OpaGPT Конструктор промптов для backend-разработчика в медицине
В медицинской разработке промпт — это не просто запрос, а спецификация ожидаемого поведения ИИ. От его качества зависит корректность кода, безопасность данных и соответствие стандартам.
Анатомия эффективного промпта
Чтобы ИИ выдал нужный результат, промпт должен включать пять компонентов:
- Роль — «Ты — backend-разработчик медицинской системы».
- Контекст — стек, стандарты (HL7 FHIR, SNOMED CT), ограничения.
- Задача — конкретное действие: написать, проверить, оптимизировать.
- Формат — JSON, код, таблица; указание языка.
- Критерии — требования к безопасности, производительности, читаемости.
Готовые шаблоны промптов
| Сценарий | Шаблон | Настройка |
|---|---|---|
| Генерация кода | «Напиши Python-модуль для разбора HL7-сообщений. Используй hl7apy, проверь обязательные поля. Верни код и краткое описание.» | Укажите версию PAHO, добавьте пример сообщения. |
| Ревью безопасности | «Ты — пентест-эксперт в медицине. Найди уязвимости в коде: [вставьте код]. Выведи список: риск, строка, фикс.» | Добавьте регуляторный стандарт (HIPAA). |
| Документация API | «Создай OpenAPI-спецификацию для обмена данными МИС и лаборатории. Используй FHIR R4, схемы — JSON.» | Перечислите конечные точки и роли доступа. |
Настройка промптов
- Выбирайте модель с поддержкой длинного контекста — это важно для медицинских спецификаций.
- Температуру 0–0.2 для кода, 0.5–0.7 для генерации текста документации.
- Уточняйте формат вывода: JSON, YAML, таблица — иначе ИИ придумает свой.
- Проверяйте результат на тестовых сценариях с реальными медицинскими данными.
Совет: начинайте промпт с роли и контекста, а требования к формату ставьте в конец. Если модель галлюцинирует — добавьте ограничение «используй только стандарт FHIR» и пример вывода.