Directional Stimulus Prompting

Суть в двух словах

Directional stimulus — это не подробная инструкция, а короткая направляющая подсказка:

• "смотри на retention, не на growth";
• "сначала найди причины, потом решения";
• "учти latency, security и cost".

Это особенно полезно, когда:

• few-shot слишком дорог;
• role слишком общая;
• нужен мягкий steering, а не жёсткая схема.

Оцени идею продукта. Направляющие стимулы: retention, onboarding friction, team adoption, switching cost.

Идея: AI-ассистент для заметок после sales call.

Что делает directional stimulus

Модель может понимать задачу слишком широко. Тогда ответ:

• расползается;
• берёт не тот фокус;
• обсуждает всё сразу;
• игнорирует самую важную dimension задачи.

Directional stimulus даёт ей компактный focus vector. Это не полная спецификация, а лёгкий steering toward the right lens.

Где техника особенно полезна

Хорошие сценарии:

• product analysis;
• market comparison;
• GTM review;
• strategic writing;
• evaluation prompts;
• short decision-support tasks;
• teacher / tutor prompts, где надо быстро задать lens разбора.

Почему directional layer часто лучше role-подсказки

Общие роли вроде "ответь как эксперт" слишком расплывчаты. Они задают тон, но плохо задают реальный вектор анализа. Directional stimulus полезен тем, что задаёт не identity, а dimensions of attention:

• на какие оси смотреть;
• какие trade-offs не забыть;
• что считать главным lens для ответа.

Поэтому в практической работе он часто полезнее, чем декоративный role prompting без operational cues.

Менее полезна техника:

• для strict schema outputs;
• когда task already fully specified;
• там, где важен пример, а не просто направление;
• в высокорискованных workflows без further validation.

Практическое правило простое: если задаче нужен образец поведения, directional cue слабоват. Если задаче нужен фокус, а не full demonstration, он как раз уместен.

Чем хороший stimulus отличается от плохого

Хороший stimulus:

• короткий;
• domain-relevant;
• помогает сузить фокус;
• не подменяет саму задачу;
• не конфликтует с другими cues.

Плохой stimulus:

• состоит из общих слов вроде "думай лучше";
• слишком длинный;
• даёт contradictory directions;
• стилистический, а не operational.

Что делает набор cues рабочим

Сильный набор stimuli обычно:

• покрывает 3-5 ключевых измерений;
• не содержит дубликатов;
• соответствует taxonomy задачи;
• помогает модели сузить пространство ответа.

Слабый набор:

• выглядит умно, но не меняет answer structure;
• смешивает стиль, фокус и критерии;
• не проходит eval against baseline.

Как использовать технику инженерно

Directional stimulus хорошо работает как reusable config:

• taxonomy задачи определяет набор cues;
• cues подставляются в prompt автоматически;
• на eval проверяется, какие наборы действительно улучшают output.

То есть техника хороша не только в ручном prompting, но и как configurable steering layer.

Когда стоит эскалировать дальше

Если directional cues уже не помогают, следующий шаг обычно такой:

• few-shot, если нужен pattern of response;
• rubric/checklist, если нужны жёсткие критерии;
• structured output, если важна machine-readable форма;
• routing, если у разных task families должны быть разные steering stacks.

Сравнение с близкими подходами

Частые ошибки

Ещё типичные ошибки:

• слишком много стимулов;
• cues конфликтуют друг с другом;
• cues декоративные, а не operational;
• нет eval, показывающего, что steering вообще помогает.

Production anti-pattern

Техническая реализация

def build_stimulus_prompt(task, stimuli):
    cue = ", ".join(stimuli)
    return f"{task}\n\nDirectional cues: {cue}"

Частый production-паттерн

• формируйте stimuli автоматически из taxonomy задачи;
• храните их как reusable prompt config;
• валидируйте их на eval, а не по ощущению;
• ограничивайте число cues до 3-6.

Что стоит измерять

• relevance of final answer;
• dimension coverage;
• reduction of off-target analysis;
• robustness across tasks in same family.

Иначе техника легко становится красивой, но неподтверждённой эвристикой.

Что хранить как config

Полезно хранить отдельно:

• task family;
• active stimuli set;
• version of cue pack;
• eval uplift vs baseline.

Так steering layer становится управляемым артефактом, а не случайной строкой в prompt.