От размытого запроса к CRISPE: промпты Amazon Quick и агентов

Один и тот же Amazon Quick на «Show me sales information» отвечает общими цифрами, а на запрос с месячной выручкой enterprise software за Q3–Q4 2025, тремя продуктовыми линиями и связкой с маркетинговой кампанией — уже трендами под решение. В первой части двухсерийного разбора AWS собрала универсальные правила до деталей по Research, Flows, Sight и Chat Agents во втором посте.

Тот же контраст между «analyze customer data» и формулировкой про топ‑5 enterprise-клиентов в healthcare с падающей вовлечённостью за квартал: модель та же, меняется число полей, которые система додумывает сама. Обещают сильнее первый ответ, меньше итераций, автоматизацию тяжёлых сценариев без кастомного кода и общий словарь промптов в команде.

Три приёма до каркасов

• Конкретика — метрика, период, сегмент и тип анализа в одном запросе.
• Контекст — кто читает результат и какое решение нужно (презентация для executive team с фокусом на ARR).
• Пример формата — один сегмент клиентов с полями Profile и Revenue Impact, затем четыре новых в той же структуре по реальным транзакциям.

CRISPE и схемы под модули

Для тяжёлых enterprise-задач дают шаблон CRISPE: контекст и ограничения, роль аналитика, цель и источники, пошаговый scope, формат вывода и критерии успеха. В примере по support для SaaS с более чем 5000 enterprise-клиентов цель — сократить среднее время закрытия тикета минимум на 20%, при этом enterprise tier даёт 70% выручки.

• RADAR — стратегия поиска, синтез и прозрачность источников в knowledge spaces.
• ARCHITECT — поля конфигурации кастомного chat agent в Quick agent builder.
• QUEST — формулировка вопроса, контекст пользователя, явные требования, scope и целевой формат ответа.

Для корпоративного поиска по документам советуют имя файла, space и расшифровку внутренних акронимов. В кейсе RFI Quick Flow с правилами номеров вопросов (1.01, 2.1) вытягивает многостраничный Excel в структурированный CSV — тот же приём «правила идентификации + образец строки», что спасает агентные сессии с жёстким форматом ответа.

Источник: Prompt engineering fundamentals for Amazon Quick.