AI-порталAI-портал

PE2

[object Object]

PE2, или Prompt Engineering a Prompt Engineer, это meta-level техника, где модель сначала выступает как проектировщик prompt, а уже потом как исполнитель задачи. Вместо прямой схемы "вот задача -> дай ответ" появляется двухслойный контур: "сначала придумай хороший prompt для этой задачи -> затем реши задачу по этому prompt".

В 2026 PE2 полезно воспринимать как лёгкий и практичный meta-prompting pattern. Это не full APE pipeline и не search over dozens of prompts, а более локальный приём: перед решением задачи сформировать для неё более удачную инструкцию.

Если задача сложная, неясная или сильно зависит от правильной framing, PE2 часто полезнее, чем просто просить модель 'ответь лучше'.

Коротко

PE2 работает в два шага:

  1. модель придумывает хороший prompt для задачи;
  2. затем решает задачу уже по этой инструкции.
ПромптClaude Sonnet 4.6
Шаг 1: придумай лучший prompt для анализа конкурентной статьи. Шаг 2: используй этот prompt и сделай анализ.
Ответ модели

На первом шаге модель сформулировала структуру: тезис, доказательства, слабые места, missing assumptions, next actions. На втором шаге анализ оказался заметно лучше, чем при прямом one-shot запросе.

Техника особенно полезна для сложных аналитических и редакторских задач, где framing влияет на качество сильнее, чем один дополнительный абзац инструкций.

Почему техника работает

У многих задач проблема не в knowledge gap, а в слабой постановке. Модель может знать, как делать хороший анализ, summary или critique, но ей не дали правильную operational framing.

PE2 решает это через промежуточный meta-step:

  • сначала сформулировать хороший рабочий prompt;
  • затем использовать его как scaffold для самой задачи.

Это делает reasoning более управляемым, потому что модель сначала проясняет, что именно будет считать качественным ответом.

Чем PE2 отличается от APE

APE ищет лучшие prompts через набор кандидатов и eval loop.

PE2 обычно работает локально в пределах одной задачи или одного task family: сначала prompt-for-the-task, затем execution.

То есть APE — это больше prompt optimization system, а PE2 — task-time meta-prompting technique.

Прямой запрос
Модель сразу отвечает на задачу и иногда промахивается по структуре, глубине или критериям качества.
PE2
Модель сначала проектирует рабочую инструкцию под задачу, а затем следует ей при решении. Это часто стабилизирует output.

Когда техника особенно полезна

PE2 хорошо работает для:

  • анализа текстов;
  • product and strategy memos;
  • code review comments;
  • сложных summaries;
  • support reply drafting;
  • задачи, где нужен сильный evaluation rubric внутри ответа.

Если task depends on framing, PE2 почти всегда стоит протестировать.

Ограничения

PE2 не всегда оправдан:

  • для тривиальных задач это лишний overhead;
  • для factual QA правильный prompt не заменяет retrieval;
  • модель может придумать красивый, но слишком общий prompt и почти ничего не улучшить.

То есть техника хороша там, где framing реально влияет на quality.

Почему техника актуальна в 2026

Сегодня команды всё чаще строят reusable prompt systems. PE2 полезен как источник этих систем. Даже если meta-generated prompt не используется в онлайне, он помогает найти более сильную постановку задачи для шаблонов и playbooks.

Это делает PE2 особенно удобным для prompt R&D и internal tooling.

Техническая реализация

const engineeredPrompt = await model(`
Design the best prompt for this task:
${task}
`)

const result = await model(engineeredPrompt)

Практический совет: полезно просить engineered prompt возвращать в структурированном виде: цель, критерии, формат, ограничения. Тогда его проще сравнивать и повторно использовать.

Проверьте себя

1. Что делает PE2?

2. Когда PE2 особенно полезен?

3. Чем PE2 отличается от APE?

Предыдущая
PAL
Следующая
Plan-and-Solve Prompting