Запросы списков и маркированных пунктов
Запрашивайте у искусственного интеллекта нумерованные или маркированные списки с определенным количеством элементов.
«Запросы списков и маркированных пунктов» — бесплатный урок AI Prompt Engineering на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Prompt Engineering, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Prompt Engineering содержит 4 уроков всего.
Почему списки хорошо подходят для ИИ
Списки — один из самых понятных форматов результата, который можно запросить у ИИ. Они однозначны, удобны для быстрого просмотра и легко проверяются: вы сразу можете посчитать, получили ли нужное количество запрошенных элементов.
Знание точного синтаксиса запросов списков помогает получать результаты в единообразном формате без последующих исправлений.
Основные запросы списков
Наиболее распространённые шаблоны запросов списков:
- «Перечислите 5 способов…»
- «Приведите 10 пунктов о…»
- «Назовите 7 примеров…»
- «Приведите 3 причины, по которым…»
Всегда указывайте точное количество. Если сказать «перечислите несколько способов», количество элементов будет разным — иногда 3, иногда 12. Число устраняет эту вариативность.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=300,
messages=[{
'role': 'user',
'content': 'List exactly 5 ways a developer can improve Python code performance. Each item: one sentence only.'
}]
)
print(response.content[0].text)Запросы в виде маркированного списка
Если Вам нужен именно маркированный список, а не нумерованный, явно укажите это. Маркеры разметки (- или •) отображаются в большинстве интерфейсов чатов, но не во всех средах.
- «Дайте мне 8 пунктов маркированного списка о…»
- «Создайте маркированный список о…»
- «Выведите в виде маркированного списка, по одному пункту в строке…»
Добавьте «каждый пункт: максимум X слов», чтобы управлять плотностью содержания.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Create a bulleted list of 8 best practices for writing REST APIs. '
'Format: each bullet starts with a bold action verb. '
'Each bullet: max 15 words. No sub-bullets.'
)
}]
)
print(response.choices[0].message.content)Нумерованные списки и шаги
Нумерованные списки лучше всего подходят для последовательного содержания, где важен порядок:
- Пошаговые инструкции
- Варианты, упорядоченные от наиболее рекомендуемых к наименее рекомендуемым
- Приоритетные списки задач
- Упорядоченные шаги по устранению неполадок
Используйте: «Пронумеруйте каждый шаг…», «Перечислите в порядке от наиболее важного к наименее важному…», «Дайте мне 6 пронумерованных шагов для…»
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=400,
messages=[{
'role': 'user',
'content': (
'Give me 6 numbered steps to deploy a Python FastAPI app to AWS EC2. '
'Order: from initial setup to app accessible via browser. '
'Each step: 1-2 sentences + the specific command(s) to run. '
'Assume a fresh Ubuntu 22.04 server.'
)
}]
)
print(response.content[0].text)Контрольные списки
Контрольные списки — это особый тип списков: пункты в них нужно отмечать по мере выполнения. Они особенно хорошо подходят для следующих задач:
- Контрольные списки проверки кода
- Контрольные списки готовности к запуску
- Контрольные списки аудита безопасности
- Контрольные списки адаптации
Запрос: «Создайте контрольный список для…» или «Составьте контрольный список перед запуском для…» Модель выведет пункты в формате с флажками - [ ] (стандарт разметки).
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Create a pre-production launch checklist for a Python web API. '
'Format: markdown checkboxes (- [ ] item). '
'Group into sections: Security, Performance, Monitoring, Documentation. '
'4 items per section. Each item: specific and actionable in under 12 words.'
)
}]
)
print(response.choices[0].message.content)Управление длиной и плотностью пунктов
Качество списка значительно повышается, если указать, сколько подробностей должен содержать каждый пункт:
- «Одно предложение на пункт» — кратко и удобно для быстрого просмотра
- «Два предложения: первое описывает что, второе объясняет почему» — структурированная детализация
- «Заголовок пункта + описание в 1 строку» — заголовок и пояснение
- «Максимум 10 слов на пункт» — предельная краткость
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
# Two-sentence structure per list item
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=400,
messages=[{
'role': 'user',
'content': (
'List 5 common Python performance bottlenecks. '
'For each item, use exactly 2 sentences: '
'Sentence 1: describe the bottleneck. '
'Sentence 2: state the fix in one specific action.'
)
}]
)
print(response.content[0].text)Списки с метками и категориями
Добавление меток к пунктам списка превращает его в категоризированный или помеченный список, который легче просматривать и использовать:
- «Пометьте каждый пункт как EASY, MEDIUM или HARD»
- «Добавьте к каждому предложению метку соответствующей команды: [FRONTEND] [BACKEND] [DEVOPS]»
- «Укажите для каждого пункта ожидаемые затраты времени: (5 мин) (2 ч) (1 неделя)»
Метки превращают плоский список в практичный ресурс, который можно фильтровать.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'List 8 ways to reduce AWS costs for a startup. '
'Label each with: [IMMEDIATE] if doable today, [MEDIUM] if takes 1-2 weeks, or [LONG] if takes a month+. '
'Also label each with estimated monthly savings: ($50-200) ($200-500) ($500+). '
'Each item: one sentence.'
)
}]
)
print(response.choices[0].message.content)Вложенные списки
Вложенные списки добавляют один уровень иерархии — это удобно для организации идей с естественными группами:
- Основные категории на уровне 1
- Конкретные примеры или подпункты на уровне 2
Запрос: «Создайте двухуровневый план с 4 основными разделами и 3 подпунктами в каждом». Будьте осторожны: более двух уровней вложенности в большинстве случаев трудно читать.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=400,
messages=[{
'role': 'user',
'content': (
'Create a 2-level outline for a "Python for Data Science" beginner course. '
'Level 1: exactly 4 module titles. '
'Level 2: exactly 3 lesson titles under each module. '
'Format as nested markdown bullets. '
'Lesson titles should be specific — not generic like "Introduction".'
)
}]
)
print(response.content[0].text)Ранжированные и упорядоченные списки
Если порядок имеет значение, явно укажите критерий ранжирования:
- «Расположите от наиболее значимых к наименее значимым»
- «Упорядочьте от самых быстрых во внедрении до требующих больше всего времени»
- «Перечислите по уровню риска — сначала самый высокий риск»
- «Отсортируйте по алфавиту»
Без явного указания порядка модель может перечислить пункты в том порядке, в котором они пришли ей в голову, а это не обязательно самый полезный порядок для Вас.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'List 6 database indexing strategies for PostgreSQL. '
'Order: from most commonly needed to most specialized. '
'Each item: strategy name in bold, followed by a 10-word description, '
'then a note of when NOT to use it in parentheses.'
)
}]
)
print(response.choices[0].message.content)Антипаттерны: неудачные списки
Распространённые ошибки в запросах списков, которые приводят к плохому выводу:
- Не указано количество: «Дайте мне несколько пунктов» → непредсказуемая длина, список часто оказывается слишком коротким или слишком длинным
- Не задана структура пунктов: модель сама выбирает сочетание длинных и коротких пунктов
- Запрошено слишком много пунктов: «Перечислите 50 идей» → последние 30 оказываются искусственно добавленными для заполнения
- Слишком глубокая вложенность: 3 и более уровней → вывод становится нечитаемым
Рекомендуемый подход: для большинства сценариев лучше всего подходят 5–15 пунктов с указанной структурой каждого пункта.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
# Anti-pattern: no count, no structure
bad_prompt = 'Give me some ideas for blog posts about Python.'
# Good pattern: count + structure + ordering
good_prompt = (
'Generate 8 Python blog post title ideas. '
'Target audience: intermediate Python developers (2-3 years experience). '
'Mix: 4 practical how-to titles, 4 conceptual deep-dive titles. '
'Label each [HOW-TO] or [DEEP DIVE]. '
'Each title: max 10 words. No clickbait.'
)
for label, prompt in [('BAD', bad_prompt), ('GOOD', good_prompt)]:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=200,
messages=[{'role': 'user', 'content': prompt}]
)
print(f'--- {label} ---')
print(response.content[0].text.strip())
print()Вывод списков в программном контексте
Если Вы используете ИИ для создания списков, которые затем будет обрабатывать код, запросите вывод в формате, пригодном для машинного разбора:
- Массив JSON: «Выведите массив JSON со строками»
- Один пункт в строке: «Выведите ровно один пункт в каждой строке, без маркеров и номеров»
- CSV: «Выведите одну строку со значениями, разделёнными запятыми»
Так Вам не придётся извлекать маркеры разметки из строки ответа.
import openai
import json
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'List 8 Python standard library modules that every developer should know. '
'Output as a valid JSON array of strings only. '
'No explanation, no formatting, no markdown — just the raw JSON array.'
)
}]
)
raw = response.choices[0].message.content.strip()
try:
modules = json.loads(raw)
print(f'Parsed successfully: {len(modules)} modules')
for m in modules:
print(f' - {m}')
except json.JSONDecodeError as e:
print(f'Parse error: {e}')
print('Raw output:', raw)Проверка знаний
Руководитель команды хочет получить от ИИ-помощника список задач. Он отправляет запрос: «Дайте мне несколько задач». В результате получает 4 расплывчатых пункта. Какая переформулировка даст наиболее полезный вывод?
Итоги: запросы списков
Списки — один из самых понятных форматов вывода, который можно запросить. Чтобы хорошо формулировать запросы списков, указывайте:
- Точное количество: всегда указывайте число, а не «несколько» или «пару»
- Формат: маркеры, номера, контрольный список, вложенная структура
- Структуру каждого пункта: одно предложение / два предложения / заголовок и описание
- Метки: сложность, время, команда, категория
- Порядок: сначала самые важные, по критерию X, в алфавитном порядке
- Машинный формат: массив JSON или по одному пункту в строке для программного использования
Часто задаваемые вопросы
Урок «Запросы списков и маркированных пунктов» бесплатный?
Да — полный текст урока «Запросы списков и маркированных пунктов» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Prompt Engineering, подпишись на CoddyKit PRO. Курс AI Prompt Engineering содержит 4 уроков всего.
Чему я научусь в уроке «Запросы списков и маркированных пунктов»?
Запрашивайте у искусственного интеллекта нумерованные или маркированные списки с определенным количеством элементов. Ты практикуешь AI Prompt Engineering с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать AI Prompt Engineering?
Предыдущий опыт не требуется. AI Prompt Engineering на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Запросы списков и маркированных пунктов»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке AI Prompt Engineering?
Да. Каждый урок AI Prompt Engineering включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Запросы списков и маркированных пунктов
- Запрос таблиц и структурированных данных
- Форматирование Markdown в запросах
- Обычный текст и форматированный вывод