Вы пишете запрос, получаете связный, но абсолютно пластмассовый текст, и решаете, что ИИ еще «сырой».**
Вы думаете “это модель не та!” и начинаете тестировать новые модели, гоняясь за информационным шумом.
Но проблема не в модели. Проблема в беспорядке;
Вы просто даете своему ии мало деталей и в хаотичном порядке. Неправильный контекст.
Я часто наговариваю вводные для своих систем голосом. Просто иду гулять и 20 минут свободно болтаю в аудио: как я думаю, что я хочу, какие у меня есть заметки и идеи.
Но если скормить эту сырую расшифровку нейросети — она захлебнется. В машинном обучении есть термин
«эффект потери середины»
— доказанный феномен, когда модель забывает или игнорирует куски данных в середине неструктурированного текста.
Прямо как мы с вами на длинных лекциях) Можем вспомнить начало и конец (потому что он еще свежий). А в середине - нет;
Контекст нужно проектировать. И самое сложное здесь — не добавить информацию, а безжалостно отсечь лишнее. Лишний контекст разрушает логику агента быстрее, чем его нехватка.
**Вот как выглядит работа с контекстом на практике:
🙅♀️Что мы безжалостно вычищаем:**
— Абстрактные прилагательные. «Стильно», «уютно», «премиально» — это слова без конкретного смысла для модели. Слишком расплывчаты, чтобы помогать модели понять конкретное требование, В итоге важные детали у вас теряются.
— Простыни текста и сомнения. Не даем информацию в духе «может так, а может вот так» - это только запутывает модель. Она не отличает финальное решение от размышлений и начинает выдавать такой же размытый, неуверенный результат.
— Документы с шумом. Огромные файлы, где много формальностей, повторов и юридического текста, перегружают контекст. Модель не умеет «пролистывать» — она обрабатывает всё подряд, и важное просто теряется среди лишнего.
👌Что мы оставляем и четко структурируем:
— Конкретные примеры . Один живой пример работает лучше, чем десять абстрактных объяснений. Вы показываете: вот вход → вот как должен выглядеть результат. Модель быстро подхватывает стиль и логику.
— Стоп-лист. Четкий список того, чего нельзя: клише, канцелярит, ии-шные формулировки, “это не про то/ это про это”. Ваши правила делают результат предсказуемым.
— Структуру. Мы разбиваем информацию на блоки и помечаем их. Тогда модель воспринимает не сплошной текст, а понятную систему: где данные, где правила, где примеры.
Когда вы отсекаете все лишнее, происходит удивительная вещь. Знаете, на что это похоже? На чувство после генеральной уборки.
Когда ты вымыл весь дом, разобрал каждый шкаф, и теперь всё лежит на своих местах. В комнате много воздуха, физически легко дышать.
Именно эту генеральную уборку мы будем делать на воркшопе.
Мы перестанем играть с ИИ в «вопрос-ответ» и соберем вам полноценного партнера. Выгрузим из вашей головы весь хаос: обрывки идей, кейсы, истории, черновики, принципы работы. Разложим это по полочкам и превратим в систему.
Давайте сделаем так, чтобы ИИ стал продолжением вашей профессиональной интуиции, а не просто умной печатной машинкой.
Я уже сама жду новой встречи с вами с нетерпением и много нового для вас придумала)
В этот раз мне важно, чтобы в группе были люди с похожими запросами. Если хотите на воркшоп, пишите в личку: @maripetrovnaЯ задам пару вопросов о вас и ваших задачах, а потом пришлю программу и тарифы.
Хочу с каждым сначала немного пообщаться. 🫶
