За цей урок ти зробиш дві речі: налаштуєш приватність — три хвилини, один раз — і забереш робочий промпт, який перетворює «глянь це резюме» на структуровану довідку з доказами. А далі почнеться найцікавіше: як зрозуміти, де ця довідка бреше.
За замовчуванням споживчі тарифи всіх трьох систем можуть використовувати твоє листування для навчання моделей. Перевірено нами, серпень 2026: на щойно створеному безкоштовному акаунті Claude цей перемикач стояв увімкненим. Це не змова — просто налаштування за замовчуванням, і воно змінюється за три хвилини.
| Система | Перемикач | Де |
|---|---|---|
| Claude | «Help improve our AI models» | Settings → Privacy → вимкнути |
| ChatGPT | «Improve the model for everyone» | Settings → Data Controls → вимкнути |
| Gemini | «Keep Activity» | Activity → вимкнути + видалити історію |
Два нюанси: платний тариф «для одного користувача» перемикач сам не вимикає, і діє це тільки вперед. Якщо працюєш із даними клієнтів агентства — спокійніше в тарифі для команд, де умови зафіксовані договором. Актуальні шляхи тримаємо в «Зрізі ринку» й оновлюємо щомісяця.
Більшість формулює задачу одним реченням: «глянь це резюме під вакансію». Відповідь приходить упевнена — і звучить однаково впевнено незалежно від того, чи вистачало системі даних для висновку. Охайний текст і правдивий текст — різні речі, і на око вони не відрізняються.
Замість одного речення даємо структуру з шести блоків: роль — ким система працює; контекст — що подаємо на вхід; задача — одна конкретна дія; критерії успіху — як виглядає добра відповідь; формат і обмеження — що робити, коли даних бракує. Найцінніші два останні: саме вони ловлять вигадки ще до того, як вони з'являться.
Встав його в будь-яку систему, підстав свою вакансію й резюме кандидата у квадратні дужки — і отримаєш структуровану довідку замість переказу.
Роль: ти — асистент-рекрутер, який готує аналітичну довідку по кандидату для рекрутера, а не фінальне рішення про найм. Контекст: Вакансія: [вставити повний текст вакансії]. Кандидат: [вставити резюме — без ПІБ і контактів, компанії як «галузь + розмір», заклад освіти як категорія]. Задача: проаналізуй відповідність кандидата вакансії. Критерії успіху відповіді: 1. Оціни відповідність по кожній вимозі вакансії окремо (стек/навички, роки досвіду, рівень посади). 2. Виділи сильні сторони кандидата з посиланням на конкретний факт із резюме. 3. Виділи ризики й прогалини (незрозумілі розриви в досвіді, невідповідність рівня, застарілі навички) — теж з посиланням на конкретний факт із резюме. 4. Дай висновок одним реченням: рекомендуєш співбесіду чи ні, і чому. Формат виводу: підзаголовки «Відповідність», «Сильні сторони», «Ризики», «Рекомендація». Максимум 250 слів. Обмеження: не вигадуй факти, яких немає в резюме (роботодавців, дати, посади, навички). Якщо інформації бракує для висновку — прямо напиши, чого саме бракує, замість того, щоб домислити. Кожне припущення познач окремо словом «припущення:».
Ми прогнали цей самий промпт через Claude, ChatGPT і Gemini на синтетичному резюме, де була одна безневинна фраза: «оптимізував продуктивність системи в 10 разів». Без метрики. Без бази порівняння. Без способу перевірити.
Тепер подивись на довідку, яку щойно отримав по своєму кандидату. Там теж є впевнені формулювання. Питання вже не в тому, чи спрацював промпт — він спрацював. Питання в тому, які з цих тверджень ти можеш перевірити, а які просто добре звучать.
Розбір одного кандидата — це половина роботи. Друга починається, коли на вакансію прийшло пʼять відгуків і треба вирішити, кого кличеш. Нижче — другий промпт уроку: на вході вакансія й кілька резюме, на виході одна таблиця, де кожна оцінка підперта цитатою з резюме.
Одне «але», і воно не про параною. У файлі резюме приїде все: ПІБ, телефон, пошта, іноді фото й дата народження. Навчання на твоїх даних ти вимкнув на початку уроку — у модель це не піде. Але для самої оцінки ці поля не потрібні й заважають: система чіпляється за вік, стать і назву вишу там, де мала б дивитися на досвід. Тому в промпті є окремий рядок про це. Прикріплюєш файли як є — просто знай, що саме віддаєш.
Роль: ти — асистент-рекрутер, який готує порівняльну таблицю кандидатів під одну вакансію для рекрутера. Рішення про найм ухвалює людина, не ти. Контекст: Вакансія: [вставити повний текст вакансії]. Кандидати: [вставити 3–7 резюме підряд, кожне почати рядком «=== Кандидат-001 ===» — або прикріпити файли резюме до цього повідомлення]. З резюме прибери ПІБ і контакти: для порівняння вони не потрібні. Задача: побудуй одну порівняльну таблицю кандидатів за вимогами цієї вакансії. Критерії успіху відповіді: 1. Один рядок — один кандидат. Колонки — ключові вимоги вакансії (не більше шести) плюс колонки «Ризики й питання на скринінг» і «Рішення». 2. У кожній клітинці вимоги: оцінка (так / частково / ні / немає даних) І дослівна цитата з резюме, яка цю оцінку підтверджує. Якщо цитати немає — напиши «немає цитати», а не переказ своїми словами. 3. Оцінку «так» став лише тоді, коли в резюме є факт, а не згадка навички в переліку. Навичка в списку без підтвердження в досвіді — це «частково». 4. Після таблиці — окремий блок «Чого не видно з резюме»: що саме доведеться зʼясувати голосом по кожному кандидату. 5. Після таблиці — порядок пріоритету з поясненням одним реченням на кандидата. Формат виводу: одна таблиця, під нею два блоки. Без вступу й підсумкових похвал. Обмеження: — Не вигадуй фактів, яких немає в резюме: технологій, дат, посад, компаній. — Не вирівнюй кандидатів між собою. Якщо резюме порожнє за вимогою — так і напиши, навіть якщо всі інші клітинки заповнені. — Не порівнюй за ознаками, яких немає у вимогах вакансії: вік, стать, фото, назва ЗВО, громадянство, сімейний стан, зовнішність. — Цифру без бази порівняння («у 10 разів», «значно пришвидшив») не зараховуй як доказ — познач її як твердження, яке потребує перевірки. — Якщо резюме нечитабельне або даних бракує — напиши це прямо, замість того щоб домислити.
Ось що повернув цей промпт на пʼяти синтетичних резюме під вакансію Middle Python Developer. Фрагмент — у повній таблиці є ще колонки про роки Python, Docker/CI, англійську й ризики.
| Кандидат | Django / FastAPI | PostgreSQL, оптимізація | Рішення |
|---|---|---|---|
| Кандидат-009 | так — «сервіс пошуку й фільтрації товарів на FastAPI» | так — «після складеного індексу і прибирання N+1 — 180 мс на тих самих даних» | Співбесіда |
| Кандидат-002 | частково — «Python, Django, Flask» у переліку навичок; у досвіді жодної згадки | ні — немає цитати | Уточнити |
| Кандидат-007 | так — «розробка та підтримка сервісів на Django та FastAPI» | частково — «в 10 разів» без бази порівняння; БД не названа | Уточнити |
| Кандидат-010 | ні — «Django — на рівні пет-проєкту» | частково — «аналітичні SQL-запити для дашбордів»; про індекси цитати немає | Ні під цю вакансію |
| Кандидат-003 | ні — немає цитати | частково — оптимізація архітектурна, не запитів | Ні під цю вакансію |
Усі імена, компанії й дати вигадані: це синтетичний пакет для навчання. Кандидати навмисно різні — один сильний із перевірними фактами, один із гладкого тексту без жодної цифри, один із непоясненою паузою, один із формальним «Python 3 роки» не в тій ролі і один сильний, але з іншого стека.
=== Кандидат-009 === Middle Python Developer, Україна, remote Про себе: бекенд-розробниця, 3,5 роки комерційного досвіду на Python. Остання команда — маркетплейс з ~90 тис. активних користувачів на добу. Досвід: — Middle Python Developer, продуктова компанія (маркетплейс, ~200 співробітників), 03.2023 – дотепер. Сервіс пошуку й фільтрації товарів на FastAPI: винесла його з моноліту, тримає ~1,2 тис. запитів/хв у піку. Каталог: сторінка категорії відкривалася 2,4 с, після складеного індексу (category_id, created_at) і прибирання N+1 — 180 мс на тих самих даних. Черги на Celery + RabbitMQ для імпорту прайсів (до 400 тис. позицій за ніч). Покриття тестами свого сервісу з 34% до 71% (pytest), прогін у GitLab CI на кожен MR. — Python Developer (Junior → Middle), аутсорсинг (~60 співробітників), 02.2021 – 02.2023. Django-бекенд для внутрішніх CRM двох клієнтів. REST API на DRF, інтеграції з платіжними провайдерами. Розбирала повільні запити до PostgreSQL за EXPLAIN ANALYZE. Освіта: державний технічний ЗВО, прикладна математика, бакалавр, 2017–2021. Навички: Python, Django, DRF, FastAPI, PostgreSQL (індекси, EXPLAIN ANALYZE), Redis, Celery, RabbitMQ, Docker, GitLab CI, pytest, Git. Англійська — B2. === Кандидат-002 === Middle Python Developer Про мене: досвідчений та результативний Python-розробник з пристрастю до якісного коду та інноваційних рішень. Постійно вдосконалюю свої навички та слідкую за новітніми технологіями. Орієнтований на результат командний гравець. Досвід: — Python Developer, ІТ-компанія, 2022 – дотепер. Успішно розробляв та впроваджував високоякісні програмні рішення. Ефективно співпрацював з крос-функціональними командами. Постійно оптимізував продуктивність застосунків та покращував архітектуру. Забезпечував високий рівень якості коду. Брав участь у code review та менторингу молодших колег. — Python Developer (Junior→Middle), попереднє місце, 2020 – 2022. Розробляв надійні та масштабовані рішення з використанням сучасного стеку. Демонстрував відмінні навички вирішення проблем. Освіта: вища технічна. Навички: Python, Django, Flask, SQL, Git, REST API, Docker, командна робота, комунікабельність, стресостійкість. === Кандидат-007 === Middle Python Developer, Україна (готовий до remote) Про себе: бекенд-розробник з понад 5-річним досвідом, останні 3 роки — на Python. Досвід: — Middle Python Developer, продуктова компанія (логістична платформа, середній розмір), 07.2023 – теперішній час. Розробка та підтримка сервісів на Django та FastAPI. Оптимізував продуктивність системи в 10 разів завдяки переробці запитів до бази даних. Впровадив кешування на Redis. Код-рев'ю, тести на pytest. — Backend Developer, приватна практика (фриланс, кілька клієнтів e-commerce та CRM), 01.2021 – 08.2022. Стек: Java, Spring, MySQL; частина задач — скрипти на Python. — Java Developer, аутсорсингова компанія (середній розмір), 2019 – 2021. Перша комерційна позиція, внутрішні інструменти для HR-відділу. Освіта: державний технічний ЗВО, компʼютерні системи, бакалавр, 2017–2021. Навички: Python, Django, FastAPI, PostgreSQL, MySQL, Redis, Docker, Git, pytest, Java/Spring, Kafka (базовий). Англійська — B1. === Кандидат-010 === Data Engineer, Україна, remote Про себе: понад 3 роки комерційної роботи з Python. Починав з автоматизації тестування, останні два роки — дата-інженерія. Шукаю перехід у продуктову розробку. Досвід: — Data Engineer, продуктова компанія (аналітика для рітейлу, ~80 співробітників), 06.2023 – дотепер. ETL-пайплайни на Airflow: 40+ DAG-ів, щоденне вивантаження з 6 джерел. Обробка даних на pandas, вивантаження у ClickHouse; найбільший пайплайн — ~12 млн рядків на добу. Аналітичні SQL-запити для дашбордів (ClickHouse, PostgreSQL як джерело). Docker для локального відтворення пайплайнів, GitLab CI для лінтерів. — QA Automation Engineer, аутсорсингова компанія, 04.2021 – 05.2023. Автотести на Python: pytest + Selenium, ~600 сценаріїв, прогін у CI. Внутрішня бібліотека- обгортка для API-тестів (requests). Пет-проєкти: телеграм-бот обліку витрат на Django + SQLite, ~200 користувачів. Освіта: державний класичний ЗВО, прикладна математика, магістр, 2016–2021. Навички: Python, pandas, Airflow, ClickHouse, SQL, PostgreSQL, pytest, Selenium, requests, Docker, GitLab CI, Git. Django — на рівні пет-проєкту. Англійська — B1. === Кандидат-003 === беквенд розробник, велике місто/віддалено, у розробці 9 років працюю з бекендом на Java та частково Kotlin останні 4 роки перейшов на мікросервіси до цього монолітні системи писав у банківській сфері зараз працюю в продуктовій компанії Fintech-напрямку (платіжний шлюз) з 2023 і по зараз тут я тімлід команди з 5 розробників відповідаю за платіжний оркестратор який обробляє близько 40 тис транзакцій на добу з переходом на мікросервіси ми знизили час обробки транзакції з 800мс до 210мс середнє а кількість інцидентів production за квартал впала з 14 до 3 стек Java 17 Spring Boot Kafka PostgreSQL Redis Kubernetes до цього з 2019 по 2023 працював у банківській установі старшим розробником писав основний транзакційний модуль монолітна система на Java 8 Spring MVC Oracle DB команда 12 людей вів двох джунів як менторство до цього з 2017 по 2019 Middle Developer перше місце в ІТ до цього 5 років працював інженером на заводі не в ІТ зовсім інша сфера тому переходив через курси і самостійне навчання English intermediate писати можу читати вільно розмовляю гірше сертифікатів формальних не маю освіта державний технічний ЗВО інженер-механік 2008-2013 не профільна.
Промпт закриває половину задачі. Друга половина — процедура перевірки того, що система повернула. Її ми й збираємо далі: