Интуитивный промптинг: заставь LLM реагировать как человек, а не как логическая машина

Задача: Маркетолог интернет-магазина детских товаров сделал глубокое интервью с "идеальным клиентом" — Ольгой, 34 года, мама двоих детей, не доверяет инфлюенсерам, любит честные отзывы и скидки. Перед запуском рекламной кампании в Телеграм он хочет протестировать 5 вариантов постов — угадать, как Ольга среагирует на каждый, включая тему, которую с ней вообще не обсуждали (например, реакцию на подписку по модели "коробка каждый месяц").

Промпт:

Ты симулируешь реакцию конкретного человека на контент в соцсетях.
Вот подробное описание этого человека:

ПРОФИЛЬ:
{анкетные данные — возраст, работа, взгляды, привычки}
{выдержки из интервью — как человек говорит о жизни, покупках, доверии к рекламе своими словами}
{самопрезентация — как человек описал бы себя незнакомцу}

ЗАДАЧА:
Тебе покажут несколько постов/рекламных сообщений. Для каждого скажи, понравится это человеку или нет.

ВАЖНО — как отвечать:
Отвечай сразу, первой реакцией, интуитивно. Не анализируй профиль пункт за пунктом, чтобы логически вывести ответ. Представь, что этот человек увидел пост в ленте и среагировал за секунду — как в жизни, без раздумий. Некоторые реакции могут не идеально совпадать с тем, что "должен" думать человек с таким профилем — это нормально, так ведут себя настоящие люди.

Посты:
{пост 1}
{пост 2}
{пост 3}
{пост 4}
{пост 5}

Формат ответа: номер поста → нравится/не нравится.

Результат: Модель выдаст короткий список реакций по каждому посту в заданном формате. Реакции будут менее "по учебнику маркетинга" и ближе к тому, как реально повела бы себя живая Ольга — включая возможные противоречия её заявленным взглядам, особенно на теме подписки, которую с ней не обсуждали.

Когда модель получает команду явно рассуждать от черт к выводу ("у неё высокое доверие к отзывам, значит она оценит пост с отзывами положительно"), она строит логическую цепочку — и логическая цепочка ведёт к стереотипу. Это как спросить человека "как отреагирует типичная мама 34 лет" вместо "как отреагирует конкретная Ольга".

Сильная сторона LLM — способность улавливать стиль, тон и характер человека из живого текста (интервью, самоописание) без явного перечисления правил, примерно как актёр вживается в роль по сценарию, а не по анкете личности.

Метод использует эту способность, убирая явное рассуждение из инструкции. Настоящие реакции людей на соцсети — это быстрые, "не думая" решения (система 1 в терминах психологии мышления), а не взвешенный вывод. Когда инструкция просит модель отвечать так же быстро и без анализа, она перестаёт строить логичный мостик от черт к ответу и начинает выдавать более "человеческий" результат — с большим разбросом между разными персонажами и лучшим совпадением с реальным человеком.

Рычаги управления: - Богатство профиля (анкета vs анкета+интервью+самоописание) → чем больше живого текста, тем лучше модель "чувствует" человека, особенно на новых темах - Явная инструкция "выводи логически из комбинации черт" → не добавляет пользы, можно не использовать - Стиль вопроса (быстрая реакция лайк/дизлайк vs развёрнутое решение) → техника работает для импульсивных реакций, для взвешенных решений нужен другой подход

⚠️ Маленькая выборка: выводы построены на профилях всего восьми человек. Это глубокое, но узкое исследование — не гарантия, что эффект одинаково силён на любой аудитории.

⚠️ Работает для быстрых реакций, не для взвешенных решений: техника проверена на лайках/дизлайках постов — импульсивных реакциях. Для задач типа "купит ли этот человек дорогой продукт после сравнения вариантов" аналитическая инструкция может сработать лучше.

⚠️ Сжатие индивидуальности не исчезает полностью: даже с интуитивной инструкцией разные персонажи в модели остаются заметно более похожими друг на друга, чем реальные люди — просто менее похожими, чем при аналитическом промптинге.

⚠️ Нужен богатый профиль: эффект сильнее всего проявился в сочетании с интервью и самоописанием, а не с одной анкетой демографии.

Исследователи взяли восемь человек из Сербии и профилировали их по максимуму: анкета с установками и доверием к институтам, глубинное интервью и короткое самоописание "как бы ты представился на вечеринке". Затем показали им 68 реальных постов в соцсетях и записали настоящие реакции — лайк или дизлайк.

После этого четырём разным моделям (Claude, DeepSeek, GPT, Grok) дали профиль каждого человека и попросили предсказать те же 68 реакций — но под пятью разными формулировками инструкции: от голой демографии до полного интервью, с командой "рассуждай логически" или с командой "отвечай интуитивно". Точность мерили метрикой, устойчивой к перекосу классов (чтобы модель не выигрывала просто угадывая "лайк" чаще).

Неожиданный результат: инструкция "выводи реакцию логически из комбинации черт" не дала вообще никакого прироста точности по сравнению с обычным профилем без такой команды. А инструкция "отвечай мгновенно и интуитивно" оказалась лучшей во всех условиях — и что важнее, она же лучше всего сработала на темах, которые в анкете и интервью вообще не поднимались, обойдя даже сильный базовый вариант "угадывать по мнению остальной группы". Это говорит о том, что модель, настроенная отвечать не задумываясь, ведёт себя как конкретный человек, а не как ходячий набор его анкетных данных.

Bojic et al. — Thinking Less to Simulate Better: Intuitive Prompting Improves LLM Agents Simulating Individual Social Media Reactions, Including Unfamiliar Content. Данные и код доступны на OSF (2026). Institute for Artificial Intelligence Research and Development of Serbia, University of Belgrade, University of Vienna, University of Novi Sad, Nanyang Technological University.