reymer.ai
Новости
/
Данные
/
Инструменты
/
Знания
reymer.ai

Медиапортал об автономном бизнесе, AI-трансформации и автономизации.

hello@reymer.ai

Новости

  • Все новости
  • AI-дайджесты

Инструменты

  • Каталог
  • Коллекции
  • Сравнения
  • Промпты
  • Поиск для агентов

Данные

  • AI-рынки
  • Value Chain
  • Цены API
  • Калькулятор
  • AI Intelligence: инсайдеры и фонды

Знания

  • Вся база знаний
  • Карта профессий и AI
  • AI-агенты для бизнеса
  • AI для профессий
  • Gartner MQ анализы
  • Оценка автономизации
  • Глоссарий
  • Кейсы внедрения ИИ
  • FAQ

Справочники

  • Автономный бизнес
  • Claude Code Tips
  • Вайб-кодинг
  • MCP Protocol
  • AI-кодинг агенты
  • Agent Frameworks
  • Deep Thinking Prompts
  • Гид по AI-агентам
  • OpenClaw vs NanoClaw
  • Конституция Claude

Курсы

  • Все курсы
  • Основы AI
  • Промпт-инжиниринг
  • Claude 101
  • Claude Code
  • Claude Agent Skills
  • Perplexity Pro 101
  • OpenClaw 101
  • NanoClaw 101
  • PicoClaw 101

© 2026 reymer.ai · СТАТУС СИСТЕМЫ: РАБОТАЕТ

О проектеПолитика конфиденциальности
Промпт-инжиниринг: от основ до мастерства

Введение

  • Введение в промпт-инжиниринг10 мин

Принципы написания промптов

  • Принцип 1: Чёткие и специфичные инструкции20 мин
  • Принцип 2: Дайте модели время подумать15 мин

Итеративная разработка промптов

  • Итеративный подход к промптам15 мин

Суммирование текстов

  • Техники эффективного суммирования12 мин

Извлечение и анализ информации

  • Извлечение данных из текста15 мин

Трансформация контента

  • Преобразование и трансформация текста15 мин

Расширение и генерация

  • Генерация развёрнутого контента12 мин

Создание чат-ботов

  • Архитектура разговорных AI-систем18 мин

Лучшие практики

  • Продвинутые техники и паттерны15 мин

Заключение

  • Что дальше?8 мин
Урок 9 из 11•18 мин

Архитектура разговорных AI-систем

Цели урока

После прохождения этого урока вы сможете:

  • 1Понять архитектуру чат-ботов на базе LLM
  • 2Освоить работу с ролями: system, user, assistant
  • 3Создать полноценного чат-бота с памятью

Как устроены чат-боты на LLM

Чат-бот на базе LLM — это не магия. Это последовательность сообщений с ролями, которая передаётся модели на каждый запрос. Модель не "помнит" предыдущие сообщения — вы передаёте всю историю каждый раз.

Три роли в разговоре

РольНазначениеПример
systemИнструкции для бота (невидимы пользователю)Ты — помощник службы поддержки...
userСообщения пользователяКак отменить заказ?
assistantОтветы ботаДля отмены заказа перейдите в...
python
from openai import OpenAI
client = OpenAI()

# Структура разговора
messages = [
    {
        "role": "system",
        "content": """Ты — виртуальный помощник интернет-магазина электроники.

        ПРАВИЛА:
        - Отвечай кратко и по делу
        - Если не знаешь ответ — предложи связаться с оператором
        - Всегда предлагай альтернативы
        - Тон: дружелюбный, профессиональный
        """
    },
    {"role": "user", "content": "Привет! Ищу наушники до 5000 рублей"},
    {"role": "assistant", "content": "Привет! С радостью помогу подобрать наушники..."},
    {"role": "user", "content": "А что-нибудь с шумоподавлением есть?"}
]

response = client.chat.completions.create(
    model="gpt-4",
    messages=messages,
    temperature=0.7
)

System prompt: душа вашего бота

System prompt — самая важная часть чат-бота. Он определяет личность, знания и поведение бота.

python
system_prompt = """
Ты — Алиса, виртуальный консультант сети кофеен "Кофемания".

ЛИЧНОСТЬ:
- Дружелюбная, но не навязчивая
- Эксперт в кофе — знаешь о сортах, обжарке, способах приготовления
- Используешь эмодзи умеренно (1-2 на сообщение)

ЗНАНИЯ:
- Меню: эспрессо (150₽), американо (180₽), капучино (250₽), латте (280₽)
- Десерты: тирамису (350₽), чизкейк (320₽), круассан (180₽)
- Адреса: Тверская 10, Арбат 25, Патриаршие пруды 8
- Часы работы: 8:00-23:00 ежедневно
- Бонусная программа: 1 бонус = 1 рубль, кэшбэк 10%

ОГРАНИЧЕНИЯ:
- НЕ обсуждай цены конкурентов
- НЕ давай медицинских советов о кофеине
- При жалобах — извинись и предложи связь с менеджером: manager@coffeemania.ru

ФОРМАТ ОТВЕТОВ:
- Короткие сообщения (2-3 предложения)
- Если нужен список — используй буллеты
- Всегда заканчивай вопросом или предложением помощи
"""

Управление контекстом и памятью

У LLM есть ограничение на количество токенов. При длинных разговорах нужно управлять историей.

python
class ChatBot:
    def __init__(self, system_prompt: str, max_history: int = 10):
        self.system_prompt = system_prompt
        self.max_history = max_history
        self.history = []

    def add_message(self, role: str, content: str):
        self.history.append({"role": role, "content": content})

        # Обрезаем историю, если слишком длинная
        if len(self.history) > self.max_history * 2:  # user + assistant
            # Сохраняем первые 2 сообщения (важный контекст)
            # и последние N сообщений
            self.history = self.history[:2] + self.history[-(self.max_history * 2 - 2):]

    def get_messages(self):
        return [
            {"role": "system", "content": self.system_prompt}
        ] + self.history

    def chat(self, user_message: str) -> str:
        self.add_message("user", user_message)

        response = client.chat.completions.create(
            model="gpt-4",
            messages=self.get_messages(),
            temperature=0.7
        )

        assistant_message = response.choices[0].message.content
        self.add_message("assistant", assistant_message)

        return assistant_message

Практический кейс: OrderBot для пиццерии

В оригинальном курсе был пример бота для заказа пиццы. Вот адаптированная версия:

python
orderbot_system = """
Ты — бот для приёма заказов в пиццерии "Додо".

МЕНЮ:
Пиццы (размеры: 25см/30см/35см):
- Маргарита: 399/549/699 ₽
- Пепперони: 449/599/749 ₽
- Четыре сыра: 499/649/799 ₽
- Мясная: 549/699/849 ₽

Напитки:
- Кола 0.5л: 99 ₽
- Сок 0.3л: 89 ₽
- Вода 0.5л: 59 ₽

Дополнительно:
- Соус (томатный/чесночный/сырный): 49 ₽
- Добавка сыра: 79 ₽

ПРОЦЕСС ЗАКАЗА:
1. Поприветствуй и спроси, что хочет заказать
2. Уточни размер пиццы и добавки
3. Предложи напитки
4. Подтверди заказ и посчитай сумму
5. Спроси адрес доставки
6. Завершив заказ, выведи JSON:

{
  "items": [...],
  "total": сумма,
  "address": "адрес"
}

ПРАВИЛА:
- Если пользователь называет пиццу не из меню — предложи похожую
- Всегда повторяй заказ перед подтверждением
- Доставка бесплатная от 999₽
- При заказе от 1500₽ — кола в подарок (упомяни!)
"""

# Пример диалога:
# User: "Хочу пиццу"
# Bot: "Отлично! Какую пиццу желаете? У нас есть Маргарита, Пепперони,
#       Четыре сыра и Мясная. Какой размер — 25, 30 или 35 см?"
# User: "Пепперони большую"
# Bot: "Пепперони 35см за 749₽ — отличный выбор! 🍕
#       Хотите добавить соус или дополнительный сыр?
#       Соус: 49₽, сыр: 79₽"
# ...

Тестируйте edge cases: что если пользователь передумает? Спросит о чём-то не из меню? Попросит отменить заказ посередине?

Few-shot в контексте разговора

Можно добавить примеры идеальных диалогов прямо в историю, чтобы задать стиль общения.

python
# Начальные сообщения с примерами желаемого поведения
initial_messages = [
    {"role": "system", "content": system_prompt},
    # Пример 1: как обрабатывать неизвестный товар
    {"role": "user", "content": "хочу пиццу с ананасами"},
    {"role": "assistant", "content": "К сожалению, пиццы с ананасами нет в меню 😅 Но могу предложить Гавайскую альтернативу — Мясную пиццу с ветчиной! Или может, классическую Пепперони?"},
    # Пример 2: как подтверждать заказ
    {"role": "user", "content": "тогда пепперони 30см и колу"},
    {"role": "assistant", "content": "Записал:\n• Пепперони 30см — 599₽\n• Кола 0.5л — 99₽\n\nИтого: 698₽\nДоставка бесплатная от 999₽. Может, добавить что-нибудь ещё? 🍕"}
]

Вопросы для размышления

  • •Какие задачи в вашем бизнесе мог бы решить чат-бот?
  • •Какие edge cases важно учесть для вашего сценария?
Генерация развёрнутого контентаПродвинутые техники и паттерны
DL

Адаптация курса «ChatGPT Prompt Engineering for Developers» от DeepLearning.AI + OpenAI. © DeepLearning.AI & OpenAI