Секретные команды для ChatGPT и Claude: 10 фраз, меняющих ответ (2026)

Скрытых команд у ChatGPT и Claude нет. Ни паролей от разработчиков, ни секретного режима для избранных. То, что в интернете называют секретными командами, это короткие фразы-модификаторы, которые ты дописываешь в обычный промпт. Модель читает их как часть запроса и статистически чаще выдаёт другой ответ: задаёт уточняющие вопросы, приводит контрпример, пишет без воды. Разница реальна, магии в ней нет.

Ниже 10 таких фраз, которые я реально гоняю в работе. К каждой разбор: что она делает, готовый текст в промпт-боксе, пример ответа до и после. Заодно честно про то, где эти фразы бесполезны, и как собрать свой набор один раз в кастом-инструкциях ChatGPT или в файле CLAUDE.md, чтобы не вписывать их вручную каждый раз.

Коротко: что такое фраза-модификатор

Прежде чем идти по списку, три термина одной строкой каждый, чтобы дальше не спотыкаться.

Фраза-модификатор это короткая инструкция внутри промпта, которая задаёт способ ответа: тон, глубину, формат, честность. Тему задаёт вопрос, а модификатор задаёт манеру.

Кастом-инструкции это раздел настроек ChatGPT, куда вписывают правила, применяемые к каждому новому чату автоматически.

CLAUDE.md это текстовый файл в корне проекта, который Claude Code подгружает в каждый запрос, туда кладут постоянные правила поведения.

Теперь по существу. Модель отвечает на весь текст, который ты ей дал, а не только на вопрос в конце. Если рядом с вопросом лежит инструкция «сначала задай мне вопросы», модель обрабатывает и её. Это обычная работа языковой модели с контекстом, без всякого взлома и скрытых функций. Поэтому слово команда тут условное, точнее говорить модификатор.

1. «Сначала задай мне 5 вопросов»

Самая полезная фраза для сложных задач. По умолчанию модель хватает первую разумную трактовку запроса и бежит отвечать. Если запрос размытый, она угадывает контекст и часто мимо. Эта фраза заставляет её остановиться и вытащить из тебя недостающие вводные до того, как она начнёт.

Прежде чем отвечать, задай мне 5 уточняющих вопросов, ответы на которые сильнее всего повлияют на результат. Дождись моих ответов и только потом выполни задачу.
 
Задача: помоги составить план запуска мини-курса.

До. На голый запрос «помоги составить план запуска мини-курса» модель выдаёт универсальный список: сделай лендинг, настрой рекламу, собери заявки. Такой план подходит кому угодно и не помогает никому, потому что не знает ни твоей аудитории, ни оффера, ни бюджета.

После. Модель сначала спрашивает: есть ли уже аудитория, какой формат, какой ценник, есть ли дедлайн, чем курс отличается от бесплатных аналогов. Ты отвечаешь, и только потом получаешь план под свою ситуацию, а не шаблон из интернета.

2. «Приведи контрпример к своему ответу»

Модель любит звучать уверенно даже там, где ответ хрупкий. Эта фраза заставляет её самой поискать случай, где её же вывод разваливается. Ты получаешь не только ответ, но и границы его применимости, а это часто важнее самого ответа.

Ответь на вопрос, а затем приведи один конкретный контрпример или ситуацию, в которой твой ответ был бы неверным. Если контрпримера нет, честно скажи об этом и объясни почему.
 
Вопрос: правда ли, что длинный лид-магнит всегда конвертит лучше короткого?

До. Модель отвечает обтекаемо: длинный лид-магнит даёт больше ценности, повышает доверие, поэтому конвертит лучше. Звучит гладко, а по факту это полуправда, поданная как закон.

После. После контрпримера картина честнее: в холодном трафике длинный лид-магнит часто проигрывает короткому, потому что человек не готов тратить время на незнакомый бренд, и чек-лист на одну страницу забирают охотнее, чем гайд на сорок. Ты сразу видишь, что универсального ответа нет.

3. «Ответь как скептик-эксперт»

Модель по умолчанию склонна поддакивать: что бы ты ни предложил, она мягко одобрит. Это называют угодливостью или подхалимством, и толку от такого ответа мало. Роль скептика переключает её в режим, где она ищет слабые места, а не хвалит. Подробно про механику этого перекоса и как его давить я разбирал в гайде как выключить подхалимство ИИ, тут же короткая рабочая фраза.

Ответь как скептически настроенный эксперт с 15-летним опытом, который видел много провалов в этой теме. Не подбадривай меня из вежливости. Назови слабые места, спорные допущения и то, что я, скорее всего, не хочу слышать.
 
Оцени идею: платный Telegram-канал с прогнозами по крипте.

До. На идею платного канала модель отвечает воодушевлённо: отличная ниша, растущий спрос, желаю успехов. Ноль пользы, потому что ты и так в неё веришь, иначе не спрашивал бы.

После. Скептик заходит с другой стороны: рынок прогнозов по крипте переполнен, доверие к платным сигналам подорвано, а без публичного трек-рекорда на дистанции никто не занесёт деньги. И задаёт неприятный вопрос: чем твои прогнозы точнее сотни бесплатных каналов. Неприятно, но именно здесь спрятана реальная проблема.

4. «Покажи 3 варианта и сравни»

Когда модель выдаёт один вариант, тебе не с чем его сравнить, и ты не знаешь, лучший он или первый попавшийся. Эта фраза заставляет дать несколько разных подходов и сразу подсветить разницу. Вместо десяти прогонов по кругу ты выбираешь из готового или собираешь своё из лучших кусков.

Дай 3 варианта ответа, которые реально отличаются по подходу и не переформулируют одно и то же. После каждого в одну строку поясни, чем он отличается и для какого случая подходит. В конце скажи, какой выбрал бы ты и почему.
 
Запрос: заголовок для статьи про экономию на подписках нейросетей.

До. Один заголовок, ты смотришь на него и гадаешь, нормальный он или так себе. Сравнивать не с чем, поэтому либо принимаешь на веру, либо гоняешь модель по кругу «дай ещё вариант».

После. Три разных захода: прямой и понятный, с интригой, с цифрой и обещанием. Под каждым строка, кому он зайдёт, а в конце рекомендация модели. Выбор занимает секунды, и ты видишь логику, а не одну случайную формулировку.

5. «Проверь себя по шагам»

Модель охотно выпаливает первый ответ, который сошёлся, особенно на задачах со счётом, логикой или многошаговым рассуждением. Просьба разложить решение на шаги и проверить каждый заметно снижает число обидных ошибок. Это работает, потому что модель формирует ответ по ходу текста, и развёрнутое рассуждение даёт ей больше опоры, чем короткий вывод сразу.

Реши задачу по шагам. Каждый шаг проговори отдельно, а после решения перепроверь его: подставь результат обратно и убедись, что всё сходится. Если нашёл ошибку, исправь и покажи исправленный ход.
 
Задача: у меня 3 подписки по 20 долларов и одна за 990 рублей. Сколько это в рублях в месяц при курсе 80?

До. На скорости модель может сложить неаккуратно или потерять одну из подписок и выдать красивое, но неверное число. Выглядит уверенно, а проверить на глаз трудно.

После. С разбивкой по шагам видно каждое действие: три подписки по 20 долларов это 60 долларов, по курсу 80 это 4800 рублей, плюс 990 рублей, итого 5790 рублей в месяц. И финальная сверка ловит арифметику до того, как ты успел поверить в ошибку.

6. «Пиши без воды, каждое предложение несёт факт»

Модель по умолчанию пишет обтекаемо и с разгоном: вводные абзацы про важность темы, связки ради связок, повторы одной мысли разными словами. Эта фраза выжимает текст до сути. Полезна для любого материала, который потом пойдёт людям на глаза.

Пиши предельно плотно. Каждое предложение должно нести конкретный факт, цифру или действие. Убери вводные обороты, оценочные прилагательные и повторы. Никаких фраз про важность, потенциал и современный мир. Если предложение можно удалить без потери смысла, удали его.
 
Напиши короткий пост про то, зачем фрилансеру вести Telegram-канал.

До. Модель разгоняется: «в современном мире личный бренд играет ключевую роль, и ведение канала открывает перед фрилансером огромные возможности для роста». Красиво и пусто, ни одного факта.

После. Тот же смысл без воды: «канал приводит клиентов без бирж. Ты пишешь про свою работу, люди видят подход и пишут в личку. Один пост в неделю за полгода собирает аудиторию, которая заказывает напрямую, без комиссии площадки». Каждое предложение что-то утверждает.

Эта фраза родственна обратной задаче, отсеиванию стоп-слов, из-за которых текст сразу читается как машинный. Полный список таких слов и почему они выдают нейросеть я собрал в гайде слова, портящие ответ ИИ.

7. «Назови 3 способа провалить эту задачу»

Хитрый разворот. Вместо того чтобы спрашивать, как сделать хорошо, ты просишь модель описать, как сделать плохо. Через негатив она вытаскивает риски и типовые ошибки честнее, чем через прямой вопрос, потому что перечислять провалы ей проще, чем признавать слабость своего же плана.

Опиши 3 самых вероятных способа полностью провалить эту задачу: типовые ошибки, из-за которых люди чаще всего тут прогорают. Для каждого способа скажи, как его избежать.
 
Задача: запустить рассылку по холодной базе email.

До. На вопрос «как запустить рассылку» модель даёт правильный, но беззубый чек-лист: собери базу, напиши письмо, настрой отправку. Всё верно и всё мимо главных граблей.

После. Через провалы всплывает то, о чём в чек-листе молчат: холодная база без прогрева улетает в спам и убивает домен, одно письмо на всех даёт отклик близкий к нулю, отправка без прогрева домена режет доставляемость на старте. И к каждому риску короткое, как обойти. Такой список ближе к реальности, чем инструкция «как надо».

8. «Объясни как для новичка, без жаргона»

Когда тема сложная, модель отвечает через термины, которые сами требуют расшифровки, и ты остаёшься с ответом, который надо переводить ещё раз. Эта фраза заставляет объяснить на человеческом языке, через бытовые аналогии, не теряя сути.

Объясни так, будто мне 12 лет и я слышу про это впервые. Простые слова, короткие предложения, бытовые аналогии. Никакого жаргона. Если без сложного термина никак, тут же расшифруй его на пальцах. Упрощай подачу, но сохраняй полноту содержания.
 
Объясни, что такое токены в нейросети и почему за них берут деньги.

До. Модель уходит в термины: «токены это единицы токенизации входной и выходной последовательности, тарификация происходит за суммарный объём контекста». Формально верно, а понять с нуля невозможно.

После. Та же мысль через аналогию: «представь такси с оплатой по словам. Токен это кусочек текста, примерно часть слова. Ты платишь и за то, что сказал модели, и за то, что она ответила, как за дорогу туда и обратно. Длинный разговор дороже короткого, потому что слов больше». Теперь понятно.

9. «Оцени, насколько ты уверен в ответе»

Модель выдаёт факты и догадки одним ровным уверенным тоном, и со стороны их не отличить. Эта фраза заставляет её саму разметить, где она стоит на твёрдом, а где предполагает. Не идеальная защита от ошибок, но заметно снижает шанс принять выдумку за факт.

После ответа отдельным блоком оцени свою уверенность по шкале от 1 до 10 и объясни оценку. Отдельно выпиши, какие части ответа проверены и надёжны, а какие ты достраиваешь по косвенным данным и стоит перепроверить самому.
 
Вопрос: какие требования к резюме у ATS-систем в 2026 году?

До. Модель отвечает уверенно про требования ATS, и ты не знаешь, что из этого устойчивая практика, а что она додумала под похожие вопросы из обучения.

После. С самооценкой видно расклад: базовые вещи про машинно-читаемый формат и ключевые слова модель отмечает как надёжные, а конкретные проценты и свежие изменения помечает как то, что стоит проверить на сайте самой системы. Ты сразу понимаешь, где верить, а где идти сверять.

10. «Сначала покажи план, потом выполняй»

Для большой многошаговой задачи полезно сперва получить от модели план и утвердить его, а уже потом пускать её писать финал. Так ты ловишь неверное направление на старте, а не после того, как модель выдала три экрана не того, что нужно.

Не выполняй задачу сразу. Сначала предложи короткий план из 4-6 шагов и жди моего подтверждения. Если что-то в задаче неясно, вынеси это отдельным пунктом «нужно уточнить». После моего ОК выполни план по шагам.
 
Задача: собрать контент-план на месяц для Telegram-канала про нейросети.

До. Модель сразу вываливает готовый контент-план на месяц. Половина тем мимо твоей аудитории, формат не тот, и ты переделываешь всё целиком, потому что правки поверх готового дольше, чем собрать заново.

После. Сначала приходит план: сколько постов в неделю, какие рубрики, какой баланс пользы и продаж, что уточнить. Ты правишь на этом этапе одной строкой, а не переписываешь тридцать тем. И только потом модель разворачивает утверждённый скелет в полный план.

Когда фразы-модификаторы НЕ помогают

Честно про границы, иначе ты будешь лепить эти фразы везде и разочаруешься. Есть три случая, когда модификатор ничего не меняет или делает хуже.

Когда в запросе нет фактуры. Фразы про контрпример, скептика или самопроверку работают только если модели есть с чем работать. Если ты спросил размыто и не дал вводных, модель нечего углублять, и вопросы упираются в пустоту. Сначала фактура, потом модификатор, а не наоборот.

Когда фраза противоречит задаче. Скептик к прогнозу погоды, три варианта для вопроса с одним правильным ответом, «объясни как новичку» в сложном юридическом разборе для юриста. Модификатор должен подходить теме. Не тот режим на не ту задачу даёт ответ хуже, чем голый запрос.

Когда модель уже дала лучший доступный ответ. Иногда добавление фразы меняет только обёртку: тон, длину, порядок пунктов, а суть та же. Это нормально. Модификатор не создаёт знание из воздуха, он вытаскивает то, что модель и так может, но по умолчанию не показывает. Если под фактуру ответ и так полный, новая фраза докрутит форму, а не содержание.

И общий предохранитель: не вешай пять модификаторов на один запрос. Просьба одновременно задать вопросы, дать три варианта, проверить себя и писать без воды путает модель, и она выполняет их вполсилы каждый. Один-два модификатора под задачу, не больше. Сам принцип «одна инструкция за раз работает лучше пяти сразу» подробно разложен в базовом гайде как писать промпты.

Как собрать свои модификаторы в кастом-инструкциях и CLAUDE.md

Вписывать одни и те же фразы руками в каждый чат утомляет. Те, что ты используешь постоянно, выноси один раз в настройки, и они будут применяться сами.

В ChatGPT для этого есть кастом-инструкции. Заходишь в настройки, находишь раздел с инструкциями для модели (поле «как ChatGPT должен отвечать») и вписываешь туда свои постоянные правила. Например: «пиши без воды, каждое предложение несёт факт; если задача сложная, сначала задай уточняющие вопросы; не поддакивай, честно называй слабые места». Дальше эти правила действуют в каждом новом чате без повтора.

В Claude роль постоянных правил играет файл CLAUDE.md. Если работаешь через Claude Code, положи файл в корень проекта, и Claude подгрузит его в каждый запрос. Туда же кладут запреты стиля, критерии проверки и список инструментов проекта. Как устроен этот файл и как собрать свой с нуля, разобрано в гайде как настроить CLAUDE.md. Если Claude Code не используешь, те же правила можно вписать в системный промпт проекта в веб-версии.

Правило переноса простое. Модификатор, который ты набрал руками три раза за неделю, пора выносить в настройки. Так постоянные привычки уходят в фон, а руками ты дописываешь только разовые фразы под конкретную задачу.

Как проверить, что фраза реально работает

Не верь на слово ни этому гайду, ни чужим спискам «секретных команд». Проверка занимает две минуты и показывает эффект на твоих задачах, а не на абстрактных.

Так за час перебора ты соберёшь три-четыре модификатора, которые реально двигают ответ на твоих запросах, и отсеешь те, что звучат красиво, но ничего не меняют. Их и выноси в кастом-инструкции. Остальное из чужих подборок можешь спокойно забыть.

Чек-лист: что у тебя теперь есть

Пройди по списку. Если разобрался с темой, все пункты закрыты.

• Понимаешь, что скрытых команд у ChatGPT и Claude нет, а есть фразы-модификаторы в тексте промпта.
• Знаешь 10 рабочих фраз и что каждая делает с ответом модели.
• Умеешь ставить модификатор под задачу: вопросы и план для сложного, скептик и провалы для проверки, без воды и как для новичка для текста.
• Помнишь три случая, когда фраза не помогает: нет фактуры, фраза не по теме, ответ и так полный.
• Не вешаешь пять модификаторов на один запрос, ставишь один-два под задачу.
• Вынес постоянные фразы в кастом-инструкции ChatGPT или в CLAUDE.md, а не вписываешь их руками каждый раз.
• Держишь постоянный список коротким, 5-7 правил, чтобы они не конфликтовали.
• Проверил фразы на своих реальных запросах и оставил только те, что двигают ответ.

Дальше правило одно: фраза-модификатор это способ задать модели режим, а не заклинание. Ты не открываешь секретный ChatGPT, ты точнее формулируешь, что именно тебе нужно. Чем яснее задаёшь способ ответа, тем меньше приходится переспрашивать. И это включается одной строкой в начале или в конце обычного запроса.