Разные форматы показывают разные результаты в разных условиях. Это не вопрос мнений — существуют контролируемые тесты и официальная документация с конкретными данными.

Markdown: чемпион по читаемости

Заголовки и форматирование Markdown (например, ## Инструкции, ## Контекст, маркированные списки и жирный шрифт для акцента) читабельны, эффективны по токенам и естественно воспринимаются моделями, обученными на документации .

Преимущество в точности: В задачах на логическое мышление GPT-4 достиг 81,2% точности с Markdown-промптами против 73,9% с JSON — улучшение на 7,3 процентных пункта . Markdown также использует примерно на 15% меньше токенов, чем JSON, сохраняя при этом чёткость .

Удобство для человека: Markdown часто рекомендуют для того, чтобы делать промпты и файлы с инструкциями понятнее как для людей, так и для моделей AI . В Playground от OpenAI также предлагается использовать Markdown с заголовками H1 для генерации промптов .

Главный недостаток: Заголовки Markdown — это мягкие границы. Они более уязвимы для промпт-инъекций, потому что модель может не воспринимать ## Input как жёсткий разделитель . Один исследователь безопасности специально предостерегал от использования Markdown для разделения входных данных, подлежащих классификации, отмечая, что модель «с меньшей вероятностью обмануть» XML-тегами .

XML-теги: точные границы

XML-теги используют явные открывающие и закрывающие маркеры, такие как <instructions>, <schema> и <input>, для разделения секций промпта. Официальные рекомендации Anthropic прямо указывают XML-теги как основной инструмент структурирования сложных промптов, отмечая, что они создают однозначные границы, снижающие вероятность неверной интерпретации .

Преимущество в безопасности: XML обеспечивает явные открывающие/закрывающие границы, что затрудняет «перетекание» внедрённого контента между секциями . Для AI-агентов утверждается, что XML-теги превосходят заголовки Markdown в разделении инструкций, примеров, справочных данных и пользовательских вопросов .

Не всегда лучше: Для коротких, простых промптов XML может даже незначительно снизить точность. Один тест показал точность плоских промптов 97,6% против 96,4% у XML — небольшое снижение на 1,2 процентных пункта без изменения уровня галлюцинаций . Тот же тест показал 31% увеличение входных токенов при использовании XML . Польза XML растёт со сложностью промпта, а не с его качеством: XML помогает, когда промпт превышает примерно 500 токенов и содержит 3 или более логических секций .

Что рекомендуют основные провайдеры AI

Все три крупных вендора рекомендуют XML как эффективный паттерн разделителей, но формальная строгость XML не обязательна — важна семантическая цель .

Практические рекомендации по сценариям использования

Гибридный подход: прагматичный выбор

Многие практики используют гибрид: заголовки Markdown для общей структуры плюс XML-теги или блоки кода вокруг блоков пользовательского ввода . Этот подход сочетает читаемость Markdown с границами безопасности XML.

Например, можно использовать:

## Инструкции
[Ваши инструкции здесь]

## Контекст
[Справочная информация]

## Пользовательский ввод
<UserInput>
[фактический пользовательский ввод]
</UserInput>

Этот паттерн даёт лучшее из двух миров — чёткие размеченные секции, которые легко читать человеку, и жёсткие границы вокруг недоверенной части промпта.

Суть

Используйте Markdown для повседневных промптов — он читабелен, эффективен по токенам и хорошо показывает себя в задокументированных сравнениях форматов промптов . Переключайтесь на XML-теги, когда у вас сложные, многосоставные промпты, нужны жёсткие семантические границы для безопасности или вы работаете с Claude . Эффективность формата также зависит от модели AI — поддерживаемость на стороне человека не менее важна, чем производительность модели .

Разные форматы показывают разные результаты в разных условиях. Это не вопрос мнений — существуют контролируемые тесты и официальная документация с конкретными данными.

Markdown: чемпион по читаемости

Заголовки и форматирование Markdown (например, ## Инструкции, ## Контекст, маркированные списки и жирный шрифт для акцента) читабельны, эффективны по токенам и естественно воспринимаются моделями, обученными на документации .

Преимущество в точности: В задачах на логическое мышление GPT-4 достиг 81,2% точности с Markdown-промптами против 73,9% с JSON — улучшение на 7,3 процентных пункта . Markdown также использует примерно на 15% меньше токенов, чем JSON, сохраняя при этом чёткость .

Удобство для человека: Markdown часто рекомендуют для того, чтобы делать промпты и файлы с инструкциями понятнее как для людей, так и для моделей AI . В Playground от OpenAI также предлагается использовать Markdown с заголовками H1 для генерации промптов .

Главный недостаток: Заголовки Markdown — это мягкие границы. Они более уязвимы для промпт-инъекций, потому что модель может не воспринимать ## Input как жёсткий разделитель . Один исследователь безопасности специально предостерегал от использования Markdown для разделения входных данных, подлежащих классификации, отмечая, что модель «с меньшей вероятностью обмануть» XML-тегами .

XML-теги: точные границы

XML-теги используют явные открывающие и закрывающие маркеры, такие как <instructions>, <schema> и <input>, для разделения секций промпта. Официальные рекомендации Anthropic прямо указывают XML-теги как основной инструмент структурирования сложных промптов, отмечая, что они создают однозначные границы, снижающие вероятность неверной интерпретации .

Преимущество в безопасности: XML обеспечивает явные открывающие/закрывающие границы, что затрудняет «перетекание» внедрённого контента между секциями . Для AI-агентов утверждается, что XML-теги превосходят заголовки Markdown в разделении инструкций, примеров, справочных данных и пользовательских вопросов .

Не всегда лучше: Для коротких, простых промптов XML может даже незначительно снизить точность. Один тест показал точность плоских промптов 97,6% против 96,4% у XML — небольшое снижение на 1,2 процентных пункта без изменения уровня галлюцинаций . Тот же тест показал 31% увеличение входных токенов при использовании XML . Польза XML растёт со сложностью промпта, а не с его качеством: XML помогает, когда промпт превышает примерно 500 токенов и содержит 3 или более логических секций .

Что рекомендуют основные провайдеры AI

Все три крупных вендора рекомендуют XML как эффективный паттерн разделителей, но формальная строгость XML не обязательна — важна семантическая цель .

Практические рекомендации по сценариям использования

Гибридный подход: прагматичный выбор

Многие практики используют гибрид: заголовки Markdown для общей структуры плюс XML-теги или блоки кода вокруг блоков пользовательского ввода . Этот подход сочетает читаемость Markdown с границами безопасности XML.

Например, можно использовать:

## Инструкции
[Ваши инструкции здесь]

## Контекст
[Справочная информация]

## Пользовательский ввод
<UserInput>
[фактический пользовательский ввод]
</UserInput>

Этот паттерн даёт лучшее из двух миров — чёткие размеченные секции, которые легко читать человеку, и жёсткие границы вокруг недоверенной части промпта.

Суть

Используйте Markdown для повседневных промптов — он читабелен, эффективен по токенам и хорошо показывает себя в задокументированных сравнениях форматов промптов . Переключайтесь на XML-теги, когда у вас сложные, многосоставные промпты, нужны жёсткие семантические границы для безопасности или вы работаете с Claude . Эффективность формата также зависит от модели AI — поддерживаемость на стороне человека не менее важна, чем производительность модели .