Промпт-інжиніринг для L&D: як отримати від ШІ програму, а не загальні слова
27 листопада 2025 у L&D Community розбирав з фахівцями з навчання промпт-інжиніринг на їхніх задачах: як розбивати розробку програми на кроки, давати приклади, задавати формат і звіряти відповіді кількох моделей. І як не віддати в промпт персональні дані.
-
4–5
сторінок дав один великий запит замість детального плану
-
30 хв
на план з кількох десятків сторінок, коли задачу розбито
-
3
правила безпеки даних, з яких варто почати
З чого почали
Задача
L&D-фахівці щодня пишуть з ШІ програми, сценарії й матеріали, але часто вставляють усе в один великий промпт і отримують загальну відповідь.
А в довгих діалогах і з великими файлами модель починає вигадувати: контекстне вікно обмежене, і частина тексту просто не вміщається.
Ми не можемо просити якісь великі задачі робити в одному промпті. Треба вашу задачу розбивати, декомпозувати.
Прийоми для L&D
Шість прийомів на задачах розробки навчання
-
01
Декомпозиція
Велику задачу не пхаємо в один промпт — розбиваємо і вирішуємо по шматочках.
-
02
Формат відповіді
Не хочете таблиць — так і пишіть: без уточнення NotebookLM охоче дає таблиці.
-
03
Приклади програм у промпті
Кілька скорочених планів програм у запиті — і нова виходить у потрібній структурі.
-
04
Спершу загальний запит
Спочатку питання про розробку тренінгів загалом, потім — тренінг з конфліктів для менеджерів.
-
05
Новий діалог замість довгого
У довгому чаті якість падає: перенесіть контекст у новий діалог — і відповіді покращаться.
-
06
Попросити покращити промпт
Не хочете вчити фреймворки — попросіть ШІ переписати ваш запит у якісний промпт.
Безпека даних у промптах
Три прості правила, з яких почати
-
Корпоративна підписка
Вона дозволяє не віддавати дані компанії на навчання моделей.
-
Вимкнути навчання на даних
Повзунок "не використовувати мої дані" вмикаємо в кожному сервісі.
-
Імена — на ідентифікатори
Персональні дані замінюємо кодами, а результат зіставляємо вже у себе.
Велика задача
Дослідження по частинах — у десять разів детальніше
Знайомий попросив у ChatGPT план виходу на новий ринок одним запитом і отримав звіт на 4–5 сторінок: довга відповідь стискається, і деталі губляться.
Я запустив глибоке дослідження в трьох сервісах, звів звіти в NotebookLM, склав план і для кожного пункту генерував відповідь окремо. За 30 хвилин вийшов план на кілька десятків сторінок.
Я взяв одну задачу, декомпозував її, використав ще окремий сервіс, і ось так це все вийшло.
Питання із зали
Питання учасниць після демонстрацій
-
Чи має значення, яку модель брати суддею?
Має: я дивлюсь публічний рейтинг моделей і беру лідера — суддя має бути щонайменше найсильнішою моделлю.
Але є шанс, що суддя обере свою ж відповідь: NotebookLM працює на Gemini, тож це трохи "підкуплений суддя".
-
Чи варто платити за ChatGPT і що ще взяти L&D-фахівцю?
Рекомендую платну версію: більше можливостей і менше обмежень. Хоча б кілька сервісів варто проплатити.
Gemini — бо в підписку входить NotebookLM з більшими лімітами, а якщо багато працюєте з текстом, то Claude.
-
Після переходу на платний ChatGPT відповіді стали гіршими — чому?
Можуть бути тимчасові неполадки або збій памʼяті після зміни тарифу. Спробуйте різні моделі й режими.
І заповніть персоналізацію: хто ви і як відповідати — це враховується в кожній відповіді.
Куди далі
Якщо тема стосується вашої команди
Розберемо запит за 15 хвилин
Безкоштовний дзвінок, на якому розпитую про задачі й кажу, що зробив би — буває, що задача закривається без мене.
