# Как ИИ-стартапы захватывают рынок: уроки промпт-инжиниринга от YC

Источник: https://www.youtube.com/watch?v=DL82mGde6wo
Канал: Y Combinator
Опубликовано: 30.05.2025

---

## Искусство промпт-инжиниринга: как лучшие ИИ-стартапы создают своих агентов 🚀
[[JUMP:0:26]]

Современный промпт-инжиниринг напоминает программирование 1995 года: инструменты находятся на стадии становления, а работа с ИИ всё больше похожа на управление живым сотрудником. В этом выпуске подкаста эксперты Y Combinator разбирают, как топовые ИИ-стартапы переходят от простых команд к сложным архитектурам, способным конкурировать с решениями гигантов рынка.

### 🛠 Анатомия идеального промпта: опыт Parahelp
[[JUMP:0:53]]

Одной из самых передовых компаний в области автоматизированной поддержки клиентов является Parahelp. Их решения внедрены в такие продукты, как Perplexity, Replit и Bolt. Секрет их успеха — в невероятно детализированных системных промптах, которые, по словам ведущих, часто являются «главным IP-активом» компании.

Основные компоненты «золотого стандарта» промптов:

*   **Ролевая модель:** Промпт начинается с чёткого определения роли ИИ (например, «менеджер службы поддержки»), сопровождаемого списком конкретных обязанностей.
*   **Иерархическая структура:** Использование формата Markdown (заголовки, подпункты) помогает модели лучше ориентироваться в задаче.
*   **XML-тегирование:** Как отмечают спикеры, форматирование плана с помощью XML-тегов значительно улучшает результаты, так как модели часто обучались на подобных структурах.
*   **Чёткий план действий:** Задача разбивается на пошаговые алгоритмы, что позволяет ИИ мыслить последовательно.
*   **«Escape hatch» (аварийный выход):** Критически важное дополнение. Модели нужно явно указать: если данных недостаточно для принятия решения, она должна остановиться и запросить информацию у человека, а не «галлюцинировать».

### 🔄 Мета-промптинг и «тестирование через разработку»
[[JUMP:6:47]]

Мета-промптинг — это практика, при которой промпт сам генерирует свои более совершенные версии. Этот подход сейчас становится стандартом индустрии.

*   **Prompt Folding:** ИИ анализирует предыдущие неудачные запросы и автоматически дописывает примеры, чтобы исправить ошибки.
*   **Unit-тестирование для ИИ:** Спикеры сравнивают создание промптов с TDD (Test-Driven Development). Например, стартап Jasberry использует «сложные примеры» для обучения модели находить баги в коде (например, N+1 запросы), которые даже эксперты-программисты иногда упускают.
*   **Отладка через отчёты:** В YC рекомендуют внедрять в формат ответа параметр `debug info`, куда агент записывает свои жалобы на нехватку контекста или запутанные инструкции. Это превращается в реальный «список дел» для разработчика.

### 💼 Стартапы как «forward deployed engineers»
[[JUMP:16:16]]

Опыт Palantir показывает, что путь к созданию многомиллионного бизнеса лежит через глубокое понимание реальной работы клиентов. Спикеры подчеркивают: основатель стартапа сегодня должен выступать в роли **Forward Deployed Engineer** (инженера на передовой).

*   **Этнография продаж:** Нужно не просто отправлять сейлз-менеджеров с «крепким рукопожатием» к клиенту, а самому садиться рядом с региональным менеджером по продажам тракторов и вникать в его ежедневные боли.
*   **Скорость итерации:** Благодаря ИИ, основатели могут прийти на вторую встречу с клиентом с уже готовым рабочим демо, которое решает конкретно их проблему, что позволяет закрывать контракты семизначных сумм.
*   **Эмпатия как фича:** Умение сделать так, чтобы клиент почувствовал, что его действительно «услышали», является главным конкурентным преимуществом перед крупными энтерпрайз-игроками (Oracle, Salesforce).

### ⚖️ Сравнение моделей и «личности» ИИ
[[JUMP:26:21]]

Разные модели проявляют разные «характеры» при работе со сложными задачами:

*   **Claude:** Описывается как более «счастливая» и человечная модель, легко поддающаяся направлению.
*   **Llama 4:** Требует жесткого контроля, напоминая взаимодействие с «инженером», который выполняет задачу буквально, но нуждается в детальных инструкциях.
*   **Различия в логике:** В экспериментах YC с оценочными рубриками (оценка инвесторов) модель **o3** проявила себя как «солдат», строго следующий правилам без исключений. В то же время **Gemini 2.5 Pro** показала высокую гибкость, умея аргументированно находить исключения там, где это было необходимо.