[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-self-ask-prompting::ru":3,"gloss-cluster-self-ask-prompting::ru":23,"gloss-next-self-ask-prompting::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"self-ask-prompting","prompt-eng","Self-Ask Prompting","Self-ask («самоспрос») заставляет модель явно задавать и отвечать на собственные уточняющие подвопросы, прежде чем зафиксировать финальный ответ. Метод (Press et al., 2022) нацелен на многошаговые вопросы, ответ на которые требует сцепления нескольких фактов, вроде «Кто был президентом, когда основали компанию, выпускающую X?». Модель пишет «Уточнение: …», отвечает на него, задаёт следующее уточнение и так далее, делая промежуточное рассуждение явным и удобным для проверки. В статье показан и «разрыв композиционности»: модели часто знают каждый подфакт, но не соединяют их, а self-ask этот разрыв сокращает. Для SaaS-разработчиков главная ценность в том, что каждый самозаданный вопрос — естественная зацепка для вызова инструмента: уточнения можно направлять в поисковый API или в вашу базу, превращая self-ask в лёгкий агентный цикл для ответов на вопросы. По сравнению с обычной цепочкой рассуждений структурированный формат «вопрос\u002Fответ» проще парсить и подключать к внешнему retrieval. Для запросов с одним фактом это избыточно.","Self-ask заставляет модель задавать и отвечать на собственные подвопросы до финального ответа — приём для многошаговых вопросов из нескольких фактов.",null,[11,14,17,20],{"slug":12,"name":13},"chain-of-thought-prompting","Chain-of-thought-промптинг (промптинг с цепочкой рассуждений)",{"slug":15,"name":16},"function-calling","Вызов функций (Function Calling \u002F Tool Use)",{"slug":18,"name":19},"least-to-most-prompting","Least-to-Most Prompting",{"slug":21,"name":22},"react-prompting","ReAct-промптинг",[24,28,31,34,36,39,42,45,48,51,54,57],{"slug":25,"category":5,"name":26,"updated_at":27},"analogical-prompting","Analogical Prompting","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"automatic-prompt-optimization","Автоматическая оптимизация промптов",{"slug":32,"category":5,"name":33,"updated_at":27},"chain-of-density","Цепочка плотности (CoD)",{"slug":12,"category":5,"name":13,"updated_at":35},"2026-08-24T02:46:36+00:00",{"slug":37,"category":5,"name":38,"updated_at":27},"chain-of-verification","Chain-of-Verification",{"slug":40,"category":5,"name":41,"updated_at":35},"chunking","Чанкинг (Chunking)",{"slug":43,"category":5,"name":44,"updated_at":35},"constrained-decoding","Ограниченное декодирование (Constrained Decoding)",{"slug":46,"category":5,"name":47,"updated_at":35},"context-stuffing","Переполнение контекста (Context Stuffing)",{"slug":49,"category":5,"name":50,"updated_at":35},"delimiter","Разделитель (Delimiter)",{"slug":52,"category":5,"name":53,"updated_at":27},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":55,"category":5,"name":56,"updated_at":27},"emotion-prompting","Emotion Prompting",{"slug":58,"category":5,"name":59,"updated_at":35},"few-shot-prompting","Few-shot-промптинг (промптинг с примерами)"]