Почему промпты больше не работают и что пришло на смену

Если вы до сих пор пишете идеальные промпты и недовольны результатом, у меня новость: промпты перестали быть главным инструментом. Они работают, но потолок наступает быстро. Дальше вы упираетесь в стену, где никакая формулировка не спасёт.

Я прошла этот путь сама. От “напиши мне пост” до системы, где агент знает мой бизнес, клиентов, стиль и процессы. Разница в результатах колоссальная.

Это статья из серии «Учусь вместо вас». Также в серии: Agent Skills, часть 1, Claude Code in Action, Advanced Prompt Engineering.

Почему хорошие промпты перестали давать хорошие результаты?

Промпт живёт ровно один разговор. Вы потратили 20 минут на идеальную формулировку, получили отличный результат. Открыли новый чат - и начинаете с нуля. Модель не помнит, кто вы, что вам нужно, какой у вас стиль.

Это как каждый день приходить к новому сотруднику и заново объяснять всё про ваш бизнес. Талантливый человек, но с полной амнезией.

Промпт-инженерия никуда не делась, она просто стала одним из инструментов. Причём далеко не самым мощным. Если хотите разобраться в базе, начните с обзора курса Claude 101 от Anthropic.

Какие 4 уровня взаимодействия с AI существуют?

Одно предложение, роль + контекст, память + файлы, GitHub + скиллы. Каждый следующий уровень кратно увеличивает качество результата. Большинство людей застревают на первых двух, даже не подозревая, что дальше что-то есть.

Уровень 1. Одно предложение

“Напиши мне пост про здоровое питание.”

Вы получаете суперусреднённый текст, который мог бы написать кто угодно. Без вашего голоса, без экспертизы, без понимания аудитории. Я подробно разбирала, почему такой контент не работает.

На этом уровне модель выдаёт голубцы: среднее между всеми текстами, на которых она обучалась. Результат предсказуемо никакой. Почему 74% AI-контента звучит одинаково - как раз про это.

Уровень 2. Роль + контекст + формат

“Ты маркетолог для стоматологической клиники. Напиши пост для Instagram: 80 слов, формат карточки, тон дружелюбный и профессиональный. Целевая аудитория: женщины 25-45 лет.”

Уже лучше. Заметно лучше. Здесь живёт классический промпт-инженеринг: роли, шаблоны, цепочки рассуждений. Многие курсы по AI учат именно этому.

Проблема: каждый раз вы повторяете один и тот же контекст. Снова и снова. Промпт разрастается до простыни, и вы тратите больше времени на его составление, чем на саму работу.

Уровень 3. Память + файлы + проекты

Здесь качественный скачок. Вместо того чтобы каждый раз описывать контекст, вы сохраняете его.

Как? Через файлы памяти в формате Markdown. Вы создаёте документы с описанием бренда, аудитории, стиля, процессов. Агент читает эти файлы при каждом запуске и уже знает, кто вы и что вам нужно.

На практике это выглядит так. У меня есть файл CLAUDE.md со всеми проектами, правилами работы, предпочтениями. Когда я открываю новую сессию, агент уже в контексте. Не нужно ничего объяснять заново.

Это как сотрудник, который каждое утро перечитывает свою должностную инструкцию и все ваши прошлые договорённости. Звучит фантастически? В 2026 году это реальность.

На этом уровне вы начинаете общаться с AI, а не командовать им. Говорите: “сделай карточки для стоматологии” - и он знает клинику, фирменный стиль, целевую аудиторию, формат.

Уровень 4. GitHub + скиллы + workflow

Самый продвинутый уровень. Здесь агент становится полноценным сотрудником с разделением обязанностей.

Скиллы (Skills) работают как должностные инструкции для конкретных задач. У меня 31 скилл только для одного проекта: создание карточек, написание постов, проверка фактов, SEO-оптимизация, ответы на отзывы. Каждый скилл содержит детальные инструкции в YAML-файле. AI подгружает нужный, когда задача совпадает по смыслу.

GitHub даёт версионирование и расширяемую память. Можно подключать и отключать блоки знаний, обновлять их по отдельности. В отличие от чат-ботов, где вся память лежит в одном месте и вы ничего не контролируете.

Workflow связывает всё в цепочки: получил задачу, проверил по базе знаний, создал контент, прогнал через проверку фактов, отформатировал под каждую площадку.

Чем мельче раздробить задачи на скиллы, тем качественнее агент их выполняет. Один большой промпт “сделай всё” всегда проигрывает набору точечных инструкций.

Как организовать информацию для AI?

Мне часто задают этот вопрос, и он попадает в точку. На третьем и четвёртом уровне файлов становится много. Без системы они превращаются в кашу.

Мой подход: спрашивайте AI. Серьёзно. “Как тебе удобнее получать эту информацию? Какие файлы лишние? Какие важные?”

Скажем так, модель отлично понимает свою собственную архитектуру. Она скажет: “Этот файл слишком большой, раздели его. Вот эта информация мне не нужна каждый раз - убери в отдельный файл, подгружу по необходимости.”

На практике я разделяю информацию по частоте изменений:

Стабильное: миссия, проекты, инструменты. Живёт в основном файле.
Ежемесячное: архитектура проекта, ключевые решения. Живёт в отдельных файлах по проектам.
Оперативное: текущие задачи, статусы. Живёт на доске задач.

Когда информация разложена по полочкам, агент не тратит контекстное окно (пространство для мышления) на то, что сейчас не нужно. Загружает только релевантное.

Как версионировать и откатываться, если стало хуже?

В большинстве случаев проще понять свою ошибку и перейти на следующий уровень, чем откатываться. В комментариях спрашивают про откаты - правильный вопрос, но ответ, возможно, неожиданный.

Допустим, вы написали скилл для создания постов, и агент стал выдавать странные результаты. Первый инстинкт: найти предыдущую версию скилла и вернуть всё как было. Но чаще всего проблема в том, что вы дали недостаточно контекста или противоречивые инструкции.

Вместо отката лучше:

Посмотреть, что именно пошло не так
Дать обратную связь: “вот это место неверное, потому что…”
Обновить инструкции с учётом ошибки

Каждая такая итерация делает систему лучше. Откат возвращает вас к точке, где проблема ещё не была обнаружена.

Если техническая версионность всё же нужна - GitHub хранит всю историю изменений. Можно посмотреть, что менялось, когда и почему. Для файлов памяти это работает так же, как для кода.

Работает ли система памяти на других языках?

Мне написали с вопросом про немецкий и английский. Короткий ответ: да.

Claude понимает инструкции на любом языке. Можно писать файлы памяти на русском, а контент генерировать на немецком. Или наоборот. Или смешивать языки в одном файле: описание процесса на русском, примеры вывода на английском.

У меня в настройках правило: общение со мной на русском, код и коммиты на английском. Переключение между языками работает без проблем.

На мой взгляд, побочный эффект оказался неожиданным: снижается сопротивление к обучению на английском. Когда работаешь с инструментом, который свободно говорит на обоих языках, барьер стирается. Можно попросить вставлять незнакомые слова на изучаемом языке прямо в рабочую переписку. Учишься в процессе работы, а не за партой.

С чего начать переход на следующий уровень?

Если вы сейчас на уровне 1-2, вот конкретные шаги:

Создайте один файл с описанием бизнеса, аудитории и стиля. Обычный текстовый файл.
Перенесите в него всё, что вы обычно пишете в промптах каждый раз.
Спрашивайте модель: “Что тебе ещё нужно знать, чтобы выполнять задачи лучше?”
Фиксируйте обратную связь: если агент ошибся, запишите правило в файл, чтобы ошибка не повторилась.

Качество AI-контента определяет тот, кто управляет процессом. Инструмент один и тот же, результаты разные. Собственно, разница - в объёме переданного контекста и организации взаимодействия.

Следующая ступень эволюции для специалистов - умение формулировать, объяснять, давать обратную связь. Промпты были первым шагом. Но останавливаться на них - значит застрять на втором этаже десятиэтажного здания.

Нужна помощь с настройкой AI для бизнеса?

Я провожу консультации по внедрению AI в маркетинг. За час разберём вашу ситуацию: где вы сейчас, куда двигаться, какие инструменты подходят именно вам. Без общих советов, только конкретика под ваш проект.

Если нужна системная работа (настройка памяти, скиллов, автоматизация контент-производства) - этим занимается Sintez Agency.

FAQ

Нужно ли уметь программировать, чтобы перейти на уровень 3-4?

Для уровня 3 (память + файлы) - не нужно. Вы работаете с текстовыми файлами в Markdown, это как вести заметки. Для уровня 4 (GitHub + скиллы) минимальные навыки полезны, но не обязательны. Терминал осваивается за пару дней, а дальше агент сам помогает.

Какой AI-инструмент подходит для работы с памятью?

Я работаю через Claude Code - он подключается к папке с файлами памяти через терминал и GitHub. Но принцип работает с любым инструментом, который поддерживает загрузку файлов и проекты: Claude Projects, Custom GPTs. Разница в глубине контроля.

Сколько времени занимает настройка системы памяти?

Базовый файл с описанием бизнеса и стиля создаётся за 30-40 минут. Дальше система растёт органически: каждый раз, когда агент ошибается, вы добавляете правило. Через месяц у вас полноценная база знаний, заточенная под вас.

Можно ли использовать эту систему для команды?

Да. Скиллы и файлы памяти можно расшаривать через GitHub. Каждый член команды получает одинаковый набор знаний и стандартов. Особенно полезно, когда несколько человек создают контент для одного бренда.

Промпт-инженерия теперь бесполезна?

Нет, она остаётся важным навыком на уровне 2 и продолжает работать внутри скиллов на уровне 4. Просто без системы памяти и контекста промпт-инженерия упирается в потолок. Хороший промпт внутри хорошей системы даёт в разы лучший результат, чем отличный промпт в пустом чате.