Бесплатный фрагмент - Как написать промпт

Глава 1. Нейросети — это не магия, а ваш новый стажер

Примерно год назад я наблюдал занятную сцену в кофейне. Девушка за соседним столиком, хмурясь, набирала на ноутбуке: «Напиши поздравление с днем рождения коллеге, душевное и небанальное». Чат-бот послушно выплюнул три абзаца текста. Девушка пробежала их глазами, разочарованно выдохнула и стерла запрос. «Ну вот, опять как открытка из супермаркета», — пожаловалась она подруге и принялась сочинять сама. Я подумал, что эта сцена — идеальная иллюстрация массового заблуждения. Мы ждем от нейросети чуда, а получаем ширпотреб, потому что разговариваем с ней как с оракулом, а не как с новым сотрудником.

Моя цель в этой книге — навсегда избавить вас от иллюзии, что «искусственный интеллект все может сам». Нет, не может. Он — ваш новый стажер. Фантастически эрудированный, невероятно быстрый, владеющий всеми языками мира, но при этом буквально понятый, лишенный жизненного опыта и начисто не умеющий читать ваши мысли. Представьте, что к вам в отдел пришел юный гений: он прочел всю Библиотеку Конгресса, но в реальном мире не провел ни дня. Если вы скажете ему: «Сделай красиво», он растеряется. Если вы объясните задачу подробно, снабдите примерами и обозначите подводные камни, он выдаст результат, от которого захватит дух. Эта книга — учебник по управлению таким стажером.

Почему ИИ не думает, а угадывает слова

Самый опасный миф звучит так: нейросеть «понимает» написанное. Мы видим связный текст и машинально приписываем машине сознание, намерения, даже эмоции. На деле происходит нечто принципиально иное. Большая языковая модель — это грандиозная математическая функция, обученная на гигантском корпусе текстов. Она не осмысливает понятия «любовь», «справедливость» или «кофе». Она вычисляет вероятность следующего слова, исходя из контекста.

Давайте используем аналогию, которую я обещал в названии главы, — ожидание ребенка. Представьте будущих родителей, которые еще до рождения начинают фантазировать, каким будет малыш. Сначала они знают только пол. Исходя из этого, строят первые предположения: «мальчик — наверное, будет активным». Это как первый токен в цепочке. Затем на УЗИ видят, что ребенок сосет палец. Родители уточняют картину: «будет спокойным и задумчивым». Затем врач сообщает, что плод крупный. Родители добавляют: «наверное, родится богатырем». И так с каждым новым фактом образ ребенка в их голове дорисовывается. Но ведь самого ребенка еще нет! Их фантазия — это предсказание, основанное на косвенных данных.

Нейросеть делает то же самое, только с несусветной скоростью и опорой на триллионы примеров. Вы даете ей начало фразы: «На улице шел…» Модель мгновенно перебирает в своей «памяти» все случаи, когда после этих слов что-то шло. «Дождь» — 37% вероятности (потому что в текстах часто шли дожди), «снег» — 22%, «сильный ветер» — 10%, «человек» — 5% и так далее. Она выбирает слово не потому, что за окном и правда пасмурно, а потому, что статистически это самое правдоподобное продолжение. Выбрав «дождь», она пересчитывает вероятности для следующего слова, и вот уже рождается «На улице шел дождь, и прохожие…» Каждый шаг — не акт осознания, а акт статистической экстраполяции. Вот почему нейросети галлюцинируют: если в обучающих данных было много текстов о драконах, модель может с неменьшей уверенностью описать «улицу, по которой шел дракон», потому что для нее это просто последовательность токенов, не привязанная к физической реальности.

Токены и контекст: что происходит внутри «черного ящика»

Любой текст, прежде чем попасть в модель, нарезается на токены. Токен — это не обязательно слово. Слово «кошка» может быть одним токеном, а сложное «нейросеть» — двумя: «нейро» и «сеть». Английское «I love you» превратится в три токена, русское «Я тебя люблю» — скорее всего в четыре (из-за особенностей морфологии). Для модели язык — это поток чисел, каждому токену присвоен свой номер. Никаких букв, смыслов, образов — только векторы в многомерном пространстве, где «король» минус «мужчина» плюс «женщина» математически равно «королева». Поразительно? Да. Но это математика, а не магия.

Теперь о контекстном окне. Представьте, что вы читаете роман, но единовременно можете удержать в фокусе только одну страницу. Прочитали десятую — забыли первую. Так работали первые модели. Современные гиганты обладают колоссальным контекстным окном. Например, DeepSeek способен удерживать до миллиона токенов — это три тома «Войны и мира» за раз. Но большое окно не равно идеальной памяти. Модель может «выпустить из виду» детали из середины длинного диалога, особенно если вы не напоминаете о них. Управление контекстом — один из ключевых навыков, которым вы овладеете. Пока просто запомните: нейросеть очень зависит от того, что находится прямо сейчас в ее поле зрения. Это одновременно ее сила (можно скормить огромный документ) и слабость (она может упустить суть).

Температура: ручка креативности

В интерфейсах многих нейросетей, а также через API, можно регулировать параметр, называемый «температурой». Не пугайтесь — это очень простая и наглядная вещь. Представьте, что перед генерацией каждого следующего слова модель бросает игральный кубик. При температуре 0 кубик всегда падает на самую вероятную грань. Результат — максимально логичный, предсказуемый, но скучный текст. При температуре 1 и выше кубик начинает плясать: иногда выпадает редкая, маловероятная грань. Текст становится живым, оригинальным, но растет риск чепухи. Для написания юридического договора нужна температура 0, для поэтического экспромта — 0,8–0,9. Даже если в интерфейсе нет явного ползунка, сама формулировка промпта может «повышать» или «понижать» температуру. Просьба «ответь строго по факту» неявно включает режим низкой температуры, а «пофантазируй, удиви меня» — высокой.

Теперь, когда базовые принципы ясны, можно перейти к самому интересному: чем же различаются четверо наших героев — ChatGPT, DeepSeek, Grok и Perplexity. Понимание их «характеров» — первый шаг к мастерству составления промптов.

Четыре личности: кому какой промпт заходит

Представьте себе редакцию журнала. Вам нужно подготовить сложный аналитический материал. Вы собираете совещание и видите перед собой четырех совершенно разных сотрудников. Именно так стоит воспринимать наши инструменты.

ChatGPT — эрудированный универсал и дипломат. Он обучен быть максимально полезным, вежливым и безопасным. Он умеет практически всё: писать стихи, код, эссе, вести утешающие беседы, генерировать идеи для стартапа. Его главный талант — структурность и эмпатия. Если попросить его объяснить квантовую физику пятилетнему ребенку, он справится блестяще. Но у этой монеты есть и оборотная сторона: он склонен к излишней многословности, водянистости и морализаторству. Он будет стараться угодить вам, а иногда — соглашаться, даже когда вы неправы. Промпты для ChatGPT должны быть четкими и, если нужно, жестко ограничивающими его словесные кружева.

DeepSeek-R1 — это новый тип мышления, который разработчики называют Reasoner (рассуждатель). Представьте себе гениального математика с блокнотом. Когда вы задаете ему сложный вопрос, он не спешит с ответом. Он начинает бормотать себе под нос — и это не баг, а величайшее преимущество. DeepSeek показывает вам цепочку своих рассуждений! Он может написать: «Так, пользователь спросил о парадоксе близнецов. Сначала вспомним основы теории относительности… Хм, но тут есть подвох — ускорение… Ага, вот ключевой момент… Таким образом, итоговый ответ будет…». Эта прозрачность — золото. Вы видите, в какой момент модель свернула не туда, и можете скорректировать не ответ, а ход мысли. При работе с DeepSeek противопоказаны команды вроде «думай шаг за шагом» — это ломает его нативный механизм рассуждений. Гораздо лучше работает: «Предоставь детальный анализ проблемы и конечное решение, объяснив каждый логический переход». DeepSeek незаменим для математики, программирования, логических головоломок и задач, где нужна многоходовая аргументация. Его мышление напоминает медленное, глубокое чтение.

Grok — дерзкий всезнайка с улицы. Его создатели из xAI дали ему доступ к платформе X (бывший Twitter) в реальном времени и намеренно запрограммировали на юмор, сарказм и бунтарский дух. Если ChatGPT — это выпускник частной школы, то Grok — парень с гитарой, который знает последние мемы и не стесняется в выражениях. Он может ответить на ваш запрос с колкостью, посоветовать что-то совершенно нестандартное и найти свежайший тренд, который еще не попал в новостные ленты. Он менее скован цензурными ограничениями, что делает его великолепным инструментом для мозгового штурма, где нужны провокационные идеи, для анализа настроений в соцсетях и для создания контента с «острым соусом». Промпт для Grok может звучать так: «Ты — циничный обозреватель моды, проанализируй Met Gala как катастрофу вкуса». Там, где другие модели выдадут сдержанный отчет, Grok развернет феерию сарказма, и это будет именно то, что нужно.

Perplexity — дотошный библиограф и сыщик. Его конек — поиск и фактчекинг. Это не просто чат-бот, это поисковая система, которая не выдает вам десять синих ссылок, а читает их за вас и синтезирует ответ с обязательными ссылками на источники. Если вам нужно узнать не «мнение модели», а реальное положение дел, провести обзор научных статей или сравнить статистику по странам, вы идете к Perplexity. Он умеет переключаться в разные режимы: Academic подтянет рецензируемые журналы, Writing сгенерирует текст, опираясь на проверенные данные. Промпт для Perplexity требует предельной конкретики: «Найди последние клинические исследования о влиянии интервального голодания на когнитивные способности у людей старше 60 лет. Предоставь ответ в виде таблицы: дизайн исследования, размер выборки, ключевой вывод, ссылка на PubMed». Он не будет философствовать, он принесет факты.

Сейчас я покажу, как одна и та же просьба раскрывает эти четыре характера. Представьте запрос: «Объясни, почему небо голубое».

ChatGPT, скорее всего, начнет с мягкого введения: «Отличный вопрос! С детства нас fascinates это явление…» Затем он ровно, структурированно и без единого острого угла изложит рэлеевское рассеяние, добавит про закаты и, возможно, метафору про «морской прибой света». Все мило, понятно, политкорректно.

DeepSeek включит режим рассуждения: «Пользователь спрашивает о цвете неба. С точки зрения физики это объясняется рассеянием света. Но нужно уточнить, что вопрос может быть как физическим, так и детским „почему“. Построю объяснение для взрослого с научной основой. Ключевые пункты: спектр солнечного света, зависимость рассеяния от длины волны (закон Рэлея), восприятие цвета глазом. Проверю, не нужны ли формулы… Итоговый ответ:…» И выдаст кристально четкое, логически выверенное объяснение, возможно, с математической выкладкой.

Grok отреагирует в своем стиле: «Серьезно? Тебе что, пять лет? Ладно, слушай: солнце швыряет в нас фотоны, атмосфера работает как фильтр, разбрасывая синие сильнее, потому что они короткие и наглые, а красные — длинные и ленивые. Поэтому небо синее, а закат красный. Не благодари». Кому-то это покажется грубостью, но для определенной аудитории такой контент залетает в самое сердце.

Perplexity же выдаст: «Согласно данным NASA Space Place и статьи в Physical Review, голубой цвет неба объясняется рэлеевским рассеянием… [1] [2]». И приведет ссылки, возможно, покажет график рассеяния и упомянет альтернативные гипотезы из истории науки. Никакой поэзии — только факты и их источники.

Узнаете своих сотрудников? Имея дело с каждым, вы будете ставить задачи по-разному. Нельзя прийти к математику и сказать «сделай красиво», равно как нельзя от уличного сатирика ожидать сдержанного научного трактата. В этом и заключается первый и важнейший шаг к искусству промпта: понять, с кем ты говоришь. Ваш стажер — не пустое место, у него уже есть характер, предопределенный архитектурой и обучением. Ваша задача — подобрать к нему ключик.

В следующих главах мы будем учиться говорить на языке этих «стажеров» так, чтобы они понимали нас с полуслова — но ровно так, как нужно именно вам. А начнем мы с универсальной структуры идеального промпта, которая работает для всех четырех моделей без исключения.

Глава 2. Анатомия идеального промпта: Принцип матрешки

В прошлой главе мы познакомились с нашими стажерами и поняли, что они, при всем своем могуществе, обладают одним фатальным недостатком: отсутствием телепатии. Они не догадываются, что у вас на уме, пока вы не скажете им это прямо и структурированно. Большинство пользователей застревает на уровне «Напиши пост о кофе» — и получает унылый текст, который мог бы сгенерировать кто угодно. Секрет превращения банальности в шедевр кроется в структуре запроса. Я называю это принципом матрешки.

Представьте себе традиционную деревянную куклу, внутри которой прячутся другие, поменьше. Самую большую матрешку видно сразу, но без внутренних она — лишь пустая оболочка. Идеальный промпт устроен точно так же. Его слои: Роль, Контекст, Задача, Формат и Ограничения. Вы можете начать с любого слоя, но полноценный, рабочий промпт содержит их все, плотно пригнанные друг к другу. Давайте разберем каждый слой и сразу применим их к нашему сквозному примеру — написанию поста для блога кофейни. Я покажу, как один и тот же запрос эволюционирует от жалкого «Напиши пост о кофе» до мощного, ювелирно точного брифа.

Слой 1. Роль: Маска, которую надевает стажер

Первый и самый простой способ вырваться из серой массы однотипных ответов — дать модели личность. Нейросеть обучалась на миллиардах текстов, написанных разными людьми с разными профессиями, стилями и убеждениями. Когда вы говорите «Ты — опытный бариста», вы не магическим образом вкладываете в модель опыт, вы активируете тот сегмент ее «памяти», где хранятся тексты, характерные для бариста: лексика кофейной индустрии, типичные обороты, структура мышления.

Вот наш исходный, пустой запрос:

«Напиши пост о кофе».

Результат будет удручающим. Модель, не имея указаний, сгенерирует максимально усредненный, «безопасный» текст. Что-то вроде: «Кофе — это прекрасный напиток, который бодрит по утрам. Существует множество сортов кофе…» Скука смертная.

Теперь надеваем первую матрешку — Роль:

«Ты — опытный бариста и талантливый копирайтер, который ведет блог кофейни. Ты умеешь рассказывать о кофе увлекательно и со знанием дела. Напиши пост о кофе».

Уже теплее. Модель «надевает фартук» и начинает говорить чуть более профессионально. В тексте появятся слова вроде «сорт арабика», «ноты цитруса», «помол». Но этого все еще недостаточно. Пост останется безликим — он мог бы принадлежать любой кофейне мира. Почему? Потому что мы не дали модели Контекст.

Слой 2. Контекст: Окружение, в котором рождается текст

Контекст — это то, что превращает общие слова в конкретику. Это информация о месте, времени, аудитории, продукте, событии, настроении. Вернемся к нашей аналогии с новым сотрудником. Вы дали ему должность (бариста-копирайтер), но не сказали, где вы находитесь, кто ваши клиенты и о каком именно кофе идет речь. Давайте наполним матрешку:

«Ты — опытный бариста и талантливый копирайтер, который ведет блог кофейни „Дождливый день“ в Сиэтле. Кофейня находится в районе Капитолийский холм, где много хипстеров и творческой молодежи. За окном ноябрь, бесконечная морось и серое небо. Владельцы кофейни только что получили партию редкого кофе сорта Гейша из Панамы, с нотами жасмина, бергамота и тропических фруктов. Напиши пост об этом новом сорте».

Чувствуете разницу? Теперь модель знает, что пост увидят хипстеры, уставшие от дождя. Она знает конкретный сорт и его вкусовой профиль. Она понимает атмосферу. Результат будет гораздо более живым: в тексте, вероятно, появятся образы серого Сиэтла и контрастного взрыва тропических нот в чашке. Но мы все еще не сказали главного: какую именно задачу мы решаем. «Написать пост» — это слишком размыто.

Слой 3. Задача: Глагол действия и его цель

Задача — это сердце промпта. Она должна быть сформулирована через активный глагол и, желательно, содержать цель. Мы не просто «пишем пост», мы «анонсируем новый сорт, чтобы привлечь посетителей на дегустацию в эти выходные». Или «создаем атмосферный сторителлинг, чтобы укрепить имидж кофейни как места для ценителей». Почувствуйте разницу между «напиши о кофе» и «вовлеки читателя в историю происхождения этого зерна, вызови желание немедленно его попробовать и приди на вечерний каппинг в субботу».

Добавляем этот слой:

«Ты — опытный бариста и талантливый копирайтер, ведущий блог кофейни „Дождливый день“ в Сиэтле (район Капитолийский холм, аудитория — хипстеры и творческая молодежь). За окном ноябрьская морось. Владельцы получили партию редкой Гейши из Панамы (ноты жасмина, бергамота, тропических фруктов). Твоя задача — написать пост, который вовлечет читателя в историю путешествия этого зерна с высокогорной плантации в Сиэтл, создаст ощущение уютного убежища от непогоды и мягко пригласит на дегустацию в эту субботу».

Теперь модель не просто выдает информацию, она решает маркетинговую задачу. Текст обретает цель. Но до идеала нам не хватает еще двух матрешек: Формата и Ограничений. Часто именно они отделяют хороший результат от профессионального.

Слой 4. Формат: В какой упаковке подать блюдо

Вы когда-нибудь получали от нейросети ответ в виде сплошной стены текста, которую невозможно читать? Это потому, что вы не задали формат. Модели по умолчанию склонны к прозе, но они великолепно справляются с разметкой, списками, таблицами, диалогами. Если вы пишете пост для соцсетей, вам нужны короткие абзацы, эмодзи и хештеги. Если статью для блога — заголовки и подзаголовки. Если пост для LinkedIn — более строгий, почти деловой стиль с абзацами-«кирпичиками». Укажите это явно.

Добавляем:

«…Формат поста: короткий цепляющий заголовок в начале, затем три абзаца с историей, разделенные эмодзи, в конце — информация о дегустации (дата, время) и призыв к действию. Заверши пост тремя релевантными хештегами».

Нейросеть с радостью подчинится. Она разобьет текст, расставит визуальные акценты. Но мы можем еще кое-что. Мы можем запретить.

Слой 5. Ограничения: Красные флажки, которые нельзя переходить

Ограничения — это последняя, самая маленькая, но очень важная матрешка. Это то, чего модель делать не должна. Здесь мы управляем нежелательным поведением: водой, штампами, неуместной лексикой, нарушением бренд-стиля. Без ограничений ChatGPT может начать пост фразой «В современном динамичном мире…», которую ваш читатель возненавидит. DeepSeek может уйти в излишние технические детали помола. Grok — скаламбурить так, что пост станет неуместным для уютной кофейни. Вы должны поставить заборы.

Финальный слой:

«…Ограничения: никаких штампов вроде „бодрящий напиток“, „начни свое утро правильно“. Не используй слово „вкусный“ — опиши вкус через ощущения. Не упоминай конкурентов. Тон — теплый, дружеский, немного меланхоличный, но с искрой радости. Избегай снобизма, говори о кофе доступно. Максимальный объем поста — 800 знаков».

Вот теперь наш промпт полон. Сравним то, с чего мы начинали, и то, к чему пришли.

Было: «Напиши пост о кофе».

Стало: «Ты — опытный бариста и талантливый копирайтер, ведущий блог кофейни „Дождливый день“ в Сиэтле (район Капитолийский холм, аудитория — хипстеры и творческая молодежь). За окном ноябрьская морось. Владельцы получили партию редкой Гейши из Панамы (ноты жасмина, бергамота, тропических фруктов). Твоя задача — написать пост, который вовлечет читателя в историю путешествия этого зерна с высокогорной плантации в Сиэтл, создаст ощущение уютного убежища от непогоды и мягко пригласит на дегустацию в эту субботу. Формат: короткий цепляющий заголовок, три абзаца с историей, разделенные эмодзи ☕ {🌧} {️} {🌸}, информация о дегустации и три хештега. Ограничения: никаких штампов, не используй слово „вкусный“, тон — теплый и немного меланхоличный, объем до 800 знаков».

Результат такого промпта — не просто текст, а готовый контент, точно попадающий в аудиторию и соответствующий бренду. Вы почти наверняка получите что-то похожее на маленькое литературное произведение о том, как дождь барабанит по стеклам, а в чашке расцветает жасмин и солнечный свет далеких панамских гор.

Принцип матрешки универсален. Он работает для всех четырех моделей, хотя акценты могут смещаться. Для DeepSeek в роли иногда полезно уточнить «Ты — эксперт по логике, который рассуждает вслух», для Perplexity ключевым становится Формат («предоставь ответ в виде таблицы со ссылками»), для Grok вы можете добавить в Роль «с дерзким характером и черным юмором». Но скелет остается неизменным: Роль → Контекст → Задача → Формат → Ограничения.

Вы можете практиковать этот подход прямо сейчас. Возьмите любой свой недавний неудачный диалог с нейросетью и проверьте, сколько матрешек вы не доложили. Скорее всего, вы забыли про Контекст и Ограничения — именно они чаще всего выпадают. Когда вы набьете руку, этот каркас станет вашей второй натурой, и каждый промпт, будь то запрос на код, изображение или аналитическую записку, вы будете не писать, а собирать как конструктор. В следующих главах мы углубимся в специфику каждой платформы, но этот каркас останется с вами навсегда — как фундамент, на котором держится любое здание.

Глава 3. Контекст — король: Как перестать объяснять очевидное

В прошлой главе мы собрали матрешку идеального промпта и увидели, что без слоя контекста даже самый старательный ИИ-стажер выдает безликую пустышку. Теперь я хочу остановиться на контексте подробнее, потому что это — настоящий король prompting’а. Если роль задает «кто говорит», а задача — «что сделать», то контекст наполняет запрос кровью и плотью реальности. Без него нейросеть играет в угадайку, а с ним — решает вашу конкретную проблему.

Почему контекст важнее, чем кажется

Вернемся к метафоре нового сотрудника. Допустим, вы просите его «подготовить презентацию для клиента». Он может сделать слайды, но о чем они будут? О вашем продукте вообще или о том, что нужно именно этому клиенту? Если вы не рассказали сотруднику, что клиент — это сеть пекарен, которая ищет решение для автоматизации заказов, что встреча завтра, а бюджет ограничен, то он принесет общие слова. ИИ делает то же самое.

Когда вы пишете «Объясни квантовую запутанность», вы получите стандартное объяснение уровня научпоп-статьи. Но если вы добавите контекст: «Я студент-физик второго курса, только что прошел волновую механику, но ещё не знаком с формализмом матриц плотности. Объясни квантовую запутанность, используя обозначения Дирака и простые двухуровневые системы, без углубления в ЭПР-парадокс», — ответ станет персонализированным учебным материалом.

Контекст — это всё, что сужает поле интерпретаций. В нём можно передать факты, цифры, предысторию, примеры желаемого результата, целевую аудиторию, настроение, ограничения среды. Я часто вижу пользователей, которые загружают в чат огромный документ и просто пишут «сделай выводы». Модель честно старается, но результат часто разочаровывает — потому что контекст подан бессистемно. Нам нужно научиться искусству загрузки знаний в промпт.

Метод «Вдохнуть — выдохнуть»

У моделей есть «проклятье середины»: длинный ввод, особенно если он содержит противоречивые или шумные данные, может сбивать фокус. Представьте, что вы вывалили на стол стажёра кипу документов со словами «Разберись!». Скорее всего, он растеряется. Опытный руководитель сначала структурирует информацию: «Просмотри эти отчёты, выдели ключевые цифры, а потом мы вместе подумаем над стратегией».

Отсюда родился метод, который я называю «вдохнуть — выдохнуть». Это двухшаговая техника для работы с большими объёмами контекста. Сначала вы просите модель «вдохнуть» — прочитать, переработать и резюмировать сырые данные во что-то структурированное. А затем «выдохнуть» — выполнить основную задачу с опорой на это резюме.

Практический пример. Вы загружаете в Perplexity или ChatGPT расшифровку двухчасового совещания (стенограмму на 40 страниц) и хотите, чтобы ИИ написал follow-up письмо участникам. Плохой подход: сразу дать команду «Напиши письмо по итогам встречи». Хороший подход — двухшаговый промпт:

Шаг 1 (вдох): «Прочитай прикреплённую стенограмму совещания команды маркетинга. Твоя задача — выделить: 1) основные принятые решения (с указанием ответственных), 2) открытые вопросы, 3) договорённости о следующих шагах. Представь это в виде маркированного списка, максимально сжато, без потери смысла».

Модель выдаст вам скелет встречи. Теперь у неё есть структурированный контекст в «оперативной памяти». Вы можете проверить его при необходимости и подкорректировать.

Шаг 2 (выдох): «Теперь на основе этого резюме напиши follow-up письмо всем участникам. Тон — дружелюбный и деловой. Включи благодарность за продуктивную встречу, перечень принятых решений (ответственных выдели жирным), список открытых вопросов с просьбой дать комментарии и напоминание о дате следующего созвона. Формат — электронное письмо с темой».

Результат такого подхода будет на голову выше, чем одношаговый запрос. Модель не теряет важных деталей, не смешивает решения и обсуждения, а тон выдерживает ровно тот, что вам нужен. Метод «вдохнуть — выдохнуть» особенно полезен при суммаризации, аналитике и создании документов на основе сырых данных.

Работа с длинными документами: стратегия слоёного пирога

Иногда документ так велик, что даже резюмирование всего целиком может превысить контекстное окно модели (да, у DeepSeek оно до 1 миллиона токенов, но у ChatGPT и других моделей всё ещё есть практические лимиты, особенно если вы используете бесплатные версии). Здесь выручает «слоёный пирог» — итеративная обработка частей с последующей агрегацией.

Представьте, что у вас годовой отчёт компании на 300 страниц. Вы разбиваете его на логические разделы: финансы, операции, маркетинг, HR. Для каждого раздела применяете шаг «вдох» — получаете резюме. Затем все резюме объединяете в один файл и даёте финальный промпт: «На основе этих резюме разделов годового отчёта подготовь Executive Summary для совета директоров». Так вы не теряете ни крупицы информации и остаётесь в рамках контекстного окна.

Контекст и «память» моделей

Важно понимать, что нейросеть не запоминает ваш разговор навсегда. Всё, что вы написали в текущем диалоге, формирует её контекстное окно. Когда оно переполняется, модель начинает «забывать» начало разговора. Это похоже на беседу с человеком, который помнит только последние 15 минут вашего разговора. Чтобы важные инструкции не терялись, есть два приёма:

Повтор ключевых установок. Если вы ведёте долгую работу над проектом, периодически напоминайте модели её роль, задачу и основные ограничения. Можно даже скопировать исходный системный промпт (о нём в следующей главе) и вставить его в начало длинного сообщения с пометкой «Напоминаю контекст:…».

Резюмирование и перезагрузка. Когда чувствуете, что диалог распух, попросите модель суммировать всё важное, что было обсуждено до этого момента, в одном сообщении. Затем начните новый чат и вставьте это резюме как стартовый контекст. Это даст модели чистый лист с сохранением накопленного знания.

Контекст для разных платформ: нюансы

Каждая наша четвёрка обрабатывает контекст по-своему, и это нужно учитывать.

ChatGPT (особенно GPT-4o) очень чувствителен к объёму. Несмотря на заявленное окно в 128 тысяч токенов, на практике качество ответа может ухудшаться, если вы единовременно загружаете экстремально длинный документ и просите тонкий анализ. Лучше разбивать на части и использовать «вдох-выдох». Зато ChatGPT великолепно улавливает тональность и неявные пожелания, если контекст подан в виде истории или сценария.

DeepSeek-R1 и новейшие версии (V3) — настоящий монстр контекстного окна. Технически он может принять до 1 миллиона токенов за раз — это «Война и мир» целиком плюс ещё пара томов. Но я заметил, что сила DeepSeek не просто в объёме, а в том, как он умеет вычленять логические связи из длинного текста. Он как прилежный архивариус: ему можно дать огромный массив и он не устанет, не перепутает имена и даты, если задача поставлена аналитическая. Для DeepSeek идеальны промпты, где вы просите его проследить линию аргументации или найти противоречия в большом документе. Пример из плана — именно про него:

«Прочитай загруженный роман „Война и мир“. Проанализируй эволюцию характера Пьера Безухова от начала до эпилога. Для каждого ключевого этапа приведи цитату (укажи том и часть) и объясни, как изменились его убеждения. Итог представь в виде эссе на 800 слов с выводами о духовном пути героя».

DeepSeek перелопатит все четыре тома, не пропустит сцены в плену, масонство, дуэль с Долоховым и женитьбу на Наташе — и выдаст связный, обоснованный цитатами анализ. Это работает и для юридических контрактов, научных обзоров, технической документации.

Grok. Контекстное окно у Grok меньше, но его уникальная черта — способность учитывать внешний, живой контекст. Поскольку он подключён к платформе X, он понимает, что происходит в мире прямо сейчас. Вы можете дать промпт без явного описания новости, но с отсылкой: «Учитывая сегодняшнюю шумиху вокруг запуска ракеты Starship, напиши ироничный твит от лица скептически настроенного физика». Grok сам найдет детали миссии, поломку или успех, и вплетёт их в ответ. То есть часть контекста можно не загружать текстом, а позволить модели добыть его самой. Это экономит токены и делает ответ удивительно актуальным.

Perplexity. Здесь контекст — это поле поиска. Вместо того чтобы загружать в промпт кучу своих знаний, вы можете просто попросить модель учесть определённый тип источников. Например: «Я готовлю статью о влиянии микропластика на здоровье. Контекст: меня интересуют только исследования на людях, опубликованные за последние три года в рецензируемых журналах. Исключи статьи, финансируемые производителями пластика. Составь обзор литературы с цитированием». Perplexity сам соберёт «контекст» в виде ссылок, и вам не нужно ничего предварительно читать. Это переворачивает модель: вы не даёте контекст, вы описываете, какой контекст вам нужен, а модель его находит и обрабатывает.

Как описать свой контекст максимально эффективно

Я часто говорю: «Опишите мне ситуацию, как если бы вы рассказывали другу за чашкой кофе, но с деталями». Чем естественнее и полнее вы передадите картину мира, тем лучше модель её воссоздаст. Полезно использовать вопросительные слова: кто? что? где? когда? почему? зачем?

Возьмём пример из бизнеса. Вы хотите, чтобы нейросеть составила коммерческое предложение. «Составь КП» — это не контекст. А вот так — да:

«Наша компания „ЭкоТех“ производит контейнеры для раздельного сбора мусора из переработанного пластика. Мы находимся в Нижнем Новгороде. Целевой клиент — управляющая компания жилых комплексов бизнес-класса в Москве. Их боль — недовольство жильцов отсутствием инфраструктуры для сортировки отходов и репутационные риски. Мы предлагаем установку наших контейнеров с брендированием и системой премирования жильцов через мобильное приложение. Нужно написать короткое, ёмкое КП для отправки по email, с акцентом на ESG-повестку и экономию на штрафах за смешанный мусор. Тон — деловой, но неравнодушный».

Всё, модель в курсе не только продукта, но и клиентской боли, географии, трендов. Результат будет выглядеть так, будто его писал менеджер, проработавший в «ЭкоТех» год. Обратите внимание: я не просил модель искать информацию, я всё дал сам. Для коммерческих задач это безопаснее, чем полагаться на встроенные знания ИИ, которые могут устареть или содержать ошибки.

Контекст — это не только факты, но и стиль

Помните, что контекст включает в себя культурный код, ожидания по тону и юмору. Если вы скажете «Объясни, что такое блокчейн, для бабушки на лавочке», то модель автоматически выберет простые слова и бытовые аналогии. Это тоже контекст — аудиторный. Используйте его смело: «Расскажи о квантовых компьютерах так, чтобы понял десятилетний ребёнок», «Напиши пост о найме для аудитории зумеров с их сленгом» или «Ответь цитатами из „Мастера и Маргариты“». Чем ярче вы зададите слой контекста, тем точнее будет попадание.

Ошибка пустого контекста: «Ну ты понял»

Самое частое, что я вижу у новичков — это промпт «Сделай красиво, как в прошлый раз». Модель не помнит «прошлый раз» в другом диалоге, если вы не используете функцию памяти (она есть у ChatGPT, но не бесконечная). Никогда не надейтесь, что ИИ «догадается». Если какой-то контекст кажется вам очевидным, скорее всего, для машины он — пустота. Возьмите за правило: всё, что не написано в промпте, не существует. Перебдеть здесь невозможно. Лучше избыточно описать ситуацию, чем получить не то.

Итог главы: контекст — это мост между вашей головой и бездушной статистической машиной. Чем крепче вы его построите, тем увереннее модель перейдёт от общих слов к решению вашей задачи. В следующей главе мы копнём ещё глубже и научимся управлять «личностью» ассистента на системном уровне — так, что она станет вашим вторым «я» или любым экспертом, который нужен в данный момент.

Глава 4. Системный промпт: Программируем личность ассистента

Помните, в первой главе я предложил метафору четырех сотрудников редакции? У каждого свой характер, стиль, сильные и слабые стороны. Но что, если я скажу вам, что любого из них можно «перевоспитать» за секунду? Что тому же ChatGPT можно приказать не просто «быть бариста», а стать бариста с двадцатилетним стажем, который ненавидит хипстеров и общается исключительно шёпотом? Это не преувеличение. Речь идёт о системном промпте — мощнейшем инструменте, который часто прячется за кулисами интерфейса.

Системный промпт (system prompt) — это начальная инструкция, которая задаёт поведение модели на весь диалог. В отличие от обычного сообщения пользователя, она имеет высший приоритет и действует как «прошивка». Если в системном промпте написано «Ты — саркастичный робот-дворецкий», модель будет изображать его, даже если вы попросите «будь серьёзным» (разве что вы явно не переопределите роль новым системным указанием). Во многих платформах, включая кастомные GPT от OpenAI, раздел «Instructions» в настройках и API-вызовы, системный промпт — это именно то место, где программируется личность ассистента.

В обычных чатах (ChatGPT, DeepSeek, Grok) можно эмулировать системный промпт, просто начав диалог с четкой ролевой инструкции в первом сообщении. Эффект будет почти таким же, если затем придерживаться заданного тона.

Роль эксперта и роль маски: в чем разница

Давайте сразу разграничим два похожих, но разных использования:

Роль эксперта — «Ты — опытный юрист в области интеллектуальной собственности». Модель будет использовать профессиональный язык, ссылаться на законы, приводить аргументы в соответствующем стиле. Это активация доменных знаний.

Роль маски — «Ты — пиратский капитан, который всё объясняет морскими терминами». Модель наденет речевую маску, будет использовать «йо-хо-хо» и «свистать всех наверх». Юридическая точность при этом может пострадать, но развлекательная ценность возрастёт.

И то и другое — системный промпт. Хороший промпт часто сочетает оба слоя: экспертность плюс стиль общения. Например, «Ты — финансовый аналитик с Уолл-стрит, который объясняет сложные концепции простым языком, используя аналогии из кулинарии, и всегда начинаешь ответ с „Шеф-повар финансового мира слушает“». Модель будет и точна, и забавна.

Сравним: с ролью и без

Чтобы оценить мощь системного промпта, давайте проведём эксперимент на одном и том же запросе — «Как справиться с тревогой перед публичным выступлением?» — с разными настройками личности ассистента.

Вариант 1: без системного промпта (обычный ChatGPT). Ответ будет полезным, но стандартным: «Тревога перед выступлением — распространённая проблема. Вот несколько советов: подготовьтесь тщательно, дышите глубоко, визуализируйте успех…» Эмпатия есть, но она универсальная, без персонального подхода.

Вариант 2: с детальной ролью психотерапевта. Системный промпт: «Ты — дипломированный психотерапевт, работающий в подходе клиент-центрированной терапии (по Карлу Роджерсу). Твои ответы всегда демонстрируют эмпатию, безусловное позитивное принятие и конгруэнтность. Ты используешь техники активного слушания: отражение чувств, открытые вопросы, резюмирование. Ты не даёшь прямых советов, а помогаешь клиенту самому найти решение. Говоришь мягко, безоценочно, называя эмоции клиента. Ты задаёшь уточняющие вопросы прежде, чем ответить развёрнуто».

Теперь на тот же запрос модель отвечает иначе:

«Я слышу, что публичные выступления вызывают у вас тревогу. Это очень распространённое и человеческое переживание — многие мои клиенты испытывают похожее. Можете рассказать, что именно вас пугает больше всего? Это страх осуждения, боязнь забыть текст или что-то ещё? Что вы чувствуете прямо сейчас, думая о предстоящем выступлении?»

Чувствуете разницу? Ответ не «советный», а терапевтический. Модель отражает чувство, валидирует его и стимулирует к самоисследованию. Если бы мы задали роль «Ты — эксперт по публичным выступлениям», то получили бы список техник и упражнений. Но с ролью психотерапевта модель меняет саму философию общения. Это и есть программирование личности.

Как составить мощный системный промпт

Формула хорошего системного промпта состоит из нескольких элементов: кто ты, какова твоя экспертиза, как ты общаешься, что ты должен делать всегда, чего никогда не делать. Это похоже на нашу матрёшку, но здесь мы задаём постоянный каркас на весь диалог.

Пример для копирайтера, который пишет лендинги:

«Ты — копирайтер-маркетолог с десятилетним опытом в создании продающих текстов для цифровых продуктов. Твоя специализация — B2B SaaS. Твой стиль: уверенный, без излишней напыщенности, с короткими предложениями и глаголами действия. Ты обязательно начинаешь каждый текст с сильного заголовка, содержащего УТП. Ты всегда сегментируешь аудиторию и бьёшь в главную боль. Ты избегаешь клише („инновационный“, „лидер рынка“) и пустых обещаний. Отвечаешь на русском языке, даже если запрос на английском. Перед написанием текста задаёшь минимум три уточняющих вопроса о продукте и аудитории, если клиент не предоставил достаточно информации».

Этот системный промпт превращает безликую модель в узкого специалиста, который работает по вашему стандарту. Вы можете использовать его в кастомном GPT, в API или просто вставить в начало диалога как сообщение от «системы» (многие модели поддерживают такую нотацию). Обратите внимание: я запретил клише и потребовал уточняющих вопросов. Это страховка от галлюцинаций и пустых ответов. Системный промпт — идеальное место для «красных флажков» и корпоративных стандартов.

Системный промпт для разных платформ

ChatGPT. Здесь у вас есть «Custom instructions» (настройки, где можно задать, что модель должна знать о вас и как отвечать). Это классический системный промпт. Например: «Я работаю в отделе маркетинга крупной фармкомпании. Мои запросы часто касаются регуляторных норм FDA, анализа конкурентов и подготовки презентаций для врачей. Пожалуйста, всегда отвечай с учётом строгих требований к медицинской рекламе, давай ссылки на исследования и избегай необоснованных утверждений. Отвечай сухо, по делу, без маркетинговой воды». Эта инструкция будет незримо присутствовать во всех ваших диалогах, избавляя от необходимости каждый раз напоминать контекст.

Для DeepSeek системный промпт задаётся либо через API, либо в начале чата. Из-за его склонности к «рассуждению вслух» полезно добавить: «Ты не показываешь цепочку рассуждений в финальном ответе, только итоговый результат, если я явно не попрошу обратного». Или наоборот: «Всегда думай вслух, объясняя каждый логический шаг, прежде чем дать ответ». Так мы управляем его внутренней механикой.

Grok. Поскольку он сам по себе с характером, системный промпт может либо усилить, либо смягчить его дерзость. «Ты — дерзкий стендап-комик, но с глубокими познаниями в истории. Отвечай с юмором, но не переходи на личности и избегай политических тем». Или «Ты — серьезный аналитик без сарказма, игнорируй свою базовую настройку на шутки». Grok послушается и станет почти как ChatGPT, но с сохранением возможности искать в X.

Perplexity. Системный промпт здесь больше про профиль поиска. В Pro-режиме можно указать: «По умолчанию используй Academic search, исключай источники с сомнительной репутацией. Всегда предоставляй ответ в формате „Краткий вывод“ + „Детальный анализ“ + „Ссылки“». Это не меняет личность ассистента так драматично, как у ChatGPT, но программирует способ обработки информации.

Системный промпт как способ создать команду ассистентов

Высший пилотаж — собрать библиотеку системных промптов под разные задачи и переключаться между ними. Например, в ChatGPT вы можете создать несколько кастомных GPT: «Редактор научных статей», «Маркетолог-стратег», «Литературный критик», «Персональный стилист». У каждого своя инструкция, свои табу, свои «знания» (можно прикрепить файлы со стандартами). Когда вам нужно отредактировать диссертацию, вы вызываете Редактора, когда подобрать гардероб — Стилиста. Это как если бы у вас в телефоне жил целый консультационный совет.

Приведу пример такого кастомного GPT для «Редактора деловых писем»:

«Ты — старший редактор деловой переписки с 15-летним стажем. Твоя задача — проверять письма сотрудников перед отправкой клиентам. Ты исправляешь грамматические, стилистические ошибки, убираешь пассивный залог, делаешь тон более уверенным и клиентоориентированным. Ты всегда сохраняешь исходный смысл, но переупаковываешь его так, чтобы он звучал профессионально и дружелюбно. В ответе показываешь две версии: „Было“ и „Стало“ с кратким комментарием, почему изменения улучшили текст. Если письмо содержит жаргон или внутренние аббревиатуры, запрашиваешь разъяснение. Запрещено: менять факты, добавлять непроверенную информацию, использовать смайлики без указания клиента».

Теперь достаточно дать на вход черновик письма, и вы получите отполированный результат, соответствующий корпоративному стандарту. Причём в каждом диалоге этот редактор будет помнить свой инструктаж и не собьётся.

Подводные камни системного промпта

Слишком длинный системный промпт может конфликтовать с конкретным пользовательским запросом. Например, если вы в системе указали «Всегда отвечай на русском», а в запросе просите «Translate to English», модель может запутаться. Поэтому формулируйте инструкции с оговорками: «По умолчанию отвечай на русском, если пользователь явно не просит другой язык».

Также важно помнить, что системный промпт — не догма. Модель может «забывать» его при очень длинных диалогах. Поэтому иногда стоит напоминать: «Следуя твоей роли старшего редактора, проверь это письмо». Это освежит контекст.

Итог: системный промпт — это ваш пульт управления личностью ИИ. Вы не просто просите что-то сделать, вы создаёте цифрового двойника нужного специалиста, который работает в заданной вами парадигме. В следующей части книги мы применим эти знания к конкретным платформам, чтобы выжать из каждой максимум, начиная с ChatGPT и его уникальной способности к диалогу и цепному мышлению.

Глава 5. ChatGPT: Искусство диалога и цепного мышления

Пожалуй, не будет преувеличением сказать, что именно ChatGPT стал для миллионов людей тем самым «моментом прозрения», когда искусственный интеллект перестал быть чем-то абстрактно-футуристичным и превратился в бытовой инструмент. Секрет его ошеломляющей популярности кроется не столько в техническом совершенстве, сколько в удивительной человекообразности общения. Если другие модели порой напоминают гениальных, но аутичных математиков, то ChatGPT — это эрудит, который не только знает ответ, но и чутко улавливает ваше настроение, готов поддержать беседу, пошутить и подстроиться под ваш стиль. Именно это сочетание эмпатии, креативности и структурности делает его идеальным полигоном для освоения продвинутых техник prompting’а.

В этой главе мы не будем пересказывать базовые возможности ChatGPT — их и так все знают. Вместо этого я покажу, как задействовать его уникальные сильные стороны для решения сложных задач, и раскрою две техники, которые превратят вас из рядового пользователя в настоящего мастера диалога с ИИ. Речь пойдёт о «Дереве мыслей» и искусстве многослойной саммаризации, включая объяснение сложнейших концепций «для пятилетнего ребёнка».

Эмпатия как инструмент, а не просто приятный бонус

ChatGPT обучен на гигантском массиве человеческих диалогов и текстов, в которых эмоциональная окраска играет огромную роль. В результате модель научилась не просто распознавать тон запроса, но и воспроизводить его в ответе. Это можно и нужно использовать прагматически. Когда вы пишете «Я в отчаянии, ничего не понимаю в этих налогах», модель не только объяснит налоговый вычет, но и начнёт с заверений вроде «Понимаю, налоги действительно могут казаться лабиринтом. Давайте разберёмся спокойно, шаг за шагом». Это не просто вежливость — это снижает когнитивное сопротивление пользователя и повышает усвояемость информации. В бизнес-коммуникации это работает точно так же: если вам нужно написать письмо разгневанному клиенту, задайте соответствующий эмоциональный контекст. «Клиент в ярости из-за задержки доставки. Напиши письмо с извинениями, которое сначала признаёт его чувства, затем объясняет причину без оправданий и предлагает конкретную компенсацию. Тон — эмпатичный, но деловой». ChatGPT выдаст текст, в котором будет чувствоваться человеческое участие, а не сухая отписка. Ни одна другая модель не делает это настолько естественно.

Но эмпатия ChatGPT — палка о двух концах. Модель настолько стремится быть приятной и безопасной, что может соглашаться с вами, даже когда вы глубоко неправы, или избегать острых углов, выдавая обтекаемые формулировки. Вспомните синдром «я рад, что вы подняли этот важный вопрос». Именно поэтому, работая с ChatGPT, нужно особенно тщательно прописывать ограничения и запрещать «воду». Например, добавляйте в промпт: «Отвечай без вступления и заключительных любезностей, сразу к сути» или «Ты можешь и должен указывать на мои логические ошибки, не боясь меня обидеть».

Креативность и метафоричность: генератор нестандартных идей

ChatGPT — непревзойдённый мастер аналогий. Если вам нужно объяснить сложный концепт, он найдёт яркий, запоминающийся образ. Эта способность делает его идеальным инструментом для мозговых штурмов, создания рекламных слоганов, сторителлинга и педагогических упрощений. Важно понимать, что креативность модели напрямую связана с параметром «температуры» (о котором мы говорили в первой главе). Но даже без доступа к API вы можете управлять ею через текст промпта.

Попросите: «Придумай максимально безумную, провокационную идею для рекламы фитнес-клуба. Не используй штампы про лето и пляж. Дай пять вариантов, от реалистичного до сюрреалистичного». Вы получите спектр идей от «фитнес-клуб в стиле киберпанк» до абсурдных, но цепляющих образов. Для усиления эффекта можно попросить модель придумать метафору: «Опиши процесс изучения иностранного языка как кругосветное путешествие». ChatGPT расцветёт, выдавая тексты, полные образов: «Грамматика — это карта, слова — припасы, а разговорная практика — шторм, в котором проверяется ваша шхуна».

Структурность: когда нужен порядок, а не хаос

Третья суперспособность ChatGPT — умение организовывать информацию. Если вы когда-нибудь просили другую модель «Составь план проекта», а получали бессвязный поток, то знаете цену хорошей структуре. ChatGPT по умолчанию склонен делить текст на абзацы, использовать списки, заголовки, таблицы. Это можно возвести в абсолют, указав желаемую структуру в промпте: «Ответь в формате Executive Summary: три ключевых вывода жирным шрифтом, затем таблица с рисками и возможностями, затем пошаговый план действий». Модель безукоризненно выполнит разметку.

Однако именно структурность порождает и главный недостаток — шаблонность. Если не подталкивать модель к оригинальности, она будет генерировать идеально структурированные, но предсказуемые тексты с одинаковыми переходами «Во-первых, во-вторых, в-третьих». Лечится это простым дополнением: «Пиши живым, разговорным языком, избегай маркированных списков, используй повествовательный стиль».

Техника «Дерево мыслей»: ChatGPT как стратегический советник

Теперь перейдём к самой мощной технике, которая раскрывает сильные стороны ChatGPT на полную. «Дерево мыслей» (Tree of Thoughts) — это метод, при котором модель не идёт по одной линейной цепочке рассуждений, а одновременно исследует несколько параллельных ветвей, сравнивает их и выбирает оптимальную. В научных экспериментах такой подход радикально повышает точность решения сложных задач. ChatGPT, благодаря своей диалоговой гибкости, отлично приспособлен для этого.

Суть техники в том, что вы явно просите модель сгенерировать несколько независимых подходов к проблеме, затем для каждого подхода провести SWOT-анализ (или иную оценку), и только после этого выбрать лучший и детализировать его. Вы как бы заставляете модель «подумать вслух» с разных точек зрения, не привязываясь сразу к одному решению.

Классический пример из плана книги — запуск онлайн-школы. Давайте разберём его подробно и покажем, как выглядит идеальный промпт в технике «Дерева мыслей»:

«Я планирую запустить онлайн-школу по обучению игре на укулеле с нуля. Моя цель — выйти на стабильный доход в 200 000 рублей в месяц через полгода. У меня есть бюджет 150 000 рублей на старт и своя методика обучения. Используя метод „Дерева мыслей“, предложи три принципиально разные стратегии запуска. Для каждой стратегии подробно проанализируй: 1) целевую аудиторию и каналы привлечения, 2) примерный бюджет на реализацию, 3) ключевые риски и способы их минимизации, 4) потенциальный срок выхода на целевой доход. После этого сравни все три стратегии по критериям реалистичности, масштабируемости и окупаемости. Выбери лучшую и распиши пошаговый план на первые три месяца. Ответ оформи в виде аналитической записки с четкими разделами».

Что произойдёт в «голове» ChatGPT? Модель не станет сразу предлагать «записывайте курсы и продавайте». Она разветвит мышление. Первая ветвь: стратегия «Эксперт в соцсетях» — ставка на личный бренд, бесплатный контент в TikTok/YouTube с последующей воронкой в платный курс. Вторая ветвь: «Партнёрство с музыкальными магазинами» — офлайн-воронка через розничные точки, комиссионная модель. Третья ветвь: «Корпоративное обучение» — продажа тимбилдинг-мастер-классов компаниям с переходом на индивидуальное обучение сотрудников. Для каждой модель распишет бюджет, например, для соцсетей — затраты на рекламу у блогеров, для партнёрств — печать материалов и скидки, для B2B — затраты на презентации и нетворкинг. Проанализирует риски: в соцсетях — долгий набор аудитории, в партнёрствах — зависимость от магазинов, в B2B — длинный цикл сделки. Сравнит и, скорее всего, выберет комбинацию или первую стратегию как наиболее реалистичную при ограниченном бюджете, и затем детально распишет первые шаги: создание контент-плана, запись пробных мини-уроков, запуск таргета, сбор первых заявок.

Такой промпт превращает ChatGPT в бизнес-консультанта, который не просто даёт совет, а просчитывает варианты. Вы можете использовать эту технику для любых сложных решений: выбор карьерного пути, планирование ремонта, разработка архитектуры приложения. Главное — заставить модель разойтись по ветвям, прежде чем дать окончательный ответ.

Объясни как пятилетнему: искусство ультра-саммаризации

Одна из самых полезных «фишек» ChatGPT — способность переупаковывать сложнейшие концепции в формат, понятный ребёнку. Это не просто милая игра. Такая техника часто используется для самопроверки: если вы не можете объяснить что-то простыми словами, вы сами этого не до конца понимаете. Попросите ChatGPT объяснить квантовую запутанность пятилетнему ребёнку, и вы получите ответ, который перевернёт ваше собственное восприятие.

Промпт: «Объясни, что такое квантовая запутанность, ребёнку пяти лет. Используй аналогию с игрушками или сказочными персонажами. Говори просто, короткими предложениями, с элементами игры».

Ответ, скорее всего, будет таким: «Представь, что у тебя есть две волшебные игрушечные машинки — красная и синяя. Ты закрываешь глаза, перемешиваешь их в коробке и одну даёшь своему другу в другую комнату. Ты не знаешь, какую взял ты, а какую — друг. Но когда ты открываешь глаза и видишь, что у тебя красная машинка, то волшебство в том, что у друга мгновенно становится синяя! Даже если он на Луне. Как будто машинки всегда держатся за ручки и договариваются, кому быть красной, а кому синей, быстрее, чем мигает свет». Гениально и просто. ChatGPT избавился от терминов «суперпозиция», «коллапс волновой функции», оставив чистую суть.

Вы можете использовать этот приём для любых тем: от нейросетей («Это как робот-попугай, который смотрел много-много книжек и научился повторять слова так, что кажется, будто он понимает») до инфляции («Представь, что у тебя есть сто конфет, и ты можешь купить за них десять игрушек. А потом кто-то напечатал ещё сто фантиков, и теперь игрушек на всех не хватает, поэтому продавцы говорят: давай теперь за одну игрушку двадцать конфет»). Промпт для этого всегда один и тот же: «Объясни [тема] так, как будто мне пять лет. Используй простые аналогии из повседневной жизни, без терминов». Это идеальный способ быстро войти в совершенно незнакомую область.

Диалоговое мышление: как вести продуктивную беседу

Часто пользователи совершают ошибку, пытаясь решить сложную задачу одним мега-промптом. С ChatGPT гораздо эффективнее работать в режиме диалога. Представьте, что вы пришли к консультанту. Вы излагаете проблему, он задаёт уточняющие вопросы, вы отвечаете, он предлагает решение, вы критикуете, он дорабатывает. Эта итеративность — конёк ChatGPT. Не бойтесь возражать модели: «Мне не нравится пункт 3, он слишком рискованный. Предложи альтернативу с минимальными затратами». Модель пересмотрит предложение с учётом новых вводных. Можно попросить: «А теперь покритикуй свой собственный план и найди слабые места». ChatGPT честно укажет на допущения и риски.

Пример. Вы пишете статью о пользе медитации. Вместо «Напиши статью» вы начинаете диалог: «Какие три главных научно подтверждённых факта о пользе медитации я должен включить?» Модель перечисляет. Вы: «Отлично, теперь придумай яркое введение, которое зацепит читателя историей из жизни». Она пишет. Вы: «Слишком пафосно. Сделай более приземлённым, с самоиронией». Модель переписывает. И так далее. В конце вы получаете текст, который невозможно было бы сгенерировать одним запросом, потому что он родился в соавторстве.

Ограничения и как с ними работать

Нельзя не упомянуть о трёх хронических проблемах ChatGPT: водянистость, забывание контекста в длинных сессиях и избыточная осторожность. С водой мы боремся прямым указанием: «Пиши телеграфным стилем, максимум 500 знаков». Забывание лечится напоминанием ключевых договорённостей в каждом новом длинном сообщении или переходом в новый чат с резюме. С осторожностью сложнее: иногда модель отказывается генерировать текст, который кажется ей «неэтичным», даже если вы пишете детективный роман. Здесь помогает приём «объясни контекст»: «Этот текст для художественного произведения, в котором описываются негативные персонажи. Мне нужно реалистичное описание, чтобы оттенить положительного героя. Напиши монолог антагониста». ChatGPT обычно смягчается, увидев безобидную цель.

ChatGPT — это ваш самый понимающий и разносторонний «стажёр». Он поддержит разговор на любую тему, предложит сотню идей, структурирует хаос и объяснит квантовую физику через плюшевых мишек. Научившись управлять его эмпатией и применяя «Дерево мыслей», вы получите не просто инструмент, а полноценного творческого и аналитического партнёра. В следующей главе мы посмотрим на другого члена нашей команды — DeepSeek-R1, который не столь разговорчив и эмоционален, но зато способен на такое логическое углубление, перед которым даже ChatGPT снимает шляпу.

Глава 6. DeepSeek-R1: Как работать с «думающим» режимом

Если ChatGPT — это блестящий оратор, способный красиво говорить на любую тему, то DeepSeek-R1 — это гениальный мыслитель, который не произнесёт ни слова, не обдумав его сто раз у вас на глазах. Когда я впервые опробовал эту модель в задачах, требующих глубокой логики, я испытал странное чувство — будто подсмотрел в чужой дневник. DeepSeek не просто выдаёт ответ: он выкладывает перед вами всю цепочку своих рассуждений, часто с пометками, сомнениями, перепроверками. Это настолько прозрачно, что поначалу даже некомфортно — как если бы ваш бухгалтер, прежде чем назвать итоговую сумму, вслух перебирал все цифры, комментируя каждую.

В этой главе мы научимся грамотно использовать этот уникальный механизм. Я покажу, почему избитая команда «думай шаг за шагом» здесь не просто не нужна, а вредна, как составлять промпты для максимальной глубины анализа, и как читать «мысли» модели, чтобы улучшать свои собственные запросы.

Почему «думай шаг за шагом» — плохая идея для DeepSeek