[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-step-back-prompting::ru":3,"gloss-cluster-step-back-prompting::ru":23,"gloss-next-step-back-prompting::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"step-back-prompting","prompt-eng","Step-Back Prompting","Step-back prompting («шаг назад») просит модель сначала «отступить» от конкретного вопроса к более общему — вывести лежащий в основе принцип, понятие или запрос более высокого уровня, — а затем через эту абстракцию рассуждать к конкретному ответу. Приём от исследователей Google DeepMind (Zheng et al., 2023) исходит из того, что прыжок сразу в детали провоцирует ошибки, тогда как названное заранее управляющее правило удерживает рассуждение в русле. Например, задача по физике превращается в «Какие физические принципы здесь применимы?» ещё до подстановки чисел. Для SaaS-разработчиков приём полезен, когда ответ зависит от верного определения того, какое правило, формула или категория применяются, прежде чем важны частности: логика тарифов, правила доступа, сценарии диагностики. Стоит он дёшево: одна добавленная инструкция или короткий двухходовый обмен. Хорошо сочетается с retrieval, ведь абстрагированный вопрос часто оказывается лучшим поисковым запросом, чем исходный. Максимум пользы — на задачах со знанием и рассуждением; для простых фактических запросов дополнительный шаг абстракции почти ничего не даёт.","Step-back prompting просит модель сперва обобщить конкретный вопрос до принципа, а затем от этого принципа рассуждать к конкретному ответу.",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},"least-to-most-prompting","Least-to-Most Prompting",{"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)"]