Если интересен такой формат подачи - ставьте реакции ❤️ под этим сообщением. Если нет - 💩

P.S. Приносите свои кейсы в ЛС или в комментариях

Почему писать промпты с помощью ИИ - плохая идея и как это исправить?

Один из частых советов по работе с ИИ звучит так:

Не пиши промпт сам. Просто объясни ИИ задачу и попроси его написать промпт за тебя.

На первый взгляд совет разумный. И правда, ИИ часто полезен именно там, где человек мыслит слишком узко.
Например, вы планируете поездку. Обычно в голове держатся понятные вещи: куда поехать, где жить, что посмотреть, сколько это стоит. Но легко забыть про мелкие и скучные детали, которые потом оказываются критичными: местные правила, особенности транспорта, розетки, страховку, связь, ограничения по багажу, сезон дождей, санитарные требования, локальные платежные системы. Мы можем просто не знать, что в шестой стране окажется важным то, с чем в предыдущих пяти мы не сталкивались.

Вот тут ИИ действительно полезен. Он умеет расширять задачу, смотреть на нее шире и превращать сырую идею в более полноценное техническое задание.

Но есть проблема. Когда ИИ пишет промпт, он часто ведет себя как очень старательный джун, который боится ошибиться и поэтому вписывает в инструкцию вообще все, что приходит в голову. В результате вместо нормального промпта получается тяжеловесный документ с кучей ограничений, запретов, уточнений и повторов. А иногда и с противоречиями.

Почему так происходит? Во многом это наследие старого промптинга.

Еще полтора-два года назад модели чаще галлюцинировали, хуже держали задачу и требовали очень подробных инструкций. Поэтому люди писали многоэтажные промпты: сначала роль, потом контекст, потом шаги, потом формат ответа, потом список того, что нельзя делать, потом еще десять страховочных условий.
Таких промптов за последние годы написали десятки тысяч. Они попали в обучающие данные новых моделей.
И теперь, когда вы просите современную модель вроде GPT-5.5 написать промпт, она часто опирается именно на эти старые паттерны.

Проблема в том, что сами модели уже изменились. Современные ИИ-системы намного лучше понимают интеллектуальные задачи. Им уже не всегда нужно подробно расписывать очевидный рабочий процесс.
Кроме того, их серьезно тренируют на следование инструкциям. Поэтому они относятся к каждому пункту промпта гораздо внимательнее, чем кажется.

И вот здесь появляется парадокс.

Чем больше лишних инструкций вы добавили, тем выше шанс не улучшить результат, а ухудшить его.
Лишняя детализация начинает не направлять модель, а мешать ей работать. Поэтому я не прошу ИИ просто "написать промпт".

Я формулирую задачу иначе:
Напиши мне промпт для: [описание задачи].
Сначала задай мне вопросы, которые помогут тебе лучше понять задачу. После моих ответов напиши промпт. Сделай его максимально коротким. Включи только действительно важные инструкции. Оставь ИИ максимум свободы в работе.

В большинстве случаев этого достаточно, чтобы модель не уходила в избыточную детализацию. Но хороший промпт - это не статичный текст. Его нужно проверять, сокращать и улучшать. Почти как код. Если промпт распух, его можно прогнать через рефакторинг.

Например так:
Прочитай этот промпт как исполнитель, которому по нему работать.
Ответь коротко на три вопроса:
- Что в промпте уже работает хорошо?
- Чего тебе не хватает для эффективной работы?
- Что в промпте лишнее, дублируется, противоречит друг другу, сбивает с толку или ограничивает тебя без необходимости?
После этого дай список предлагаемых улучшений.

Это универсальный прием.

Он работает с промптами, которые написал ИИ. С промптами, которые написали вы сами. И с промптами, которые вы нашли в интернете.

Главная мысль простая:
ИИ можно использовать для написания промптов. Но не как генератор огромных инструкций на все случаи жизни. А как инструмент уточнения задачи, выявления слепых зон и последующего сокращения промпта до действительно важных требований.

ИИ в обучении начинает давать побочные эффекты: вводный курс по Computer Science в Беркли впервые не сдали 35% студентов. Обычно доля не сдавших была ниже 10%.

Источник: https://www.dailycal.org/news/campus/academics/failing-grades-soar-as-professors-see-greater-ai-usage-dwindling-math-skills-in-uc-berkeley/article_16fad0bf-02cb-4b8c-8d88-888ffd9f8608.html

Около 30 студентов уличили в списывании с использованием ChatGPT, Claude и Gemini. Однако проблема шире прямого читинга: часть студентов готовилась к экзаменам через чат-боты и в итоге не сформировала собственное понимание материала.

Похожая динамика наблюдается и на инженерных курсах: доля студентов, не справившихся с экзаменами, выросла примерно с 5% до почти 17%.

Одна из причин, на которую указывают преподаватели, это ослабление базовой математической подготовки. В результате ИИ не столько помогает учиться, сколько иногда маскирует пробелы до момента экзамена.

Промпт для самонастройки Claude Code и Cowork с учетом свежих изменений в Claude Code

В Claude Code изменилось поведение workflows. Раньше для запуска dynamic workflow часто было достаточно написать в запросе слово workflow. После обновления надежнее использовать ultracode или прямо формулировать команду:
use a workflow
run a workflow

Что такое dynamic workflow?

Это режим, в котором Claude не просто отвечает на запрос, а разбивает большую задачу на этапы и может запускать несколько подагентов. Такой режим полезен не для всего подряд, а для крупных задач:
- аудит проекта;
- миграция;
- поиск сложных багов;
- анализ архитектуры;
- рефакторинг большого участка;
- разбор технического долга;
- подготовка проекта к автоматизации.

Минус очевидный: такой режим расходует больше токенов. Поэтому использовать его лучше там, где задача действительно большая и многоэтапная.

Что делает промпт?
Он анализирует вашу работу за последние примерно 30 дней, ищет повторяющиеся ручные процессы и предлагает, что можно упаковать в более удобный формат.
Для обычной регулярной работы он предлагает:
- skills;
- команды;
- subagents;
- plugins;
- automations.

А ultracode оставляет только для действительно крупных и сложных задач.
Важный момент: промпт не плодит дубли и не начинает ничего создавать сам.

Сначала он показывает идеи, объясняет, что именно можно автоматизировать, и ждет подтверждения.
Как запустить:
1. Скопируйте текст промпта из файла.
2. Вставьте его в начало сессии Claude Code или задачи в Cowork.
3. Посмотрите предложения.
4. Подтвердите только то, что действительно нужно создать.

Идея простая: не просто пользоваться Claude Code как умным автодополнением, а постепенно настраивать рабочую среду под свои реальные повторяющиеся задачи.

Чем я занимаюсь последние полгода 😄

Кейс из реальной жизни. Ревью типовой схемы с CP2102.

Одна из первых моих прикладных схем от которой рефлекс "рука-лицо". Отправил в ChatGPT5.5-Pro поревьювить её 😁

Ответ вполне себе ничего: https://chatgpt.com/s/t_6a2718f45a688191a3d6b462f7819699

Единственное с пинами D+/D- он запутался. Отправил его посмотреть еще раз: https://chatgpt.com/s/t_6a2719779d9481918689dfcfb861e1d3
Разглядел, снял претензию 😄

Господа схемотехники после легкого ужаса от созерцания данной схемы наверняка подскажут что нужно было еще ему отправить Netlist и прочие артефакты. Но об этом как-то в другой раз :)

#пример

Если коротко - вот что выдал ChatGPT в ответ на схему и мою просьбу сделать ревью:

Краткое ревью схемы USB-UART на CP2102.
Первичное подозрение на перепутанные D+/D- после повторной проверки снято: линии USB данных подключены корректно. Основные вопросы остаются не к USB-паре, а к обвязке CP2102 и оформлению внешних цепей.

Что стоит проверить перед разводкой PCB:

Питание CP2102
Нужно явно зафиксировать режим: питание от USB через внутренний LDO или внешние 3.3 В. В текущем виде связка VDD/REGIN/VBUS выглядит неоднозначно.

Цепь RST/VBUS
Узел с R4 и C5 требует перепроверки по datasheet. Номинал C5 = 5.6 пФ выглядит нетипично для RC-сброса или фильтрации VBUS.

Индикация TX/RX
LED1/LED2, похоже, включены непосредственно в сигнальные линии. Это может нагружать UART/handshake и создавать паразитные подтяжки. Лучше использовать транзисторные ключи или отдельную буферизацию.

R5 = 0 Ом в одной USB-линии
Для симметрии USB-пары лучше либо убрать перемычку, либо поставить 0 Ом в обе линии, либо использовать согласующие резисторы симметрично.

Разъем X1
Не хватает явной подписи pinout: TXD/RXD/RTS/CTS/GND, направление сигналов и уровень 3.3 В CMOS. Это снижает ремонтопригодность и повышает риск ошибки подключения.

USB shield и защита питания
На схеме не видно политики подключения экрана miniUSB и защиты от обратного питания по USB 5V, если на плате есть другие источники питания.

Итог: USB D+/D- выглядят корректно, но схему нельзя считать полностью готовой без проверки питания CP2102, reset/VBUS-цепи, индикации сигналов и оформления внешнего разъема.

Из мира адаптации моделей под стесненные условия в портативке: https://habr.com/ru/companies/yandex/articles/1042706/

Минутка демотивации. Или наоборот.

19-летний вайбкодер Зак Ядегари продал свой счетчик калорий Cal AI примерно за $100 млн. Теперь он делает стартап для борьбы с думскроллингом.

Зак вайбкодил Cal AI в перерывах между уроками. Когда он заканчивал обучение в школе, проект приносил $30 млн в год при 10 млн юзеров.

Теперь Зак делает сервис Flow: он умеет блокировать отдельные приложения до тех пор, пока пользователь не отнесет смартфон к док-станции. Отлично помогает при зависимости от соцсетей.

ChatGPT, сделай как у него, не совершай ошибок.

Какашки поставили видимо те, кто демотивировались 😁

Anthropic выкатили Claude Fable 5 - это «безопасная» версия той самой Mythos для всех пользователей.

Судя по https://www.anthropic.com/news/claude-fable-5-mythos-5, она в разы лучше Opus 4,8 в написании кода, исследованиях и агентстких задачах. В SWE-bench Pro модель набирает рекордные 80,3%.

Надеемся, она не сломает интернет. Тестируем здесь: https://claude.ai/new

И, мой добрый друг скинул тут ссылку что к всеобщему счастью она будет доступа в Cursor. Правда по стоимости токенов в 5 раз дороже чем Opus 4.8. Надеюсь от этого Opus подешевеет т.к. его за глаза...😁

https://cursor.com/docs/models/claude-fable-5?utm_campaign=Fable%3A+Individual+Customers+%28Non-Privacy%29&utm_content=Fable%3A+Individuals+%28Non-Privacy%29&utm_medium=email&utm_source=customerio

В общем это версия "на поводке" с некоторыми ограничениями под названием Fable.

Mythos — та самая модель, которую Anthropic показали в апреле и тут же спрятали за семь замков: слишком уж хороша оказалась в поиске дыр и уязвимостей. Ещё до публичного анонса Mythos успела самостоятельно найти тысячи неизвестных уязвимостей в популярном софте — включая 27-летнюю дыру в OpenBSD и 16-летнюю в FFmpeg. Компания посмотрела на это и решила, что в открытый доступ такое выкладывать нельзя. Так появился Project Glasswing — клуб для избранных: в него входят правительство США, банки, провайдеры критической инфраструктуры. Полностью его выпустят явно нескоро, зато сегодня его выпустили погулять в «ошейнике, назвав Claude Fable 5.

Fable, понятно, от латинского fabula, «то, что рассказывают», родственник греческого mythos. Разница ровно одна, и в ней вся соль: когда классификаторы Fable обнаруживают запрос, связанный с кибербезопасностью, биологией и химией или дистилляцией, ответ автоматически обрабатывается Claude Opus 4.8, и пользователя об этом уведомляют. То есть на части запросов вы по факту получаете «старый» Opus 4.8, а не Fable 5.

Что до самой модели — это самая мощная публичная модель Anthropic на сегодня, state-of-the-art почти на всех бенчмарках. Контекст миллион токенов, вывод 128 тысяч.

А что помимо цифр? Есть ли примеры? Есть. Например, Stripe скормила ей Ruby-кодбазу на 50 миллионов строк, и миграцию по всей базе, на которую команда потратила бы два с лишним месяца, Fable сделала за день. Она прошла Pokémon FireRed, глядя только на скриншоты, без карт и подсказок — прежним моделям Claude для этого нужна была сложная обвязка-костыль. В Slay the Spire с доступом к файловой памяти она прибавила втрое сильнее, чем Opus 4.8. Правило здесь простое и важное: чем длиннее и сложнее задача, тем больше отрыв Fable от остальных моделей.

Стоит это удовольствие недёшево: десять долларов за миллион входных токенов и пятьдесят за миллион выходных — то есть вдвое (!) дороже Opus 4.8. Хотя, справедливости ради, это меньше половины того, что просили за Mythos Preview.

До 22 июня Fable 5 раздают бесплатно на планах Pro, Max, Team и seat-Enterprise — но только до 22 июня. На следующий день её уберут из подписок — дальше оплата по usage-кредитам, пока Anthropic не нарастит мощности и не вернёт модель в тарифы. На API и в Claude Code она доступна с сегодняшнего дня без всяких оговорок. Так что если подписка у вас есть, ближайшие две недели — то самое окно, когда можно бесплатно погонять самую мощную публичную модель на свете (на данный момент).

Если вы не видите модель у себя в Claude Code — активируйте её простой командой /model claude-fable-5, и всё тут же заработает.

Берите её под длинные агентные задачи, рефакторинг гигантских репозиториев, тяжёлую аналитику и работу со скриншотами. А вот для коротких рутинных запросов и всего, что рядом с кибербезом, биологией и химией смысла мало: переплатите вдвое и всё равно упрётесь в Opus.

@electronix_ai

Юморок в тему, уж извините, куда в наше время без юмора 😁

Кто поюзал Fable?

Ну что, кому как? Кто уже успел ощутить этот рывок в качестве ответов? :)

Я вчера попробовал на примере генерации тех. документации для кастомного IP-ядра на Verilog в виде заготовки материала для будущей статьи по SPI.

Удивила более человечная семантическо-лексическая основа при изложении сути дела. Объем снизился, а плотность смыслов повысилась. Было даже приятное ощущение от ознакомления с результатом генерации. Конечно, это может быть искаженное восприятие связанное с соответствующим уровнем ажиотажа. Но думаю ещё проверим в других задачах.

Ну и цена, конечно, сильно выше чем у Opus 4.8 на строку текста. Порядка 1800р. за 2300 строк документации. Но балансирую это тем, что качество выросло значительно, это заметно.

Если вам есть чем поделиться по этому поводу - комментарии открыты 😊

@electronix_ai

Выжимаем максимум из Claude Fable 5: Anthropic выпустили подробный гайд по работе со своей лучшей моделью.

Теперь скиллы и длинные инструкции могут только мешать. Fable сильно самостоятельнее Opus и додумывает все сама с пары фраз.

Переучиваемся промтить здесь:
https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5.