Начинаем тему прикладного промпт-инжиниринга Вещаю вам из тренажерного зала этим субботним утречком💪 Плюс тренировок субботним утром - мало людей, кто хочет так же) Сегодня коснемся немного контекстуального промптинга. Итак, если ChatGPT/Gemini/Claude регулярно даёт вам «вроде нормальный» ответ, но вам всё равно приходится переделывать - скорее всего, вы даете ему задачу без контекста. А значит, используйте один из рабочих вариантов - пусть нейросеть вас отбрифует. Представьте, что вы нанимаете себе на какую-то задачу маркетолога/дизайнера/менеджера по продажам (кого угодно). Что он сначала делает? Верно. Отправляет вам бриф из 20 вопросов. Если нет - 🚩 Нейросеть, как тот самый специалист - работает с тем, что получил. И если контекст неполный - он достраивает его сам. Итак, у вас меняется последовательность работы с нейросетью. Не сразу промпт, а сначала сбор контекста. Пишете: "Мне нужно решить задачу: [какую]. Прежде чем предлагать решение: 1. Задай до 10 уточняющих вопросов, без которых результат будет неточным. 2. Если данных не хватает - не додумывай их. 3. Не переходи к решению до уточнений." Вторая фаза - валидация понимания. После того как вы ответили на вопросы, добавьте: "Кратко сформулируй, как ты понял задачу, включая цель, ограничения и формат результата. Если в данных есть пробелы или неоднозначности - укажи их до того, как переходить к решению." Большинство людей исправляют итоговый текст. Почти никто не проверяет, правильно ли модель поняла задачу. Но если контекст неполный, модель достраивает недостающие детали наиболее вероятным сценарием) То есть, когда вы не фиксируете контекст, она додумывает. Поэтому вы сначала выравниваете понимание, потом получаете решение. Ставьте 🔥 и в следующем посте разберём смену режима мышления через конфликт экспертиз при работе с нейросетью. Такое мы обычно применяли, когда я работала маркетологом в маркетинговом агенстве (правда тогда еще без нейросетей). Хороших выходных ❤️ #промптинжиниринг