Примеры промптов GPT-6 Luna: 5 пакетных сценариев для копирования

Все 5 сценариев ниже — это пакетные задачи, с которыми GPT-6 Luna справляется хорошо: классификация, извлечение, переписывание, вопросы-ответы, agent. К каждому прилагается полный prompt и рекомендации по параметрам — можно скопировать и сразу использовать. GPT-6 Luna уже доступна в HiAPI, откройте страницу модели, чтобы сразу начать диалог; новым пользователям при регистрации начисляется 200 кредитов.

1. Пакетная классификация: анализ тональности отзывов о продуктах

Задача: ежедневно приходят тысячи отзывов пользователей, нужно разделить их по тональности на positive/neutral/negative и одновременно извлечь упомянутые конкретные характеристики продукта.

Ключевые параметры: reasoning.effort=none (для классификации рассуждения не нужны), в text.format используется json_schema для принудительного структурированного вывода.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "Вы — помощник по анализу отзывов о продуктах. Проанализируйте каждый отзыв пользователя и выведите JSON, содержащий тональность (positive/neutral/negative), список упомянутых характеристик продукта и рекомендацию к покупке. Выводите только JSON, без дополнительного текста."
    },
    {
      "role": "user",
      "content": "Цвет красивый, но через две недели подошва отвалилась. Не рекомендую."
    }
  ],
  "text": {
    "format": {
      "type": "json_schema",
      "name": "review_analysis",
      "schema": {
        "type": "object",
        "properties": {
          "sentiment": {"type": "string", "enum": ["positive", "neutral", "negative"]},
          "features": {"type": "array", "items": {"type": "string"}},
          "recommend": {"type": "boolean"}
        },
        "required": ["sentiment", "features", "recommend"]
      }
    }
  }
}

Ожидаемый вывод:

{
  "sentiment": "negative",
  "features": ["цвет", "долговечность"],
  "recommend": false
}

После отключения рассуждений через reasoning.effort=none модель сразу выводит структурированный результат, не генерируя reasoning-токены. Один вызов этого промпта — примерно 200–300 токенов (включая системный промпт), при стандартном тарифе $0.025/M за вход 10000 вызовов в день обойдутся примерно в $0.06. С кешированием, после попадания системного промпта в кеш, ещё меньше.

2. Структурированное извлечение: поля из текста договора

Задача: из OCR-текста сканов неструктурированных договоров извлечь стороны, сумму, даты и ключевые условия.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "Извлеките ключевую информацию из следующего текста договора и выведите JSON. Суммы преобразуйте в числовой тип, даты в формате YYYY-MM-DD. Если какой-либо пункт отсутствует, укажите для соответствующего поля null. Выводите только JSON."
    },
    {
      "role": "user",
      "content": "Сторона A: Shanghai Zhima Network Technology Co., Ltd.\nСторона B: Hangzhou Shuyun Information Technology Co., Ltd.\nСумма договора: 120 000 юаней (¥120,000)\nДата подписания: 15 октября 2026 г.\nСрок оказания услуг: 12 месяцев с даты подписания\nПорядок оплаты: 50% в течение 7 рабочих дней после подписания, остаток 50% после приёмки"
    }
  ],
  "text": {
    "format": {
      "type": "json_schema",
      "name": "contract_extraction",
      "schema": {
        "type": "object",
        "properties": {
          "party_a": {"type": "string"},
          "party_b": {"type": "string"},
          "amount": {"type": "number"},
          "sign_date": {"type": "string"},
          "duration_months": {"type": "number"},
          "payment_terms": {"type": "string"}
        },
        "required": ["party_a", "party_b", "amount", "sign_date"]
      }
    }
  }
}

Ожидаемый вывод:

{
  "party_a": "Shanghai Zhima Network Technology Co., Ltd.",
  "party_b": "Hangzhou Shuyun Information Technology Co., Ltd.",
  "amount": 120000,
  "sign_date": "2026-10-15",
  "duration_months": 12,
  "payment_terms": "50% в течение 7 рабочих дней после подписания, остаток 50% после приёмки"
}

В схеме required перечисляет только основные поля; вспомогательные поля (duration_months, payment_terms) не обязательны — если их нет в тексте, ошибки не будет.

3. Пакетное переписывание: снижение дублирования и единый стиль

Задача: переписать исходные тексты описаний продуктов от разных поставщиков в едином фирменном тоне и одновременно устранить дублирование.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "Вы — редактор контента для интернет-магазина. Перепишите следующее описание продукта в едином фирменном тоне: лаконично, профессионально, с акцентом на сценарии использования. Сохраните всю фактологическую информацию (размеры, материал, функции), не добавляйте того, чего нет в исходном тексте."
    },
    {
      "role": "user",
      "content": "Эта кофейная кружка просто супер! Внутренний слой из нержавеющей стали 304, держит тепло 6 часов, объём 380 мл. Крышка с уплотнителем, в сумке не протекает. Подходит для офиса и на природе."
    }
  ]
}

Ожидаемый вывод:

Термокружка из нержавеющей стали объёмом 380 мл, внутренний слой 304, держит тепло 6 часов. Герметичная крышка, защита от протекания. Подходит для офиса и на природе.

Для задач переписывания задайте reasoning.effort=none: каждый вход — около 150 токенов, выход — около 80 токенов, при тарифе $0.025/$0.125 1000 вызовов обойдутся примерно в $0.014. Если системный промпт одинаковый, после попадания в кеш стоимость входа снижается ещё на один уровень.

4. Автоматические ответы на FAQ: частые вопросы клиентов

Задача: использовать инструкцию по продукту и документ с FAQ службы поддержки в качестве системного промпта, чтобы автоматически отвечать на типичные вопросы пользователей. Рассуждения не нужны, но нужно точно цитировать содержимое документов.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "Вы — помощник службы поддержки HiAPI. Ниже информация о продукте, которой вы должны владеть:\n\nHiAPI — это платформа-посредник для AI API, объединяющая модели текста, изображений, видео и аудио.\n\nМодель оплаты: по токенам или за штуку, подробности на странице /pricing.\nНовым пользователям при регистрации начисляется 200 кредитов.\nAPI Key создаётся в консоли dashboard.\nПолитика возврата: при неудачной генерации предварительно удержанная сумма автоматически возвращается полностью.\n\nОтвечайте на русском языке и за один раз отвечайте только на заданный пользователем вопрос. Если не знаете — прямо скажите, что не знаете, не выдумывайте информацию."
    },
    {
      "role": "user",
      "content": "Спишутся ли деньги, если генерация не удалась?"
    }
  ]
}

Ожидаемый вывод:

Нет. При неудачной генерации предварительно удержанная сумма автоматически возвращается полностью.

Ключевой приём: поместить в системный промпт полную базу знаний о продукте (документ FAQ, описание продукта) и использовать механизм кеширования (при повторном системном промпте попадание в кеш стоит всего $0.0025/M). На вопросы, ответ на которые есть в документе, модель отвечает мгновенно, а если ответа нет — прямо говорит, что не знает. Один вопрос-ответ — около 500 токенов входа и около 80 токенов выхода, при стандартном тарифе примерно $0.000023.

5. Agent низкой сложности: многошаговый запрос с агрегацией

Задача: пользователь задаёт вопрос, модель сначала с помощью инструмента проверяет цену, затем ищет в документации и в конце сводит всё в одно предложение. Глубокие рассуждения не нужны, но нужно точно вызывать инструменты.

{
  "model": "gpt-6-luna",
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_model_price",
        "description": "Запросить цену указанной модели на HiAPI",
        "parameters": {
          "type": "object",
          "properties": {
            "model_name": {"type": "string", "description": "Название модели, например gpt-6-luna"}
          },
          "required": ["model_name"]
        }
      }
    },
    {
      "type": "function",
      "function": {
        "name": "search_knowledge_base",
        "description": "Искать ключевые слова в справочной документации HiAPI",
        "parameters": {
          "type": "object",
          "properties": {
            "query": {"type": "string", "description": "Ключевые слова для поиска"}
          },
          "required": ["query"]
        }
      }
    }
  ],
  "tool_choice": "auto",
  "input": [
    {
      "role": "system",
      "content": "Вы — интеллектуальный помощник HiAPI. Когда пользователь спрашивает о цене, используйте get_model_price для запроса; когда спрашивает о способе использования, используйте search_knowledge_base для поиска. Сведите результаты, возвращённые инструментами, и ответьте пользователю одним предложением."
    },
    {
      "role": "user",
      "content": "Что дешевле: gpt-6-luna или gpt-5.6-luna?"
    }
  ]
}

Это отправная точка цикла agent: модель сначала вызовет get_model_price("gpt-6-luna"), затем get_model_price("gpt-5.6-luna") и в конце сведёт ответ. Если вы сами поддерживаете реализацию инструментов, после возврата результатов отправьте модели всю историю диалога снова и продолжайте, пока модель не перестанет вызывать инструменты.

Luna подходит для таких agent низкой сложности: вызовы инструментов понятные, цепочка рассуждений короткая. Для сложных сценариев с многошаговыми рассуждениями (более трёх раундов вызова инструментов, необходимость промежуточной проверки и исправления ошибок) рекомендуется Terra или Sol.

Три принципа экономии

• Если рассуждения не нужны — отключите их. Для классификации, извлечения, переписывания и простых вопросов-ответов задайте reasoning.effort=none: reasoning-токены не генерируются, и можно настраивать temperature и top_p.
• Для принудительного структурированного вывода используйте json_schema. Задайте text.format как json_schema, определите name и schema — вывод сразу идёт в базу данных, без последующего разбора.
• Помещайте длинные документы в системный промпт и экономьте за счёт кеша. Описания продукта, документы FAQ, Few-shot примеры — всё в системный промпт; при повторном попадании в кеш стоимость всего $0.0025/M.

Сценарий	reasoning.effort	text.format	За 1000 вызовов примерно
Пакетная классификация	none	json_schema	$0.006
Структурированное извлечение	none	json_schema	$0.01
Переписывание контента	none	нет	$0.014
Ответы на FAQ	none	нет	$0.023
Простой agent	low/medium	нет	$0.05–$0.15

Фактические затраты зависят от длины prompt и объёма вывода. Оценки выше основаны на типичном количестве токенов: вход по стандартному тарифу $0.025/M, выход $0.125/M, без учёта экономии от попадания в кеш.

Частые вопросы

Влияет ли reasoning.effort=none на качество ответов? На классификацию, извлечение, переписывание и простые вопросы-ответы почти не влияет. Для задач, требующих логических рассуждений, анализа причинно-следственных связей и многошаговых выводов, задайте low или medium.

В чём разница между json_schema и фразой «выведи JSON» в обычном prompt? json_schema гарантирует формат вывода на уровне модели — не появится лишней markdown-разметки или текстовых пояснений. При фразе «выведи JSON» в обычном prompt иногда возможны отклонения в формате.

Как сэкономить на пакетных задачах через Batch? Добавьте в запрос "processing_mode": "batch" — вход и выход оплачиваются со скидкой 50%. Подходит для задач, не требующих ответа в реальном времени.

Сколько раундов максимум в цикле Agent? Luna подходит для простых agent с 1–3 раундами вызова инструментов. Для большего числа раундов или сложных процессов с промежуточной проверкой рекомендуется Terra или Sol.

Статьи серии GPT-6 Luna

• Страница модели GPT-6 Luna: онлайн-диалог, 200 кредитов за регистрацию
• Цены GPT-6 Luna API: $0.025/M за вход, самый дешёвый GPT в HiAPI
• Как пользоваться GPT-6 Luna API: подключение через Responses API и Chat Completions
• GPT-6 Luna vs GPT-5.6 Luna: цена вдвое ниже — стоит ли переходить

Скопируйте приведённый выше prompt для классификации, откройте страницу модели и вставьте его, чтобы запустить первый вызов. 200 кредитов за регистрацию хватит на тысячи классификаций.