[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-multi-turn-prompting::ru":3,"gloss-cluster-multi-turn-prompting::ru":20,"gloss-next-multi-turn-prompting::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"multi-turn-prompting","prompt-eng","Многоходовой промптинг","Многоходовой промптинг относится к особым соображениям дизайна для промптов, существующих в рамках продолжающегося, многообменного разговора — в противоположность одноходовому промптингу, где один промпт производит один финальный ответ без ожидания продолжения, — где каждое новое сообщение пользователя интерпретируется в свете накопленной истории разговора, и приложение должно управлять тем, как эта история строится, поддерживается и в конечном итоге подрезается по мере роста разговора. Поскольку большинство API LLM не сохраняют состояние (у модели нет постоянной памяти между вызовами API), каждый многоходовой разговор требует, чтобы приложение повторно отправляло релевантную историю разговора — полную или частичную последовательность предыдущих сообщений пользователя и ассистента — с каждым новым запросом, и решения промпт-инжиниринга, специфичные для многоходового дизайна, включают: сколько истории сохранять (полная история сохраняет максимум контекста, но увеличивает стоимость токенов и рискует проблемами переполнения контекста и дрейфа персоны в длинных сессиях), стоит ли и как резюмировать или сжимать более старые ходы, как обрабатывать пользователя, который противоречит или исправляет более ранние утверждения в разговоре, и как не дать исходным инструкциям системного промпта фактически «перевеситься» длинной накопленной историей (реальный риск, связанный с согласованностью персоны). Многоходовой промптинг также вносит вопросы управления состоянием сверх одноразового промптинга: отслеживание того, сменил ли пользователь тему (и следует ли отбросить более старый, теперь нерелевантный контекст), управление многошаговыми рабочими процессами, где ИИ должен помнить информацию, предоставленную пользователем несколько ходов назад (например, форма для приёма, заполненная в разговорном режиме за 5 обменов репликами), и обработка неоднозначных отсылок в продолжении («а что насчёт второго?»), которые имеют смысл только при наличии контекста предыдущего хода. Для разработчиков SaaS большинство разговорных ИИ-функций — чат-боты поддержки, ИИ-ассистенты, потоки онбординга — по своей природе многоходовые, что делает эти решения по управлению историей неотъемлемой, а не второстепенной частью работы промпт-инжиниринга, отдельной от проектирования промпта отдельного хода в изоляции и дополняющей его. Разобранный пример: ИИ-ассистент онбординга для SaaS по управлению проектами собирает информацию о настройке в разговорном режиме через несколько ходов — размер команды, основной случай использования, потребности в интеграциях — а не через одну форму. К 6-му ходу история разговора содержит размер команды пользователя (12) и случай использования (отслеживание клиентских проектов) из ходов 1-2. Когда сообщение пользователя на 6-м ходу — это просто «да, и ещё мы много используем Slack», модель должна разрешить это как «добавить Slack в список интеграций для этого же потока онбординга», что интерпретируется корректно только потому, что в промпт, отправляемый модели на 6-м ходу, включён полный многоходовой контекст, а не только это изолированное сообщение.","Многоходовой промптинг — это дизайн промптов в рамках разговора с несколькими обменами, где каждый ход опирается на предыдущий контекст.",null,[11,14,17],{"slug":12,"name":13},"context-stuffing","Переполнение контекста (Context Stuffing)",{"slug":15,"name":16},"context-window","Контекстное окно",{"slug":18,"name":19},"system-prompt","Системный промпт",[21,25,28,31,35,38,41,44,45,48,51,54],{"slug":22,"category":5,"name":23,"updated_at":24},"analogical-prompting","Analogical Prompting","2026-08-24T02:46:37+00:00",{"slug":26,"category":5,"name":27,"updated_at":24},"automatic-prompt-optimization","Автоматическая оптимизация промптов",{"slug":29,"category":5,"name":30,"updated_at":24},"chain-of-density","Цепочка плотности (CoD)",{"slug":32,"category":5,"name":33,"updated_at":34},"chain-of-thought-prompting","Chain-of-thought-промптинг (промптинг с цепочкой рассуждений)","2026-08-24T02:46:36+00:00",{"slug":36,"category":5,"name":37,"updated_at":24},"chain-of-verification","Chain-of-Verification",{"slug":39,"category":5,"name":40,"updated_at":34},"chunking","Чанкинг (Chunking)",{"slug":42,"category":5,"name":43,"updated_at":34},"constrained-decoding","Ограниченное декодирование (Constrained Decoding)",{"slug":12,"category":5,"name":13,"updated_at":34},{"slug":46,"category":5,"name":47,"updated_at":34},"delimiter","Разделитель (Delimiter)",{"slug":49,"category":5,"name":50,"updated_at":24},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":52,"category":5,"name":53,"updated_at":24},"emotion-prompting","Emotion Prompting",{"slug":55,"category":5,"name":56,"updated_at":34},"few-shot-prompting","Few-shot-промптинг (промптинг с примерами)"]