[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-generated-knowledge-prompting::ru":3,"gloss-cluster-generated-knowledge-prompting::ru":23,"gloss-next-generated-knowledge-prompting::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"generated-knowledge-prompting","prompt-eng","Generated Knowledge Prompting","Generated knowledge prompting («генерация знаний») — двухшаговый приём: сначала вы просите модель выдать относящиеся к вопросу факты или фон, а затем возвращаете это самостоятельно сгенерированное знание как контекст и только потом спрашиваете финальный ответ. Метод (Liu et al., 2022) создавался для задач, требующих здравого смысла или знаний о мире, которые модель «знает», но не всегда достаёт за один проход. Явно проговорив знание заранее, модель получает более твёрдую опору для самого рассуждения. Для SaaS-разработчиков это лёгкая альтернатива поиску, когда искать не по чему: вместо RAG вы вытягиваете собственное скрытое знание модели как промежуточный шаг. Схема: «Перечисли 3-5 ключевых фактов, важных для ответа на X» → затем «Используя эти факты, ответь на X». Очевидный риск: сгенерированное знание само может быть ошибочным — вы не сверяетесь с доверенным источником. Поэтому при критичной фактической точности приём дополняет, а не заменяет retrieval и лучше всего работает там, где правдоподобный контекст помогает больше, чем проверенные ссылки.","Generated knowledge prompting сначала просит модель выписать релевантные факты, а затем возвращает этот самосгенерированный контекст перед основным вопросом.",null,[11,14,17,20],{"slug":12,"name":13},"analogical-prompting","Analogical Prompting",{"slug":15,"name":16},"chain-of-thought-prompting","Chain-of-thought-промптинг (промптинг с цепочкой рассуждений)",{"slug":18,"name":19},"grounding","Обоснование (Grounding)",{"slug":21,"name":22},"retrieval-augmented-generation","Генерация с дополненным поиском (RAG)",[24,26,29,32,34,37,40,43,46,49,52,55],{"slug":12,"category":5,"name":13,"updated_at":25},"2026-08-24T02:46:37+00:00",{"slug":27,"category":5,"name":28,"updated_at":25},"automatic-prompt-optimization","Автоматическая оптимизация промптов",{"slug":30,"category":5,"name":31,"updated_at":25},"chain-of-density","Цепочка плотности (CoD)",{"slug":15,"category":5,"name":16,"updated_at":33},"2026-08-24T02:46:36+00:00",{"slug":35,"category":5,"name":36,"updated_at":25},"chain-of-verification","Chain-of-Verification",{"slug":38,"category":5,"name":39,"updated_at":33},"chunking","Чанкинг (Chunking)",{"slug":41,"category":5,"name":42,"updated_at":33},"constrained-decoding","Ограниченное декодирование (Constrained Decoding)",{"slug":44,"category":5,"name":45,"updated_at":33},"context-stuffing","Переполнение контекста (Context Stuffing)",{"slug":47,"category":5,"name":48,"updated_at":33},"delimiter","Разделитель (Delimiter)",{"slug":50,"category":5,"name":51,"updated_at":25},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":53,"category":5,"name":54,"updated_at":25},"emotion-prompting","Emotion Prompting",{"slug":56,"category":5,"name":57,"updated_at":33},"few-shot-prompting","Few-shot-промптинг (промптинг с примерами)"]