К основному содержанию
промпт GP ChatGPT

LLM Application taste — промпт для ChatGPT: принципы и установка

Промпт LLM Application taste для ChatGPT с принципами проектирования приложений на базе языковых моделей. Он помогает продумать оценку ответов, работу с инструментами и защиту данных.

CC0-1.0 ★ 178 201 обновлён 2026-10-24

Открыть на GitHub

Что делает LLM Application taste

Промпт задаёт практические правила для приложений на базе языковых моделей. Он предлагает хранить версии промптов, проверять изменения на наборе реальных запросов и валидировать структурированные ответы по JSON-схеме. Для поиска советует начинать с гибридного подхода и сохранять метаданные источников для цитирования.

Отдельные пункты посвящены агентам: ограничению числа шагов и времени работы, узким инструментам и подтверждению действий, которые меняют данные или отправляют их за пределы приложения. Результаты инструментов и найденные документы нужно считать недоверенным вводом. В продакшене предлагается фиксировать версии моделей и обновлять их после успешной оценки.

Какие задачи решает

  • проверять изменения промпта на реальных запросах
  • валидировать ответы модели по JSON-схеме
  • ограничивать действия и время работы агента
  • сохранять источники, на которые опирается ответ
  • решать, когда запрос передавать более дорогой модели

Примеры запросов агенту

  • Составь план оценки промптов для моего приложения на языковых моделях.
  • Предложи схему проверки JSON-ответов модели перед обработкой.
  • Опиши ограничения для агента, который может менять данные.

Как установить LLM Application taste

Как использовать

Вставьте текст в начало диалога или в инструкции проекта

Вопросы о LLM Application taste

Как установить LLM Application taste в Claude Code?

Сохраните промпт в файл .claude/commands/prompts.csv.md.

Что делает LLM Application taste?

Он перечисляет инженерные принципы для приложений на базе языковых моделей: от оценки промптов и проверки ответов до ограничений агентов и логирования вызовов.

Как промпт предлагает защищать приложение от prompt injection?

Считать найденные документы, веб-страницы и результаты инструментов недоверенным вводом, который может содержать prompt injection.

Исходный текст

prompts.csv · CC0-1.0
# LLM Application taste of an AI product engineer
- Treat prompts as code: keep them in version-controlled files with names, versions and owners, not inline strings scattered around. Confidence: 0.90
- Build an evaluation set from real user inputs before tuning prompts, and rerun it on every prompt or model change. Confidence: 0.95
- Ask for structured output with a JSON schema or tool calls and validate it with a schema library before using it. Confidence: 0.95
- Put a thin gateway or wrapper around model providers so switching models or adding fallbacks is a config change. Confidence: 0.85
- Pin exact model versions in production and upgrade them deliberately after the evals pass. Confidence: 0.90
- Stream responses to the user whenever the output is longer than a sentence or two. Confidence: 0.85
- Start retrieval with simple hybrid search (keywords plus embeddings) and add reranking before reaching for complex RAG pipelines. Confidence: 0.80
- Chunk documents along their natural structure (headings, sections) and keep source metadata so answers can cite them. Confidence: 0.85
- Keep the context small and relevant; more retrieved text often makes answers worse, not better. Confidence: 0.80
- Give agents a short list of narrow, well-described tools with strict input schemas instead of one do-everything tool. Confidence: 0.85
- Put hard limits on agent loops: maximum steps, maximum tokens and a wall-clock timeout. Confidence: 0.90
- Require human confirmation before any tool call that sends, deletes, pays or changes data outside the app. Confidence: 0.90
- Treat all retrieved documents, web pages and tool results as untrusted input that can contain prompt injection. Confidence: 0.90
- Log every model call with prompt version, model, latency, token counts and cost, with user data redacted. Confidence: 0.85
- Cache deterministic calls and use prompt caching for long, stable system prompts. Confidence: 0.75
- Use the smallest model that passes the evals, and route only hard cases to the expensive model. Confidence: 0.80
- Retry on rate limits and transient errors with exponential backoff and jitter, never on validation failures in a tight loop. Confidence: 0.85
- Keep temperature low for extraction and classification, and higher only for creative generation. Confidence: 0.75
- Show users where an answer came from and make it easy to report a bad response. Confidence: 0.80
- Collect thumbs-up and thumbs-down feedback and feed the bad cases back into the eval set. Confidence: 0.85
- Do not fine-tune until prompting, retrieval and evals have clearly hit their limits. Confidence: 0.70

© f · CC0-1.0 · f/prompts.chat

Похожие промпты

Все промпты по теме «ИИ и ML» →
llm-application-dev Seth Hobson Плагин llm-application-dev помогает создавать LLM-приложения, RAG-системы и агентные архитектуры на LangGraph. Подходит для задач с векторным поиском и промптами. CX Codex ★ 42 780звёзд репо llm-application-dev-prompt-optimize sickn33 Скилл llm-application-dev-prompt-optimize переводит черновые инструкции в готовые промпты через цепочки рассуждений и проверки на регрессию. Помогает контролировать задержку и стоимость ответов модели. CX Codex +1 1установок llm-application-dev-ai-assistant sickn33 Скилл llm-application-dev-ai-assistant для Claude Code проектирует разговорных ИИ-ассистентов: контекст диалога, границы интеграций и проверку ответов. Описывает работу с вызовами инструментов и памятью пользователя. CX Codex +1 ★ 50 109звёзд репо llm-public-opinion-analytics-assistant reason-machines Скилл llm-public-opinion-analytics-assistant для Claude Code собирает тренды с 15 платформ, кластеризует темы и анализирует тональность через LLM. Рассылает результаты по email, Telegram и WeChat. CX Codex +1 2 400установок llm-public-opinion-analytics reason-machines Скилл llm-public-opinion-analytics для сбора трендов из поисковых рейтингов 15 платформ, кластеризации тем и анализа тональности через LLM. Пригодится при настройке мониторинга инфополя с уведомлениями в мессенджеры. CX Codex +1 2 300установок exploring-llm-traces PostHog Скилл exploring-llm-traces для Claude Code разбирает трассы LLM-агентов через инструменты PostHog MCP. Запускается по ссылке на трассу или сессию, а также при вопросах об ошибках, инструментах, контексте и расходе токенов. CX Codex +1 440установок

Из того же набора218

Весь набор →
Machine Learning Experiment taste Промпт Machine Learning Experiment taste для ChatGPT задаёт практики подготовки и оценки ML-экспериментов. Он помогает спланировать проверку данных, выбрать baseline и сохранить результаты воспроизводимыми. GP ChatGPT ★ 178 201звёзд репо Technical Documentation taste Промпт Technical Documentation taste для ChatGPT, Claude.ai и Claude Code задаёт стандарты технической документации. Помогает структурировать руководства и описание API по модели Diataxis для их актуальности и доступности. GP ChatGPT ★ 178 201звёзд репо React Native App taste Промпт React Native App taste для ChatGPT задаёт инженерные предпочтения для кроссплатформенных приложений. Запросите план проекта или решение по архитектуре, чтобы получить рекомендации по Expo, навигации, состоянию и тестам. GP ChatGPT ★ 178 201звёзд репо Feature Flag Rollout taste Промпт Feature Flag Rollout taste для ChatGPT и Claude.ai формулирует правила и инженерные привычки по выкатке фиче-флагов. Задаёт чёткие критерии разделения деплоя и релиза новой функциональности. GP ChatGPT ★ 178 201звёзд репо FastAPI Service taste Промпт FastAPI Service taste для ChatGPT и Claude.ai задаёт инженерные правила проектирования бэкенда на FastAPI. Фиксирует архитектурные соглашения перед генерацией сервисов. GP ChatGPT ★ 178 201звёзд репо Jetpack Compose Android App taste Промпт Jetpack Compose Android App taste для ChatGPT задаёт Kotlin- и Compose-правила для Android-приложения. Он описывает архитектуру экранов, работу с состоянием, тесты и сборку. GP ChatGPT ★ 178 201звёзд репо Data Pipeline taste Промпт Data Pipeline taste для ChatGPT и Claude.ai задаёт инженерные правила проектирования пайплайнов данных. Помогает проектировать хранилища по схеме ELT и настраивать трансформации. GP ChatGPT ★ 178 201звёзд репо Django Web App taste Промпт Django Web App taste для ChatGPT задаёт стиль Python-разработки на Django. Он помогает проектировать приложения, API, тесты и настройки окружения по конкретным инженерным правилам. GP ChatGPT ★ 178 201звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой