения, которые напрямую влияют на решение задачи. Это помогает модели не отвлекаться на лишнее и выдавать результат, который сразу вписывается в проект. Что обязательно добавить:</p>
- <p>Сигнатуры, типы данных и примеры вызовов. Так модель поймёт, с какими данными работать и какой формат результата нужен.</p>
- <p>Текущую реализацию фрагмента либо полный текст падающего теста. Это даёт точную точку опоры: ИИ исправляет именно то, что не работает, а не переделывает всё подряд.</p>
- <p>Публичный контракт функции или эндпоинта. Чётко зафиксируйте, какой интерфейс должен остаться: какие параметры, какие коды ответов, какие гарантии. Это убережёт от поломок в других частях системы.</p>
- <p>1–2 соседние реализации в том же стиле. Небольшие примеры из вашего проекта помогают сразу попасть в принятый в команде стиль и структуру — и сильно сокращают количество доработок.</p>
- <p>Ошибки компилятора или полный лог падающего теста. Если проблема техническая, дайте точную картину: модель быстрее найдёт корень проблемы.</p>
- <p>Список ограничений («нельзя»). Прямо укажите запреты: не добавлять новые зависимости, не менять API, не логировать персональные данные и т. п. Так вы заранее отсечёте рискованные варианты.</p>
- <p>Ожидаемые краевые случаи — в виде списка. Перечислите редкие, но важные ситуации (пустые значения, очень длинные строки, повторные запросы и т. д.), чтобы они были учтены сразу, а не всплывали на ревью.</p>
Как работать с итерациями: правим формулировку, а не только код
<p>Если черновик не попадает в цель, в первую очередь дорабатывайте сам запрос — а не пытайтесь «докрутить» код бесконечными «сделай получше». Такой подход почти никогда не даёт стабильного результата. Практические правила для уточнений:</p>
- <p><strong>Чётко назовите проблему</strong>. Вместо общих фраз скажите, что именно пошло не так: например, «появилась лишняя абстракция», «не учтён кейс с пустым значением», «изменилась сигнатура функции».</p>
- <p><strong>Фиксируйте нарушенный критерий</strong>. Сразу отмечайте, какой пункт из требований не выполнен (стиль, контракт, краевые случаи, формат вывода). Это помогает не терять фокус.</p>
- <p><strong>Показывайте «неприкасаемые» места</strong>. Если какие‑то фрагменты менять нельзя, явно укажите их — так модель не будет трогать стабильные части.</p>
- <p><strong>Просите точечные правки</strong>. Запрашивайте изменения только по нужным строкам — попросите вернуть diff (список изменений) вместо полной версии файла. Это сокращает шум и делает итерации управляемыми.</p>
- <p><strong>Проверяйте результат до следующего круга</strong>. Перед тем как снова отправлять задачу, прогоните тесты и убедитесь, что текущие ошибки уже исправлены. Иначе можно «затереть» то, что уже работало.</p>
- <p><strong>Сужайте задачу, если не сходится</strong>. Если два раза подряд результат не попадает в цель — не гоните дальше, а упростите задачу вручную: разбейте на более мелкие шаги, дайте более узкий контекст или приложите готовый образец нужного решения.</p>
Связка с обзором AI для разработчиков полезна: промпт — вход в слой генерации, дальше идут ревью, отладка и тесты. Не пытайтесь одним запросом закрыть весь цикл.
Примеры формулировок под разные задачи
<p><strong>Для добавления новой функции</strong><br>«Добавь функцию X, ориентируясь на пример Y. Сигнатуру оставь без изменений. Обязательно учти ситуации A и B. В ответе дай только код самой функции и соответствующий тест, без пояснений и лишних комментариев.»<br><strong>Зачем так:</strong> сразу задаёт стиль (через образец), фиксирует границы (сигнатура не меняется) и критерии готовности (учтены конкретные кейсы + есть тест).</p>
<p><strong>Для исправления падающего теста</strong><br>«Исправь тест, который падает (текст ниже). В продакшн‑коде вне файла Z ничего не меняй. После кода кратко опиши причину проблемы — ровно в трёх пунктах, по одному на основную причину.»<br><strong>Зачем так:</strong> жёстко ограничивает зону изменений, требует конкретики в объяснении и не даёт «размазывать» ответ.</p>
<p><strong>Для рефакторинга</strong><br>«Проведи рефакторинг кода, не меняя его поведения для внешних пользователей. Публичный интерфейс (методы, параметры, возвращаемые значения) должен остаться прежним. Подключение новых библиотек запрещено.»<br><strong>Зачем так:</strong> отделяет «как устроено внутри» от «что видно снаружи», убирает риск сломать зависимости и добавить лишнего.</p>
<p><strong>Для поиска причины ошибки по стектрейсу</strong><br>«По приведённому стектрейсу предложи три возможные причины ошибки. Для каждой причины укажи короткий способ быстрой проверки — в одном предложении, что сделать, чтобы подтвердить или опровергнуть гипотезу.»<br><strong>Зачем так:</strong> превращает «расскажи, что сломалось» в проверяемые гипотезы и экономит время на отладке.</p>
Библиотека промптов команды
- <p>Подготовьте набор из <strong>8–12 типовых шаблонов для частых зада</strong>ч: создание нового API‑метода, написание миграций, исправление ошибок, формирование регрессионных тестов, разбор изменений в запросе на включение кода, составление SQL‑запросов по имеющейся схеме.</p>
- <p><strong>Разместите эти шаблоны в одном месте</strong> — рядом с основными инженерными правилами команды (engineering guidelines), чтобы они всегда были под рукой при постановке задач.</p>
- <p>Регулярно <strong>актуализируйте коллекцию</strong>: если получили от ИИ неудачный результат — разберите, чего не хватило в формулировке, и доработайте соответствующий шаблон. Каждый такой случай — повод сделать шаблон точнее и полезнее.</p>
| Тип задачи | Обязательные поля для запроса | Критерий «готово» |
|---|---|---|
| Новая функция | Сигнатура (что принимает и что возвращает), пример реализации в стиле проекта, список ключевых ситуаций (краевых случаев), которые нужно обработать | Тесты проходят без ошибок, стиль кода совпадает с принятым в проекте, учтены все указанные ситуации |
| Исправление ошибки (багфикс) | Указанный стек технологий, подробное описание, как воспроизвести ошибку (шаги/данные), чёткие границы, какие части кода можно и нельзя трогать | Добавлен регрессионный тест, который подтверждает, что ошибка устранена и не появляется снова при тех же условиях |
| Рефакторинг | Список инвариантов — того, что обязательно должно остаться без изменений, явный запрет на нарушение публичного интерфейса (API‑break) | Поведение системы не изменилось: функциональность и результаты работы остались прежними, публичные методы и контракты не затронуты |
| Набор тестов (тест‑сьют) | Описание типичных рисков и частых сбоев, готовые или примерные фикстуры (входные данные), требования к стилю и структуре тестов | Тесты покрывают реальные проблемные ситуации и стабильно фиксируют соответствующие сбои, формат и стиль соответствуют стандартам команды |
Как работать с объёмными задачами: сужаем круг изменений
<p>Если правка затрагивает сразу несколько частей — интерфейс, сервис и тесты, — не давайте всю задачу в одном запросе. Разбивайте на этапы и после каждого шага запускайте проверку (компиляцию, тесты). Так проще понять, на каком уровне появилась ошибка.</p>
- <p>Сначала — <strong>интерфейсы и типы, без логики</strong>. На этом шаге фиксируют, как компоненты будут «общаться»: какие данные передаются, какие форматы ожидаются. Бизнес‑логика пока не нужна.</p>
- <p>Потом — <strong>реализация в одном модуле</strong>. Делают только ту часть, которая решает задачу, без лишних расширений.</p>
- <p>Далее — <strong>тесты и редкие ситуации</strong>. Пишут проверки, включая нетипичные случаи: пустые значения, очень большие объёмы, повторные запросы и т. п.</p>
- <p>В конце — <strong>краткое описание изменений для согласования</strong> и список возможных <strong>рисков</strong>. Это помогает команде быстрее понять суть и заметить слабые места</p>
<p>Когда задача всё же требует широкого контекста, вместо того, чтобы отправлять сразу много файлов, приложите короткую справку: 5–10 строк, где сказано, за что отвечает каждый файл. Такой «путеводитель» даёт нужную картину и не перегружает модель.</p>
Чек‑лист перед тем, как просить сгенерировать код
- <p><strong>Цель описана через понятный итог.</strong> Должно быть ясно, что именно должно получиться в результате — какой функционал заработать, какое поведение измениться, какой показатель улучшиться. Формулировка строится вокруг наблюдаемого результата, а не процесса.</p>
- <p><strong>В контексте — только самое нужное.</strong> Прикладывайте только те фрагменты, которые напрямую влияют на решение: сигнатуры, типы, 1–2 примера в нужном стиле. Лишний код создаёт «шум» и сбивает модель с толку.</p>
- <p><strong>Ограничения и запреты прописаны чётко.</strong> Отдельно перечислите, чего делать нельзя: не добавлять новые библиотеки, не менять публичный интерфейс, не удалять колонки, не логировать чувствительные данные и т. п.</p>
- <p><strong>Формат ответа заранее согласован.</strong> Укажите, в каком виде нужен результат: только список изменений (diff), полный файл, отдельно функция, тесты, комбинация кода и кратких пояснений.</p>
- <p><strong>Критерий готовности сформулирован измеримо.</strong> Должно быть понятно, как проверить, что задача выполнена: например, «все тесты проходят», «учтены 3 краевых случая», «стиль совпадает с примером из utils.ts», «нет новых зависимостей».</p>
- <p><strong>Сразу после генерации — проверка.</strong> Прогоните тесты и пройдитесь по короткому чек‑листу ревью: соблюдён ли контракт, учтены ли запреты, совпадает ли стиль, нет ли лишних изменений.</p>
- <p><strong>Удачный запрос сохраняйте.</strong> Если формулировка сработала и дала близкий к нужному результат — добавьте её в библиотеку шаблонов команды. Это экономит время и делает работу воспроизводимой.</p>
Итог: промпты для кода — это дисциплина входа. Чем полнее каркас, тем меньше переписываний и тем спокойнее ревью. Соберите шаблоны, тренируйте уточнение запроса и измерьте навык на оценке AI для разработчиков.
Частые вопросы
Сколько контекста достаточно для промпта под код?
<p>Столько, чтобы модель чётко увидела три ключевых момента: какие правила взаимодействия (контракт) нужно соблюсти; как принято оформлять и строить код в вашем проекте (локальный стиль); какие рамки и запреты действуют для этой задачи.</p>
Нужно ли вместе с кодом просить пояснения?
<p>Да, но кратко: достаточно указать, какие именно места были изменены и какие возможные риски это несёт.</p>
Что делать, если модель меняет слишком много файлов?
<p>Чётко обозначьте границы задачи — перечислите конкретные пути к файлам, которые можно менять. Просите вносить только самые необходимые правки: пусть изменения будут минимальными. Лучше разбить задачу на два отдельных запроса, чем получать один большой и сложный набор правок.</p>
Можно ли кормить модель секретами из .env для «реализма»?
Нет. Используйте фейковые значения и схемы. Секреты и персональные данные в промпт не попадают — это правило команды, а не личное предпочтение.
Чем промпт для кода отличается от промпта для текста?
Жёстче контракт: типы, сигнатуры, тесты, запрет ломать API. Критерий готовности чаще проверяется прогоном, а не «нравится ли формулировка».
Как быстро прокачать навык в команде?
Введите общую библиотеку шаблонов, разбирайте промахи на ретро и проверьте уровень на оценке AI для разработчиков. Практика — на реальных тикетах спринта.