Кто такой промпт-инженер и чем он занимается на самом деле

Профессия промпт-инженера без рекламы: из чего состоит рабочий день, какие навыки проверяют заказчики, где за это платят и кому она не подойдёт.

Вы уже пользуетесь ChatGPT или Claude: просите переписать письмо, составить план, объяснить термин. И однажды видите рекламу, где обещают новую профессию и доход за умение правильно задать вопрос нейросети. Звучит подозрительно. В этой статье рассказываем, кто такой промпт-инженер, чем он занят в рабочие часы, какие навыки у него проверяют и почему вакансия с таким названием встречается реже, чем сам навык.

Почему название сбивает с толку

Слово «промпт» создаёт впечатление, будто вся работа состоит в подборе удачных формулировок. В 2023 году отчасти так и было: модели были капризнее, от порядка слов зависело многое. Тогда и появились сборники «100 лучших промптов», которые продают до сих пор.

С тех пор модели стали гораздо лучше понимать обычную человеческую речь, и ценность секретных формулировок упала почти до нуля. Выросла ценность другого умения: объяснить модели задачу так, как вы объяснили бы её толковому новому сотруднику, дать нужные материалы и проверить, что получилось.

В сентябре 2025 года инженеры Anthropic описали этот сдвиг в статье Effective context engineering for AI agents. Их мысль: работа сместилась от написания одной инструкции к управлению всем, что модель видит в момент ответа. Сюда входят документы, история диалога, описания подключённых инструментов. В обиходе это стали называть контекст-инженерией. Для новичка вывод такой: профессия не исчезла, но её содержание шире названия.

Чем промпт-инженер занят в рабочие часы

Возьмём типичную ситуацию. Небольшой интернет-магазин хочет, чтобы нейросеть готовила черновики ответов на письма покупателей. Владелец уже пробовал сам: вставлял письмо в чат и просил ответить. Получалось вежливо, но мимо. Модель обещала возврат, которого по правилам магазина нет, и путала сроки доставки.

Работа специалиста здесь состоит из семи шагов.

Разобрать задачу. Какие письма приходят, на какие можно отвечать по образцу, а какие должен читать человек. На это часто уходит больше времени, чем на всё остальное: заказчик сам не всегда помнит свои правила.
Собрать контекст. Условия возврата, сроки доставки, манера, в которой магазин говорит с покупателями, десяток удачных ответов за прошлые месяцы.
Написать инструкцию. Кто отвечает и кому, что можно обещать, чего нельзя, в каком виде вернуть результат, как поступить, если информации не хватает.
Собрать тестовый набор. Двадцать или тридцать реальных писем, включая неудобные: грубое, с двумя вопросами сразу, с просьбой, которой в правилах нет.
Прогнать, прочитать, исправить. Найти, где модель ошиблась, понять причину, поменять инструкцию или материалы и прогнать набор заново.
Встроить в процесс. Например, через Make или n8n: письмо приходит, черновик появляется в таблице, сотрудник читает его и отправляет.
Описать, как этим пользоваться и что менять, когда правила магазина обновятся.

Написание промпта в этом списке занимает одну строку из семи. Основное время уходит на чтение ответов модели и поиск закономерностей в её ошибках. Работа кропотливая, по ощущениям она ближе к редактуре и тестированию, чем к творчеству.

Один запрос до и после

Так выглядит первая попытка владельца магазина:

Ответь на письмо клиента вежливо.

А так выглядит инструкция после работы специалиста:

Ты помогаешь сотруднику поддержки интернет-магазина товаров для дома
готовить черновики ответов покупателям. Черновик прочитает человек
и отправит от своего имени.

Правила магазина находятся в блоке <правила>, письмо покупателя
в блоке <письмо>.

Что нужно сделать:
1. Определи, о чём просит покупатель. Если вопросов несколько,
   ответь на каждый.
2. Опирайся только на правила из блока. Если ответа там нет,
   не придумывай: напиши в черновике, что уточнишь и вернёшься
   с ответом, а в заметке сотруднику укажи, чего не хватило.
3. Не обещай возврат денег, компенсацию или сроки, которых нет
   в правилах.

Тон: спокойный, на «вы», без канцелярита и без извинений
в каждом абзаце. Длина: до 120 слов.

Верни ответ в таком виде:
Тема письма: ...
Черновик: ...
Заметка сотруднику: ... (или «нет»)

<правила>
{текст правил}
</правила>

<письмо>
{текст письма}
</письмо>

Во второй версии нет ни одного секретного слова. В ней есть то, что нужно любому исполнителю: кто прочитает результат, откуда брать факты, как поступить в непонятном случае, как выглядит готовая работа. Эту структуру можно взять как заготовку уже сегодня: замените магазин на свою сферу, а правила на свои.

Обратите внимание на второй пункт. Модель склонна заполнять пробелы правдоподобной выдумкой. Разрешение честно сказать «этого в правилах нет» и указание, куда об этом написать, снимают заметную часть таких ошибок. Разработчики моделей советуют то же самое в своей документации, а ещё просят сначала определить критерии успеха и способ проверки и только потом править формулировки. У Anthropic есть открытый раздел о промпт-инжиниринге с примерами и учебными заданиями.

Что нужно уметь

Навык	Как выглядит в работе	Как проверить себя
Письменно ставить задачу	Инструкция, по которой незнакомый человек сделал бы то же самое без уточнений	Дайте свой промпт знакомому и посчитайте, сколько вопросов он задаст
Понимать ограничения модели	Знаете, что такое контекстное окно, почему модель выдумывает факты и где это опасно	Можете объяснить заказчику, почему цифрам из ответа нельзя верить без проверки
Тестировать	Набор примеров, критерии «годится / не годится», таблица результатов до и после правки	У вас есть хотя бы двадцать примеров, а не три удачных скриншота
Знать предметную область	Отличаете хороший ответ поддержки от плохого, сильный текст от слабого	Можете сами выполнить задачу, которую поручаете модели
Собирать простую автоматизацию	Связка формы, таблицы и модели в Make или n8n	Сценарий отработал неделю без вашего участия
Считать стоимость	Оцениваете, во что обойдётся обработка тысячи писем	Называете заказчику порядок расходов до запуска, а не после

Программирования в таблице нет намеренно: начать можно без него. Но потолок у специалиста без кода ниже. Когда задача требует обработать десять тысяч документов или подключить модель к внутренней системе компании, понадобится хотя бы базовый Python или напарник-разработчик. Что удаётся собрать без кода и где этот подход заканчивается, мы описали в статье про no-code-разработку.

Где за это платят

Штатных вакансий с названием prompt engineer немного, и значительная их часть рассчитана на людей с технической подготовкой: там нужно оценивать качество моделей, писать код, работать с данными. Рассчитывать на такую позицию после шести недель учёбы не стоит.

У новичка три реальных маршрута.

Первый — усилить нынешнюю профессию. Маркетолог, который выстроил контент-систему на нейросетях, или менеджер поддержки, настроивший черновики ответов, делает больше коллег и часто становится в компании «человеком по ИИ». Это самый частый и самый надёжный путь.

Второй — услуга на фрилансе. Малому бизнесу нужны решённые задачи: разбор входящих заявок, описания товаров, перенос данных из договоров в таблицу. Продаётся результат, и цена зависит от того, сколько времени или денег он экономит заказчику. Количество написанных инструкций никого не интересует.

Третий — роль специалиста по автоматизации с ИИ в агентстве или продуктовой команде. Сюда обычно приходят после первых двух маршрутов, уже с кейсами.

Конкретных сумм мы не называем. Надёжной открытой статистики по этой роли нет, а разброс между «пишу посты для знакомых» и «веду внедрение в компании» слишком велик, чтобы средняя цифра что-то значила.

Сколько времени занимает путь

Чтобы уверенно ставить задачи модели и получать предсказуемый результат для себя, хватает четырёх–шести недель при шести–восьми часах в неделю. На этом уровне навык начинает экономить ваше собственное время.

До уровня, когда за результат готов платить посторонний человек, идти дольше: ещё два-три месяца на кейсы. Кейс в этой профессии состоит из описания задачи, тестового набора и сравнения «было и стало» в цифрах: например, сколько писем из тридцати ушли покупателям без правок. Как оформить такие работы, мы разбираем в статье про портфолио без опыта. Программа курса «Промпт-инженер» в Moment School построена вокруг трёх кейсов такого рода.

Кому это не подойдёт

Тем, кто не любит писать и перечитывать. Рабочий материал здесь текстовый: инструкции, ответы модели, заметки об ошибках.
Тем, кому нужна устоявшаяся профессия с понятной карьерной лестницей. Роль молодая, названия должностей меняются каждый год. Модели обновляются, приёмы устаревают, переучиваться придётся постоянно.
Тем, кто ждёт, что нейросеть сделает всё сама. Ответственность за результат остаётся на вас, а проверка занимает больше времени, чем генерация.
Тем, у кого нет своей предметной области. Промпт-инженер «вообще» мало кому нужен. Нужен человек, который разбирается в продажах, обучении, праве или поддержке и умеет поручить часть этой работы модели.

Что сделать на этой неделе

Выберите одну повторяющуюся задачу из своей работы: ответы на однотипные письма, итоги созвона, описание товара. Соберите десять реальных примеров. Напишите инструкцию по образцу выше, прогоните все десять и запишите в таблицу, какие ответы можно было бы отправить без правок. Затем исправьте инструкцию и прогоните набор ещё раз.

Если после второго круга захотелось сделать третий, по характеру профессия вам, скорее всего, подходит. Если же вы пока редко открываете нейросети, начните со статьи о том, как подступиться к ним в работе.

Частые вопросы

Нужно ли уметь программировать?

Для старта нет. Первые кейсы собираются в обычном чате, в таблицах и в конструкторах автоматизаций. Базовый Python понадобится позже, когда появятся задачи на большие объёмы данных или на подключение модели к чужим системам.

Не исчезнет ли профессия, когда модели станут ещё умнее?

Исчезает подбор формулировок, и он уже почти исчез. Потребность понять, что именно нужно бизнесу, собрать материалы и проверить результат остаётся при любой модели. Вероятнее, что через несколько лет это будет называться иначе и станет частью многих должностей.

Какую нейросеть выбрать для учёбы?

Любую из крупных: ChatGPT, Claude или Gemini. Принципы постановки задачи переносятся между ними почти без изменений. Полезное упражнение — прогнать один и тот же тестовый набор на двух моделях и сравнить, где каждая ошибается.

Нужен ли английский?

Модели хорошо работают с русским, и первые кейсы можно сделать на нём. Но документация и свежие материалы выходят на английском, так что умение читать технический текст, пусть и с переводчиком, заметно ускоряет рост.

Нашли ошибку или неточность? Напишите на hello@momentschool.com — проверим и исправим.