Курсы промпт-инжиниринга — 34 программы обучения

Что такое промпт-инжиниринг и зачем учиться в 2026 году

Промпт-инжиниринг — это умение формулировать запросы к языковым моделям так, чтобы получать предсказуемый и применимый результат. Звучит как «общение с ChatGPT», но на практике это ближе к работе аналитика: разобрать задачу на шаги, описать контекст, проверить вывод, при необходимости — переписать промпт ещё трижды.

Профессия выросла из практики: у компаний накопились реальные ИИ-сценарии, где обычный «напиши пост про маркетинг» больше не работает. Нужны промпты с ролями, примерами, ограничениями, проверкой галлюцинаций — и человек, который умеет их собирать. По данным hh.ru, число вакансий с упоминанием «промпт-инженер» / «prompt engineer» в 2025 году выросло до 277 — вдвое больше, чем годом раньше. И это только верхушка: чаще навык вшивают в смежные роли — маркетолога, аналитика, разработчика, продакта.

В 2026 году учиться промпт-инжинирингу имеет смысл по трём причинам. Первая — это самая дешёвая прибавка к продуктивности из доступных: одна вечерняя сессия с нормальным промптом часто экономит день рутины. Вторая — внутри компаний начинают выделять отдельные грейды AI-специалистов с зарплатами выше рыночных (см. ниже). Третья — навык переносим: освоив принципы на ChatGPT, вы за пару дней пересядете на Claude, Gemini, YandexGPT или внутреннюю модель работодателя.

Важно понимать одно: промпт-инжиниринг — это не магия и не лайфхаки из тиктока. Это инженерная дисциплина с понятными техниками, которые мы разберём ниже. Хороший курс учит именно им, а не «10 секретам, как заработать на нейросетях».

Где работает и сколько зарабатывает промпт-инженер

Чистых вакансий «промпт-инженер» в России меньше, чем кажется по информационному шуму. Но если смотреть шире — на роли, где промптинг идёт как ключевой навык — рынок взрослый и денежный.

Куда нанимают. Финтех (банки строят AI-ассистентов поддержки), e-commerce (генерация описаний и категоризация), медиа и маркетинг (контент в потоке), HR-tech (скрининг резюме), юридические сервисы (черновики договоров, выжимки), продуктовые команды (внутренние copilot для разработчиков и аналитиков). Отдельный сегмент — agency и студии, которые внедряют ИИ под ключ для среднего бизнеса.

Зарплатные ориентиры в 2026 году:

• Junior-промптер (без опыта, портфолио из учебных проектов) — 50 000–90 000 ₽. Часто это совмещение с ролью контент-менеджера, ассистента маркетолога или младшего аналитика.
• Middle (1–2 года, понимает API, умеет писать функции для агентов) — 120 000–200 000 ₽. Это уже не «писать запросы», а проектировать промпт-цепочки и оценивать качество выдачи.
• Senior / AI-engineer (включает fine-tuning, RAG, оценку моделей) — от 250 000 ₽ и выше. По данным Ведомостей со ссылкой на исследование рынка, медианная зарплата AI-инженера в России в начале 2026 года — около 220 000 ₽.

В вакансиях hh.ru, где промптинг — основной навык, типичная вилка идёт 100 000–200 000 ₽. На удалёнке европейские и американские компании платят промпт-специалистам $3 000–8 000 в месяц, но конкурс там выше, и язык требуется свободный.

Реальная картина: чистых ролей «promt engineer» — пара сотен. Зато ролей, где навык поднимает зарплатную вилку на 20–40%, — тысячи. Курс по промпт-инжинирингу — это часто не смена профессии, а апгрейд текущей: маркетолог становится AI-маркетологом, аналитик — AI-аналитиком, и каждый зарабатывает заметно больше коллег без этого навыка.

Фриланс и подработка. На фриланс-биржах (Kwork, FL.ru, Хабр Фриланс) промпт-инжиниринг идёт двумя сценариями. Первый — «соберите мне промпт-библиотеку под задачу»: чек 5 000–25 000 ₽ за пакет из 10–30 промптов под конкретную нишу заказчика. Второй — «настройте мне AI-ассистента»: 30 000–150 000 ₽ за бота на основе ChatGPT или Claude с подключением к базе знаний. Оба сценария доступны выпускникам курсов уровня middle и хорошо собираются в портфолио для основной работы.

Внутренние роли в компаниях. Многие средние и крупные бизнесы выделяют человека «по ИИ» внутри отдела — без перевода в отдельный департамент. Зарплата там обычно идёт надбавкой к базовой ставке: +15 000–40 000 ₽ к окладу маркетолога или аналитика, который освоил промптинг и автоматизирует часть работы команды. Это самый массовый вход в нишу — без смены работодателя, без увольнений, на знакомой должности.

Кому подходят курсы по промпт-инжинирингу

Чем уже ваша роль связана с текстом, данными или коммуникациями, тем быстрее курс окупится. Но и у «нетекстовых» специалистов есть свои сценарии.

Маркетологи и копирайтеры. Самая массовая аудитория курсов. Промпты ускоряют генерацию рекламных текстов, сценариев писем, постов для соцсетей и адаптацию контента под разные сегменты. Не «копирайтер заменён нейросетью», а наоборот — копирайтер с промптингом обрабатывает в 3–5 раз больше задач. Если хотите потом расти в смежные направления, посмотрите наш разбор востребованных профессий — почти везде ИИ-навыки заходят в требования.

Разработчики и аналитики. Здесь история про скорость: написать тесты, разобрать чужой код, переписать SQL-запрос, объяснить регрессию заказчику. Курсы для разработчиков копают глубже — в API, оркестрацию агентов, RAG-пайплайны и валидацию выводов. Если работа с моделями вам близка концептуально, пригодится наш текст про машинное обучение для неспециалистов — он даёт фундамент.

Продуктовые менеджеры и руководители. Им курс нужен не для рук, а для головы — понимать, что технически возможно, а где модель «галлюцинирует». Без этого нельзя ставить задачи команде и оценивать сроки внедрения ИИ-фич.

Дизайнеры и креаторы. Отдельная ветка — генеративные модели для изображений и видео. Для них курс совмещает промпт-технику с навыками работы в Midjourney, Stable Diffusion, Kandinsky, Suno. Часто такие программы пересекаются с обзором ИИ-инструментов для дизайна.

Юристы, HR, преподаватели, врачи. Не очевидная аудитория, но именно здесь самый высокий ROI: нейросети сильно ускоряют рутинные документы, шаблонные ответы, подготовку материалов. Курс окупается за две-три недели сэкономленного времени.

Кому курсы пока не нужны. Если вы умеете гуглить и регулярно пользуетесь ChatGPT — короткого бесплатного гайда часто достаточно. Курс имеет смысл, когда дальше «напиши пост» начинаются задачи: «собери цепочку из четырёх запросов, чтобы получить готовый отчёт по продажам».

Что изучают на курсах по промпт-инжинирингу

За громкими названиями программ обычно стоит один и тот же набор тем — школы лишь по-разному его упаковывают. Мы свели их в пять блоков, которые встречаются почти везде.

1. Базовые техники промптинга. Это фундамент: Zero-shot (запрос без примеров), Few-shot (с примерами), Chain-of-Thought (модель рассуждает по шагам), ролевые промпты («представь, что ты — налоговый консультант»). Подробный разбор техник есть в руководстве на Хабре, на курсах эти же техники проходят с практикой и обратной связью.

2. Архитектура и параметры моделей. Что такое токены, как считается их количество, зачем настраивать temperature и top_p, чем GPT-4 отличается от GPT-3.5 и почему Claude лучше для длинных контекстов. Без этого блока промпты пишутся вслепую — и одна и та же инструкция даёт разные результаты.

3. Продвинутые техники. Декомпозиция сложных задач, ансамблирование (запросить несколько вариантов и выбрать лучший), Self-Criticism (модель сама критикует свой ответ), In-Context Learning. Сюда же — Tree-of-Thought и ReAct, когда модель чередует рассуждение и вызов внешних инструментов.

4. Работа с API и автоматизация. Подключиться к OpenAI / Anthropic / Yandex Cloud, написать функцию, которая принимает данные и возвращает результат. Здесь начинается реальная экономия: один раз написанный пайплайн на 100 запросов — это 100 решённых задач без вашего участия. На этом блоке многие курсы для маркетологов и копирайтеров заканчиваются, а для разработчиков и аналитиков — только начинаются.

5. Прикладные сценарии. RAG (Retrieval-Augmented Generation — модель достаёт ответы из вашей базы знаний), создание агентов и кастомных GPT, борьба с галлюцинациями, оценка качества выводов, безопасность промптов (защита от prompt injection). Этот блок отличает «бытовой» курс от профессионального.

На что смотреть в программе. Соотношение теории и практики должно быть 30/70 минимум. Если в анонсе только техники, но нет ни одного полноценного проекта — после курса у вас останутся слайды, а не портфолио. Хорошие программы заканчиваются на сборке агента или пайплайна под реальный кейс — например, AI-ассистент для службы поддержки или генератор продуктовых описаний.

Какие нейросети осваивают на обучении

Программы делятся на две большие группы. Первая — общие курсы, где разбирают принципы и пробегаются по нескольким моделям. Вторая — специализированные, где глубоко копают конкретный инструмент.

Текстовые модели. ChatGPT (GPT-4o, o1), Claude (Anthropic) — два рабочих инструмента у большинства специалистов. На курсах объясняют, чем они отличаются по стилю и ограничениям контекста. Подробный обзор Claude как платформы — в нашей статье про Claude Design. Дополнительно проходят Gemini (Google), YandexGPT и GigaChat (для проектов в РФ), Llama и DeepSeek для локального запуска и open-source-проектов.

Генерация изображений. Midjourney, Stable Diffusion, DALL·E 3, Kandinsky. На таких курсах промптинг переплетается с понятиями композиции, освещения и стилей — это ближе к диджитал-арту, чем к программированию.

Генерация видео и аудио. Suno (музыка), Runway, Sora, ElevenLabs — отдельная и быстро растущая ветка. Их обычно дают модулем поверх базы.

Кодогенерация. GitHub Copilot, Claude Code, Cursor — на курсах для разработчиков отдельный блок про то, как писать промпты для кода и не получать «галлюцинирующие» функции.

Если хотите понять, как нейросети устроены концептуально и что делает их «умными», посмотрите наш материал «Что такое нейросети — простыми словами». На курсах эти основы обычно проходят за 1–2 урока, и тем, кто читал заранее, остаётся больше времени на практику.

Сколько стоит и сколько длится обучение

В каталоге собрано 34, от коротких интенсивов до длинных программ профессиональной переподготовки. Цены сильно разбросаны — это нормально для развивающейся ниши, где у школ ещё нет общего стандарта.

Бюджетный сегмент — от 9 900 ₽ за курс. Это короткие программы на 2–4 недели в записи, без обратной связи. Подходят, чтобы быстро понять, нужно ли вам это направление вообще, и собрать базовый словарь техник.

Средний сегмент — около 54 758 ₽ за программу. Здесь уже встречаются курсы с менторами, домашками с проверкой и сертификатом. Длительность — 1–3 месяца. На таких программах реально собрать минимальное портфолио: два-три кейса, которые можно показать на собеседовании.

Премиум-сегмент — до 144 000 ₽. Это глубокие программы профпереподготовки на 4–8 месяцев. Включают работу с API, RAG, агентами, иногда — стажировку у партнёров школы. Имеют смысл, если вы метите в роль AI-инженера, а не просто хотите ускорить текущую работу.

Бесплатные курсы. Их в каталоге тоже немало — обычно это вводные программы от Stepik, Лекториум, ВШЭ. Хороший старт, чтобы решить, нужно ли потом платить за продвинутую программу.

Рассрочка. Большинство школ предлагают разбивку платежа на 6–24 месяца, иногда без переплаты. Это удобно, но не повод соглашаться на любой курс — деньги тратить по-прежнему вы.

Длительность. Базовые навыки реально освоить за 2–4 недели плотных занятий. Уровень middle с пониманием API — 2–4 месяца. Полноценный AI-инженер с RAG и агентами — 6–12 месяцев. Если в анонсе обещают «стать промпт-инженером за 5 дней» — это реклама, а не учебный план.

Как выбрать курс по промпт-инжинирингу

Главная проблема ниши — много курсов разного качества. Школы спешат запустить программы, пока тема горячая, и не у всех успевают сложиться нормальные методология и кадры. Мы используем восемь критериев, когда отбираем курсы в каталог — пользуйтесь ими и при личном выборе.

1. Год последнего обновления программы. ИИ обновляется каждые 3–6 месяцев. Если в программе фигурирует только GPT-3.5 без Claude и без o1 — курс отстал минимум на год. Просите у школы дату последней редакции учебного плана.
2. Кто ведёт занятия. Промпт-инжиниринг — практическая дисциплина. Преподаватель должен сам работать с ИИ-инструментами на проектах, а не пересказывать чужие гайды. Гуглите имена спикеров — у активных практиков есть Telegram-каналы, статьи на vc.ru или Хабре, выступления на конференциях.
3. Соотношение теория/практика. Минимум 50% времени должны занимать упражнения с обратной связью. Слайды можно прочитать самому, а вот разобрать ваш конкретный плохой промпт может только живой человек.
4. Финальный проект. Хороший курс заканчивается чем-то, что можно показать работодателю: AI-ассистент, пайплайн обработки данных, набор шаблонов под индустрию. «Сертификат об окончании» без проекта — бумажка для холодильника.
5. Обратная связь и менторство. Уточняйте, кто и как часто проверяет домашки. «Чат-бот по программе» — это не обратная связь. Нужен живой ментор, который читает ваши промпты и говорит, где они кривые.
6. Работа с API. Если курс позиционируется как профессиональный, в программе должен быть блок про OpenAI API или аналоги. Без него вы останетесь в чате и не научитесь автоматизировать процессы.
7. Помощь с трудоустройством — реалистичные ожидания. Школы часто обещают «гарантию работы». В нише промпт-инжиниринга это пока сложно: чистых вакансий немного. Реалистичный сервис — помощь с резюме, разбор портфолио, доступ к закрытым чатам с вакансиями. Это полезно. Жёсткая «гарантия первой зарплаты» в этом направлении — повод задавать дополнительные вопросы.
8. Отзывы выпускников вне сайта школы. Ищите в Telegram, на Otzovik, в обсуждениях на Хабр Карьера. На сайте школы будут только хорошие отзывы — это нормально, но картину лучше дополнить.

И ещё одно: не платите за курс ради красивого названия профессии в дипломе. «Промпт-инженер» в трудовой не сделает вас сеньором — деньги платят за реальные результаты, а не за титул. Лучше идите на курс, который усилит вашу текущую роль, и накопите кейсы, прежде чем менять профессию.

Какие проекты можно делать после курса

Без портфолио курсы не работают. Любой работодатель — внутри компании или внешний — захочет увидеть, что именно вы умеете. Вот пять проектов, которые встречаются как финальные работы в программах и хорошо закрывают потребности рынка.

AI-ассистент службы поддержки. Чат-бот, который отвечает на вопросы клиентов по базе знаний компании. Внутри — RAG-пайплайн: модель ищет релевантные ответы в документах и формулирует ответ. Реалистичный кейс для финтеха, e-commerce, телекома.

Генератор контента под бренд. Промпты, которые выдают тексты в фирменном тоне голоса: посты, рассылки, описания товаров. Хорошо работает, если в портфолио показать «до» и «после» — обычный промпт и брендированный.

Аналитический пайплайн для отчётов. Система, которая принимает CSV/JSON, превращает в человеческий отчёт с инсайтами. Полезно для маркетинговых аналитиков, продактов, бизнес-аналитиков.

Кастомный GPT для узкой ниши. Например, ассистент юриста по конкретной отрасли, помощник врача-терапевта по типовым вопросам, бот-консультант для интернет-магазина. Если умеете делать кастомные GPT с инструкциями и базой знаний — это уже серьёзный навык.

Оценка качества промптов. Менее очевидный, но ценный кейс: фреймворк, который тестирует промпты на стабильность и точность. У больших компаний на это есть отдельные роли — promp-evaluators.

Что из этого взять. На старте берите проект, в котором вы уже разбираетесь по основной работе. Если вы маркетолог — делайте генератор контента. Если аналитик — аналитический пайплайн. Так вы закроете два навыка одним проектом и получите более глубокий результат, чем с темой «с нуля».

Как оформить проект для портфолио. Минимум — публичный репозиторий на GitHub (или Notion-страница, если кода нет) с тремя блоками. Первый — короткое описание задачи: для кого, какую проблему решает, почему ИИ, а не классическое решение. Второй — сами промпты с комментариями, что и зачем настроено: ролевые инструкции, примеры, температурные параметры. Третий — метрики: сколько времени экономит, на каких задачах работает плохо, какие галлюцинации встречались и как их ловили. Без метрик проект выглядит как игрушка; с ними — как инженерное решение.

Юридический нюанс. Перед публикацией промптов и результатов обязательно проверьте, что не утекают конфиденциальные данные клиентов или работодателя. Это распространённая ошибка: человек гордится тем, что собрал ИИ-ассистента «как у нашей компании» — и попадает на разговор с юристами. В портфолио лучше показывать обезличенные кейсы или собственные синтетические задачи.

Частые ошибки при изучении промпт-инжиниринга

Промпт-инжиниринг — поле молодое, и ошибки тут массово повторяются. Если знать их заранее, курс пройдёт быстрее, а в работе вы сэкономите кучу часов на холостой переписке с моделью.

1. Начинать без понимания, как работает модель. Многие лезут писать промпты, пропустив раздел про токены, контекст и принципы работы языковых моделей. В итоге злятся на «глупого ChatGPT», хотя проблема в том, что модель не «думает» — она достраивает текст по вероятностям. Понимание этого механизма меняет подход к запросам. Базовое объяснение простыми словами — в нашем материале «Что такое нейросети»; до старта курса прочитайте 20 минут — и сэкономите неделю замешательства.

2. Один промпт — много задач. Классическая ошибка новичков: «Напиши пост в инстаграм, придумай заголовок, подбери теги и предложи время публикации». Модель путается, в ответе всё перемешано. Хорошее правило — одна задача, один промпт. Сложные сценарии решаются цепочкой запросов или декомпозицией на подзадачи.

3. Не давать контекст. «Напиши коммерческое предложение» — слабый промпт. «Напиши коммерческое предложение для B2B-клиента из логистики, продукт — облачная WMS, ценность — экономия 30% на обработке заказов, тон деловой, объём 200 слов» — нормальный. Чем больше релевантного контекста в промпте, тем меньше галлюцинаций и переписываний.

4. Игнорировать примеры в промпте (Few-shot). Один-два примера в запросе работают лучше любого описания. Если хотите, чтобы модель писала в определённом стиле — покажите ей пример этого стиля прямо в промпте. На курсах этот приём проходят на первой неделе, но в работе многие забывают и пишут только инструкции.

5. Слепо доверять выводу. Языковые модели уверенно врут — особенно про даты, цифры, цитаты, ссылки. Прочитав «по данным McKinsey за 2024 год…», обязательно проверяйте — возможно, ни McKinsey, ни таких данных не существует. Это не баг модели, это её природа. Профессиональные промптеры всегда добавляют валидацию: либо отдельным запросом, либо кодом, который сверяет факты с источниками.

6. Использовать только одну модель. ChatGPT — рабочая лошадка, но не универсальное решение. Claude лучше держит длинный контекст и аккуратнее пишет. Gemini хорошо встроен в гугл-сервисы. YandexGPT и GigaChat нужны, когда заказчик требует ИИ на российской инфраструктуре. Сильный промптер выбирает модель под задачу, а не наоборот.

7. Прятать промпты от коллег. Внутри команды промпты — это интеллектуальная собственность вроде SQL-запросов или регулярок. Их надо документировать, версионировать и переиспользовать. Если каждый коллега пишет свои промпты с нуля — компания теряет недели работы. На хороших курсах учат строить личную и командную библиотеку промптов.

8. Прыгать на новые модели без причины. Каждый месяц выходит «революционная» модель — и многие новички бросают начатый проект ради неё. Принципы работы меняются медленно, конкретные инструменты — быстро. Учитесь технике, а не модели; через год GPT-5 заменится GPT-6, а Chain-of-Thought останется.

Что почитать и попробовать перед курсом

Если вы ещё не определились со школой, начните с бесплатных материалов — это снимет 30–50% базы и даст понять, насколько вам интересна тема в принципе.

Гайды. Стартовая точка — руководство Google по промпт-инжинирингу на Хабре: переведённый и адаптированный документ, в котором разобраны базовые техники с примерами. Полезен и новичкам, и тем, кто уже работает с ИИ — структурирует знания, которые часто сидят в голове хаотично.

Документация. OpenAI Cookbook и Anthropic Prompting Guide — официальные сборники практик от создателей моделей. Английский, но осваивается с переводчиком за пару вечеров. Главный плюс — самые свежие техники там появляются раньше, чем в курсах.

Эксперименты. Заведите личный «лог промптов» — текстовый файл или Notion-страницу, куда складываете удачные промпты с пометкой, для какой задачи они работали. Через месяц у вас будет личная библиотека из 30–50 шаблонов, и любой курс пойдёт быстрее.

Практика на своих задачах. Возьмите три рутинные задачи из текущей работы — отчёт, рассылку, описание товара — и попробуйте автоматизировать их промптами. Не для портфолио, а ради ощущения, где модель помогает реально, а где только тратит время. Это лучший детектор «нужен ли мне курс» из доступных.

Сообщества. Telegram-каналы практиков (LLM Under the Hood, AI4Devs, Singularity!), Discord-сервера школ, профильные чаты на Хабре. Промпт-инжиниринг развивается быстрее, чем учебные программы — без сообщества вы будете отставать на полгода-год.

После двух-трёх недель такой подготовки вы поймёте, какой формат курса вам нужен — короткий интенсив для маркетолога или длинная программа для будущего AI-инженера. И не переплатите за то, что и так смогли освоить сами.

Как мы отбираем курсы в этот каталог

В каталоге checkroi.ru — 34 от 16. Мы регулярно пересматриваем подборку и ориентируемся на четыре сигнала.

Актуальность программы. Смотрим, упоминаются ли в анонсе свежие модели — Claude 3.5/4, GPT-4o, o1, Gemini 1.5+. Если в программе только GPT-3.5 — отправляем курс на проверку и просим у школы свежий учебный план.

Глубина практики. Считаем, сколько домашек с обратной связью и есть ли финальный проект. Курсы без живой проверки помечаем отдельно — они тоже могут быть полезны, но их аудитория другая.

Прозрачность условий. Цена, длительность, формат, кто ведёт — всё должно быть в открытом доступе. Если школа прячет тариф или преподавателей до заявки, это сигнал.

Свежие отзывы. Тянем оценки и отзывы из открытых источников. Если за последний год у школы преобладают негативные отзывы по конкретному курсу — снижаем его в выдаче.

Каталог обновляется каждую ночь: подтягиваем новые курсы школ-партнёров, обновляем цены и длительности, помечаем закрытые программы. Это значит, что цифры на странице — про сегодня, а не про релиз годовой давности.

Используйте фильтры по цене, длительности и формату, чтобы быстро найти подходящий курс.

Чем чаще приходить на эту страницу. Ниша промпт-инжиниринга — самая быстро меняющаяся в онлайн-образовании. Школы переписывают программы каждые 3–6 месяцев под новые модели, появляются новые форматы (мини-интенсивы по конкретным инструментам, узкие программы под индустрию), часть курсов закрывается, потому что не успевает за рынком. Имеет смысл заглядывать в каталог раз в квартал — даже если уже учились. Свежие программы часто включают то, что ещё полгода назад в платных курсах не давали никому: работу с агентами, оценку моделей, prompt evaluation, защиту от prompt injection. И наоборот — если на странице курса в анонсе только GPT-3.5 и базовые техники без свежих моделей, мы такие программы постепенно опускаем в выдаче и помечаем флагами, чтобы вы не платили за устаревший материал. Если хотите шире охватить тему — посмотрите соседние подборки: все курсы по нейросетям и ИИ и программы для специалистов по нейросетям. Там собрано больше форматов — от коротких интенсивов до годовых программ переподготовки.