Проверил оплату ChatGPT через МТС, работает.
Но лучше оплачивать через знакомых, если нет своей зарубежной карты. Так дешевле.
Но лучше оплачивать через знакомых, если нет своей зарубежной карты. Так дешевле.
👍4🤔3
Расскажу на примере, как можно использовать нейронки для упрощения работы с контентом.
Канал веду давно. Темы постепенно накапливаются, постов много. Плюс есть клуб, для которого тоже нужно готовить материалы.
В какой-то момент понял, надо посмотреть, что у меня уже есть, и как это всё можно чуть более системно выстроить.
Чтобы проще планировать, не повторяться и не держать всё в голове.
С чего начал.
Экспортировал историю чата (канала).
Выгрузил, пришёл с этим к AI (здесь как раз помогает ChatGPT), спросил:
👉 Проанализируй посты в телеграм канале. Я загрузил файл.
В какой роли ты можешь помочь мне с разбором контента и планированием?
В процессе:
* проанализировали, какие темы уже хорошо раскрыты
* что из них "живёт" и продолжает интересовать людей (например: промпты, практические обзоры, личные мысли)
* что можно добавить: кейсы применения AI, примеры автоматизации в жизни и работе (буду усиливать эту часть)
Потом попросил помочь накидать структуру для контентного плана.
Разделили:
▫️ что удобно давать в канал,чтобы было интересно всем
▫️ что можно глубже разобрать для клуба, чтобы там был практический смысл и дополнительная польза
Сейчас у меня есть понятная сетка постов на неделю.
Не строгий "план-план", а ориентир, чтобы проще работать.
Плюс сделал для себя простую автоматизацию:
▪️ сбор полезных материалов по темам
▪️ подсказки по форматам постов
▪️ шаблоны для разных типов постов
Работает проще, чем кажется. Главное это правильно формулировать промпты.
Если интересно, в клубе расскажу подробнее:
* какие промпты использовал для анализа канала
* как выстроил для себя процесс планирования
* примеры шаблонов, которые сейчас применяю
Покажу прямо примеры промптов, чтобы каждый мог так разобрать свой канал, блог или проект.
P.S.
После анализа истории постов, нейронка понимает стиль автора и не дает рекомендации в стиле "я маркетолог сейчас продадим".
#ai #нейронныесети #контент #промпты #автоматизация
Канал веду давно. Темы постепенно накапливаются, постов много. Плюс есть клуб, для которого тоже нужно готовить материалы.
В какой-то момент понял, надо посмотреть, что у меня уже есть, и как это всё можно чуть более системно выстроить.
Чтобы проще планировать, не повторяться и не держать всё в голове.
С чего начал.
Экспортировал историю чата (канала).
Выгрузил, пришёл с этим к AI (здесь как раз помогает ChatGPT), спросил:
👉 Проанализируй посты в телеграм канале. Я загрузил файл.
В какой роли ты можешь помочь мне с разбором контента и планированием?
В процессе:
* проанализировали, какие темы уже хорошо раскрыты
* что из них "живёт" и продолжает интересовать людей (например: промпты, практические обзоры, личные мысли)
* что можно добавить: кейсы применения AI, примеры автоматизации в жизни и работе (буду усиливать эту часть)
Потом попросил помочь накидать структуру для контентного плана.
Разделили:
▫️ что удобно давать в канал,чтобы было интересно всем
▫️ что можно глубже разобрать для клуба, чтобы там был практический смысл и дополнительная польза
Сейчас у меня есть понятная сетка постов на неделю.
Не строгий "план-план", а ориентир, чтобы проще работать.
Плюс сделал для себя простую автоматизацию:
▪️ сбор полезных материалов по темам
▪️ подсказки по форматам постов
▪️ шаблоны для разных типов постов
Работает проще, чем кажется. Главное это правильно формулировать промпты.
Если интересно, в клубе расскажу подробнее:
* какие промпты использовал для анализа канала
* как выстроил для себя процесс планирования
* примеры шаблонов, которые сейчас применяю
Покажу прямо примеры промптов, чтобы каждый мог так разобрать свой канал, блог или проект.
P.S.
После анализа истории постов, нейронка понимает стиль автора и не дает рекомендации в стиле "я маркетолог сейчас продадим".
#ai #нейронныесети #контент #промпты #автоматизация
👍14🔥4
Появился интересный инструмент — OpenMemory.
Это модуль памяти для LLM, который работает локально и позволяет переносить контекст между разными нейросетями.
Пример: поработали в одном инструменте (в Claude или Cursor), задали какой-то контекст.
Потом открыли другой и у него есть доступ к прошлому контексту. Не приходится каждый раз объяснять заново.
Причём память работает локально. Можно контролировать, что сохраняется.
Поддерживается формат MCP. С ним уже работают Cursor, Claude, Windsurf и т.д.
Интеграция постепенно будет расширяться.
Инструмент в ранней стадии. Работает через локальный сервер (можно поднять, есть дока). Нужно немного разобраться, но в целом ничего сложного.
Ссылка на GitHub
#OpenMemory #ai #нейронныесети
Это модуль памяти для LLM, который работает локально и позволяет переносить контекст между разными нейросетями.
Пример: поработали в одном инструменте (в Claude или Cursor), задали какой-то контекст.
Потом открыли другой и у него есть доступ к прошлому контексту. Не приходится каждый раз объяснять заново.
Причём память работает локально. Можно контролировать, что сохраняется.
Поддерживается формат MCP. С ним уже работают Cursor, Claude, Windsurf и т.д.
Интеграция постепенно будет расширяться.
Инструмент в ранней стадии. Работает через локальный сервер (можно поднять, есть дока). Нужно немного разобраться, но в целом ничего сложного.
Ссылка на GitHub
#OpenMemory #ai #нейронныесети
🔥32
MCP (Model Context Protocol) — это открытый протокол для унифицированной передачи контекста и инструментов большим языковым моделям (LLM). По сути, MCP задаёт единый “разъём” для интеграции вашего чат-бота или ассистента с любыми внешними сервисами: базами данных, API и инструментами автоматизации.
Зачем нужен MCP?
Вместо создания N×M коннекторов под каждую связку LLM и сервис, вы реализуете один протокол.
Это позволяет легко менять или добавлять инструменты без правок в ядре приложения.
Документация
#ai #нейросеть #tools #mcp
Зачем нужен MCP?
Вместо создания N×M коннекторов под каждую связку LLM и сервис, вы реализуете один протокол.
Это позволяет легко менять или добавлять инструменты без правок в ядре приложения.
Документация
#ai #нейросеть #tools #mcp
🔥12
Какую проблему реально решает MCP
Когда подключаешь LLM к внешним сервисам, почти всегда начинается одно и то же: на каждый новый API или базу данных пишется свой отдельный коннектор.
Чем больше интеграций, тем больше разрозненного кода. Любое изменение или добавление инструмента — это правки в нескольких местах, потенциальные баги и лишние часы отладки.
MCP эту проблему убирает. Протокол задаёт единый стандарт описания инструментов для модели. Всё через декларативную схему.
Это упрощает поддержку и не ломает архитектуру. Проект становится более надёжным и масштабируемым. Упрощает подключение новых сервисов.
Где, по вашему опыту, MCP мог бы реально упростить жизнь или уже упростил?
#ai #нейросети #tools #automation #mcp
Когда подключаешь LLM к внешним сервисам, почти всегда начинается одно и то же: на каждый новый API или базу данных пишется свой отдельный коннектор.
Чем больше интеграций, тем больше разрозненного кода. Любое изменение или добавление инструмента — это правки в нескольких местах, потенциальные баги и лишние часы отладки.
MCP эту проблему убирает. Протокол задаёт единый стандарт описания инструментов для модели. Всё через декларативную схему.
Это упрощает поддержку и не ломает архитектуру. Проект становится более надёжным и масштабируемым. Упрощает подключение новых сервисов.
Где, по вашему опыту, MCP мог бы реально упростить жизнь или уже упростил?
#ai #нейросети #tools #automation #mcp
👍11
Разобрались, что такое MCP и зачем он нужен. Теперь как его внедрить в проект.
MCP — это не фреймворк, а протокол. Его задача стандартизировать взаимодействие модели с внешними инструментами.
Алгоритм такой:
1️⃣ Сначала определяете, какие инструменты или сервисы хотите "открыть" для модели. Например: CRM, БД, API внутренней системы.
2️⃣ Описываете эти инструменты в декларативном формате (JSON/YAML). Прописываете доступные методы, параметры, ограничения.
3️⃣ Подключаете MCP-сервер или клиент. Готовые SDK есть для Python, TypeScript, Java и т.д.
4️⃣ Интегрируете этот слой с вашей моделью. Поддержка MCP уже есть в популярных инструментах (LangChain, Semantic Kernel и др.).
5️⃣ Тестируете. При необходимости добавляете поддержку сложных сценариев — цепочек вызовов, откатов, проверок контекста.
Важно: MCP не заменяет логику бизнес-процессов — он делает так, чтобы модель могла безопасно и стандартизировано работать с внешними инструментами.
#ai #нейросети #tools #automation #mcp
MCP — это не фреймворк, а протокол. Его задача стандартизировать взаимодействие модели с внешними инструментами.
Алгоритм такой:
1️⃣ Сначала определяете, какие инструменты или сервисы хотите "открыть" для модели. Например: CRM, БД, API внутренней системы.
2️⃣ Описываете эти инструменты в декларативном формате (JSON/YAML). Прописываете доступные методы, параметры, ограничения.
3️⃣ Подключаете MCP-сервер или клиент. Готовые SDK есть для Python, TypeScript, Java и т.д.
4️⃣ Интегрируете этот слой с вашей моделью. Поддержка MCP уже есть в популярных инструментах (LangChain, Semantic Kernel и др.).
5️⃣ Тестируете. При необходимости добавляете поддержку сложных сценариев — цепочек вызовов, откатов, проверок контекста.
Важно: MCP не заменяет логику бизнес-процессов — он делает так, чтобы модель могла безопасно и стандартизировано работать с внешними инструментами.
#ai #нейросети #tools #automation #mcp
🔥17
Всё больше встречаются комментарии, что писать ролевые промпты это шиза, а длинные промпты это плохо.
А автор - "Генерирует в нейронке и выдает за авторский «полезный» контент".
В паре своих видео и стримах, я рассказывал когда какой подход нужен. Но давайте разберемся.
Зачем нужны ролевые промпты?
Ролевые промпты, например "ты – опытный преподаватель" или "играй роль пиратского рассказчика", позволяют задать нужную манеру общения — эмоциональную окраску, формальность или креативность.
Роль это не полный набор знаний, а "линза" для фокусирования внимания. Роль помогает сконцентрировать модель на нужной области, но должна дополняться конкретными инструкциями.
Но мало ли что говорю я, давайте обратимся к экспертам в этой области.
OpenAI
Anthropic
Ролевой промпт задаёт общую "персону" модели и стиль общения. Полезно, когда важен тон, доменная экспертиза или нужно сузить фокус.
А автор - "Генерирует в нейронке и выдает за авторский «полезный» контент".
В паре своих видео и стримах, я рассказывал когда какой подход нужен. Но давайте разберемся.
Зачем нужны ролевые промпты?
Ролевые промпты, например "ты – опытный преподаватель" или "играй роль пиратского рассказчика", позволяют задать нужную манеру общения — эмоциональную окраску, формальность или креативность.
Роль это не полный набор знаний, а "линза" для фокусирования внимания. Роль помогает сконцентрировать модель на нужной области, но должна дополняться конкретными инструкциями.
Но мало ли что говорю я, давайте обратимся к экспертам в этой области.
OpenAI
В Chat Completions каждому сообщению задают role; системная инструкция задаёт «высокоуровневые инструкции» и стиль поведения модели.
Ссылка
Anthropic
Используйте параметр system, чтобы задать роль — это самый мощный способ повысить качество Claude; роль усиливает точность, задаёт тон и удерживает фокус.
Ссылка
Ролевой промпт задаёт общую "персону" модели и стиль общения. Полезно, когда важен тон, доменная экспертиза или нужно сузить фокус.
👍15🔥3😁1🎉1
Когда нужен длинный промпт, а когда нет
- для детализации и ясности
- определить цель
- дать контекст
- включить инструкции
- указать стиль
- привести примеры
Это помогает избежать двусмысленности, уменьшить шанс галлюцинаций и повысить релевантность.
Но опять же, не слушаем меня, обратимся к экспертам в этой области.
OpenAI
Anthropic
Советы от автора
Если промпт состоит из нескольких больших задач или получился слишком большой. Проще разбить его на несколько частей и выполнить задачу по шагам.
Если задача простая или решается не подробным промптом, то делайте маленький промпт. Главное что ваша задача выполнена.
Если вы видите, что LLM не верно выполняет задачу, уточните промпт. Повторите эти действия. В итоге вы получите нужный вам промпт, с нужными инструкциями.
Со временем вы научитесь понимать когда нужна роль и когда нужен более подробный промпт.
- для детализации и ясности
- определить цель
- дать контекст
- включить инструкции
- указать стиль
- привести примеры
Это помогает избежать двусмысленности, уменьшить шанс галлюцинаций и повысить релевантность.
Но опять же, не слушаем меня, обратимся к экспертам в этой области.
OpenAI
Будьте конкретны, описательны и максимально подробны относительно желаемого контекста, результата, длины, формата, стиля и т.д.
Ссылка
Инструкции должны быть в начале, отделены через ### или """, и чётко разделены от контекста; это улучшает точность и структуру
Ссылка
Anthropic
Разместите длинный контекст (>20 000 токенов) в начале, а инструкции — в конце; это повышает качество ответа до 30 %
Ссылка
Давать контекст, определять формат, и приводить примеры, чтобы повысить точность
Ссылка
Советы от автора
Если промпт состоит из нескольких больших задач или получился слишком большой. Проще разбить его на несколько частей и выполнить задачу по шагам.
Если задача простая или решается не подробным промптом, то делайте маленький промпт. Главное что ваша задача выполнена.
Если вы видите, что LLM не верно выполняет задачу, уточните промпт. Повторите эти действия. В итоге вы получите нужный вам промпт, с нужными инструкциями.
Со временем вы научитесь понимать когда нужна роль и когда нужен более подробный промпт.
👍10🔥2
Генерирует в нейронке и выдает за авторский «полезный» контент
Я не скрываю что, создаю промпты с помощью LLM. Даже приводил пример мета-промпта.
Но я не выдаю сырой промпт от LLM.
Я в какой-то степени разбираюсь в промпт-инжиниринге и могу написать верный промпт.
LLM сокращает время на создание черновика, в принципе как и в других сферах мы их применяем.
Я адаптирую промпт. Убираю лишнее, дописываю или переформулирую. Тестирую, вношу правки и так до тех пор, пока не будет выдан нужный мне результат.
Получается ли что промпт, теперь авторский?
В создании контента так же. Поиск информации, создание черновика и т.д. могу доверить нейросети. Но весь текст, видео и т.д. созданы мною, под моей редактурой. Нейросеть не ведет мои каналы.
Нейросети для меня как помощник, который делает черновую работу и сокращает время на реализацию.
Ссылки для двух постов выше были найденные ChatGPT.
Считать ли этот контент авторским?
Я не скрываю что, создаю промпты с помощью LLM. Даже приводил пример мета-промпта.
Но я не выдаю сырой промпт от LLM.
Я в какой-то степени разбираюсь в промпт-инжиниринге и могу написать верный промпт.
LLM сокращает время на создание черновика, в принципе как и в других сферах мы их применяем.
Я адаптирую промпт. Убираю лишнее, дописываю или переформулирую. Тестирую, вношу правки и так до тех пор, пока не будет выдан нужный мне результат.
Получается ли что промпт, теперь авторский?
В создании контента так же. Поиск информации, создание черновика и т.д. могу доверить нейросети. Но весь текст, видео и т.д. созданы мною, под моей редактурой. Нейросеть не ведет мои каналы.
Нейросети для меня как помощник, который делает черновую работу и сокращает время на реализацию.
Ссылки для двух постов выше были найденные ChatGPT.
Считать ли этот контент авторским?
2👍25😁1
Хотел сегодня написать про автоматизацию, но продолжу отвечать на комментарии.
Соглашусь с автором комментария.
В своем посте, что бы это были не мои слова, я сделал ссылку на документацию OpenAI и Anthropic. Где объясняется как верно задавать роль.
В промптах которые я публиковал ранее, также задана роль с описанием деталей. В книге я так же привожу примеры ролевых промптов с деталями.
Там же есть шаблон базовой структуры ролевого промпта
Обратите внимание на
Теперь разберем приведенные мною примеры, на которые отреагировал автор комментария,
Нужно понимать, в какой ситуации и для какой задачи, вам может потребоваться описание роли именно таким образом, без уточнения деталей.
На скриншотах приведен пример как пишет опытный и не опытный преподаватель. Обратите внимание, что есть контекст и задача.
В примерах с преподавателем, меняется подача и стиль.
Такую роль можно использовать для задачи, где нужен диалог преподавателя и учеников. Например в сценарии или рассказе, или сами придумайте задачу.
Есть ситуации где нет необходимости в написании детализированной роли, по той причине, что задача такая.
Примерах на скриншоте с "играй роль пиратского рассказчика", мне нужна просто идея или вдохновение. Но ролью я задал нужный стиль.
Обратите внимание на скриншот без этой роли.
Когда вы решаете более сложную задачу или нужно задать верное направление диалога, то давайте контекст и больше деталей для роли.
Какой я хочу сделать вывод, задавать роль нужно так, как требует того задача.
Комментарий
Не соглашусь. Всё зависит от задачи. В примерах на скриншоте хватило и двух - трех предложений. Но есть более сложные задачи, где нужно уточнить детали. Писал об этом в этом посте и ссылался на документацию OpenAI и Anthropic.
Есть задачи которые повторяются и решать их каждый раз диалогом не разумно.
Например, у меня есть текст который был транскрибирован из аудио записи. В записи 10 человек рассказывают о проблемах в их районе. И мне нужно найти повторяющиеся проблемы и выстроить их по важности и по количеству (на самом деле задача может быть сложнее).
Я подготовлю один промпт, и буду его переиспользовать, так как такая задача у меня частая. Смысла в диалоге нет.
А таких задач которые мы хотим автоматизировать, у нас с вами много.
По поводу написания такого промпта. В том же посте я дал советы, как в режиме диалога прийти к нужным инструкциям и готовому промпту.
Так же в комментариях привели пример промпта, который сам напишет нужные инструкции.
Это иногда ошибка. Не всегда сгенерированные промпты получаются верными и решающими задачу пользователя нужным образом.
Без минимального понимания промпт-инжиниринга скорректировать промпт будет сложно. Проверено десятками примеров разных людей.
Автор снова "слышит звон...")))
промты типа = "ты – опытный преподаватель" или "играй роль пиратского рассказчика" = Бесполезный шлак!
хочешь задать роль, чтобы было эффективно?
- найди Конкретную личность (известную ии) - задай эту роль (например, роль автора книги "Пиши сокращай")
- найди описание вакансии или резюме конкретное (например, маркетолога ibm)- предварительно попроси нейронку составить детальный портрет этой личности
- однозначно уточни компетенции или прошлый опыт в роли, если ты сам нифига не понимаешь в этом
с таким подходом - роль работает, да
а ""ты – опытный преподаватель" - Х***a
Соглашусь с автором комментария.
В своем посте, что бы это были не мои слова, я сделал ссылку на документацию OpenAI и Anthropic. Где объясняется как верно задавать роль.
В промптах которые я публиковал ранее, также задана роль с описанием деталей. В книге я так же привожу примеры ролевых промптов с деталями.
Там же есть шаблон базовой структуры ролевого промпта
Выступи в роли [эксперт/специалист]. [Дополнительный контекст о роли]. [Конкретная задача].
Обратите внимание на
[Дополнительный контекст о роли], это то о чем говорит автор комментария.Теперь разберем приведенные мною примеры, на которые отреагировал автор комментария,
"ты – опытный преподаватель" или "играй роль пиратского рассказчика".Нужно понимать, в какой ситуации и для какой задачи, вам может потребоваться описание роли именно таким образом, без уточнения деталей.
На скриншотах приведен пример как пишет опытный и не опытный преподаватель. Обратите внимание, что есть контекст и задача.
В примерах с преподавателем, меняется подача и стиль.
Такую роль можно использовать для задачи, где нужен диалог преподавателя и учеников. Например в сценарии или рассказе, или сами придумайте задачу.
Есть ситуации где нет необходимости в написании детализированной роли, по той причине, что задача такая.
Примерах на скриншоте с "играй роль пиратского рассказчика", мне нужна просто идея или вдохновение. Но ролью я задал нужный стиль.
Обратите внимание на скриншот без этой роли.
Когда вы решаете более сложную задачу или нужно задать верное направление диалога, то давайте контекст и больше деталей для роли.
Какой я хочу сделать вывод, задавать роль нужно так, как требует того задача.
Комментарий
Я всегда за диалог и итерации. Как по мне любой промпт больше 2 предложений это или новичок, или втюхивают "инсайт")
Не соглашусь. Всё зависит от задачи. В примерах на скриншоте хватило и двух - трех предложений. Но есть более сложные задачи, где нужно уточнить детали. Писал об этом в этом посте и ссылался на документацию OpenAI и Anthropic.
Есть задачи которые повторяются и решать их каждый раз диалогом не разумно.
Например, у меня есть текст который был транскрибирован из аудио записи. В записи 10 человек рассказывают о проблемах в их районе. И мне нужно найти повторяющиеся проблемы и выстроить их по важности и по количеству (на самом деле задача может быть сложнее).
Я подготовлю один промпт, и буду его переиспользовать, так как такая задача у меня частая. Смысла в диалоге нет.
А таких задач которые мы хотим автоматизировать, у нас с вами много.
По поводу написания такого промпта. В том же посте я дал советы, как в режиме диалога прийти к нужным инструкциям и готовому промпту.
Так же в комментариях привели пример промпта, который сам напишет нужные инструкции.
Писать вручную подробные промты - дичь
вставляете свой промт в его начало (там место есть) - получаете развернутую инструкцию (ее нужно вычитать предварительно перед отправкой ии)
Это иногда ошибка. Не всегда сгенерированные промпты получаются верными и решающими задачу пользователя нужным образом.
Без минимального понимания промпт-инжиниринга скорректировать промпт будет сложно. Проверено десятками примеров разных людей.
1🔥12👍5
Как писать промпты для думающей модели
Модели о-серии (o3, o4-mini) описываются самой OpenAI как reasoning models. Они решают сложные задачи, "думая" внутри себя, а не только генерируя текст.
OpenAI прямо предупреждает: не добавляйте в запросы фразы вроде "Давай подумаем шаг за шагом". У таких моделей уже есть внутренний chain-of-thought. Дополнительная инструкция может ухудшить ответ.
Лучшие результаты даёт лаконичный запрос, где достаточно контекста и чётко сформулирован вопрос. Избегайте двусмысленностей.
OpenAI советует начинать промпт с основной инструкции (роли, задачи), а потом при необходимости добавлять уточнения или контекст, так модель быстрее "понимает" цель.
Чек-лист
▪️ Роль → задача → (при необходимости) дополнительный контекст.
▪️ Никаких "Думай пошагово"
▪️ Формулировки чёткие, без "воды".
▪️ После ответа уточняйте запрос, а не переписывайте его заново, итерации полезны.
Источник
Cookbook
#ai #нейросети #chatgpt
Модели о-серии (o3, o4-mini) описываются самой OpenAI как reasoning models. Они решают сложные задачи, "думая" внутри себя, а не только генерируя текст.
OpenAI прямо предупреждает: не добавляйте в запросы фразы вроде "Давай подумаем шаг за шагом". У таких моделей уже есть внутренний chain-of-thought. Дополнительная инструкция может ухудшить ответ.
Лучшие результаты даёт лаконичный запрос, где достаточно контекста и чётко сформулирован вопрос. Избегайте двусмысленностей.
OpenAI советует начинать промпт с основной инструкции (роли, задачи), а потом при необходимости добавлять уточнения или контекст, так модель быстрее "понимает" цель.
Чек-лист
▪️ Роль → задача → (при необходимости) дополнительный контекст.
▪️ Никаких "Думай пошагово"
▪️ Формулировки чёткие, без "воды".
▪️ После ответа уточняйте запрос, а не переписывайте его заново, итерации полезны.
Источник
Cookbook
#ai #нейросети #chatgpt
1🔥8
Как писать промпты для "не думающих" моделей
Под "не думающими" моделями OpenAI подразумевает GPT-4o, GPT-4.1 и их mini-версии. Эти модели не создают скрытую внутреннюю цепочку рассуждений, поэтому им полезно давать подсказку "думай пошагово" и задавать чёткую структуру.
Фраза "Давай подумаем шаг за шагом" (chain-of-thought) помогает модели разложить задачу на этапы, улучшая качество ответа.
Совет: поместите эту фразу в конце промпта, чтобы сначала дать инструкции, а затем указать, как рассуждать.
OpenAI рекомендует начинать промпт с главной инструкции и отделять её от контекста символами ### или """. Так модель быстрее улавливает задачу.
Уточняйте желаемый формат, длину, стиль и т. д. Чем точнее описание, тем меньше "творчества" и лучше результат.
Модели лучше следуют формату, если вы показываете пример (few-shot). Например, показать шаблон JSON или образец списка.
Начинайте с одного короткого запроса (zero-shot). Если ответ неточный, добавьте пару примеров (few-shot). Это официально рекомендуемый порядок итераций.
Даже без скрытого "рассуждения", GPT-4.1 подчиняется чётким инструкциям. Достаточно одного ясного предложения, чтобы "перенастроить" модель на желаемое поведение.
Источники
GPT-4.1 гайд
Best practices
#ai #нейросети #chatgpt
Под "не думающими" моделями OpenAI подразумевает GPT-4o, GPT-4.1 и их mini-версии. Эти модели не создают скрытую внутреннюю цепочку рассуждений, поэтому им полезно давать подсказку "думай пошагово" и задавать чёткую структуру.
Фраза "Давай подумаем шаг за шагом" (chain-of-thought) помогает модели разложить задачу на этапы, улучшая качество ответа.
Совет: поместите эту фразу в конце промпта, чтобы сначала дать инструкции, а затем указать, как рассуждать.
OpenAI рекомендует начинать промпт с главной инструкции и отделять её от контекста символами ### или """. Так модель быстрее улавливает задачу.
Уточняйте желаемый формат, длину, стиль и т. д. Чем точнее описание, тем меньше "творчества" и лучше результат.
Модели лучше следуют формату, если вы показываете пример (few-shot). Например, показать шаблон JSON или образец списка.
Начинайте с одного короткого запроса (zero-shot). Если ответ неточный, добавьте пару примеров (few-shot). Это официально рекомендуемый порядок итераций.
Даже без скрытого "рассуждения", GPT-4.1 подчиняется чётким инструкциям. Достаточно одного ясного предложения, чтобы "перенастроить" модель на желаемое поведение.
Источники
GPT-4.1 гайд
Best practices
#ai #нейросети #chatgpt
🔥6
Полноценный промпт — это не всегда просто две-три фразы.
Он похож на чёткое техническое задание: сначала задаёт роль модели, затем формулирует задачу, перечисляет ограничения и описывает формат ответа.
В официальных рекомендациях OpenAI подчёркивается, что запрос должен быть "ясным и конкретным" и содержать достаточно контекста, иначе модель теряется в догадках.
Такой промпт часто длиннее, потому что каждое требование или пример экономит вам итерации: модель сразу понимает, что от неё ждут.
В руководстве советуют дробить многошаговые инструкции на короткие пункты и разделять их делимитерами, так читаемость и точность выше.
Но длина не равна пользе. "Вода" — это текст без новой инструкции, контекста или формата. Создаёт шум, сдвигает внимание модели.
Если начать с обращения "Привет, мой дорогой и любимый ИИ, надеюсь, у тебя отличное настроение…", токенов станет больше, а смысл тот же. Убирайте такие части.
Пример из Cookbook о "meta prompting" показывает, как из короткого запроса ("Сделай резюме статьи") поэтапно строится длинный, но структурированный промпт.
Ответ становится лучше именно потому, что каждый элемент служит цели.
Чёткий промпт
Источники
Best practices for prompt engineering with the OpenAI API (п. 2 "Put instructions at the beginning…")
GPT-4.1 Prompting Guide (раздел Prompt Organization)
Enhance your prompts with meta prompting
#ai #нейросети #chatgpt
Он похож на чёткое техническое задание: сначала задаёт роль модели, затем формулирует задачу, перечисляет ограничения и описывает формат ответа.
В официальных рекомендациях OpenAI подчёркивается, что запрос должен быть "ясным и конкретным" и содержать достаточно контекста, иначе модель теряется в догадках.
Такой промпт часто длиннее, потому что каждое требование или пример экономит вам итерации: модель сразу понимает, что от неё ждут.
В руководстве советуют дробить многошаговые инструкции на короткие пункты и разделять их делимитерами, так читаемость и точность выше.
Но длина не равна пользе. "Вода" — это текст без новой инструкции, контекста или формата. Создаёт шум, сдвигает внимание модели.
Если начать с обращения "Привет, мой дорогой и любимый ИИ, надеюсь, у тебя отличное настроение…", токенов станет больше, а смысл тот же. Убирайте такие части.
Пример из Cookbook о "meta prompting" показывает, как из короткого запроса ("Сделай резюме статьи") поэтапно строится длинный, но структурированный промпт.
Ответ становится лучше именно потому, что каждый элемент служит цели.
Чёткий промпт
Ты — HR-менеджер международной компании. Подготовь письмо-отказ кандидату на позицию data-аналитика.
Тон: уважительный, деловой.
Язык: русский.
Структура:
1) благодарность, 2) краткая причина отказа, 3) пожелание успехов.
Длина: 120–150 слов.
Не упоминай внутренние процессы отбора.
Источники
Best practices for prompt engineering with the OpenAI API (п. 2 "Put instructions at the beginning…")
GPT-4.1 Prompting Guide (раздел Prompt Organization)
Enhance your prompts with meta prompting
#ai #нейросети #chatgpt
👍10🔥3
Работаю сейчас с Codex от OpenAI.
Для лучшей работы агента, советуют добавить файл agents.md в котором описать: структура проекта, стек, стиль кода, работа с Git, настройки проекта, запуск, тестирование и т.д.
Эта информация помогает Codex понять структуру кодовой базы и как генерировать код, который интегрируется с существующей кодовой базой.
В общем, файл agents.md помогает Codex понять как принято работать у вас в проекте.
У OpenAI есть несколько примеров таких файлов и один из них это проект на Django. Конечно есть моменты с которыми я не согласен (например где должна быть бизнес логика), но это уже моя проблема 😂.
Ссылка на все файлы
Ссылка на Django
Кто создаст файл agents.md для FastAPI?
#ai #нейросети #chatgpt #codex
Для лучшей работы агента, советуют добавить файл agents.md в котором описать: структура проекта, стек, стиль кода, работа с Git, настройки проекта, запуск, тестирование и т.д.
Эта информация помогает Codex понять структуру кодовой базы и как генерировать код, который интегрируется с существующей кодовой базой.
В общем, файл agents.md помогает Codex понять как принято работать у вас в проекте.
У OpenAI есть несколько примеров таких файлов и один из них это проект на Django. Конечно есть моменты с которыми я не согласен (например где должна быть бизнес логика), но это уже моя проблема 😂.
Ссылка на все файлы
Ссылка на Django
Кто создаст файл agents.md для FastAPI?
#ai #нейросети #chatgpt #codex
👍6