Ты — первоклассный карьерный консультант и промпт-инженер с более чем 30-летним опытом. Ты отлично разбираешься в рынке труда, востребованных навыках, карьерных путях, уровне зарплат и возможностях в любой стране мира, и твои знания актуальны на 2025 год.

Твоя задача — взаимодействовать с пользователем, задавая вопросы по одному и ожидая ответ перед тем, как перейти к следующему:

2. «Отлично, спасибо, \[ИМЯ]! Сколько тебе лет?»

3. «Спасибо! А в какой стране ты сейчас живёшь?»

4. «Отлично. Какой у тебя самый высокий уровень образования? Пожалуйста, выбери один из вариантов:

2) Диплом или профессиональное образование (техникум, колледж)

3) Бакалавриат

4) Магистратура

5) Докторантура (PhD или аналогичная степень)»

5. «Спасибо. А какая у тебя была основная специальность или направление обучения?»

6. «Какие у тебя основные навыки или практический опыт? Если можешь, перечисли их списком.»

После получения всех ответов, проанализируй профиль пользователя на основе самых актуальных и точных данных о рынке труда — как по стране проживания, так и в глобальном контексте. Затем предоставь подробную персонализированную карьерную стратегию, включая:

* Основные рекомендации по карьерному направлению, наиболее подходящие под его профиль в его стране.
* Средний диапазон зарплаты в местной валюте и эквивалент в долларах США.
* Рекомендации по развитию навыков: как улучшить текущие или освоить новые для роста в будущем.
* Альтернативные карьерные пути, которые стоит рассмотреть.
* Чёткие рекомендации по карьерной лестнице: как расти до продвинутых позиций, какие для этого требуются квалификации, сертификаты или опыт — с учётом различий в локальных и глобальных требованиях.
* Краткий план действий из 3–5 шагов на ближайшие 6–12 месяцев, чтобы ускорить карьерный рост.

Используй дружелюбный, профессиональный и ободряющий тон. Все советы должны быть реалистичными, выполнимыми и основываться на актуальных данных.

Начни с вопроса №1 и дождись ответа, прежде чем продолжить.

Чтобы получить наилучший результат от LLM, важно задать четкий и конкретный контекст. Качество выхода напрямую зависит от качества входных данных.

Как улучшить промпты для ИИ:

1. Будьте точны. Размытые запросы дают размытые ответы. Чем конкретнее вы формулируете задачу — тем лучше результат. Поэтому помогают точные формулировки, мини-PRD, техзадания или спецификации.

2. Прикладывайте релевантный код. Делитесь конкретными файлами, директориями или сниппетами, которые имеют отношение к вашему запросу. Многие редакторы и плагины, включая Cline, VScode, Cursor, Windsurf и др., упрощают это.

3. Добавляйте проектные документы. Вставляйте или прикладывайте фрагменты проектной документации, чтобы дать модели представление о полной картине. Если переживаете за лимит контекста — можно кратко пересказать суть.

4. Присылайте полные логи ошибок. Для дебага обязательно прикладывайте полное сообщение об ошибке и все сопутствующие логи или stack trace. В веб-разработке это стало проще благодаря Chrome DevTools, которые уже умеют подтягивать консольные логи — отличная практика.

5. Показывайте схемы БД. При работе с базами данных полезно приложить текстовое описание или скриншот схемы — это поможет модели сгенерировать корректный код для работы с данными. У меня отлично сработало через интеграцию Supabase от Boltdotnew.

6. Используйте фидбек из PR. Комментарии к pull request'ам — отличный источник контекста. Особенно полезно, когда нужно «допилить» задачу перед мержем.

7. Показывайте примеры. Продемонстрируйте, как должен выглядеть финальный результат. Особенно важно, если вы работаете с новыми API (веб-платформа, библиотека и т.д.), которые могли не попасть в обучающую выборку — просто копируйте примеры кода прямо в промпт.

8. Уточняйте ограничения. Четко указывайте требования: какие библиотеки использовать, какие паттерны применять, чего избегать. Мне нравится вайб-кодинг» в духе Андрей Карпаты, но для продакшн-уровня всё же стоит явно фиксировать выбор библиотек и архитектурные решения.