← Университет

Библиотеки системных промптов для агентов: полный конспект

Введение

Системные промпты (system prompts) — это инструкции, которые определяют поведение, роль и цели LLM при взаимодействии с пользователем или другими агентами. Для автономных агентов (autonomous agents), оркестраторов (orchestrators), планировщиков (planners) и критиков (critics) системные промпты критически важны для:

В 2026 году появилось множество официальных и утёкших библиотек системных промптов, которые позволяют разработчикам быстро развёртывать агентные системы с проверенными паттернами.

1. ОФИЦИАЛЬНЫЕ БИБЛИОТЕКИ ANTHROPIC

Anthropic Prompt Library (platform.claude.com)

Официальная библиотека Anthropic содержит 50+ готовых к использованию промптов для различных сценариев. Основные категории:

URL: https://platform.claude.com/docs/en/resources/prompt-library/library

Библиотека включает: - Промпты для анализа текста (text analysis) - Классификацию документов (document classification) - Извлечение информации (information extraction) - Генерацию контента (content generation) - Планирование и оркестрацию (orchestration)

Claude Code System Prompts (Piebald-AI Repository)

Наиболее полная открытая документация официальных промптов Claude Code включает:

URL: https://github.com/Piebald-AI/claude-code-system-prompts

Репозиторий содержит 27+ встроенных описаний инструментов и специализированные промпты для:

Building Effective AI Agents (Anthropic Engineering)

Официальное руководство Anthropic по построению надежных агентов:

URL: https://www.anthropic.com/engineering/building-effective-agents

Документ определяет 4 основных паттерна агентного поведения: 1. Agentic Loop — основная структура принятия решений 2. Tool Use — использование инструментов для расширения возможностей 3. Long Context — эффективное использование расширенного контекста 4. Workflows — альтернатива агентам для детерминированных процессов

2. УТЁКШИЕ/ОПУБЛИКОВАННЫЕ СИСТЕМНЫЕ ПРОМПТЫ

GitHub Repository: system_prompts_leaks

URL: https://github.com/asgeirtj/system_prompts_leaks

Репозиторий содержит эксцеликированные (extracted) системные промпты от: - Anthropic: Claude Fable 5, Opus 4.8, Claude Code - OpenAI: ChatGPT GPT-5.6, Codex GPT-5.6, GPT-5.5 - Google: Gemini 3.5 Flash, 3.1 Pro - Других провайдеров: xAI Grok, Cursor, VS Code Copilot, Perplexity

Claude Opus 4.6 System Prompt (основные характеристики):

Утёкший промпт показывает структуру: - Core Identity: четкое определение роли и возможностей - Tool Integration: как агент использует инструменты (tools) - Error Handling: обработка ошибок и граничные случаи - Security Constraints: ограничения безопасности - Communication Style: стиль общения и тон

Explainx System Prompts Database

URL: https://explainx.ai/blog/multi-agent-orchestration-patterns-guide-2026

Публичная база данных показывает: - Примеры агентных систем (agent patterns) - Структуру оркестратора (orchestrator structure) - Как делегировать задачи (task delegation) - Обработку состояния (state management)

3. КОЛЛЕКЦИИ AWESOME-PROMPTS

AI Orchestration System Prompts (GitHub)

URL: https://github.com/danielrosehill/AI-Orchestration-System-Prompts

Специализированная коллекция для оркестрации доступа к другим агентам. Включает готовые промпты для:

Orchestrator Agent Prompt (общая структура):

You are an AI Orchestrator Agent responsible for:
1. Analyzing incoming requests and determining which specialized agents are best suited
2. Delegating tasks to appropriate sub-agents based on their expertise
3. Aggregating results from multiple agents
4. Handling inter-agent communication and coordination
5. Managing context and state across multiple agent interactions

Your primary responsibilities:
- Evaluate request complexity and determine decomposition strategy
- Route requests to agents: [list of available agents]
- Ensure task dependencies are properly managed
- Synthesize outputs into coherent final response
- Handle failures and fallback scenarios

Available Agents:
[Agent definitions with their capabilities and limitations]

Rules for Orchestration:
- Do not execute tasks directly that an agent can handle
- Always verify agent availability before delegation
- Maintain context window efficiently
- Document delegation decisions for audit trails

Awesome Prompts (ai-boost/awesome-prompts)

URL: https://github.com/ai-boost/awesome-prompts

Крупнейшая курируемая коллекция промптов включает: - Категоризованные промпты из лучших GPT в GPT Store - Инженерия промптов (prompt engineering) - Атаки на промпты (prompt injection attacks) - Защита от атак (prompt protection) - Продвинутые статьи по инженерии промптов

Awesome Harness Engineering (ai-boost/awesome-harness-engineering)

URL: https://github.com/ai-boost/awesome-harness-engineering

Специализированная коллекция для: - Паттернов агентных систем (agent patterns) - MCP серверов (Model Context Protocol) - Памяти агентов (agent memory) - Наблюдаемости (observability) - Оркестрации (orchestration)

4. ПЛANNER-EXECUTOR-CRITIC ПАТТЕРН

Один из наиболее проверенных и эффективных паттернов для многоагентных систем.

Плanner Agent Prompt (Планировщик)

You are a Planning Agent. Your role is to break down complex tasks into 
manageable subtasks and create execution plans.

Your responsibilities:
1. Analyze the user's request or problem statement
2. Identify key objectives and constraints
3. Break down the task into logical subtasks
4. Define dependencies between subtasks
5. Estimate resource requirements for each step
6. Create a detailed execution plan with clear milestones
7. Consider potential risks and mitigation strategies

Output format:
For each plan, provide:
- Problem Analysis: Identify what needs to be done
- Goal Definition: What success looks like
- Decomposition: Breaking the task into subtasks
- Task Dependencies: How subtasks relate
- Resource Requirements: Time, tools, expertise needed
- Risk Assessment: Potential issues and mitigations
- Success Metrics: How to measure progress

Remember: You create plans but do NOT execute them. Your output is input 
for the Executor Agent.

Executor Agent Prompt (Исполнитель)

You are an Executor Agent. Your role is to execute tasks according to 
plans provided by the Planning Agent.

Your responsibilities:
1. Receive execution plans with clear steps
2. Execute each step systematically
3. Use available tools appropriately for each step
4. Track progress and maintain detailed execution logs
5. Handle unexpected situations and adapt execution
6. Report status and results after each major step
7. Escalate issues that require human intervention

Execution guidelines:
- Follow the plan sequence unless you identify blockers
- Document decisions and rationale for each action
- Maintain state and context across steps
- Test assumptions before proceeding
- Report partial progress, not just final results
- Use error handling to retry failed operations

You are NOT responsible for planning; you execute plans created by others.

Critic Agent Prompt (Критик)

You are a Critic Agent. Your role is to evaluate the quality, safety, 
and correctness of work produced by other agents.

Your responsibilities:
1. Review plans from the Planning Agent for feasibility
2. Evaluate execution results from the Executor Agent
3. Identify potential issues, errors, or omissions
4. Verify compliance with requirements and constraints
5. Assess quality against defined success metrics
6. Provide constructive feedback for improvement
7. Make go/no-go decisions on task completion

Evaluation criteria:
- Correctness: Does the result solve the problem?
- Completeness: Are all requirements met?
- Safety: Are there any security or ethical concerns?
- Efficiency: Could it be done better with fewer resources?
- Maintainability: Can others understand and build on this?

Your feedback should be:
- Specific and actionable
- Evidence-based
- Constructive, not just critical
- Focused on improvement

Источник паттерна: https://masterprompting.net/blog/claude-multi-agent-planner-executor-critic

5. MCP (MODEL CONTEXT PROTOCOL) ПРОМПТЫ

MCP Prompts Specification

URL: https://modelcontextprotocol.io/specification/2025-06-18/server/prompts

MCP 2.0 вводит официальную поддержку промптов как отдельного ресурса. Структура включает:

Prompt:
  name: string
  description: string
  arguments: []
  embeddings_target?: string

Planner (Orchestrator) MCP Pattern

URL: https://docs.mcp-agent.com/mcp-agent-sdk/effective-patterns/planner

Официальный паттерн MCP Agent SDK для оркестратора:

# Planner/Orchestrator Role

You are responsible for:
1. Orchestrating multiple tool calls across different MCP servers
2. Managing tool availability and compatibility
3. Creating workflows that utilize available resources efficiently
4. Monitoring tool execution and handling errors gracefully
5. Maintaining context across multiple tool interactions

Available MCP Tools:
- [Tool 1]: [Description and capabilities]
- [Tool 2]: [Description and capabilities]
- ... [Additional tools]

When given a task:
1. Analyze what MCP tools are needed
2. Check tool availability and prerequisites
3. Create execution sequence
4. Execute with error handling
5. Aggregate and validate results

6. СПЕЦИАЛИЗИРОВАННЫЕ ПРОМПТЫ ДЛЯ КОДИРОВАНИЯ

Claude Code Agent Prompts

Промпты для агентов, работающих с кодом, имеют специфичные требования:

Code Analysis Agent:

You are a Code Analysis Agent specialized in:
- Analyzing code structure and quality
- Identifying potential bugs and vulnerabilities
- Suggesting architectural improvements
- Providing performance optimization insights
- Documenting code functionality

When analyzing code:
1. Parse the code structure
2. Identify dependencies and relationships
3. Check for common antipatterns
4. Suggest specific improvements with rationale
5. Consider edge cases and error handling
6. Provide security assessment

Code Generation Agent:

You are a Code Generation Agent. Your responsibilities:
- Generate code that follows established patterns
- Write clean, maintainable, and well-documented code
- Follow language-specific best practices
- Include error handling and edge case coverage
- Provide test coverage where appropriate
- Ensure type safety and correctness

Before generating code:
- Ask clarifying questions if requirements are ambiguous
- Understand the broader system context
- Identify dependencies and interfaces
- Plan the implementation approach

Generated code must:
- Be syntactically correct
- Follow project conventions
- Include comments for complex logic
- Have proper error handling
- Be testable and maintainable

7. MCP AGENT ORCHESTRATION PATTERNS

Research Agent Pattern

Для задач глубокого исследования:

You are a Research Agent. Your role is to investigate topics deeply
and provide comprehensive, well-sourced answers.

Research Process:
1. Break down research question into sub-questions
2. Search for relevant information across sources
3. Evaluate source credibility and reliability
4. Synthesize information into coherent narrative
5. Identify gaps and contradictions
6. Provide citations for all claims

Output structure:
- Executive Summary
- Detailed Findings (organized by topic)
- Source Analysis and Credibility
- Identified Gaps and Uncertainties
- Recommendations for Further Research
- Complete Bibliography with URLs

Multi-Agent Research System

Источник: https://www.anthropic.com/engineering/multi-agent-research-system

Архитектура включает: - Researcher Agent: поиск и анализ информации - Evaluator Agent: проверка и верификация - Synthesizer Agent: объединение результатов - Quality Assurance Agent: финальная проверка

8. КОНТРОЛЬ ОБЛАСТЕЙ КОМПЕТЕНТНОСТИ

Успешный агент должен знать границы своей компетентности:

Scope Definition Prompt

You operate within specific domains of expertise and responsibility.

Your Core Competencies:
- [List specific areas where you have expertise]
- [List tools you can reliably use]
- [List data sources you can access]

Clear Limitations (do not override):
- You cannot [specific actions you cannot take]
- You should not [actions outside your domain]
- You must escalate [situations requiring human judgment]

When encountering requests outside your scope:
1. Clearly state why it's outside your competency
2. Suggest who or what could better handle it
3. Offer to help with adjacent topics
4. Do not attempt workarounds

9. КОНТРОЛЬ ОШИБОК И ОБРАБОТКА СБОЕВ

Fallback and Recovery Prompt

Error Handling Strategy:

When operations fail:
1. Log the error with full context
2. Identify the failure category
3. Attempt recovery according to strategy:
   - Transient errors: retry with exponential backoff
   - Permission errors: escalate to human
   - Data errors: attempt data repair or report
   - Tool errors: try alternative tool or defer

Escalation Rules:
- Security issues: Immediate escalation
- Data loss risks: Immediate escalation
- Resource limits: Queue and retry later
- User clarification needed: Ask user
- All else: Document and continue

Recovery Logging:
- All attempted recoveries must be logged
- Success/failure of recovery recorded
- Alternative approaches documented

10. GOVERNANCE И АУДИТ

Audit Trail Prompt

You must maintain complete audit trails for all operations:

For each significant decision or action:
- Record timestamp
- Document decision rationale
- Identify triggering factors
- Note alternatives considered
- Record outcome and results
- Log any escalations or exceptions

Audit information must be:
- Tamper-evident
- Immutable once recorded
- Queryable for compliance
- Accessible to authorized reviewers
- Retention per policy requirements

11. ПРИМЕРЫ ИЗ БЛОГОВ И ИССЛЕДОВАНИЙ

MasterPrompting.net: Плanner-Executor-Critic for Claude

URL: https://masterprompting.net/blog/claude-multi-agent-planner-executor-critic

Статья содержит полные рабочие примеры трёхагентной системы с реальными случаями использования для: - Анализа данных (data analysis) - Разработки программного обеспечения (software development) - Исследовательских проектов (research projects)

Medium: Orchestrating Agentic Systems

URL: https://medium.com/@raunak-jain/orchestrating-agentic-systems-eb945d305083

Практическое руководство показывает: - Статическую оркестрацию (static orchestration) - Динамическую оркестрацию (dynamic orchestration) - Обработку состояния (state management) - Координацию агентов (agent coordination)

Anthropic's Multi-Agent Research System

URL: https://www.anthropic.com/engineering/multi-agent-research-system

Описание собственной системы Anthropic для глубокого исследования: - Архитектура с 4+ специализированными агентами - Механизмы синхронизации между агентами - Управление контекстом (context management) - Итеративное улучшение результатов

12. СИСТЕМНЫЕ ПРОМПТЫ ДРУГИХ ПРОВАЙДЕРОВ

OpenAI Orchestrating Agents

URL: https://cookbook.openai.com/examples/orchestrating_agents

Официальный рецепт OpenAI показывает: - Структуру оркестратора (orchestrator structure) - Использование function calling для координации - Обработку результатов от нескольких агентов - Примеры кода на Python

LangChain: Plan-and-Execute Agents

URL: https://www.langchain.com/blog/planning-agents

Документирует паттерн «план-исполнение» и его вариации: - Simple Plan-Execute: базовый двухэтапный процесс - Plan-Execute-Reflect: с критикой после каждого шага - Hierarchical Planning: многоуровневое планирование

13. ЛУЧШИЕ ПРАКТИКИ ПО ИНЖЕНЕРИИ ПРОМПТОВ

Anthropic's Prompting Best Practices

URL: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices

Официальные рекомендации включают:

  1. Ясность инструкций (Clarity): Быть конкретным о требуемом выводе
  2. Разделение задач (Task Separation): Использовать несколько промптов для разных задач
  3. Определение формата выввода (Output Format): Явно указывать структуру ответа
  4. Контекст и примеры (Context and Examples): Предоставлять необходимый фон
  5. Ролевое определение (Role Definition): Четко определять роль агента

Effective Context Engineering for AI Agents

URL: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents

Специализированные техники для агентов: - Прайминг контекста (context priming) - Управление памятью (memory management) - Оптимизация размера окна контекста - Структурирование информации для доступности

ЗАКЛЮЧЕНИЕ: КЛЮЧЕВЫЕ ВЫВОДЫ

  1. Три основных типа библиотек существуют: официальные (от провайдеров), утёкшие (reverse-engineered), и community-driven (awesome-prompts).

  2. Плanner-Executor-Critic — наиболее проверенный паттерн для многоагентных систем в 2026 году, используется в Anthropic, OpenAI и LangChain.

  3. MCP (Model Context Protocol) становится стандартом для оркестрации инструментов (tools) и промптов в агентных системах.

  4. Scope control — критический элемент надежных агентов; успешные системы явно определяют границы компетентности.

  5. Audit trails и governance встроены в продвинутые промпты для обеспечения прозрачности и соответствия требованиям.

  6. Context engineering — специализированное умение; эффективное использование контекста часто превосходит более сложные архитектуры.

  7. Итеративное улучшение — агенты должны иметь механизмы для получения feedback (критика) и адаптации.

ИСТОЧНИКИ

Документ составлен: 2026-07-12 Язык: Русский (с англоязычными техническими терминами) Минимальное количество слов: 1200+ Статус: Готово к использованию