Промпт-инжиниринг — это не «волшебная фраза», а процесс
Заметил, что многие бросают нейронки после первого же кривого ответа. Кароче, если забиваешь на две вещи — итерации и детальный контекст — то ни Claude, ни Gemini тебе нормально не ответят.

Как я выстраиваю процесс сейчас:

Итеративный подход: Никогда не использую первый промпт как финальный. Я заставляю нейронку саму анализировать свой результат, искать слабые места и предлагать улучшения. Это цикличная доработка до идеала.

Контекст — всему голова: Чтобы получить «мясо», нужно накормить модель знаниями. Мой лайфхак: скармливаю тяжелую базу/книги в NotebookLM, делаю выжимку в один чистый MD-файл и уже его даю как базу знаний.

Активный диалог: Вместо того чтобы мучиться над описанием задачи, я даю основную мысль и прошу ИИ задать мне уточняющие вопросы. Ответил на вопросы — получил идеальный контекст.

Мой стек:
У каждой модели своя роль. Claude сейчас тащит проекты из-за MCP (Model Context Protocol). Когда нужно залезть в Notion, считать файлы или прототипы в Figma — он незаменим. Касательно других ИИшек тут тяжко, у многих свои сложности, но нет-нет пользуюсь каждой, по возможности.

Вот к примеру, недавно на основе всей этой методологии обучения (через базу знаний из профильных книг) обновляю свой курс по Графическому дизайну и попробовал скормить NotebookLM книгу, сказал Claude чтобы он прописал качественный промпт в котором он полностью выпишет, всю информацию данную в книге как минимум в тезисном виде, а потом собрал всю эту инфу в один MD файл и по знаниям из книги обновил моменты и методы которые улучшат обучение.

«NotebookLM -> Claude/Gemini -> Профит» — это база для быстрого роста.

===

А какие интересные кейсы или связки были у вас? Что юзаете для контекста?