Назначение шаблона
Этот материал даёт готовый prompt, чтобы разобрать обозначение марки материала. Он специально построен для инженерного review: модель обязана сохранить исходные данные, показать допущения и назвать то, что она не смогла подтвердить.
Что подготовить
| Поле | Требование |
|---|---|
| материал/кандидаты и стандарт | Фактическое значение/описание; для числа — единица; для документа — версия и источник. |
| условия эксплуатации | Фактическое значение/описание; для числа — единица; для документа — версия и источник. |
| требуемые свойства | Фактическое значение/описание; для числа — единица; для документа — версия и источник. |
| технологические ограничения | Фактическое значение/описание; для числа — единица; для документа — версия и источник. |
| источники свойств | Фактическое значение/описание; для числа — единица; для документа — версия и источник. |
Готовый промпт
Ты — инженер-технолог и материаловед.
ЗАДАЧА
Разобрать обозначение марки материала.
РАБОЧИЙ СЦЕНАРИЙ
Расшифруйте марку материала, отделив гарантированное обозначением от свойств, требующих стандарта.
ИСХОДНЫЕ ДАННЫЕ
- материал/кандидаты и стандарт: [ЗАПОЛНИТЬ / НЕТ ДАННЫХ]
- условия эксплуатации: [ЗАПОЛНИТЬ / НЕТ ДАННЫХ]
- требуемые свойства: [ЗАПОЛНИТЬ / НЕТ ДАННЫХ]
- технологические ограничения: [ЗАПОЛНИТЬ / НЕТ ДАННЫХ]
- источники свойств: [ЗАПОЛНИТЬ / НЕТ ДАННЫХ]
ОБЯЗАТЕЛЬНЫЕ ПРАВИЛА
1. Не придумывай отсутствующие числа, размеры, свойства, стандарты, ссылки, паспортные параметры или результаты испытаний.
2. Не меняй значения и единицы молча. Любое преобразование покажи отдельно.
3. Разделяй ФАКТ ИЗ ВХОДА / ИЗВЛЕЧЁННЫЙ ФАКТ / ВЫЧИСЛЕНИЕ / ИНТЕРПРЕТАЦИЮ / ДОПУЩЕНИЕ.
4. Если критического входа или доказательства нет, верни вопрос или статус «требует проверки», а не правдоподобную подстановку.
5. Не переносить свойства, режимы или нормативные требования между марками, состояниями поставки и процессами без источника.
СПЕЦИФИЧЕСКАЯ ПРОЦЕДУРА
Разбери обозначение по применимому стандарту/системе, явно отделив подтверждённые элементы маркировки от предположений.
ТРЕБУЕМЫЙ РЕЗУЛЬТАТ
Поэлементная расшифровка; стандарт/редакция; неподтверждённые символы; запрет на вывод свойств только из похожего обозначения.
ACCEPTANCE
- свойства связаны со стандартом/состоянием материала
- неизвестные режимы не заполняются типичными значениями
- производственные ограничения отделены от общих рекомендаций
- критическое действие требует технологического/нормативного подтверждения
ФИНАЛЬНЫЙ SELF-CHECK
- перечисли все новые числа/утверждения, появившиеся не напрямую из входа;
- укажи, чем инженер должен независимо проверить критический результат;
- перечисли незакрытые вопросы;
- не выполняй write/deploy/publish и другие необратимые действия без явного разрешения.
STOP CONDITION
Если без отсутствующего критического параметра, первичного источника или разрешения корректный вывод невозможен — остановись и запроси это явно.Почему он работает лучше короткой команды
Короткая команда обычно оставляет модели слишком много свободы: неизвестно, какие данные считать истинными, можно ли придумывать пропуски и в каком виде вернуть результат. Здесь контракт задан заранее. Это не гарантирует правильность ответа, но делает ошибку наблюдаемой: видно, какое поле использовано, где возникло допущение и какой шаг должен проверить человек.
Self-check остаётся проверкой внутри той же генеративной системы, поэтому он полезен только как фильтр очевидных несогласованностей. Независимое подтверждение выполняется профильным средством: расчётным модулем, первичным стандартом, CAD/CAE, измерением, unit-test или контрольным экспериментом.
Адаптация под облачную и локальную модель
- В ChatGPT/GPT, Gemini или Claude передавайте только релевантный контекст и фиксируйте используемый режим/tools.
- Через API задайте JSON-schema или другой строгий output contract и машинную валидацию.
- Для локальной LLM через Ollama/другой runtime сохраните тот же контракт, но проверяйте качество на собственном eval-наборе.
- Если есть web/RAG/коннекторы, явно ограничьте допустимые источники и права на запись.
- После смены модели, тарифа или системной инструкции повторите эталонные тесты.
Разбор рабочего примера
Промпт: Разобрать обозначение марки материала. Рабочий вариант применения: Расшифруйте марку материала, отделив гарантированное обозначением от свойств, требующих стандарта.
Перед первым запуском заполните placeholders реальными значениями и сохраните исходный prompt как версию. После ответа сравните его с acceptance-критериями статьи: любое новое число, ссылка или действие без происхождения переводится в open question. Для регулярного использования добавьте этот пример в eval-набор и прогоняйте после смены модели, тарифа, runtime или системной инструкции.
Критерии acceptance для этой задачи
В материалах и производстве источник свойства критичен: марка сама по себе не задаёт состояние поставки, температуру, направление проката, термообработку и форму продукции. Технологический prompt должен явно отделять справочные данные от производственных ограничений и квалифицированной процедуры.
- свойства связаны со стандартом/состоянием материала
- неизвестные режимы не заполняются типичными значениями
- производственные ограничения отделены от общих рекомендаций
- критическое действие требует технологического/нормативного подтверждения
Контрольный прогон именно для этой задачи
Проверка материала и процесса. Здесь модель должна сохранять марку, состояние материала, процесс и область применимости источника. Каталожное значение, технологическая рекомендация и нормативное требование — разные типы данных; смешивать их в один «совет» нельзя.
Для «Промпт: Разобрать обозначение марки материала» соберите небольшой fixture, где явно присутствуют материал/кандидаты и стандарт, условия эксплуатации, требуемые свойства и технологические ограничения. Сохраните этот набор без изменений: он нужен как эталон для повторного запуска после смены модели, режима, тарифа, system prompt или подключённых tools.
Фиксируйте результат прогона как PASS/FAIL по каждому тесту и сохраняйте причину исправления. Это превращает prompt из одноразового текста в проверяемую инженерную процедуру: последующее обновление модели можно оценить на тех же входах, а не по субъективному впечатлению от нового ответа.
Как запускать шаблон
Сначала заполните все поля, которые реально известны, и не удаляйте placeholder у неизвестного критического параметра — лучше явно написать «нет данных». Первый запуск используйте как draft. Затем сравните ответ с acceptance-критериями выше и верните модели только конкретные замечания, а не просьбу «улучшить всё». Для регулярной задачи сохраните prompt, входной fixture и ожидаемые свойства результата в системе версий. После смены модели/режима повторите минимум три кейса: нормальный, граничный и с отсутствующим критическим входом.
Проверка результата
Когда ответ нужно остановить
- появились новые исходные числа без источника;
- ссылка или стандарт не открывается/не относится к задаче;
- вывод зависит от отсутствующего параметра;
- модель пытается выполнить write/deploy/publish без разрешения;
- нет способа восстановить, какие входы дали итог.
Навигация по 10 промптам этой части
Внутри части — 10 взаимосвязанных материалов. Переходы между частями и перекрёстные ссылки сохраняют учебную последовательность.
Использовать ИИ поверх проверяемых данных Fits Calc
Fits Calc даёт расчётный и справочный контекст; ИИ помогает анализировать, объяснять, оформлять и автоматизировать. Критические числа, геометрия и нормативные требования остаются предметом инженерной проверки.
Открыть Fits Calc →Источники и документация
- OpenAI — Prompt engineering
- Google AI — Prompt design strategies
- Anthropic — Prompt engineering
- NIST — AI Risk Management Framework