Data-Aware Prompting: как детализация контекста улучшает результат от LLM

LLM галлюцинирует названия полей, пути к файлам, структуры данных когда не знает точно что у тебя есть. Просишь 'проанализируй таблицу' — модель обращается к полю temperature хотя у тебя поле называется temp_celsius. Три стратегии промптинга дают точный результат без галлюцинаций: описание структуры данных в промпте, примеры похожих решений, итеративное исправление через диалог. Детализация промпта увеличивает успех с 21% до 30% — почти +50% к точности. Data-Aware (даёшь контекст о структуре), Few-Shot (показываешь примеры), Iterative Repair (исправляешь через диалог). Каждая стратегия закрывает свой тип неопределённости.