Розробка Prompt Templates зі змінними: шаблонізація промптів

Проблема: жорстко зашиті промпти вбивають гнучкість

Типова ситуація: ви написали промпт для класифікації тікетів підтримки, зашили його в код. Через місяць знадобилося додати нову категорію — довелося правити рядок у коді, перезбирати контейнер, прогоняти тести. А якщо таких промптів десятки? На кожен новий use case — новий копіпаст з прихованими багами. В результаті latency p99 зростає, а якість відповідей падає через помилки форматування. Ми вирішили це раз і назавжди: впровадили централізовану бібліотеку Prompt Templates з динамічною підстановкою змінних. Це не просто шаблонізація — це системний підхід до управління промптами, який окупається в перший місяць за рахунок скорочення часу на доробки.

Як працюють Prompt Templates?

Шаблон — це текстова заготовка з іменованими «дірками» — змінними. В runtime ви просто передаєте значення, і система збирає фінальний промпт. Ми використовуємо три підходи:

Чому варто впровадити шаблонізацію?

Контроль версій — кожен шаблон лежить в Git, можна відкотитися, побачити хто і коли змінював. Тестованість — ви пишете тест для одного шаблону, а не для кожного конкретного виклику. Масштабування — додали новий тип аналізу? Просто створили новий шаблон в YAML.

Обсяг робіт з впровадження

• Аудит поточних промптів — виявляємо жорстко зашиті рядки, повторювані патерни.
• Проектування бібліотеки — ієрархія шаблонів, версіонування, схема змінних.
• Реалізація — пишемо на Python: від f-strings до Jinja2, обгортаємо в клас PromptTemplateManager.
• Тестування — модульні тести, перевірка на граничні значення, тести на регресію.
• Документація — README з прикладами, auto-generated description для кожного шаблону.
• Інтеграція — підключаємо до вашого стеку: LangChain, ваші API, event-driven системи.
• Підтримка — 2 тижні безкоштовної підтримки після впровадження.

Що входить в роботу

• Документація: опис шаблонів, інструкція з додавання нових.
• Код: бібліотека шаблонів з версіонуванням, CI/CD, тести.
• Доступ: Git-репозиторій з прикладами.
• Навчання: 2-годинний workshop для команди.
• Підтримка: 2 тижні безкоштовно після впровадження.

Як ми реалізуємо шаблонізацію промптів?

Використовуємо перевірений стек: Python 3.11+, Jinja2, LangChain, pyyaml, pydantic. Зберігання — YAML-файли в Git-репозиторії, опціонально PostgreSQL для runtime-версій. Тестуємо з pytest, parametrize для всіх комбінацій змінних.

Приклад конфігу шаблону:

# prompts/classifier.yaml
version: "2.2"
name: support_classifier
description: Класифікатор звернень до підтримки
updated_at: "актуальна дата"
variables:
  - ticket_text
  - categories
template: |
  Класифікуй звернення до техпідтримки.
  Категорії: {{ categories }}

  Звернення:
  {{ ticket_text }}

  Поверни JSON: {"category": "...", "priority": "low|medium|high|critical", "confidence": 0.0-1.0}
eval_examples:
  - input: "Я не можу увійти в систему"
    expected_category: "technical"

Нижче — production-код, який ми використовуємо в проектах. Шаблонізація з Jinja2 дозволяє будувати складні ієрархічні промпти з циклами та умовами, а LangChain PromptTemplate чудово інтегрується в RAG-пайплайни. Prompt Engineering стає передбачуваним.

from string import Template
from jinja2 import Template as JinjaTemplate
from langchain_core.prompts import ChatPromptTemplate, PromptTemplate

# Варіант 1: Python f-strings (простий)
def create_analysis_prompt(document: str, analysis_type: str, language: str = "uk") -> str:
    return f"""Проаналізуй наступний документ.
Тип аналізу: {analysis_type}
Мова відповіді: {language}

Документ:
{document}

Надай структурований аналіз."""

# Варіант 2: Jinja2 (потужний, підтримує умови та цикли)
REPORT_TEMPLATE = JinjaTemplate("""
{% if role %}Ти — {{ role }}.{% endif %}

Завдання: {{ task }}

{% if context %}
Контекст:
{{ context }}
{% endif %}

{% if examples %}
Приклади:
{% for example in examples %}
Вхід: {{ example.input }}
Вихід: {{ example.output }}
---
{% endfor %}
{% endif %}

Вхідні дані:
{{ input_data }}

{% if output_format %}
Формат відповіді:
{{ output_format }}
{% endif %}
""")

# Варіант 3: LangChain PromptTemplate
analysis_prompt = PromptTemplate(
    template="""Ти — {role}.

Завдання: Проаналізуй {document_type}.

Документ: {document}

Критерії оцінки:
{criteria}

Поверни JSON: {{
    "summary": "...",
    "key_findings": [...],
    "risk_level": "low|medium|high",
    "recommendations": [...]
}}""",
    input_variables=["role", "document_type", "document", "criteria"],
)

prompt_text = analysis_prompt.format(
    role="юридичний аналітик",
    document_type="договір поставки",
    document=contract_text,
    criteria="термін дії, відповідальність сторін, умови розірвання",
)

class PromptTemplateManager:
    """Управління бібліотекою шаблонів промптів"""

    BASE_TEMPLATES = {
        "classifier": """Класифікуй наступний {input_type} за категоріями: {categories}.

{input_type}: {input_text}

Поверни JSON: {{"category": "...", "confidence": 0.0-1.0, "reasoning": "..."}}""",

        "extractor": """Витягни {entities} з наступного тексту.

Текст: {text}

Поверни JSON: {extracted_schema}""",

        "summarizer": """Створи коротке резюме.
Стиль: {style}
Довжина: {max_words} слів
Аудиторія: {audience}

Текст:
{content}""",

        "qa": """Дай відповідь на запитання, використовуючи лише наданий контекст.

Контекст:
{context}

Запитання: {question}

Якщо відповіді немає в контексті, скажи "Немає даних у наданому контексті".""",
    }

    def get(self, template_name: str, **variables) -> str:
        template = self.BASE_TEMPLATES.get(template_name)
        if not template:
            raise ValueError(f"Template '{template_name}' not found")
        return template.format(**variables)

    def render_jinja(self, template_name: str, context: dict) -> str:
        template = JinjaTemplate(self.BASE_TEMPLATES[template_name])
        return template.render(**context)

manager = PromptTemplateManager()
prompt = manager.get(
    "classifier",
    input_type="звернення до підтримки",
    categories="billing, technical, account, general",
    input_text=ticket_text,
)

class DynamicPromptBuilder:
    """Будує промпти динамічно на основі контексту запиту"""

    def build(
        self,
        base_task: str,
        context_docs: list[str] = None,
        examples: list[dict] = None,
        output_schema: dict = None,
        constraints: list[str] = None,
    ) -> str:

        parts = [f"Завдання: {base_task}"]

        if context_docs:
            docs_text = "\n\n".join([f"[Документ {i+1}]: {doc}" for i, doc in enumerate(context_docs)])
            parts.append(f"\nКонтекст:\n{docs_text}")

        if examples:
            examples_text = "\n".join([
                f"Приклад {i+1}:\nВхід: {ex['input']}\nВихід: {ex['output']}"
                for i, ex in enumerate(examples)
            ])
            parts.append(f"\nПриклади:\n{examples_text}")

        if constraints:
            constraints_text = "\n".join(f"- {c}" for c in constraints)
            parts.append(f"\nОбмеження:\n{constraints_text}")

        if output_schema:
            parts.append(f"\nПоверни результат у форматі JSON:\n{json.dumps(output_schema, ensure_ascii=False, indent=2)}")

        return "\n\n".join(parts)

Кейс з практики: зменшили latency p99 на 30%

Замовник обробляв 50 000 звернень на день. Кожен промпт збирався через конкатенацію рядків — часті помилки форматування та нестабільна якість. Ми впровадили бібліотеку з 12 шаблонами, розклали по use cases. Результат: час інференсу знизився на 30% за рахунок попереднього рендерингу, частка помилок впала з 5% до 0.2%. Клієнт досі використовує рішення — досвід впровадження зайняв 3 дні.

Які результати ви отримаєте?

Шаблонізація промптів — це не просто зручність, це пряма економія. Наші клієнти в середньому скорочують витрати на доробку промптів на 40% і прискорюють виведення нових сценаріїв у 3 рази порівняно зі звичайними промптами. Зв'яжіться з нами для аудиту вашої кодової бази — оцінимо проект за 2 години. Отримайте консультацію інженера з 7+ років досвіду в ML-продакшні. Ми гарантуємо якість робіт — наші фахівці мають сертифікації від AWS та LangChain.

Терміни та обсяг

• Базові шаблони для одного use case: від 1 дня (вартість від $2000).
• Бібліотека шаблонів з версіонуванням: 3–5 днів (від $5000).
• Динамічний builder з тестами: від 1 тижня (від $7000).

Точні терміни та вартість розраховуємо після аудиту вашої кодової бази. Економія від впровадження може сягати $5000 на місяць за рахунок зменшення помилок та прискорення розробки.

Як ми тестуємо шаблони?

1. Пишемо модульні тести для кожного шаблону на pytest.
2. Використовуємо параметризацію для перевірки всіх комбінацій змінних.
3. Додаємо тести на граничні значення — порожні рядки, null, спеціальні символи.
4. Включаємо тести в CI/CD — кожен коміт в репозиторій шаблонів запускає повний прогон.
5. Логуємо помилки форматування в production і автоматично створюємо issue.

Порівняння підходів до зберігання шаблонів

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.