Чтобы быстрее проанализировать данные, собрать дашборды и поделиться инсайтами с командой, можно использовать специализированные нейросети.
В этой подборке разбираем 8 сервисов для анализа данных: от бесплатных ИИ-ассистентов до корпоративных платформ бизнес-аналитики с машинным обучением. Рассказываем, что умеет каждый, сколько стоит и какие задачи решает.
Claude — ИИ-ассистент от Anthropic, который умеет анализировать данные прямо в чате. Можно загрузить CSV, Excel, JSON или PDF-файл и задавать вопросы по содержимому обычным языком. Claude прочитает таблицу, выполнит расчеты и объяснит результаты.
Также сервис умеет строить интерактивные графики, диаграммы и блок-схемы прямо в диалоге. Визуализации работают на всех тарифах, включая бесплатный.
Отдельная функция — Claude for Sheets, бесплатное расширение для Google Sheets. Оно добавляет в таблицу формулу =CLAUDE(), через которую можно обрабатывать данные в ячейках: категоризировать текст, анализировать тональность, извлекать информацию.
Стоимость: бесплатная версия на 15 сообщений в месяц. Платная подписка стартует от $20/мес (250 сообщений).
Julius AI — специализированный инструмент для анализа данных. Можно загрузить CSV, Excel, JSON, PDF или подключить Google Sheets и задавать вопросы по содержимому текстом. Сервис сам построит визуализацию, проведет расчеты и сохранит весь анализ как интерактивный документ, который потом можно перезапустить с новыми данными.
На тарифах Pro и Team можно подключиться к базам данных PostgreSQL, Snowflake, BigQuery, Supabase.
Также на платных тарифах работают интеграции с Google Ads, Stripe и Google Drive.
Отдельная функция — автоматические отчеты по расписанию. Можно настроить регулярную отправку готовых отчетов на email или в Slack. Там же работает интеграция со Slack: вопросы к данным можно задавать прямо в рабочем чате через @Julius.
Google встроил Gemini прямо в Google Sheets, и теперь в таблицах работает ИИ-анализ без сторонних сервисов. Главная функция — формула =AI(), которая работает как обычная формула в ячейке. Через нее можно категоризировать данные, анализировать тональность текста, генерировать описания и извлекать информацию из неструктурированных записей. Там же есть Fill with Gemini — инструмент для заполнения таблиц, который умеет подтягивать данные из Google Search в реальном времени.
Для более сложного анализа есть боковая панель Gemini. Через нее можно задавать вопросы по таблице текстом и получать графики и текстовые выводы. Через Gemini также можно сгенерировать формулы из текстового описания: вместо того чтобы вспоминать синтаксис ВПР или СУММЕСЛИ, достаточно описать задачу словами и получить готовую формулу.
Из ограничений: ИИ-функции доступны только на платных тарифах, таблица ограничена 10 миллионами ячеек, а продвинутых возможностей вроде интерактивных дашбордов с детализацией по клику здесь нет.
Стоимость: О $9/мес (100 запросов, до 10 таблиц). Есть 7-дневный бесплатный пробный период.
AI2sql — сервиc, который поможет превратить текстовый запрос в SQL-запрос. Поддерживает более 10 типов баз данных: MySQL, PostgreSQL, SQL Server, Oracle, BigQuery, Snowflake и другие.
После запроса пользователя сервис подключится к реальной базе данных и прочитает ее структуру: имена таблиц, названия колонок и связи между ними. А затем сгенерирует запросы на основе полученной информации.
Запрос можно уточнять в несколько шагов: добавлять условия, менять сортировку, оптимизировать. Для каждого запроса есть кнопка Explain, которая объяснит на простом языке, что делает каждая часть SQL-кода. Сервис также умеет строить диаграммы структуры базы данных, на которых видно, как таблицы связаны между собой.
Если у вас уже есть подписка на Claude, ChatGPT или Gemini — можете генерировать SQL-запросы в них. Они отлично справляются с кодом и сделают нужный запрос с первого раза.
Akkio — no-code платформа для предсказательной аналитики. Сервис позволяет прогнозировать продажи, оценивать вероятность оттока клиентов, сегментировать аудиторию и ранжировать потенциальных покупателей по вероятности сделки.
Для работы с данными в Akkio есть Chat Explore и Chat Data Prep. Через Chat Explore можно задавать вопросы по данным и получать визуализации и выводы. Chat Data Prep помогает подготовить и очистить данные перед анализом, тоже через текстовые команды.
Через сервис можно автоматически сгенерировать отчеты и построить интерактивные дашборды. Отчеты можно расшаривать клиентам, а на тарифе Build-On доступен white-label: аналитику можно встроить в свой продукт под собственным брендом.
Power BI — одна из самых популярных платформ бизнес-аналитики. У сервиса есть даже бесплатная версия для ПК, где можно подключать источники данных, строить интерактивные дашборды с детализацией по клику и создавать формулы на языке DAX (язык формул для расчетов и агрегаций в Power BI). Но в версии для ПК нет встроенного ИИ-ассистента.
Доступ к нейросетям есть только на платном тарифе. С помощью ИИ в Power BI можно создавать отчеты с интерактивными графиками. Также можно просто общаться с нейронкой и получать нужную информацию: ключевые тренды, аномалии, сравнения.
Power BI можно подключить к сотням источников данных: SQL Server, Excel, SharePoint, Salesforce, Google Analytics и другим. Если компания уже работает в экосистеме Microsoft 365, отчеты можно встроить в Teams, SharePoint и Excel.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Tableau — платформа для построения сложных интерактивных дашбордов. Для ИИ-анализа в Tableau встроен Tableau Agent — разговорный ассистент, через которого можно создавать визуализации, генерировать формулы и задавать вопросы по данным.
Отдельная функция — Tableau Pulse. Это система проактивных инсайтов: она будет автоматически отслеживать метрики, обнаруживать тренды и аномалии и объяснять, почему показатели изменились. Через Pulse можно получать персонализированные сводки для каждого пользователя и отправлять их в мессенджеры. Tableau Agent также умеет генерировать текстовые описания закономерностей в данных и помогать с подготовкой данных через Tableau Prep.
ThoughtSpot устроен по принципу поисковика. Вместо того чтобы открывать готовые дашборды или строить отчеты вручную, можно ввести вопрос в поисковую строку и получить визуализацию с ответом. За это отвечает Spotter 3 — ИИ-агент, который переводит текстовые запросы в SQL и выполняет их на живых данных.
Также есть еще один агент — SpotterViz. Через него можно собрать интерактивный дашборд: SpotterViz спланирует структуру, подберет визуализации и соберет готовую аналитическую панель.
Какой сервис выбрать для анализа данных
Выбор зависит от задач, бюджета и инструментов, которыми команда уже пользуется.
Для предпринимателей и маркетологов без технического бэкграунда лучше всего подойдут Claude и Julius AI. Claude можно начать использовать бесплатно: загрузить таблицу в чат, задать вопрос и получить ответ с визуализацией. Julius AI дает больше возможностей для регулярной аналитики: автоматические отчеты по расписанию, подключение к базам данных и интеграцию со Slack.
Аналитикам, которые уже работают с SQL, пригодится AI2sql. Код и визуализации он не заменит, но сэкономит время на написании запросов.
Командам в экосистеме Microsoft подойдет Power BI, чтобы встраивать отчеты в Teams и SharePoint и генерировать визуализации и формулы из текстовых описаний. Командам в экосистеме Google подойдет Gemini для Google Sheets с ИИ-анализом прямо в привычных таблицах, без переключения на новые инструменты.
Маркетинговым и медиа-агентствам можно воспользоваться Akkio. Платформа умеет прогнозировать продажи и сегментировать аудиторию через drag-and-drop интерфейс, а на старших тарифах доступен white-label для встраивания аналитики под собственным брендом.
Среднему и крупному бизнесу с задачами визуализации подойдут Tableau и ThoughtSpot.
Сводная таблица для сравнения:
Сервис
Стоимость
Ссылка
Claude
Бесплатно с лимитами, Pro — $20/мес, Max — от $100/мес
Юристам каждый день нужно разбирать кучу документов, проверять договоры, акты и формулировать ответы со ссылками на НПА. Все эти процессы можно ускроить с нейросетями. При чем не придется заморачиваться с оплатой зарубежных сервисов и переживать за сохранность данных — в России есть свои ИИ-сервисы для юристов.
Яндекс Нейроюрист — специализированный ИИ-помощник, заточенный под юридический поиск. В сервисе можно задать правовой вопрос и получить ответ со ссылками на нормативные акты. Можно спросить, например, какие документы нужны для регистрации ООО или как правильно оформить претензию — сервис ответит и укажет конкретные статьи законов.
В сервис также можно загрузить документы для анализа. Он поддерживает 20+ форматов файлов, включая PDF, DOCX, XLSX и даже изображения. Можно загрузить договор и попросить проверить его на рисковые формулировки или составить краткое содержание.
Стоимость: 3 дня бесплатного доступа. Далее Искра входит в подписку на систему Гарант (от 5 985 руб./мес).
Искра — правовая нейросеть, встроенная в справочную правовую систему Гарант. В Искре можно задать юридический вопрос в свободной форме и получить ответ со ссылками на конкретные нормы из базы Гарант. Искра специализируется на налоговом, трудовом и корпоративном праве.
Помимо ответов на вопросы, в Искре можно сгенерировать шаблоны юридических документов: договоры, исковые заявления, жалобы и претензии. Можно загрузить решение суда любого объема — сервис подготовит краткий пересказ с выделением ключевых позиций.
Сервис работает только внутри системы Гарант — отдельно от подписки воспользоваться им не получится.
Стоимость: от 48 000 руб./год за ПравоПрактику, от 60 000 руб./год за ПравоДела. Для остальных продуктов экосистемы тарифы рассчитываются по запросу.
ПравоТех — экосистема юридических инструментов с ИИ внутри. Сервис объединяет несколько продуктов, каждый под свою задачу. В ПравоДелах можно проверять контрагентов, отслеживать судебные дела и подавать документы в суд онлайн. Встроенный ИИ поможет подготовить краткое содержание дел, проанализировать предмет спора и доводы сторон.
В ПравоПрактике можно искать судебную практику. Например, можно описать спор своими словами — сервис подберет релевантные решения с автоматическим указанием норм права. ИИ выделит правовые позиции в судебных актах и подготовит контраргументы.
Сервис рассчитан на юридические фирмы и корпоративных клиентов.
Стоимость: есть бесплатный тариф для тестирования. Платные тарифы от 4000 руб./мес для индивидуального использования, от 210 000 руб./год для бизнеса.
Doczilla Pro — конструктор юридических документов с ИИ-ассистентом внутри. В нем можно пройти весь путь работы с договором: создать черновик, согласовать с коллегами и контрагентами, подписать и отследить исполнение обязательств. В библиотеке больше 100 готовых шаблонов юридических документов, на основе которых можно собрать нужный договор за несколько минут.
ИИ-ассистент поможет на каждом этапе: сгенерирует договор или дополнительное соглашение, проверит текст на потенциальные риски, подготовит краткую выжимку из объемного документа и переведет юридический текст на другой язык. Можно загрузить договор с тяжелым юридическим языком — ассистент перепишет его понятнее для клиента. Сервис подключен к ЕГРЮЛ, ЕГРИП и ФИАС и автоматически подтягивает данные контрагентов.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Для правового поиска со ссылками на законы подойдут Яндекс Нейроюрист и Искра. Попробовать бесплатно можно оба: Яндекс Нейроюрист дает 20 запросов в месяц, Искра — 3 пробных дня.
Для работы с судебной практикой и проверки контрагентов больше подходит ПравоТех.
Для составления и согласования договоров — Doczilla Pro, у которого есть бесплатный тариф для тестирования.
По данным Indeed, 70% соискателей уже используют нейросети при поиске работы. Кто-то составляет резюме с нуля, кто-то переделывает старое под конкретную вакансию, кто-то просит нейросеть превратить список обязанностей в список достижений с цифрами.
В этой статье разберем, как это делать: от составления резюме через обычные нейросети до специализированных конструкторов с шаблонами и проверкой на совместимость с автоматическими фильтрами работодателей.
В какой нейросети сделать резюме
Если не хочется платить, проще всего начать с DeepSeek или Qwen — оба полностью бесплатные, без подписок и ограничений. По качеству текста сопоставимы с платными моделями.
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
Если есть возможность обойти ограничения и заплатить за зарубежные сервисы, лучше использовать ChatGPT, Claude или Gemini. Они лучше справляются с анализом информации и пишут лучше китайских аналогов.
Как составить резюме через чат-бот
Самый простой способ сделать резюме с помощью ИИ — открыть любой бесплатный чат-бот и описать свой опыт. На выходе вы получите готовый текст, который останется проверить, дополнить и оформить. промпты ниже работают одинаково в любой нейросети.
Если вам сложно сесть и сразу описать весь опыт, можно начать с промпт-интервью. Для этого попросите нейросеть задавать вопросы по одному, а потом собрать их и на их основе сделать резюме:
Prompt
Ты — опытный карьерный консультант. Помоги определить мои сильные стороны, задав уточняющие вопросы. Задавай вопросы по принципам книги Маму.
В ходе диалога из 10-15 сообщений вы расскажете про должность, сферу, ключевые проекты и достижения, а на выходе получите структурированное резюме.
После опроса нейросеть выдаст что-то вроде такого заключения:
Если данные о себе уже собраны, можно обойтись без интервью и отдать нейросети всю информацию сразу:
Prompt
Ты — профессиональный карьерный консультант с опытом в рекрутинге. Напиши резюме на русском языке для отклика на конкретную вакансию.
Вакансия:
Ссылка
Обо мне:
Имя: [имя фамилия]
Опыт работы: [перечисли места, должности, годы и чем занимался — можно в свободной форме, модель структурирует сама]
Образование: [вуз, специальность, год выпуска]
Навыки и инструменты: [языки, технологии, софт, soft skills]
Достижения (если есть): [цифры, проекты, награды]
Языки: [русский — родной, английский — B2, и т.д.]
Как писать:
Тон: профессиональный, но без канцелярита. Без «коммуникабельный и стрессоустойчивый».
Пиши от первого лица или безлично — [выбери].
Опыт описывай через результат и действие, а не обязанности. Используй конкретные цифры там, где я их дал.
Адаптируй формулировки под требования вакансии: если в вакансии просят X — покажи в моём опыте, где я делал X.
Структура резюме (в таком порядке):
Имя + контакты (email, телефон, город, ссылка на LinkedIn/портфолио — если укажу)
Краткий профиль / Summary (3–4 предложения, заточенных под эту вакансию)
Опыт работы (от последнего к первому, каждый блок: компания → должность → период → 3–5 пунктов с результатами)
Образование
Навыки (сгруппируй по категориям)
Дополнительно (языки, сертификаты, волонтёрство — если есть)
Результат отдай в формате PDF.
Вместо информации в квадратных скобках подставьте свои данные. Чем подробнее будет описан опыт, тем точнее получится результат. Если есть старое резюме, можно вставить его целиком — нейросеть переработает текст и улучшит формулировки.
Бывает и так, что вы меняете профессию, и старый опыт нужно подать под новым углом. Тогда стоит прямо написать, откуда и куда вы переходите:
Prompt
Я провел(а) последние [X] лет, работая на должности [название]. Теперь хочу перейти в [новая сфера]. Помоги составить резюме, которое подчеркнет переносимые навыки.
Например, если вы работали менеджером по продажам и хотите перейти в маркетинг, нейросеть выделит навыки работы с клиентами, анализ конверсий и управление воронкой продаж — все то, что пригодится на новом месте.
Правда, любой результат стоит воспринимать как черновик. Нейросеть может додумывать факты — приписать метрики, которых не было, или сдвинуть даты работы. На Хабре описывают характерный случай: 21-летнему парню нейронка в резюме приписала пятилетний опыт.
Если резюме уже есть, нейросеть поможет его доработать. Достаточно вставить текст в чат-бот и попросить оценить, переписать формулировки или адаптировать документ под конкретную вакансию.
Начать проще всего с общей оценки. Нейросеть прочитает резюме и укажет на слабые места — нечеткие формулировки, пропущенные навыки, неудачную структуру:
Prompt
Я претендую на [должность]. Просмотри резюме ниже и дай мне отзыв о его эффективности. Что сильно, что слабо, что переделать.
Вместо [должность] подставьте название позиции, на которую откликаетесь. В ответ вы получите список замечаний с конкретными предложениями по правкам.
Я, к примеру, отправил свое резюме редактора и сказал, что хочу устроиться на вакансию маркетолога. Нейронка правильно все подметила:
Еще одна частая задача — превратить обязанности в достижения. Чтобы нейросеть помогла переформулировать опыт в таком ключе, можно использовать следующий запрос:
Prompt
Просмотри мое резюме и предложи способы подчеркнуть мои достижения, используя данные и статистику. Помоги переформулировать достижения в формате «глагол, метрика, результат».
На выходе вы получите варианты с цифрами для каждого пункта опыта. Если точных цифр у вас нет, нейросеть предложит формулировки с приблизительными метриками, которые можно скорректировать.
А если у вас есть базовое резюме, и его нужно подстроить под описание позиции, можно дать нейросети оба текста:
Prompt
Адаптируй мое резюме [вставить] под эту вакансию [вставить]. Обнови основное резюме и добавь нужные навыки. Сохрани мой стиль.
Вместо [вставить] подставьте текст резюме и описание вакансии. В результате вы увидите, каких ключевых слов не хватает и что стоит переформулировать.
Какой бы промпт вы ни использовали, после генерации все равно нужно проверить и поправить текст. Нейросеть склонна выдавать формулировки, которые по структуре похожи на тысячи других резюме. По данным ResumeBuilder, 64% рекрутеров уже заметили рост одинаковых заявок из-за массового использования ИИ, а 62% работодателей отклоняют резюме, в которых не чувствуется личного подхода.
При проверке нужно убирать слова по типу «результативный профессионал» или «командный игрок с лидерскими качествами». А вместо них использовать живые детали: конкретные проекты, цифры, названия инструментов, с которыми вы работали. По данным HireTruffle, именно такие подробности ищут 78% рекрутеров как признак подлинного интереса к позиции.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Если не хочется возиться с обычной нейросетью, можно воспользоваться специализированными конструкторами резюме. Они и текст пишут с помощью ИИ, и сразу собирают его в готовый документ с дизайном.
Многие из них умеют проверять резюме на совместимость с ATS — системами автоматического отбора, которые крупные компании используют для сортировки откликов. Работает это как фильтр в почте: если в резюме нет ключевых слов из описания вакансии, документ не попадет к рекрутеру.
Ниже — обзор конструкторов, от полностью бесплатных до премиальных.
Стоимость: 500 рублей за 500 кредитов. Подписки хватит на 1 резюме.
CareerLab — российский ИИ-конструктор резюме, который сам генерирует описание опыта и обязанностей — достаточно указать должность и базовую информацию. Можно вставить описание вакансии, и система подскажет, каких ключевых слов не хватает и что стоит переформулировать.
Шаблониум
Стоимость: бесплатно.
Шаблониум — конструктор резюме, в котором есть 8 шаблонов с готовой структурой. Пользователь должен заполнить форму, а в ответ получит документ в PDF или DOCX — который, отправить по почте или поделиться ссылкой. Есть ИИ-подсказки по улучшению текста. Главный минус сервиса — в него нельзя загрузить свое резюме, чтобы нейросеть его проанализировала и дала рекомендации.
Wobo
Стоимость: бесплатно.
Wobo — бесплатный ИИ-конструктор резюме с возможностью поиска работы. Сервис анализирует документ по 24 параметрам и проверяет его на совместимость с ATS. Если в резюме чего-то не хватает, Wobo подскажет, что добавить, и предложит переформулировать описание опыта по методологии STAR (ситуация, задача, действие, результат). Интерфейс на английском, но текст можно вводить на русском.
Я закинул в Wobo свое резюме, полностью сгенерированное в нейросетях — и сервис оценил его низко.
Rezi
Стоимость: бесплатно (1 резюме, ограниченный ИИ), дальше — $29 в месяц.
Rezi делает ставку на ATS-оптимизацию. Сервис анализирует описание вакансии и подсказывает, какие ключевые слова добавить в резюме, чтобы оно прошло автоматические фильтры. На бесплатном тарифе можно создать одно резюме с ограниченным доступом к ИИ-функциям.
Здесь же есть режим для улучшения резюме: можно загрузить свой файл и встроенный агент прогонит его по разным ATS параметрам. А затем подскажет, что стоит подправить.
Бонус: как написать сопроводительное письмо с помощью ИИ
Сопроводительное письмо можно составить в тех же нейросетях, что и резюме. Принцип тот же: чем больше конкретики, тем лучше результат.
Если не знаете, с чего начать, можно использовать пошаговый подход — по тому же принципу, что и промпт-интервью для резюме:
Prompt
Задай мне список вопросов, чтобы собрать материал для сопроводительного письма на позицию [название вакансии].
Нейросеть спросит про мотивацию, релевантный опыт и почему вас привлекает именно эта компания, а потом соберет готовый текст на основе ответов.
Если у вас уже есть готовое резюме и описание вакансии, можно дать нейросети оба документа — она сама найдет пересечения и построит письмо вокруг них:
Prompt
Вот мое резюме: [вставить]. Вот описание вакансии: [вставить]. Напиши сопроводительное письмо, которое связывает мой опыт с требованиями вакансии.
Какой бы подход вы ни выбрали, после генерации стоит добавить в письмо конкретные факты из опыта: цифры, названия проектов, результаты. Важно показать, почему вас интересует именно эта компания, а не любая другая с похожей вакансией. Персонализация под конкретного работодателя — то, что отличает работающее сопроводительное от шаблонного.
Сложность:
Как правильно организовывать работу в Claude Code и подобных
Если вы пользовались Claude через обычный чат, вы знаете ощущение: каждый новый диалог начинается с чистого листа. Claude не помнит, над чем вы работали вчера, какой у вас проект, какие в нем правила. Приходится каждый раз объяснять заново — какой язык используется, как устроена структура файлов, что можно менять, а что нельзя трогать.
Claude Code решает эту проблему. Это инструмент, который работает прямо в терминале, внутри вашего проекта. Он умеет читать файлы, запускать команды, редактировать код. Но главное — он умеет читать инструкции, которые вы заранее подготовили.
Эти инструкции хранятся в специальной папке .claude/, которая лежит в корне проекта. Внутри — набор файлов, каждый из которых отвечает за свою задачу: один описывает проект и правила поведения, другой задает разрешения, третий подключает внешние сервисы. Когда Claude Code запускается, он находит эту папку, читает файлы и понимает контекст — еще до того, как вы что-то спросили.
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
Можно думать об этом так: .claude/ — это памятка, которую вы оставляете помощнику перед началом рабочего дня. Чем точнее памятка, тем меньше вопросов и ошибок.
В этом гайде мы разберем каждый файл из этой папки — что он делает, когда нужен и как его настроить. Начнем с самого важного.
В этом гайде будут примеры файлов, фрагменты конфигурации, структуры папок. Может показаться, что всё это нужно писать вручную, разбираться в синтаксисе и запоминать названия полей.
На самом деле — нет. Все, что описано дальше, Claude Code умеет создавать сам. Достаточно сказать ему обычным языком, что вам нужно: «Создай файл с инструкциями для проекта», «Сохрани это как навык», «Настрой отдельного помощника для проверки текстов» — и он сам создаст нужные файлы, разложит их по папкам и заполнит содержимым.
Ваша задача — не разбираться в технических деталях, а понимать общую картину. Какие возможности существуют, чем они отличаются друг от друга, когда какая пригодится. Если вы будете это понимать, вы сможете правильно сформулировать задачу для Claude и проверить, что он всё сделал так, как нужно. Примеры файлов в этом гайде — не инструкция «напишите именно так», а ориентир, чтобы вы узнали результат и могли оценить, верный он или нет.
CLAUDE.md — главный файл инструкций
Это первый файл, который Claude Code ищет при запуске. Он лежит в корне проекта, рядом с папкой .claude/, и содержит основные инструкции: кто вы, что за проект, как Claude должен себя вести, что ему запрещено.
Допустим, вы делаете веб-приложение. Вы хотите, чтобы Claude знал, на чем оно написано, и не трогал определенные файлы. Минимальный CLAUDE.md может выглядеть так:
Десять строк — и Claude уже понимает стек, ограничения и стиль общения. Без этого файла каждый из этих пунктов пришлось бы проговаривать вручную в начале каждой сессии.
Когда файл начинает расти. На старте десяти строк достаточно. Но со временем появляются новые правила, описания модулей, инструкции по работе с API. Файл разбухает до 200–300 строк, и Claude тратит на его чтение все больше контекстного окна — того объема информации, который он может удерживать «в голове» одновременно.
Рекомендация — держать CLAUDE.md в пределах 100 строк. Но куда девать все остальное?
Claude Code поддерживает подключение внешних файлов. Работает это так: вы создаете отдельный файл — например, docs/architecture.md — и описываете в нем архитектуру подробно, на сколько угодно строк. А в CLAUDE.md вместо этого описания ставите одну строку со знаком @ и путем к файлу:
@docs/architecture.md
Когда Claude Code запускается и читает CLAUDE.md, он встречает эту строку, идет по указанному пути, открывает файл и подтягивает его содержимое. Вы не копируете текст вручную — Claude делает это сам.
Таких ссылок может быть несколько. Например, итоговый CLAUDE.md может выглядеть так:
Три строки с @ — три файла, которые Claude подтянет автоматически. Сам CLAUDE.md остается коротким и читаемым, а детали хранятся там, где их удобно поддерживать и обновлять.
Персональные настройки. Обратите внимание на последнюю строку в примере — @~/.claude/CLAUDE.md. Она отличается от остальных: путь начинается с ~/, что означает вашу домашнюю директорию. Этот файл не лежит внутри проекта. Он хранится на вашем компьютере отдельно и содержит ваши личные предпочтения — то, что не зависит от конкретного проекта.
Например, вы хотите, чтобы Claude всегда отвечал на русском, показывал полный стек ошибок при отладке и использовал определенный порт. Вы один раз прописываете это в ~/.claude/CLAUDE.md:
И подключаете этот файл через @ в любом проекте. Теперь эти настройки путешествуют с вами — не нужно дублировать их в каждом репозитории.
Приоритеты. Если в проектном CLAUDE.md написано одно, а в персональном — другое, Claude послушается проектный файл. Проектные правила всегда приоритетнее личных. Логика простая: проект — общий для команды, и его правила важнее индивидуальных привычек.
Можно настроить CLAUDE.md еще точнее — для отдельных папок внутри проекта. Например, если в папке src/auth/ лежит свой CLAUDE.md, Claude будет применять его правила при работе с файлами авторизации. Чем конкретнее файл, тем выше его приоритет.
Правила для отдельных частей проекта — .claude/rules/
В предыдущем блоке мы разобрали CLAUDE.md — файл с общими инструкциями для всего проекта. Но в реальном проекте разные части кода живут по разным правилам. Фронтенд пишется на одном языке, бэкенд — на другом, тесты оформляются по своим стандартам. Прописывать все это в одном CLAUDE.md — значит раздувать файл и заставлять Claude держать в голове правила, которые к текущей задаче не относятся.
Для этого существует папка .claude/rules/. Внутри нее вы создаете отдельные файлы с правилами, и каждый файл привязывается к определенным папкам или типам файлов. Claude загружает только те правила, которые относятся к файлам, с которыми он сейчас работает. Остальные не попадают в контекст и не расходуют место.
Допустим, в вашем проекте есть фронтенд в папке src/frontend/ и бэкенд в src/backend/. Вы создаете два файла:
Блок между — в начале файла — это так называемый фронтматтер. В нем указано поле files — шаблон путей, к которым применяются правила. Запись src/frontend/** означает «все файлы внутри src/frontend/ и всех вложенных папок». Когда Claude работает с файлом из src/frontend/, он подгружает frontend.md. Когда работает с бэкендом — backend.md. Если работает с файлом, который не попадает ни под один шаблон, ни одно из этих правил не загружается.
Когда правила лучше, чем один CLAUDE.md. Если проект небольшой и правила умещаются в 50–70 строк, отдельная папка rules/ не нужна — все прекрасно живет в CLAUDE.md. Но как только появляются разные домены (фронтенд, бэкенд, мобильное приложение, тесты, инфраструктура), имеет смысл разнести правила по файлам. Claude будет загружать меньше текста за раз, а вам и коллегам будет проще находить и обновлять нужный раздел.
Навыки — .claude/skills/
В предыдущем блоке мы разобрали правила — файлы, которые говорят Claude, как себя вести при работе с определенной частью проекта. Навыки устроены иначе. Если правило — это ограничение или соглашение («пиши так, не пиши эдак»), то навык — это инструкция к конкретному действию.
Представьте, что вы наняли помощника. Правила — это то, что вы говорите ему в первый день: «У нас принято отвечать клиентам в течение часа, письма пишем на “вы”, в документах используем этот шаблон». А навык — это пошаговая инструкция для конкретной задачи: «Когда приходит новый заказ, сделай вот это, потом вот это, потом проверь вот так».
Claude Code работает так же. Вы описываете навык один раз, и дальше Claude применяет его, когда ситуация подходит — или когда вы явно попросите.
Как выглядит навык. Каждый навык — это папка внутри .claude/skills/ с файлом SKILL.md:
.claude/skills/└── explain-code/ └── SKILL.md
Вот пример простого навыка. Допустим, вы часто просите Claude объяснить, как работает тот или иной фрагмент кода. Каждый раз приходится уточнять: «Объясни простым языком, приведи аналогию, дай схему». Вместо этого можно создать навык:
Блок между — в начале файла — фронтматтер, мы уже встречали его в правилах. Здесь два поля: name — имя навыка, и description — короткое описание. По этому описанию Claude понимает, когда навык уместен. Если вы спросите «объясни, как работает эта функция», Claude увидит, что описание навыка совпадает с вашим запросом, загрузит инструкции и будет следовать им.
Можно и не ждать, пока Claude догадается — вызовите навык напрямую, набрав /explain-code, как команду.
Где хранить навыки. Здесь та же логика, что и с CLAUDE.md. Если навык нужен только в одном проекте, положите его в .claude/skills/ внутри этого проекта. Если навык полезен вам везде — например, вы всегда хотите объяснения через аналогии — положите его в ~/.claude/skills/ в домашней директории. Он будет работать в любом проекте.
Когда навык не должен запускаться сам. Некоторые действия слишком серьезны, чтобы Claude выполнял их по собственной инициативе. Например, публикация приложения на сервер (деплой) или отправка сообщения клиенту. Вы ведь не хотите, чтобы Claude сам решил: «Похоже, код готов — задеплою-ка я его».
Для таких случаев в фронтматтер добавляется строка disable-model-invocation: true. Она означает: «Этот навык запускается только когда я явно попрошу через /имя-навыка». Claude не будет запускать его автоматически, даже если контекст разговора подходит:
Навыки с параметрами. Иногда навыку нужна дополнительная информация — например, номер задачи. Чтобы не создавать отдельный навык под каждый номер, можно использовать подстановку. Для этого в тексте SKILL.md нужно прописать $ARGUMENTS, и при вызове Claude заменит это на то, что вы напишете после имени навыка.
Допустим, вы хотите, чтобы Claude исправлял задачи из трекера по номеру:
После этого вы сможете написать, например, /fix-issue 123 — и Claude получит инструкцию «Исправь задачу 123», после чего выполнит шаги по порядку.
Дополнительные файлы. Навык не обязан умещаться в один SKILL.md. Если инструкция сложная, рядом можно положить вспомогательные материалы — шаблон, пример готового результата, скрипт для проверки:
Claude не будет загружать эти файлы сразу при старте — только когда они понадобятся по ходу работы. Чтобы Claude знал об их существовании, достаточно упомянуть их в SKILL.md:
Когда Claude дойдет до шага, где нужен шаблон, он откроет файл и подтянет содержимое. Это удобно для сложных навыков — основная инструкция останется компактной, а детали будут подгружаться по мере необходимости.
Встроенные навыки. Claude Code поставляется с несколькими готовыми навыками. Их не нужно создавать — они доступны сразу:
/batch — для масштабных изменений. Допустим, вам нужно переписать 20 компонентов с одного фреймворка на другой. Вместо того чтобы делать это по одному, /batch разбивает задачу на независимые части и запускает на каждую отдельного агента, который работает параллельно с остальными.
/debug — помогает разобраться, почему текущая сессия ведет себя странно. Claude анализирует логи и объясняет, что пошло не так.
/simplify — проверяет файлы, которые вы недавно меняли, на повторы и проблемы с качеством. Находит проблемы и сразу предлагает исправления.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
/loop — повторяет действие через заданный интервал. Например, /loop 5m check if the deploy finished будет каждые пять минут проверять, завершился ли деплой.
Субагенты — .claude/agents/
До сих пор мы говорили о том, как настроить одного помощника — дать ему правила, научить навыкам, объяснить проект. Но некоторые задачи удобнее поручить не основному помощнику, а отдельному специалисту.
Представьте, что у вас есть персональный ассистент, который ведет все дела. Он хорошо справляется с большинством задач, но когда нужно проверить договор — вы зовете юриста, а когда нужно разобраться с налогами — бухгалтера. Каждый из них получает только ту информацию, которая относится к его задаче, делает свою работу и возвращает результат ассистенту.
Субагенты в Claude Code работают по тому же принципу. Это отдельные агенты с собственным контекстом, собственными инструкциями и ограничениями. Основной агент передает субагенту задачу, тот выполняет ее изолированно и возвращает результат. Основной агент при этом не тратит свое контекстное окно на промежуточные шаги — он получит только итог.
Встроенные субагенты. Claude Code поставляется с несколькими готовыми субагентами, которые будут использоваться автоматически, когда ситуация подходит:
Explore — быстрый агент для исследования кода. Он работает в режиме «только чтение»: умеет искать файлы, читать их, анализировать — но не может ничего менять. Claude будет делегировать ему задачи вроде «найди, где в проекте обрабатываются платежи» или «покажи все файлы, связанные с авторизацией». Explore работает на быстрой и дешевой модели Haiku, поэтому не расходует много ресурсов.
Plan — агент для планирования. Когда вы попросите Claude составить план изменений, он может отправить этого субагента изучить код и собрать информацию, прежде чем предложить план. Тоже работает в режиме чтения — ничего не меняет, только исследует.
General-purpose — универсальный субагент для сложных задач, которые требуют и чтения, и изменений. Claude будет делегировать ему многоступенчатые операции, где нужно сначала разобраться в проблеме, потом исправить код, потом проверить результат.
Как создать свой субагент. Допустим, вы хотите, чтобы у вас был отдельный агент, который проверяет качество кода — ревьюер. Он должен читать изменения, находить проблемы и писать отчет, но не должен ничего исправлять сам.
Субагенты хранятся в папке .claude/agents/. Каждый субагент — это файл в формате Markdown. К примеру, вот как может выглядеть агент для проверки кода:
Разберем фронтматтер. Поле name — имя субагента. description — описание, по которому Claude будет решать, когда делегировать задачу этому агенту. Поле tools ограничивает набор инструментов: здесь указаны только инструменты для чтения и поиска, без возможности редактирования. Поле model задает модель — sonnet работает быстрее и дешевле, чем Opus, и для ревью этого достаточно.
Текст после фронтматтера — это системный промпт субагента, его «личность» и инструкции. Субагент не будет знать контекст вашего разговора с основным Claude — он получит только задачу, которую основной агент сформулирует для него.
Как Claude будет использовать субагента. После того как вы создадите файл, Claude узнает о новом субагенте при следующем запуске. Когда вы попросите что-то, что совпадает с описанием — например, «проверь мои последние изменения» — Claude делегирует задачу ревьюеру. Тот выполнит работу в своем изолированном контексте и вернет отчет. Вы также сможете вызвать субагента явно, упомянув его через @:
@code-reviewerпосмотриизменениявмодулеавторизации
Выбор модели. Не каждому субагенту нужна самая мощная модель. Для простых задач вроде поиска файлов или форматирования подойдет Haiku — быстрая и дешевая. Для анализа и ревью — Sonnet. Для сложных архитектурных задач — Opus. Это позволит экономить ресурсы: вместо того чтобы тратить дорогую модель на поиск файлов, Claude отправит эту работу легкому субагенту.
В поле model можно указать haiku, sonnet, opus или inherit (субагент будет использовать ту же модель, что и основной агент).
Память субагента. Обычно субагент начинает каждую задачу с чистого листа — он не помнит, что делал в прошлый раз. Но можно включить персистентную память, добавив в фронтматтер поле memory:
Значение project означает, что субагент будет хранить заметки внутри проекта, в папке .claude/agent-memory/code-reviewer/. После каждой проверки он сможет записать, какие паттерны встретил, какие ошибки типичны для этого проекта, — и в следующий раз будет учитывать накопленный опыт.
Фоновая работа. По умолчанию, когда Claude делегирует задачу субагенту, основной разговор приостанавливается до получения результата. Но можно запустить субагента в фоне — тогда вы продолжите работать с основным Claude, пока субагент выполняет свою задачу параллельно. Для этого достаточно попросить: «запусти это в фоне», или добавить в фронтматтер background: true.
Хуки — .claude/hooks/
До сих пор все, что мы настраивали, работало по одной схеме: вы заранее описываете инструкции, а Claude следует им, когда считает нужным (или когда вы попросите). Хуки устроены иначе. Хук — это действие, которое выполнится автоматически, когда произойдет определенное событие.
Проще всего объяснить на примере. Допустим, в вашем проекте есть линтер — программа, которая проверяет код на ошибки оформления. Вы хотите, чтобы после каждого изменения файла линтер запускался автоматически и сразу исправлял мелкие проблемы. Без хука вам придется каждый раз напоминать: «Запусти линтер». С хуком — Claude отредактирует файл, и линтер запустится сам, без вашего участия.
Хуки настраиваются в файле .claude/settings.json (который мы подробнее разберем в блоке про разрешения) или в фронтматтере навыков и субагентов. Вот как выглядит базовый пример:
Разберем по частям. PostToolUse — это событие. Оно означает «после того, как Claude использовал какой-либо инструмент». Поле matcher уточняет, после какого именно инструмента сработает хук: здесь указано Write|Edit, то есть после записи или редактирования файла. Поле command — это команда, которая выполнится: npm run lint:fix запустит линтер с автоматическим исправлением.
Итого: Claude отредактирует файл → сработает хук → линтер проверит и поправит оформление → вы получите уже чистый результат.
Какие события бывают. Claude Code поддерживает несколько типов событий, к которым можно привязать хуки:
PreToolUse — срабатывает до того, как Claude выполнит действие. Это полезно для проверки: например, вы хотите убедиться, что Claude не выполнит опасную SQL-команду. Хук проверит команду до выполнения и, если она окажется небезопасной, заблокирует ее.
PostToolUse — срабатывает после выполнения действия. Пример выше — как раз этот тип: линтер запускается после редактирования.
PreCommit — срабатывает перед сохранением изменений в систему контроля версий. Можно привязать запуск тестов: если тесты не пройдут, коммит не состоится.
SubagentStart и SubagentStop — срабатывают, когда субагент начинает или заканчивает работу. Можно, например, подготовить ресурсы перед запуском субагента и очистить их после завершения.
Хуки для защиты. Одно из самых полезных применений хуков — не автоматизация, а защита. Допустим, у вас есть субагент, который работает с базой данных. Вы хотите быть уверены, что он сможет только читать данные, но не изменять их. Хук с событием PreToolUse будет проверять каждую команду перед выполнением:
Скрипт validate-readonly-query.sh получит команду, которую Claude собирается выполнить. Если в ней окажется DELETE, UPDATE или DROP, скрипт вернет ошибку и Claude увидит, что действие заблокировано. Если команда безопасная — скрипт пропустит ее, и Claude выполнит запрос как обычно.
Когда хуки нужны, а когда нет. Если вы только начинаете работать с Claude Code, хуки вам пока не понадобятся. Они становятся полезны, когда вы выстроите рабочий процесс и захотите автоматизировать повторяющиеся проверки — линтер после каждого изменения, тесты перед каждым коммитом, валидация перед опасными операциями. До этого момента правил, навыков и субагентов будет достаточно.
Подключение внешних сервисов — .mcp.json
Все, что мы разбирали до сих пор, касалось работы Claude внутри вашего проекта — чтение файлов, редактирование кода, запуск команд. Но иногда нужно, чтобы Claude взаимодействовал с внешними сервисами: посмотрел задачи в GitHub, отправил сообщение в Slack, выполнил запрос к базе данных.
Для этого существует протокол MCP — Model Context Protocol. Если упростить, MCP — это способ подключить Claude к внешнему инструменту через стандартный интерфейс. Вы описываете подключение один раз, и дальше Claude сможет использовать этот инструмент так же естественно, как он читает файлы или запускает команды в терминале.
Настройки подключений хранятся в файле .claude/.mcp.json внутри проекта.
Что это дает на практике. После подключения Claude сможет работать с GitHub напрямую: просматривать открытые задачи, читать комментарии к pull request-ам, оставлять свои комментарии. Вам не придется копировать текст задачи вручную и вставлять его в чат — достаточно будет сказать «посмотри задачу #42 в GitHub и предложи решение».
Помимо GitHub, существуют готовые MCP-серверы для многих популярных инструментов: Slack (для сообщений), PostgreSQL (для работы с базой данных), файловые системы, API различных сервисов. Сообщество постоянно создает новые.
Подключений может быть несколько. В одном файле .mcp.json можно описать сразу все сервисы, которые нужны проекту:
Каждое подключение загружается при старте сессии. Здесь стоит помнить о контекстном окне: каждый MCP-сервер добавляет описание своих инструментов в контекст Claude. Если подключений много, они начнут занимать заметную часть окна. Поэтому подключайте только те сервисы, которые действительно нужны в проекте.
MCP внутри субагентов. В блоке про субагенты мы разбирали, как создать агента для конкретной задачи. MCP-подключения можно привязать к конкретному субагенту — тогда инструменты будут доступны только ему, а основной агент не будет тратить на них контекст. Например, субагент для тестирования в браузере получит подключение к Playwright, а основной Claude о нем даже не узнает:
Это удобный способ держать основной контекст чистым — подключение существует только внутри субагента и исчезает, когда он завершит работу.
Разрешения — settings.json и settings.local.json
Claude Code умеет многое: читать файлы, редактировать их, запускать команды в терминале, обращаться к внешним сервисам. Но не всегда вы хотите, чтобы он делал все это без спроса. Некоторые действия безопасны — прочитать файл или найти текст по проекту. Другие — потенциально рискованны: удалить файл, выполнить команду, изменить конфигурацию.
Файл settings.json позволяет заранее определить, что Claude сможет делать самостоятельно, а на что ему понадобится ваше подтверждение.
Здесь Claude сможет свободно читать файлы и искать по проекту, но не сможет ничего записывать или редактировать — при попытке изменить файл он остановится и спросит разрешение. Это полезно, если вы хотите использовать Claude как аналитика: пусть смотрит, изучает, объясняет — но не трогает код без вашего ведома.
Файл settings.json лежит в папке .claude/ и является частью проекта. Если вы закоммитите его в репозиторий, вся команда будет работать с одинаковыми ограничениями. Это удобно для общих правил безопасности — например, запретить всем участникам автоматическое выполнение определенных команд.
Личные настройки. Иногда ограничения нужны только вам. Допустим, вы работаете на продакшн-сервере и хотите дополнительную страховку — запретить Claude выполнять любые команды в терминале. Но ваши коллеги работают на тестовых серверах, и им это ограничение не нужно.
Для таких случаев существует settings.local.json. Он лежит в той же папке .claude/, но Claude Code автоматически добавит его в .gitignore — файл останется только на вашем компьютере и не попадет в репозиторий.
Если в settings.json и settings.local.json есть противоречия, Claude будет следовать более строгому ограничению. Если командный файл запрещает что-то, личный файл не сможет это разрешить.
Ограничения для субагентов и навыков. Разрешения позволяют контролировать не только инструменты, но и доступ к субагентам и навыкам. Допустим, у вас есть субагент для деплоя, и вы не хотите, чтобы Claude мог запустить его автоматически:
По такой же логике можно запретить определенные навыки, если вы хотите, чтобы они были доступны только вручную, а не по инициативе Claude.
Что настраивать в первую очередь. Если вы только начинаете, файл разрешений можно не создавать — Claude Code будет спрашивать подтверждение перед потенциально опасными действиями по умолчанию. Настройка settings.json становится полезной, когда вы хотите либо ускорить работу (разрешить рутинные операции без подтверждения), либо усилить защиту (запретить определенные действия даже с подтверждением).
Собираем все вместе
Мы прошли все элементы папки .claude/ по отдельности. Теперь посмотрим на картину целиком — как они соотносятся друг с другом и в каком порядке имеет смысл их настраивать.
Полная структура. Вот как будет выглядеть папка проекта, когда все компоненты на месте. Не обязательно создавать все сразу — большинство из этих файлов появятся по мере необходимости:
Что сохранять в репозитории, а что оставить локально. Когда вы работаете в команде, часть файлов нужно закоммитить, чтобы коллеги получили ту же конфигурацию. Другая часть содержит личные настройки или секреты — она должна остаться только на вашем компьютере.
Правило простое: все, что описывает проект и общие правила работы, идет в репозиторий. Все, что касается лично вас, остается локально.
CLAUDE.md — в репозиторий. Это общие правила проекта, они должны быть одинаковы для всей команды.
.claude/rules/ — в репозиторий. Правила для частей проекта — тоже общее знание.
.claude/skills/ — в репозиторий. Навыки, полезные всей команде.
.claude/agents/ — в репозиторий. Субагенты, доступные всей команде.
.claude/hooks/ — в репозиторий. Автоматические проверки — часть рабочего процесса проекта.
.claude/settings.json — в репозиторий. Командные разрешения.
.claude/.mcp.json — в репозиторий. Подключения к сервисам общие, а секреты хранятся в переменных окружения, а не в самом файле.
.claude/settings.local.json — только локально. Личные разрешения. Claude Code автоматически добавит этот файл в .gitignore.
~/.claude/ — только локально. Все, что лежит в домашней директории, по определению принадлежит только вам.
Какой инструмент для какой задачи. Когда вы захотите добавить что-то новое в конфигурацию, может возникнуть вопрос: это правило, навык, субагент или хук? Вот как их различить.
Вам нужно задать стандарт или ограничение — например, «используй TypeScript», «не трогай миграции», «ошибки возвращай в формате JSON». Это правило. Если оно общее для всего проекта — пишите в CLAUDE.md. Если только для определенных файлов — создавайте файл в .claude/rules/.
Вам нужно описать пошаговое действие — например, «как делать деплой», «как объяснять код», «как готовить релиз». Это навык. Создавайте папку в .claude/skills/ с файлом SKILL.md.
Вам нужен отдельный специалист с ограниченным набором инструментов — например, ревьюер, который только читает код, или дебаггер, который ищет и исправляет ошибки. Это субагент. Создавайте файл в .claude/agents/.
Вам нужно, чтобы что-то происходило автоматически при определенном событии — линтер после редактирования, тесты перед коммитом, проверка команды перед выполнением. Это хук.
Вам нужно подключить внешний сервис — GitHub, Slack, базу данных. Это настройка MCP в файле .mcp.json.
С чего начать. Если вы только приступаете к настройке Claude Code, не нужно создавать все сразу. Вот порядок, который имеет смысл:
Первым делом — CLAUDE.md. Опишите проект, основные правила и ограничения. Даже 10 строк заметно изменят качество работы Claude. Это единственный файл, который нужен с самого начала.
Когда CLAUDE.md начнет разрастаться — вынесите часть правил в .claude/rules/. Разделите по доменам: фронтенд, бэкенд, тесты.
Когда заметите, что часто повторяете одни и те же инструкции — оформите их как навыки в .claude/skills/.
Когда задачи станут сложнее и захочется делегировать часть работы — создайте субагентов в .claude/agents/.
Когда выстроите рабочий процесс и захотите автоматизировать проверки — добавьте хуки.
Когда понадобится интеграция с внешними сервисами — настройте .mcp.json.
Каждый следующий шаг — ответ на конкретную потребность, а не обязательный этап настройки.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Раньше на подготовку контент-плана уходило от трех до восьми часов: анализ аудитории, мозговой штурм, структурирование, оформление. Сейчас большую часть работы можно переложить на нейросети. В статье разбираем каждый шаг: от подготовки до готового результата.
Из чего состоит контент-план
Контент-план — это обычная таблица, в которой минимум шесть колонок: дата публикации, площадка, тема, формат (пост, сторис, видео, статья), рубрика и тип контента. Если над контентом работает команда, добавляют еще «ответственного» и «статус».
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
Продающий — посты про продукт, акции, отзывы клиентов.
Развлекательный — мемы, опросы, истории из жизни бренда.
Репутационный — экспертные разборы, закулисье работы, кейсы.
Оптимально публиковать примерно 40% полезного контента, по 20% продающего, развлекательного и репутационного. Если публиковать только продающие посты, аудитория быстро устанет и выгорит. А если только развлекательные, контент не будет работать на бизнес-цели.
Чтобы было понятнее, вот как выглядит заполненный контент-план для Telegram-канала онлайн-школы английского языка:
Дата
Площадка
Тема
Формат
Рубрика
Тип контента
3 марта, пн
Telegram
5 приложений для практики английского каждый день
Пост с картинкой
Подборки
Полезный
4 марта, вт
Telegram
Как наша ученица сдала экзамен на 7.5 за 4 месяца
Пост-история
Кейсы
Репутационный
5 марта, ср
Telegram
Угадай фразу из фильма по переводу
Опрос
Игры
Развлекательный
6 марта, чт
Telegram
3 ошибки в английском, которые делают даже продвинутые
Пост-карусель
Разборы ошибок
Полезный
Планировать лучше на месяц вперед. На больший срок темы успевают устареть, а за неделю сложно выстроить баланс между типами контента.
Нейросети для создания контент-плана
Для составления контент-плана подойдет любая нейронка, которая умеет гуглить и работать с текстом. Внутри нужно описать свой бизнес и аудиторию, попросить собрать информацию в интернете, подтянуть данные по ключевым запросам и составить план на месяц — нейросеть выдает готовую таблицу с темами, форматами и датами. Дальше останется доработать результат.
Стоимость: бесплатная версия с лимитом 10 сообщений каждые 5 часов. Подписка Go — $8/мес, Plus — $20/мес, Pro — $200/мес.
ChatGPT — чат-бот от компании OpenAI, один из самых известных сервисов для работы с текстом. Нейросеть понимает контекст, поддерживает длинные диалоги и справляется с большинством текстовых задач. Для контент-планирования можно описать нишу и целевую аудиторию, попросить составить план публикаций на месяц — и получить готовую таблицу с темами, форматами и датами.
Для работы с текстом в ChatGPT есть режим Canvas — отдельное окно, где сгенерированный текст можно редактировать как в обычном текстовом редакторе. Можно выделить любой фрагмент контент-плана и попросить нейросеть доработать именно его, не пересоздавая весь документ.
Также есть режим Custom GPTs — пользовательские боты, которым можно заранее задать инструкции. Например, можно один раз создать бота-контент-планировщика: загрузить в него примеры постов, описать тон бренда — и потом каждый месяц использовать его для генерации новых тем. Бот запомнит все настройки и будет учитывать их в каждом ответе.
Стоимость: бесплатная версия с лимитом около 40 сообщений в день. Подписка Pro — $20/мес, Max — от $100/мес.
Claude — нейросеть от компании Anthropic, которая хорошо справляется с текстовыми и аналитическими задачами. В один диалог можно загружать сразу несколько документов: бренд-бук, примеры постов, прошлый контент-план и стратегию продвижения. Claude будет учитывать все эти материалы при генерации тем.
Для регулярного контент-планирования в Claude есть Projects — отдельные рабочие папки, куда можно собрать связанные файлы и чаты. Внутрь проекта можно добавить описание бизнеса, tone of voice и примеры удачных публикаций. Все чаты внутри проекта будут автоматически видеть этот контекст, поэтому не придется каждый раз заново объяснять нейросети, о чем ваш бренд и как вы общаетесь с аудиторией.
Qwen — китайская нейросеть от Alibaba, которая работает в России без ограничений. Ответы актуальной модели Qwen 3.5 близки по качеству к платным версиями ChatGPT и Claude.
Для контент-планирования Qwen справляется с теми же задачами, что и платные сервисы: генерирует темы, структурирует план в таблицу, работает с рубрикаторами и форматами. Есть режим Deep Research для поиска информации в интернете, который поможет проанализировать тренды в нише.
Научитесь правильно общаться с LLM-моделями и использовать их инструменты. Простые пошаговые уроки: от выбора нейросети и составления точных промптов до работы с Deep Research, Canvas и создания кастомных GPT-ботов
Стоимость: бесплатная версия с лимитом 5 Pro-поисков в день. Подписка Pro — $20/мес или $200/год.
Perplexity — поисковый ИИ, который отвечает на вопросы с опорой на актуальные данные из интернета. Сервис заточен под то, чтобы сначала искать информацию в сети, анализировать найденное и только потом формулировать ответ со ссылками на источники. Для контент-планирования он лучше всего подходит на подготовительном этапе: можно попросить проанализировать контент конкурентов, найти трендовые темы в нише или собрать актуальные инфоповоды — и получить структурированный ответ с проверяемыми фактами.
В режиме Pro Search сервис проводит многоэтапный анализ: планирует запрос, ищет информацию в нескольких источниках, сверяет данные и формирует итоговый отчет. Это полезно, когда нужно глубоко разобраться в теме перед тем, как составлять план.
Специализированные сервисы для работы с контент-планом
Планировщики с автопостингом. Такие сервисы помогают составить план и публиковать посты по расписанию:
SMMplanner (750 руб/мес) умеет находить тренды в нише и постить контент сразу в несколько соцсетей.
Buffer (бесплатно до 3 каналов, потом от $6/мес) совмещает календарь с ИИ-помощником для генерации подписей.
Генераторы контента с шаблонами. Они не планируют и не публикуют, зато помогают быстро написать текст по готовой заготовке:
В Rytr.me больше 40 таких шаблонов (бесплатно с ограничением по символам, платно от $7.5/мес).
Gerwin AI (от 220 руб/мес) адаптирован под российские площадки и предлагает больше 70 шаблонов на русском.
Как создать контент-план в нейросети
Шаг 1. Подготовить контекст о бизнесе
Нейросеть без контекста выдаст общие темы, которые подойдут любому бизнесу и поэтому не подойдут конкретно вашему. Промпт для контент-плана работает как бриф для дизайнера: чем подробнее вы опишете задачу, тем ближе результат к ожиданиям.
Поэтому перед тем, как открывать чат-бот, соберите информацию о своем проекте. Нужны:
Ниша и продукт.
Целевая аудитория (кто эти люди, какие у них задачи и проблемы).
Цель контента (продажи, вовлечение, экспертность).
Tone of Voice — то, как бренд общается с аудиторией: дружелюбно, экспертно, с юмором.
Площадка для публикации и частота постов.
Шаг 2. Написать промпт и получить первый результат
Хороший промпт для контент-плана состоит из нескольких частей: роль нейросети, информация о бизнесе и аудитории, цель контента, площадка, частота публикаций и формат результата. Все это вы уже собрали на предыдущем шаге — осталось собрать в один запрос.
Для примера — вот как может выглядеть заполненный промпт для Telegram-канала кофейни:
Prompt
Ты — опытный SMM-стратег. Составь контент-план на 1 месяц для Telegram-канала.
О бизнесе: кофейня «Зерно» в центре Москвы, специализация — авторские напитки на альтернативном молоке и свежая выпечка.
Целевая аудитория: молодые люди 22-35 лет, работают в офисах рядом, ценят атмосферу и качественный кофе, интересуются здоровым образом жизни.
Цель: увеличить посещаемость в будние дни и повысить средний чек через продвижение десертов.
Tone of Voice: дружелюбный, как общение с бариста, без официоза.
Частота публикаций: 4 раза в неделю (пн, ср, пт, вс).
Для каждой публикации укажи:
– Дату
– Тему
– Тип контента (полезный / продающий / развлекательный / репутационный)
– Формат (пост, карусель, опрос, видео)
– Краткое описание (2-3 предложения о чем пост)
Учти баланс типов контента: примерно 40% полезного, 20% продающего, 20% развлекательного, 20% репутационного.
Нейросеть выдаст таблицу с темами, распределенными по датам. Первый результат почти наверняка будет черновым: какие-то темы покажутся слишком общими, какие-то не попадут в тон.
Шаг 3. Доработать результат в диалоге
Не пытайтесь получить идеальный план с первого раза. Гораздо эффективнее работать в режиме диалога: получили черновик, оценили его, попросили доработать конкретные моменты. Допустим, заменить слабые темы, добавить конкретики в описания или поменять тон.
Еще один полезный прием — мозговой штурм. Вместо плана на месяц можно запросить большой список идей, а потом отобрать лучшие:
Prompt
Предложи 30 тем для постов в Telegram для кофейни «Зерно». Аудитория — молодые люди 22-35 лет, офисные работники рядом, интересуются кофейной культурой и здоровым образом жизни. Для каждой темы укажи формат и объясни в одном предложении, почему эта тема будет интересна аудитории.
Из 30 идей обычно 10-15 оказываются действительно удачными. Их вы включаете в план, а остальные откладываете на следующий месяц или просите нейросеть развить самые перспективные. Если у вас есть собственные идеи для постов, тоже добавьте их в диалог — нейросеть встроит их в план или предложит связанные темы.
Шаг 4. Проверить и доработать вручную
Нейросеть хорошо генерирует идеи, но специфику вашего бизнеса она не знает. Поэтому каждую тему из плана проверьте вручную. К примеру, нейронка может предложить тему «10 фактов о кофе». Из этого может получиться хороший пост, но если ваши подписчики и так разбираются в кофе, такой контент их не зацепит.
Еще одна типичная проблема — повторы. Нейросеть иногда предлагает одну и ту же идею в разных формулировках, и если не проверить, план будет выглядеть однообразно.
И последнее: добавьте в план актуальные инфоповоды, которые нейросеть не может знать — предстоящие мероприятия, сезонные акции, новости отрасли. А для статей в блоге полезно проверить поисковый потенциал тем через Яндекс Вордстат или Google Trends. Эти сервисы покажут, ищут ли люди то, о чем вы собираетесь писать.
После всех правок перенесите готовый план в Google Таблицы, Notion или другой удобный инструмент.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Если вы составили контент-план в нейросети, его не обязательно использовать только для одной площадки. Одни и те же темы можно адаптировать под Telegram, ВКонтакте и Дзен — просто формат подачи будет отличаться.
В Telegram основа контента — текстовые посты и рубрики. Тему из плана можно оформить как короткий экспертный разбор, подборку или пост-мнение.
Во ВКонтакте к тексту добавляется визуальная часть: картинки, карусели, клипы. Тему, которая в Telegram была текстовым постом, здесь можно превратить в пост с инфографикой или короткий клип. Нейросеть поможет написать текст и предложить идею для визуала, но сами изображения и видео придется готовить отдельно.
В Дзене лучше всего работают статьи — развернутые публикации с подзаголовками, которые хорошо индексируются в поиске. Та же тема, которая в Telegram уместилась в один экран, для Дзена может стать полноценной статьей на 5–7 минут чтения. Если дать нейросети список ключевых запросов из Яндекс Вордстата, она подскажет, как сформулировать заголовок и структуру, чтобы статья попадала в поисковую выдачу.
Адаптировать тему сразу под несколько площадок можно за один запрос:
Prompt
У меня есть тема: [тема]. Адаптируй ее для публикации на 3 площадках:
— Telegram (текстовый пост)
— ВКонтакте (пост + идея для клипа)
— Дзен (статья)
Для каждой площадки предложи заголовок, формат и краткий план содержания. Учитывай специфику: в Telegram — короткий экспертный текст, во ВКонтакте — пост с визуалом и вариант короткого видео, в Дзене — развернутая статья с подзаголовками, которая будет хорошо читаться из поисковой выдачи.
Вместо [тема] подставьте свою — например, «5 ошибок при запуске рекламы в Telegram». Нейросеть предложит для Telegram короткий пост-разбор, для ВКонтакте — пост с идеей визуала и сценарием клипа на 30–60 секунд, а для Дзена — развернутую статью с примерами. Из одной идеи получится три единицы контента, каждая из которых учитывает логику своей площадки.
Коротко о главном
Нейросеть не выдаст готовый контент-план по одному запросу. Процесс состоит из нескольких шагов: сначала вы собираете информацию о бизнесе и аудитории, потом пишете подробный промпт с контекстом и форматом результата. Получаете черновик, дорабатываете его в диалоге и проверяете вручную: убираете повторы, добавляете актуальные инфоповоды, сверяете баланс типов контента. Готовый план переносите в Google Таблицы, Notion или другой удобный инструмент.
Почти девять из десяти компаний в мире уже попробовали ИИ хотя бы в одной бизнес-функции. И всего лишь 6% компаний получили от ИИ положительный эффект. Остальные потратили бюджет и энтузиазм команды, но так и не поняли, что пошло не так. Разница между первыми и вторыми была не в размере бюджета и не в выборе сервиса, а в подходе: какие задачи они брали и как их решали.
В этой статье разберем применение нейросетей в бизнесе на конкретных примерах: где ИИ для бизнеса уже дает результат, какие ошибки мешают его получить и с чего начать, чтобы не попасть в те самые 94%.
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
Берут на себя контент и маркетинг. Маркетологи, авторы, редакторы или владельцы небольших компаний каждую неделю готовят посты для соцсетей, статьи для блога, тексты рассылок, описания товаров на сайте. Каждый текст нужно придумать, написать, отредактировать и адаптировать под разные площадки. В какой-то момент любая команда упирается в потом и физически не успевает выпускать больше определенного объема. Нейросети этот потолок убирают.
С помощью ChatGPT или Claude можно за пару минут набросать черновик статьи, сгенерировать десять вариантов заголовка для рассылки или адаптировать длинный текст из блога в короткий пост для Telegram.
А если разобраться в вайб-кодинге или n8n, можно даже собрать себе небольшую ИИ-редакцию.
n8n — это платформа для автоматизации бизнес-процессов с помощью ИИ, где сценарии собираются визуально, без написания кода. Например, можно настроить цепочку: новый бриф появился в Google-таблице → нейросеть генерирует черновик текста → результат падает в нужный канал в Telegram.
На скриншоте ниже — пример выстроенной системы по работе с контентом в Claude. Нейросеть одновременно для 3 текстов собирает фактуру, продумывает планы и пишет тексты. Автору остается их только проверить.
Избавляют от рутины и документов. В любом бизнесе много времени уходит простые и шаблонные задачи, которые не приносят денег напрямую. Например, заполнить отчет по шаблону, оформить протокол встречи, подготовить черновик письма или занести заметки в базу.
Все эти задачи можно передать нейросети и сэкономить кучу времени. Например, в Business.com в среднем обычные сотрудники могут экономить в неделю до 5,6 часов благодаря ИИ. А менеджеры еще больше — 7,2 часа. Практически дополнительный рабочий день.
Избавиться от рутины можно с помощью автоматических транскрибаций созвонов и саммари по ним. ИИ-оценки общения с клиентами и автоматической проверки документов на соответствие законам и политике компании.
Автоматизируют клиентскую поддержку. Поддержка клиентов — одно из самых популярных направлений для внедрения ИИ в бизнесе. Причина понятна: большая часть обращений повторяется, и на них можно дать стандартный ответ. Раньше на каждый такой вопрос отвечал живой оператор, даже если давал этот ответ в сотый раз за месяц. Теперь на все вопросы о компании, процессах, а иногда и нестандартных случаях может отвечать ИИ-чат-бот.
Работает это благодаря RAG и хорошо собранной базе знаний из существующих инструкций, FAQ и документации. Как только человек задает вопрос — бот идет в базу знаний, находит там нужную информацию и на ее основе формулирует ответ.
Такие решения называют ИИ-агентами для бизнеса. В отличие от классических чат-ботов с жестко прописанными сценариями, ИИ-агент сам решает, куда обратиться за информацией, какие шаги предпринять и когда передать запрос человеку. По сути, это ИИ-ассистент для бизнеса, который не просто отвечает по скрипту, а рассуждает и действует в рамках заданных правил.
Пример RAG агента, построенного в n8n
Если вопрос выходит за рамки базы или клиент просит переключить на человека, бот передает разговор оператору вместе с контекстом: что спрашивал клиент, какие варианты уже предложил. Такой вариант работы разгружает менеджеров и закрывает большую часть шаблонных вопросов.
Например, когда компания Wikibot подключила ИИ-агента, количество успешно обрабатываемых обращений выросло с 5 000 до 10 000 в месяц, а штат поддержки остался прежним. ИИ забрал на себя повторяющиеся вопросы и разгрузил команду.
А у облачного провайдера Serverspace ИИ-ассистенты взяли на себя первую линию поддержки, в итоге текучка кадров в отделе снизилась в 2,7 раза. А скорость обработки обращений выросла втрое. Сотрудники перестали выгорать на однотипных вопросах и занялись более сложными задачами.
Помогают с продажами. Большую часть дня менеджер по продажам тратит не на переговоры с клиентами, а на подготовку к ним. Составляет коммерческое предложение, персонализирует холодные письма, изучает клиента перед звонком и продумывает ответы на возражения. Все это важная работа, которая забирает массу времени.
Нейросети это время позволяют сократить. Если загрузить в них бриф от клиента, нейронки подготовят первую версию коммерческого предложения с учетом специфики его бизнеса. По записи или расшифровке звонка они выделят ключевые возражения и помогут собрать аргументы к следующей встрече.
Для холодных рассылок нейросеть напишет десять вариантов письма для разных сегментов клиентов, и останется выбрать тот, который точнее всего описывает проблему получателя.
Например, компания Salekit внедрила ИИ-чат-бота, который оценивал входящих клиентов до того, как они попадали к менеджеру. Бот задавал вопросы, выяснял потребности и определял, насколько человек готов к покупке. 73% входящих запросов бот обработал самостоятельно, доля закрытых сделок выросла на 28%, а вложения окупились за 2,5 месяца.
Упрощают аналитику и персонализацию. Если загрузить таблицу с данными в нейросеть, та их проанализирует и покажет закономерности, на поиск которых вручную ушли бы часы. Достаточно сформулировать вопрос так, как вы задали бы его коллеге-аналитику.
Например, можно попросить нейросеть найти сегмент клиентов с самым высоким средним чеком, выявить сезонные паттерны в продажах или рассчитать, какие товары чаще покупают вместе. Раньше для этого нужен был аналитик, который умеет писать SQL-запросы или строить сводные таблицы. Теперь достаточно загрузить CSV-файл в ChatGPT или Claude и задать вопрос на человеческом языке.
Отдельное направление — персонализация. Нейросети могут сегментировать аудиторию рассылки по поведению и подобрать каждому сегменту свой вариант письма, заголовка или оффера. Крупные компании используют для этого специализированные ИИ-решения для бизнеса, но даже на базовом уровне ChatGPT справляется с задачей: достаточно загрузить таблицу с клиентами и их покупками, попросить разбить на группы и предложить для каждой свой подход.
Почему внедрить ИИ в бизнес не получается
По данным MIT, 95% пилотных проектов с генеративным ИИ провалились. Кроме того, в 2025 году компании свернули 42% ИИ-инициатив, хотя годом ранее сворачивали только 17%. Главная ошибка всех неудач — проблемы в подходе.
Чаще всего компании начинали внедрять ИИ, не разобравшись с тем, что у них происходит внутри. По данным РБК, треть провалов возникают из-за проблем с данными. Компании часто хранят данные в нескольких разных системах и заполняют CRM как попало. Дублируют клиентов, часть информации вовсе не записывают, не сегментируют клиентов и не описывают процессы продаж. Из-за этого модели учатся на ошибочных данных и в результате дают ошибочные прогнозы.
Еще часть проблем появляется, потому что компании внедряют технологию вместо решения конкретной задачи. Покупают платформу, чтобы использовать ИИ как все, но не могут сформулировать, какую именно проблему она должна решить.
Как правильно внедрить нейросети в бизнес
Выбрать одну задачу. Самая частая ошибка — пытаться внедрить ИИ во все процессы компании сразу. Лучше найти одну конкретную боль и разобраться с ней. Например, если менеджеры тратят полдня на сборку коммерческих предложений — настроить систему для автоматического сбора информации и генерации текстов. Поддержка захлебывается в однотипных вопросах — разработать ИИ-агента с RAG и вывести на первую линию ответов его.
Навести порядок в данных. Можно начать с CRM: все ли клиенты на месте, нет ли дублей, заполнены ли контакты и актуальные статусы сделок. Дальше — описать процесс, который вы хотите автоматизировать: кто что делает, в каком порядке, где возникают проблемные места и как их нужно решать. Проще говоря, нужно расписать все так, будто вы нанимаете нового сотрудника и передаете ему часть задач. И чем лучше эти задачи вы ему объясните, тем больше пользы он будет приносить.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Взять готовый инструмент. На старте можно обойтись без разработчиков и собственных решений. ChatGPT, Claude или Gemini подойдут для текстов и коммерческих предложений, Notion AI поможет с документами и протоколами встреч, NotebookLM поможет создать внутреннюю базу знаний для работы с документами.
Позже можно настраивать автоматизации с помощью n8n или вайбкодить их с нуля. Но только когда станет понятно, чего именно не хватает в готовых инструментах.
Следить за результатом. На первых этапах стоит назначить человека, который будет регулярно просматривать ответы нейронок и корректировать их в процессе. Выписывать, что работает криво и корректировать это.
Что в итоге
Нейросети в бизнесе — это рабочие инструменты, которые уже сейчас экономят десятки часов в неделю командам, разобравшимся в том, как использовать нейросети в бизнесе правильно. Начните с одной задачи, получите измеримый результат — и масштабируйте то, что работает.
Сложность:
Три воркфлоу-паттерна для ИИ-агентов: когда какой использовать
ИИ-агенты принимают решения самостоятельно, а воркфлоу задают этим решениям структуру. Они выстраивают порядок действий, который направляет возможности агентов на сложные задачи, где нужна координация шагов, предсказуемый результат и выверенная последовательность.
Когда над задачей работают несколько агентов, главный вопрос — какой паттерн подойдет для вашей проблемы.
Команда Anthropic работала с десятками команд, которые строят ИИ-агентов, и в продакшене три паттерна покрывают подавляющее большинство задач: последовательный, параллельный и оценщик-оптимизатор.
Каждый из них решает свой тип проблем, и если выбрать не тот паттерн, вы заплатите за это задержками, лишними токенами или ненадежностью. В этой статье разберем все три паттерна: когда какой подходит и как их комбинировать.
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
Если вы когда-нибудь управляли командой, вы уже понимаете суть воркфлоу.
Представьте сборочную линию на производстве. На каждой станции стоит специалист, который сам принимает решения по своему участку работы. Но общий поток спроектирован заранее, даже если отдельные шаги включают динамические решения вроде маршрутизации или повторных попыток.
Агентные воркфлоу работают по тому же принципу.
Воркфлоу не заменяют автономность агентов, а задают рамки, в которых эта автономность проявляется.
Полностью автономный агент решает все сам: какие инструменты использовать, в каком порядке выполнять задачи и когда остановиться.
Воркфлоу добавляет структуру: задает общий поток, расставляет контрольные точки и определяет границы для каждого шага. При этом внутри этих границ агент по-прежнему может действовать динамически.
Каждый шаг воркфлоу все еще использует способность агента рассуждать и работать с инструментами, но общая оркестрация следует заданному пути. Воркфлоу-паттерн дает вам интеллект агента внутри каждого шага и предсказуемый процесс на уровне всей задачи.
Паттерны агентных воркфлоу
В продакшене чаще всего встречаются три паттерна. Стоит думать о них как о строительных блоках, а не жестких шаблонах — по мере роста требований вы будете их комбинировать и вкладывать друг в друга.
Первый — последовательный воркфлоу. Он нужен, когда задачи нужно выполнять в фиксированном порядке.
Второй — параллельный воркфлоу. Он нужен, когда независимые задачи можно распределить между агентами и выполнять одновременно.
Третий — оценщик-оптимизатор. Он нужен, когда результат требует итеративной доработки.
У каждого паттерна свои задачи и свои компромиссы по сложности, стоимости и производительности.
Паттерн
Какую проблему решает
Когда использовать
Компромисс
Выгода
Последовательный
Задачи зависят друг от друга: шаг Б требует результат шага А
Многоэтапные процессы, пайплайны обработки данных, циклы «черновик — ревью — финал»
Увеличивает задержку, потому что каждый шаг ждет завершения предыдущего
Может повысить точность, потому что каждый агент фокусируется на одной задаче
Параллельный
Задачи независимы, но выполнять их по очереди слишком долго
Оценка по нескольким измерениям, код-ревью, анализ документов
Стоит дороже из-за параллельных API-вызовов и требует стратегии агрегации
Может ускорить выполнение и разделить зоны ответственности между командами
Оценщик-оптимизатор
Качество первого черновика недостаточно
Техническая документация, коммуникации с клиентами, генерация кода по стандартам
Умножает расход токенов и добавляет время на итерации
Может давать лучшие результаты через структурированные циклы обратной связи
Начинать стоит с самого простого паттерна, который решает вашу задачу. По умолчанию лучше выбрать последовательный. К параллельному стоит переходить, когда задержка становится узким местом и задачи не зависят друг от друга. Оценщик-оптимизатор стоит добавлять только тогда, когда вы можете измерить улучшение качества.
Последовательный воркфлоу
Последовательный воркфлоу выполняет задачи в заранее определенном порядке.
Агенты на каждом этапе обрабатывают входные данные, принимают решения, вызывают нужные инструменты и передают результат на следующий этап. Получается четкая цепочка операций, в которой результаты проходят через систему линейно.
Когда использовать. Последовательные воркфлоу хорошо работают, когда задача естественно разбивается на отдельные этапы с четкими зависимостями. Вы жертвуете некоторой скоростью ради более высокой точности, потому что каждый агент фокусируется на конкретной подзадаче вместо того, чтобы пытаться справиться со всем сразу.
Последовательный воркфлоу подойдет для многоэтапных процессов, где каждый шаг зависит от результата предыдущего. Он хорошо работает в пайплайнах трансформации данных, где каждый этап добавляет конкретную ценность. Также он подходит для задач, которые нельзя распараллелить из-за внутренних зависимостей, и для итеративных циклов улучшения вроде «черновик — ревью — финал».
Когда не использовать. Последовательный воркфлоу не нужен, если один агент справляется со всей задачей, или если агентам нужно взаимодействовать друг с другом, а не просто передавать работу по цепочке. Если вы заставляете задачу влезть в последовательные шаги, хотя она к этому не располагает, вы добавляете сложность без пользы.
Примеры. Последовательные воркфлоу хорошо подходят для задач, где каждый шаг — это по-настоящему разная работа. Например, можно сначала сгенерировать маркетинговый текст, а потом перевести его на несколько языков. Или можно извлечь данные из документов, валидировать их по схеме и загрузить в базу данных. Пайплайны модерации контента тоже хорошо ложатся на последовательный паттерн: извлечь контент, классифицировать его, применить правила модерации и направить по нужному маршруту.
Практический совет. Сначала стоит попробовать весь пайплайн как одного агента, где шаги — просто часть промпта. Если результат достаточно хорош, вы решили задачу без лишней сложности. Разбивать на многошаговый воркфлоу стоит только тогда, когда один агент не справляется надежно.
Параллельный воркфлоу
Параллельный воркфлоу распределяет независимые задачи между несколькими агентами, которые работают одновременно. Вместо того чтобы ждать, пока один агент закончит, прежде чем запускать следующего, вы запускаете несколько агентов сразу и объединяете их результаты.
Этот паттерн может заметно ускорить работу, когда задачи не зависят друг от друга.
По подходу он напоминает паттерн fan-out/fan-in из распределенных систем. Вы отправляете одну и ту же или связанную работу нескольким агентам, каждый обрабатывает ее независимо, а затем вы агрегируете или синтезируете их результаты. Агенты не передают работу друг другу — они действуют автономно и каждый вносит свой вклад в общую задачу.
Когда использовать. Параллельный воркфлоу имеет смысл, когда работу можно разделить на независимые подзадачи, которые выигрывают от одновременной обработки, или когда нужно получить несколько точек зрения на одну проблему. Этот паттерн также дает разделение зон ответственности: разные инженеры могут владеть отдельными агентами и оптимизировать их независимо, не мешая друг другу. Для сложных задач обработка каждого аспекта отдельным вызовом часто дает лучшие результаты, чем попытка уместить все в один вызов.
Параллельный воркфлоу стоит рассмотреть, когда разные агенты отвечают за разные аспекты задачи — например, один обрабатывает запросы, а другой проверяет их на безопасность. Он также хорошо подходит для сценариев оценки, где каждый агент оценивает результат по своему измерению качества. Еще один вариант — паттерн голосования, когда несколько агентов анализируют один и тот же контент, а вы агрегируете их оценки.
Когда не использовать. Параллельный воркфлоу не подойдет, если агентам нужен накопленный контекст или они должны строить работу на результатах друг друга. Его также лучше не использовать, когда ограничения ресурсов вроде квот на API делают параллельную обработку неэффективной, или когда у вас нет четкой стратегии для обработки противоречивых результатов от разных агентов. Если агрегация результатов становится слишком сложной или ухудшает качество, параллельный воркфлоу того не стоит.
Примеры. Параллельные воркфлоу хорошо работают для автоматизации оценок, когда каждый агент проверяет свои метрики качества. Код-ревью тоже хорошо ложится на этот паттерн: несколько агентов могут одновременно проверять разные категории уязвимостей. Анализ документов — еще один сильный кейс: можно параллельно извлекать ключевые темы, анализировать тональность и проверять факты, а затем объединить выводы.
Практический совет. Стратегию агрегации стоит продумать до того, как вы начнете реализовывать параллельных агентов. Будете ли вы брать результат большинства? Усреднять оценки уверенности? Доверять самому специализированному агенту? Четкий план синтеза результатов не даст вам оказаться в ситуации, когда агенты выдали противоречивые результаты, а способа их разрешить нет.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Паттерн оценщик-оптимизатор объединяет двух агентов в итеративном цикле: один генерирует контент, другой оценивает его по конкретным критериям, и генератор дорабатывает результат на основе этой обратной связи. Цикл продолжается, пока результат не достигнет нужного порога качества или не будет исчерпан лимит итераций.
Ключевая идея в том, что генерация и оценка — это разные когнитивные задачи. Если их разделить, каждый агент может специализироваться: генератор фокусируется на производстве контента, оценщик — на последовательном применении критериев качества.
Когда использовать. Этот паттерн работает, когда у вас есть четкие, измеримые критерии качества, которые ИИ-оценщик может применять последовательно, и когда разрыв между первой попыткой и финальным качеством достаточно значителен, чтобы оправдать дополнительные токены и задержку.
Оценщик-оптимизатор стоит рассмотреть для генерации кода с конкретными требованиями — стандартами безопасности, бенчмарками производительности, гайдлайнами стиля. Он также подходит для профессиональных коммуникаций, где важны тон и точность формулировок. В целом этот паттерн полезен в любом сценарии, где качество первого черновика стабильно не дотягивает до требований.
Когда не использовать. Оценщик-оптимизатор не нужен, если качество первой попытки уже соответствует вашим требованиям — в этом случае вы просто тратите токены на ненужные итерации. Этот паттерн также не подходит для приложений реального времени, где нужен мгновенный ответ, для простых рутинных задач вроде базовой классификации и для случаев, когда критерии оценки слишком субъективны, чтобы ИИ-оценщик мог их последовательно применять. Если для задачи существуют детерминистические инструменты — например, линтеры для стиля кода — лучше использовать их. Также этот паттерн лучше пропустить, когда ограничения ресурсов перевешивают улучшение качества.
Примеры. Оценщик-оптимизатор хорошо подходит для генерации API-документации: генератор пишет документацию, оценщик проверяет ее на полноту, ясность и точность относительно кодовой базы. Для создания клиентских коммуникаций: генератор готовит письмо, оценщик проверяет тон и соответствие политикам. Для генерации SQL-запросов: генератор пишет запрос, оценщик проверяет его на эффективность и безопасность.
Практический совет. Критерии остановки стоит определить до того, как вы начнете итерации. Нужно задать максимальное количество итераций и конкретные пороги качества. Без этих ограничений можно попасть в дорогой цикл, где оценщик продолжает находить мелкие замечания, а генератор продолжает править, но качество выходит на плато задолго до остановки. Важно понимать, когда «достаточно хорошо» — это действительно достаточно.
Как выбрать нужный паттерн
Выбор воркфлоу-паттерна зависит от структуры задачи, требований к качеству и ограничений по ресурсам.
Прежде чем выбирать паттерн, стоит попробовать решить задачу одним вызовом агента. Если результат соответствует вашим требованиям, задача решена. Если нет, нужно определить, в чем именно результат не дотягивает — это подскажет, к какому паттерну обратиться.
Вот несколько вопросов, которые помогут определиться. Справляется ли один агент с задачей? Если да, воркфлоу не нужен. Есть ли в задаче четкие последовательные зависимости? Тогда подойдет последовательный воркфлоу. Можно ли обрабатывать подзадачи независимо и одновременно, и поможет ли это ускорить работу? Тогда стоит рассмотреть параллельный воркфлоу. Улучшается ли качество заметно при итеративной доработке? Тогда стоит рассмотреть оценщик-оптимизатор.
После выбора паттерна стоит продумать несколько вещей. Во-первых, обработку ошибок: нужно определить поведение при сбоях и логику повторных попыток для каждого шага. Во-вторых, ограничения по задержке и стоимости: они определяют, сколько агентов вы можете запустить и сколько итераций можете себе позволить. В-третьих, измерение улучшений: стоит зафиксировать базовый результат одного агента, чтобы понимать, действительно ли воркфлоу помогает.
Эти паттерны не исключают друг друга — их можно вкладывать друг в друга по мере роста сложности. Например, воркфлоу оценщик-оптимизатор может использовать параллельную оценку, когда несколько оценщиков одновременно проверяют разные измерения качества. Или последовательный воркфлоу может включать параллельную обработку на определенных этапах, где несколько независимых операций выполняются перед переходом к следующему шагу.
Главное — соразмерять сложность паттерна с реальными требованиями. Не стоит добавлять параллельную обработку просто потому, что можно — ее стоит добавлять, когда параллельное выполнение дает конкретные преимущества. Не стоит внедрять цикл оценщик-оптимизатор, если вы не можете измерить, насколько он улучшает результат.
Развивайте воркфлоу осознанно
Лучший совет: начинать стоит с самого простого паттерна, который работает. Если последовательный воркфлоу справляется с вашей задачей, не нужно добавлять параллельную обработку. Если качество первой попытки достаточно, не нужно внедрять цикл оценщик-оптимизатор.
Эти три паттерна дают понятные пути для усложнения, когда требования меняются. Последовательный воркфлоу можно дополнить параллельной обработкой на узких этапах. Агентный подход можно усилить оценкой, когда стандарты качества ужесточаются. А поскольку паттерны модульные, полностью переписывать систему не придется.
Нейросеть может взять на себя самую тяжелую часть работы с коммерческими предложениями: собрать черновик, сформулировать выгоды, предложить десяток заголовков, из которых вы выберете один.
Ниже — конкретный процесс: как собрать КП по блокам с помощью промптов, в каком порядке действовать и какие ошибки ловить в готовом тексте.
Как собрать КП с помощью нейросети
Для начала нужно собрать 4 вещи:
Описание продукта или услуги: что именно вы предлагаете, в чем отличие от конкурентов.
Портрет получателя: отрасль, размер компании, должность человека, который будет читать КП.
Конкретные факты: цены, сроки, гарантии, результаты прошлых проектов.
Тон: формальный для крупного бизнеса или более свободный для стартапов.
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
Чем больше конкретики вы дадите в промпте, тем меньше придется переписывать потом.
Мы для примера используем такую историю:
Компания: «Складтех» — сервис автоматизации складского учёта для интернет-магазинов.
Продукт: облачная система управления складом (WMS): приёмка, размещение, комплектация заказов, инвентаризация. Интеграция с маркетплейсами (Ozon, Wildberries, Яндекс Маркет) и службами доставки.
Целевая аудитория: владельцы и операционные директора интернет-магазинов с оборотом 5–50 млн ₽/мес, у которых склад работает вручную или на Excel.
Ключевые факты:
—Внедрение за 2 недели —Снижение ошибок комплектации с 8% до 0,3% —Среднее сокращение времени обработки заказа на 40% —Цена от 25 000 ₽/мес —120+ подключённых складов — Интеграция с 15 маркетплейсами и службами доставки
Получатель КП: операционный директор интернет-магазина одежды с оборотом ~20 млн ₽/мес, который тонет в пересортице и возвратах из-за ошибок сборки.
Проанализируйте боли клиента
Прежде чем писать КП, нужно понять, что беспокоит вашего потенциального клиента. Нейросеть может помочь сформулировать типовые проблемы для вашей ниши, даже если вы не проводили глубоких исследований аудитории. Если вы знаете конкретные болевые точки своего клиента, добавьте их в промпт. Сформулированные проблемы пригодятся для лида и оффера.
Текст в квадратных скобках нужно заменить на свои данные. Промпт можно использовать в обычном чате или в режиме DeepResearch, если хотите получить как можно больше информации.
Prompt
Я продаю [услуга/товар] для [целевая аудитория: отрасль, размер бизнеса, должность ЛПР].
Контекст: [кратко опишите, как клиент сейчас решает задачу без вашего продукта и какие проблемы вы видите по своему опыту].
Проанализируй рынок и сформулируй 7 главных проблем и болей моего клиента. Для каждой проблемы укажи:
1. Проблема — в одном предложении.
2. Последствия — к чему приводит, если не решать (в деньгах, времени или репутации).
3. Решение — как мой продукт закрывает эту проблему.
Формат: таблица с тремя колонками. Проблемы ранжируй от самой острой к менее критичной.
В случае с нашим магазином нейронка посчитала проблемами ошибки комплектации, межденную сборку заказов, отсутствие аналитики и несколько других причин. Для каждой предложила решение.
А затем разбила проблемы на группы:
горящие: они стоят клиенту реальных денег прямо сейчас и дают самый короткий цикл принятия решения. Начинайте разговор с них.
стратегические: они становятся критичными, когда клиент планирует рост и начинает задумываться о масштабируемости.
Продумайте заголовок
Заголовок привлекает внимание, и именно он определяет, откроют ваше КП или нет. Нейросеть может предложить десяток вариантов, а вы выберете тот, который точнее всего попадает в задачу клиента.
Prompt
Предложи 10 вариантов заголовков для коммерческого предложения.
Главная боль клиента: [самая острая проблема из предыдущего шага].
Требования к заголовкам:
— Каждый заголовок содержит конкретную выгоду или цифру.
— Не используй слово «коммерческое предложение».
— Не используй превосходные степени («лучший», «уникальный», «№1»).
— Максимальная длина — 15 слов.
— Предложи заголовки в трёх стилях: 3 с акцентом на экономию, 3 с акцентом на скорость/время, 4 с акцентом на устранение конкретной проблемы.
Если ни один вариант не подошел, можно уточнить запрос: «Сделай акцент на экономии времени» или «Добавь конкретные сроки».
В нашем случае нейронка предложила неплохие 10 вариантов. Ни один из них мы не одобрим, но референсы получились отличные.
Продумайте оффер
Это следующая важная часть после заголовка. Если заголовок обещает сократить расходы на 30%, оффер должен объяснить, как именно. Его можно сгенерировать в нескольких вариантах и выбрать самый точный.
Prompt
Сформулируй 5 вариантов оффера для коммерческого предложения.
Услуга: [описание].
Целевая аудитория: [кто].
Заголовок КП, который мы выбрали: [заголовок из предыдущего шага].
Ключевые факты: [цена, сроки, главные цифры результатов].
Требования:
— Каждый оффер — 1–2 предложения.
— Оффер продолжает мысль заголовка и отвечает на вопрос клиента: «Что конкретно я получу, за какой срок и почему это выгодно?»
— Используй конкретные цифры из фактов выше.
— Избегай слов «оптимизация», «эффективность», «индивидуальный подход».
Для WMS из примера нейронка предложила хорошие офферы. Их тоже придется отредактировать вручную, но для референсов это отличный результат.
Продумайте блок выгод
Самый простой вариант — взять характеристики продукта и попросить нейросеть перевести их в выгоды. Так, например, она сможет перевести характеристику «Облачное хранилище на 100 ГБ» в выгоду «Все документы по проекту в одном месте, доступ с любого устройства».
Prompt
Перепиши характеристики моего продукта в выгоды для клиента.
Клиент: [должность, отрасль, ключевая задача].
Характеристики:
1. [характеристика 1]
2. [характеристика 2]
3. [характеристика 3]
…
Формат ответа для каждого пункта:
— Характеристика → Выгода → Результат с цифрой или конкретным примером.
Пиши так, чтобы человек без технического бэкграунда сразу понял ценность.
Для нашей системы нейросеть правильно подсветила выгоды и зашла со стороны, которая будет понятна и интересна операционному директору. Нам останется отобрать лучшие пункты и поправить стилистику.
Отработайте возражения
Нейросеть может предугадать, какие сомнения возникнут у получателя КП, и предложить аргументы для каждого. Эти аргументы можно встроить прямо в текст КП.
Prompt
Мой продукт: [описание].
Целевая аудитория: [кто].
Цена: [сколько].
Контекст: [как клиент сейчас решает задачу; что уже пробовал; какие альтернативы рассматривает].
Сформулируй 7 возражений, которые могут возникнуть у клиента при чтении КП. Раздели их на три группы:
1. Возражения по цене/бюджету.
2. Возражения по внедрению/сложности.
3. Возражения по доверию/надёжности.
Для каждого возражения предложи:
— Короткий аргумент (1–2 предложения), который можно вставить прямо в текст КП.
— Факт или пример, который усиливает аргумент.
В нашем случае нейросеть продумала хорошие возражения и грамотно их описала. Их точно можно использовать в работе.
Мы прошлись по всем этапам и теперь можем собрать все воедино. Для этого нужно описать, что конкретно должно попасть в КП и попросить нейросеть соединить блоки.
Нейронка может задать дополнительные вопросы.
Когда ответите на них — соберет все в единый документ.
Как адаптировать КП под разных клиентов
Одно и то же КП можно отправить десяти компаниям, но отклик будет выше, если адаптировать его под каждого получателя. Генеральному директору важны цифры окупаемости, менеджеру по закупкам — условия поставки и гарантии, техническому директору — интеграция с текущими системами.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Можно взять базовый текст и попросить нейросеть переработать его под конкретного получателя:
Prompt
от мое базовое КП: [текст].
Адаптируй его для [конкретная компания/отрасль/должность получателя].
Измени примеры, акценты и аргументы так, чтобы они были максимально релевантны для этого получателя.
Чем конкретнее вы опишете получателя, тем точнее будет результат.
Как проверить и доработать КП от нейросети
Чаще всего в тексте от нейросети встречаются три проблемы.
Первая — выдуманные факты. Нейросеть может вписать в КП несуществующие награды, неверные цифры или выдуманные кейсы. Каждую цифру и каждый факт в готовом тексте нужно проверять.
Вторая — шаблонные и абстрактные формулировки. Фразы вроде «мы — динамично развивающаяся компания» или «поможем оптимизировать расходы» сразу показывают, что текст писала нейросеть. Они не несут информации и не вызывают доверия. Везде, где в тексте есть слова «оптимизировать», «улучшить», «повысить эффективность», «индивидуальный подход», нужно добавить конкретные цифры, сроки или примеры. Можно попросить нейросеть переписать абстрактные места:
Prompt
Перепиши этот абзац, заменив общие фразы на конкретные примеры с цифрами. Вместо «индивидуальный подход» напиши, что именно вы делаете для клиента. Вместо «большой опыт» укажи конкретное количество лет или проектов.
Третья — фокус на продукте вместо клиента. Нейросеть может увлечься описанием вашего продукта и забыть про проблемы получателя. КП, которое рассказывает только о вас, читатель закроет после первого абзаца. В каждом блоке текста должен быть ответ на вопрос «что с этого клиенту?». Если блок описывает только продукт без связи с задачей получателя, его нужно переписать.
После ручной правки можно загрузить текст обратно в нейросеть и попросить оценить результат:
Prompt
Вот моё коммерческое предложение: [текст].
Получатель: [должность, отрасль, размер бизнеса].
Проверь КП по семи критериям. Для каждого поставь оценку от 1 до 10 и объясни, что конкретно исправить:
1. Живой язык — звучит как текст от человека или как шаблон?
2. Конкретика — есть ли цифры и факты в каждом блоке? Укажи, где их не хватает.
3. Фокус на клиенте — с первого абзаца понятно, что получит читатель? Или текст рассказывает только о продукте?
4. Уникальность — есть ли фразы, которые подошли бы любой компании? Перечисли их.
5. Призыв к действию — понятно ли, что именно нужно сделать и какой следующий шаг?
6. Логика и связность — каждый блок вытекает из предыдущего или текст «прыгает»?
7. Длина — нет ли лишних абзацев, которые можно удалить без потери смысла?
В конце дай три главных рекомендации по улучшению в порядке приоритета.
Такая проверка поможет поймать слабые места, которые вы могли пропустить.
Итог
Весь процесс укладывается в три шага. Сначала вы собираете конкретику: продукт, аудиторию, цифры, факты. Потом генерируете каждый элемент КП отдельным промптом. И в конце проверяете результат на выдуманные факты, шаблонные формулировки и абстракции без конкретики.
Чтобы написать письмо, необязательно долго сидеть и что-то выдумывать. Достаточно объяснить суть нейросети, а она уже сама напишет нужный текст.
В статье рассказываем, как написать деловое письмо нейросетью и какие промпты для этого использовать.
Из чего состоит хороший промпт для делового письма
Хороший промпт для делового письма состоит из шести элементов:
Контекст — кто вы и в какой ситуации находитесь. Например, «Я аккаунт-менеджер в IT-компании» или «я соискатель на позицию дизайнера». Нейросеть подстроит стиль и лексику под вашу роль.
Цель — что должно произойти после того, как адресат прочитает письмо. Например, «договориться о встрече на следующей неделе» или «получить подтверждение оплаты». Четкая цель помогает нейросети выстроить аргументацию и добавить призыв к действию. Факты — конкретные данные: имена, даты, суммы, названия проектов. Чем больше деталей вы дадите, тем меньше нейросеть будет додумывать. Например, вместо «в ближайшее время» лучше написать «до пятницы, 14 марта».
Тон — как письмо должно звучать.
Ограничения — объем и запреты. Например, «До 150 слов», «до 1200 знаков», «без технических подробностей», «не упоминать конкурентов».
Формат — в каком порядке подать информацию. Деловой email обычно строится по простой схеме: приветствие, контекст (почему вы пишете), суть (что предлагаете или просите), призыв к действию (что нужно сделать адресату) и подпись. Эту структуру можно указать в промпте, и нейросеть ее выдержит.
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
Пример промпта по этой формуле, который поможет написать сопроводительное письмо:
Prompt
Напиши сопроводительное письмо к резюме.
Обо мне: я дизайнер интерфейсов, пять лет в профессии. Последние два года работал в финтех-стартапе, где отвечал за мобильное приложение для инвестиций. Переделал весь флоу покупки активов: убрал три лишних экрана, перестроил навигацию, переписал тексты на кнопках. Конверсия в покупку выросла на 18% за два месяца после релиза. До этого три года делал интерфейсы в студии, в основном для e-commerce и банков.
О вакансии: откликаюсь на позицию старшего продуктового дизайнера в Х. Вакансия предполагает работу над флоу заказа и доставки в мобильном приложении. В описании указано, что команда ищет человека, который умеет принимать решения на основе метрик и работать в связке с продактами и аналитиками.
Тон: уверенный, спокойный, без хвастовства и без заискивания. Как будто пишу коллеге, которого уважаю, но не пытаюсь впечатлить. Без восклицательных знаков, без маркетинговых формулировок типа «я горю дизайном» или «мечтал попасть в вашу команду».
Структура: приветствие, почему заинтересовала вакансия, мой ключевой результат с конкретными цифрами, призыв к действию.
Объем: до 200 слов.
Можно попросить нейросеть написать два-три варианта письма и выбрать лучший. Так проще найти удачные формулировки и собрать финальный вариант.
Готовые промпты для типичных ситуаций
Ниже пять промптов для самых частых деловых писем. Каждый можно скопировать, заменить детали на свои и отправить в любую нейросеть.
Follow-up после встречи. Замените название компании, тему встречи и следующий шаг на свои.
Prompt
Напиши follow-up письмо после деловой встречи. Я менеджер по продажам. Сегодня встречался с директором по маркетингу компании X. Обсуждали внедрение CRM-системы. Договорились, что я пришлю коммерческое предложение до пятницы. Тон: дружелюбно-деловой. Объем: до 150 слов. Структура: благодарность за встречу, краткое резюме договоренностей, следующий шаг, подпись.
Напоминание об оплате. Клиент задерживает платеж, и нужно напомнить о нем вежливо, но настойчиво. Подставьте свою сумму задолженности, срок и реквизиты.
Prompt
Я аккаунт-менеджер. Пишу клиенту, у которого 14-дневная задолженность по счету. Нужно вежливо напомнить об оплате, указать номер счета и сумму, предложить два варианта дат оплаты и попросить подтверждение. Тон: уважительный, уверенный, без давления. Объем: до 1200 знаков.
Ответ на претензию клиента. Клиент недоволен товаром или услугой, и нужно ответить так, чтобы сохранить отношения. Впишите свое название компании, суть проблемы и решение.
Prompt
Напиши ответ на претензию клиента компании «Глобал». Клиент получил бракованный товар. Нужно извиниться за неудобства, предложить замену товара в течение 3 рабочих дней и бонус 10% на следующий заказ. Тон: вежливый, с акцентом на решение проблемы. Структура: подтверждение получения обращения, извинение, конкретное решение, бонус, контакт для связи.
Письмо подрядчику о переносе сроков. Сроки по проекту сдвигаются, и нужно сообщить об этом конструктивно, без потери доверия. Подставьте свою причину переноса, новые даты и условия.
Prompt
Напиши письмо подрядчику. Мы вынуждены перенести дедлайн по проекту на 2 недели, потому что заказчик изменил требования к дизайну. Нужно объяснить причину переноса, предложить новый график с конкретными датами и подтвердить, что бюджет проекта не меняется. Тон: деловой, конструктивный. Объем: до 200 слов.
После того, как вы напишете письмо, его можно отредактировать в этом же чате любыми запросами. Например:
Prompt
Перепиши это письмо. Сейчас оно звучит слишком сухо, нужен более дружелюбный тон. Сохрани все факты и структуру.
Prompt
Убери из письма шаблонные и канцелярские фразы. Перепиши простым деловым языком.
Prompt
Измени тон на более официальный.Перепиши третий абзац проще, сейчас он звучит слишком формально.Замени абстрактные формулировки на конкретные факты.
Какую нейросеть выбрать
Все промпты из этой статьи работают в любом чат-боте: ChatGPT, Claude, Gemini, Qwen, GigaChat, YandexGPT. Бесплатных версий хватает для большинства задач с письмами.
Если не хочется разбираться в инструментах, достаточно открыть любой чат-бот и вставить промпт из этой статьи. Для деловых писем этого хватит.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Нейросеть подходит для большинства рабочих писем: follow-up, напоминания об оплате, ответы на претензии, отказы кандидатам, согласования с подрядчиками.
Качество письма зависит от промпта. Хороший промпт содержит шесть элементов: контекст, цель, факты, тон, ограничения и формат. Чем точнее вы опишете задачу, тем меньше придется переделывать.
Каждый результат нужно проверять: убирать шаблонные фразы, подставлять реальные имена и суммы. Две-три итерации в том же чате доведут текст до нужного результата.
Для старта достаточно любого бесплатного чат-бота. Скопируйте один из промптов из этой статьи, замените детали на свои и посмотрите на результат. Скорее всего, первый черновик будет достаточно хорош, чтобы доработать его за пару минут, а не писать с нуля.
Два человека просят нейросеть написать текст для рассылки. Один получает шаблонную отписку, которую стыдно отправлять клиентам. Другой получает готовый черновик, который остается только подредактировать. Оба использовали одну и ту же нейросеть. Разница в том, как они сформулировали запрос.
Этот запрос называется промптом. В статье разберемся, что это такое, почему формулировка так сильно влияет на результат и как научиться писать промпты, которые дают полезные ответы.
Что такое промпт
Промпт — это запрос или инструкция, которую вы пишете нейросети, чтобы получить нужный результат. Слово пришло из английского: to prompt означает «побуждать, подсказывать».
Проще всего думать о промпте как о техзадании для фрилансера. Если сказать дизайнеру «сделай красиво», результат будет непредсказуемым. Если дать детальный бриф с цветами, стилем и форматом, результат окажется ближе к ожиданиям. С нейросетью тот же принцип: чем точнее описана задача, тем точнее результат.
Все нейросети в одном флаконе
ChatGPT, Claude, Gemini и другие — в агрегаторе Нейроцеха
При этом не каждый запрос к нейросети считается промптом. «Какая погода в Москве» или «включи музыку» — это обычные команды, как в поисковой строке. Промпт отличается тем, что содержит контекст, конкретику и вводные данные: для кого текст, в каком стиле, какой объем, какая цель.
Само слово в русском языке пишут двумя способами: промпт и промт. Первый вариант рекомендует словарь «Академос» Института русского языка РАН, потому что он ближе к английскому оригиналу. Второй вариант проще произносить, и в поисковых запросах он встречается в два раза чаще. Оба варианта допустимы.
Почему формулировка промпта влияет на результат
Нейросеть не понимает текст так, как понимает его человек. Она подбирает слова по вероятности, опираясь на закономерности в данных, на которых обучалась. Промпт задает направление этой генерации и сужает коридор возможных ответов. Чем точнее промпт, тем уже коридор и тем ближе результат к тому, что вы ожидаете.
Сравните два промпта. Размытый: «Напиши статью о здоровом питании». Результат будет шаблонным и ни о чем.
А если написать конкретный и понятный промпт, нейросеть получит четкие ориентиры: тему, аудиторию, объем, стиль, структуру. Ей не придется гадать, что вы имели в виду. Поэтому и результат будет лучше.
Prompt
Напиши блок статьи о том, что меняется в организме, когда человек питается сбалансированно. Статья предназначена для фитнес-клуба. Целевая аудитория — женщины 25-40 лет. Используй правила редполитики (в редполитике можно перечислить, как нейронка должна формулировать мысли, складывать слова в предложения, собирать информацию и т. д.
Из чего состоит хороший промпт
Хороший промпт даёт нейросети пять вещей: роль, задачу, контекст, ограничения и пример. Не обязательно заполнять все пять в каждом запросе. Для простых задач хватит двух-трех. Но чем сложнее задача, тем больше вводных стоит добавить.
Роль определяет, от чьего лица нейросеть отвечает. «Ты — опытный маркетолог» и «ты — школьный учитель биологии» дадут разный стиль, глубину и лексику при одной и той же задаче.
Задача — что конкретно нужно сделать. Не «напиши текст», а «напиши письмо для email-рассылки с анонсом скидки».
Контекст — для кого и зачем. Кто будет читать результат, что этот человек уже знает, какую задачу вы решаете этим текстом.
Ограничения — рамки, в которых нейросеть работает. Объём, формат, стиль, тон, чего избегать.
Пример — образец результата, который вам нравится. Необязательный, но самый мощный элемент. Нейросеть хорошо подстраивается под конкретный образец.
Покажем, как это работает, на одном примере. Допустим, вам нужно написать письмо для рассылки интернет-магазина косметики.
Промпт без структуры:
Prompt
Напиши письмо для рассылки про скидку на косметику.
Нейросеть выдаст что-то шаблонное: «Дорогие друзья! Спешим сообщить вам о невероятной акции…». Использовать это в работе не получится.
Теперь соберём промпт по элементам. Добавим роль, задачу, контекст, ограничения:
Prompt
Ты — email-маркетолог интернет-магазина корейской косметики.
Напиши письмо для рассылки с анонсом весенней распродажи: скидка 30% на уходовую косметику, промокод ВЕСНА30, акция действует 5 дней.
Аудитория — женщины 25–40 лет, которые уже покупали у нас и подписаны на рассылку. Они разбираются в косметике и не любят агрессивных продаж.
Объем — до 150 слов. Тон — дружелюбный, не рекламный. В конце добавь призыв к действию с промокодом. Не используй слова «уникальный», «эксклюзивный», «спешите».
Если у вас есть пример хорошего письма из прошлых рассылок, добавьте его в конец промпта: «Вот пример письма, которое хорошо сработало: [текст]». Нейросеть подстроится под стиль и структуру образца.
Этот процесс — формулирование запросов к нейросети — называют промптингом. Учиться ему специально не обязательно. Но базовые навыки пригодятся всем, кто работает с нейросетями: умение четко описать задачу и дать достаточно вводных — это и есть основа хорошего промптинга.
Подробнее о техниках промптинга мы написали в отдельной статье: [ссылка]. Там разбираем продвинутые приёмы: цепочки промптов, работу с большими документами, создание системных инструкций.
Частые ошибки и как их избежать
Запрос без вводных. Чем меньше информации получает нейросеть, тем более шаблонным будет ответ. «Напиши статью о здоровом питании» — это запрос, на который можно ответить тысячей разных способов. Нейросеть выберет самый усредненный.
Большое количество задач в одном промпте. Если попросить нейросеть одновременно написать текст, проанализировать конкурентов, составить таблицу и предложить стратегию, результат по каждому пункту окажется поверхностным. Нейросеть лучше справляется с одной задачей за раз. Сложную работу стоит разбить на цепочку промптов, где результат предыдущего шага становится вводной для следующего.
Доверие без проверки. Нейросеть может уверенно сослаться на несуществующее исследование или перепутать дату. Ответ при этом будет звучать так же убедительно, как и точный. Факты, цифры и ссылки из ответа стоит проверять, особенно если вы планируете их публиковать.
Отказ от доработки. Первый ответ нейросети редко бывает готовым к использованию. Это нормально: промпт задаёт направление, а дальше результат нужно уточнять. Попросите сократить, переписать в другом тоне, добавить примеров, убрать лишнее. Два-три доработки обычно превращают черновик в текст, с которым можно работать.
Какие задачи можно решать промптами
Промпты помогают везде, где нужно создать текст, проанализировать информацию или структурировать идеи. Вместо перечисления покажем на конкретных сценариях.
Сценарий 1. Подготовить email-рассылку
Маркетологу нужно написать письмо с анонсом акции. Вместо того чтобы начинать с чистого листа, можно передать нейросети все вводные и получить черновик за минуту.
Prompt
Ты — email-маркетолог интернет-магазина детских игрушек.Напиши письмо для рассылки: мы запускаем бесплатную доставку при заказе от 3000 рублей, акция действует до конца месяца. Аудитория — мамы с детьми 3–7 лет, которые уже делали у нас заказ. Тон — тёплый, заботливый, без давления. Объём — до 150 слов. В конце — призыв к действию.
Черновик можно доработать: поменять формулировки, добавить конкретные товары, подставить реальные данные по акции.
Сценарий 2. Составить описание товара для маркетплейса
Предпринимателю нужно разместить 50 товаров на Wildberries. Писать описания вручную — долго. Можно задать нейросети формат и прогнать через неё все позиции.
Prompt
Напиши описание товара для карточки на Wildberries.
Товар: термокружка из нержавеющей стали, 450 мл, двойные стенки, держит тепло 6 часов, цвет — матовый чёрный.
Требования к описанию: до 500 знаков, начинается с главного преимущества, содержит ключевые характеристики (объём, материал, время сохранения тепла), заканчивается фразой для поисковой выдачи с ключевым словом «термокружка для кофе».
Когда формат устроит, можно использовать тот же промпт как шаблон: менять только описание товара и прогонять следующие позиции.
Присоединяйтесь к Нейроцеху в Telegram
Гайды, курсы, вебинары — и еще куча всего, чтобы нейросети работали на вас
Сценарий 3. Подготовить контент-план через цепочку промптов
Для сложных задач один промпт не справится. Лучше разбить работу на шаги, где результат предыдущего становится вводной для следующего.
Допустим, вам нужен контент-план для Telegram-канала кофейни на месяц. Первый промпт — анализ аудитории:
Prompt
Я веду Telegram-канал кофейни в спальном районе Москвы. Подписчиков 800, в основном жители района 25–40 лет. Канал ведём полгода, публикуем 3–4 поста в неделю.
Проанализируй, какие темы и форматы постов могут быть интересны этой аудитории. Учти, что это локальный бизнес: людям важна близость, привычка, ощущение «своего места».
Нейросеть выдаст список тем и форматов. Посмотрите, что из этого совпадает с вашим представлением, уберите лишнее, добавьте своё. После этого второй промпт:
Prompt
На основе анализа выше составь контент-план на 4 недели, по 3 поста в неделю. Для каждого поста укажи: тему, формат (текст, фото, опрос, сторис), краткое описание содержания в одном предложении. Чередуй развлекательный, полезный и продающий контент в соотношении 3:2:1.
Результат — готовая таблица с планом на месяц. Каждый пост из плана можно потом раскрыть отдельным промптом, когда придёт время его писать.
Такой подход работает для любой сложной задачи: исследование конкурентов, подготовка презентации, написание серии писем для воронки. Принцип один: разбиваете задачу на шаги и ведёте нейросеть по цепочке.
Где взять готовые промпты
Писать промпты с нуля не обязательно. Есть готовые библиотеки, которые можно использовать как есть или адаптировать под свою задачу.
Самый простой вариант для старта — Anthropic Prompt Library. В библиотеке собраны промпты для работы и личных задач: тексты, анализ данных, исследования. Там же есть Prompt Generator, который создаёт промпты автоматически: вы описываете задачу, а инструмент формирует готовый промпт по лучшим практикам.
Если вы работаете в ChatGPT, у OpenAI есть Cookbook с примерами и гайдами по промптингу. Для Gemini — Prompt Guide от Google. Оба ресурса бесплатные.
Из сторонних сервисов полезен AIPRM — бесплатное расширение для браузера, которое добавляет готовые промпты прямо в интерфейс ChatGPT. Расширение заточено под SEO и маркетинг.
Если нужны проверенные промпты для конкретных задач, на маркетплейсе PromptBase можно найти шаблоны от $1,99, включая более 2300 бесплатных.
Коротко о главном
Чем конкретнее промпт, тем полезнее ответ. Соберите запрос из пяти элементов: роль, задача, контекст, ограничения, пример. Для простых задач хватит двух-трёх, для сложных лучше заполнить все пять.
Сложные задачи разбивайте на цепочку промптов, где результат предыдущего шага становится вводной для следующего. Не ждите идеала с первого раза: два-три доработки обычно дают результат, который можно использовать.
Начать проще всего с готовых библиотек от Anthropic, OpenAI или Google и реальной задачи, которую вы уже решаете вручную.
