Трёхкомпонентный промпт: как строить классификационные запросы, чтобы LLM не ошибалась

Парадокс: от нулевого промпта к промпту с первым добавленным компонентом — самый большой прирост точности. Каждый следующий даёт меньше. Лишний блок правил иногда точность снижает. Метод позволяет строить промпты для классификации не наугад, а по трём известным компонентам — и точно знать, что именно добавить под конкретную ошибку. Описания категорий, уточнения граничных случаев, примеры — каждый компонент закрывает свой тип промахов. Добавляй только под реальные ошибки, которые уже заметил. Плюс батч (10–100 текстов за раз) — в большинстве задач точнее и дешевле одиночных запросов.