Практическая структура промптов для исполнительных агентов Claude AI

Инженерия промптов для агентов выполнения

Разработчик с месяцами опыта создания агентов Claude AI, выполняющих реальные действия — API-вызовы, извлечение данных, многошаговые деревья решений и восстановление после ошибок — делится структурой промптов, которая решила проблемы постоянных галлюцинаций. Ранние попытки приводили к тому, что агенты галлюцинировали поля, запускали ненужные цепочки API-вызовов, молча игнорировали ошибки и возвращали частичные данные, как будто всё было в порядке.

Ключевые принципы структуры промптов

• Пишите промпты как контракты, а не инструкции: Промпты на естественном языке вроде "найди подходящие лиды и отправь персонализированное сообщение" провоцируют импровизацию. Что работает: определение входных данных (точная схема, типы, крайние случаи), выходных данных (точный формат, включая состояния ошибок) и правил принятия решений (если X, то Y, если Z, то остановись).
• Выделяйте 40% токенов вашего промпта на обработку ошибок: Без явных путей обработки ошибок Claude либо бесконечно повторяет попытки, либо молча возвращает мусор. Каждый возможный режим сбоя требует собственной инструкции: что делать, когда API возвращает 429, что делать, когда отсутствует обязательное поле, что делать, когда данные выглядят неоднозначно.
• Разделяйте "ожидание" и "остановку": Claude не может отличить "у тебя ещё недостаточно информации для действия" от "информация плохая, прерви", пока вы явно не опишете оба случая. Один агент должен был приостанавливаться на неоднозначных данных, но вместо этого пропускал всё, что не было на 100% чистым. Добавление явных инструкций для обоих состояний улучшило точность за ночь.
• Сопоставление шаблонов > ролевая игра: "Ты — старший инженер" почти ничего не даёт для качества выполнения. Вставка реального примера хорошего вывода и указание "точно сопоставь этот шаблон" работает в 10 раз лучше. Claude лучше воспроизводит конкретный пример, чем интерпретирует абстрактную персону.
• Маршрутизируйте по сложности, а не по привычке: Используйте Opus исключительно для многошаговых решений, где важны контекст и крайние случаи. Всё остальное отправляйте в Sonnet или Haiku. Большинству задач агентов не нужен Opus, а разница в стоимости быстро накапливается. Затраты на API снизились с огромных до управляемых при правильной маршрутизации.
• Принудительно применяйте цепочку рассуждений перед каждым действием: Это стоит, возможно, на 15% больше токенов, но когда что-то ломается в 2 часа ночи, вы можете прочитать, почему именно агент решил сделать то, что сделал. Без этого вы отлаживаете вслепую.

Разработчик отмечает, что эта структура промптов гораздо важнее выбора модели для создания агентов, выполняющих реальные действия (а не просто генерирующих текст).