home.social

#промптинг — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #промптинг, aggregated by home.social.

fetched live
  1. 35 файлов и одна кнопка, или как вытащить проект из веб-чата нейросети

    Некоторые веб-чаты вроде DeepSeek и Qwen не умеют отдавать бинарные файлы для скачивания. Я проверил это на практике и написал промпт, который генерирует единый HTML со встроенным ZIP-генератором на чистом JavaScript. Пользователь открывает файл в браузере офлайн, нажимает кнопку — и получает zip-архив со всей структурой директорий и файлов. Дальше его можно поместить под git, развернуть на машине или сделать что угодно ещё. Для нетерпеливых - ссылка на промпт .

    habr.com/ru/articles/1099452/

    #cheat #cheats #cheating #llm #промптинг #deepseek #prompting #rofi

  2. «Ты сеньор» и «думай пошагово»: проверил шесть приёмов на 30 задачах по Python

    Под прошлой статьёй предложили не спрашивать модель, уверена ли она, а отдельным запросом просить перепроверить и исправить код. Я проверил одну формулировку такой просьбы и ещё пять приёмов — «ты сеньор», «думай пошагово», «меня уволят», «сначала тесты», «только код» — одинаково: 30 задач по Python, скрытые тесты, три модели, по три прогона. Ни один приём не дал обнаружимой разницы в доле прошедших тестов. Переспрос исправил 3 решения из 5 неверных — мало, чтобы делать выводы. «Сначала тесты» дало в 2,6–4,4 раза больше выходных токенов, «только код» — на 10–46 % меньше. Некоторые ошибки повторялись при разных фразах: Haiku отвергал «1h30m» в пяти вариантах из семи. Внутри таблица, тексты фраз дословно и границы того, что из этого следует.

    habr.com/ru/articles/1096066/

    #эксперимент #python #gpt #генерация_кода #glm #llm #claude #промптинг #prompt_engineering #скрытые_тесты

  3. Кажется, мы ищем форму

    Привет, Хабр :3, что-то давно я не писал свое графоманство, что читается хуже нейрослопа, да и знаки препинания по паузам в уме моём, а еще я "–" умею ставить ввиду академической проф-деформации. Итак, заваривайте чай, напрягаем мозг, сегодня поговорим в целом о программировании и его проблемах ввиду популяризации LLM, а также экспериментах и куда смотреть, а куда не надо. Плана статьи не будет, до конца дочитают сильнейшие (изи байт). Ехала! Начать погружение в дебри ненормальности

    habr.com/ru/articles/1095038/

    #язык_программирования #эксперименты #ненормальное_программирование #формальная_верификация #llm #промптинг #сезон_код_будущего #flang

  4. Извлечение генома стиля в Chat GPT: от референса до готового скила

    Сделать одно изображение по референсу несложно. Гораздо сложнее сделать серию изображений, в которых меняются объекты и сюжеты, но сохраняется один визуальный стиль. В этой статье разбираемся, как сделать генерацию изображений более в предсказуемом стиле. Подробнее о геноме стиля

    habr.com/ru/articles/1083928/

    #ui #ux #ai #aiагенты #создание_сайтов #промпты #промптыподсказки #промпты_для_фото #промптинг #промпт

  5. Как работать с GPT Image 2.5: что советует OpenAI и что уже выяснили пользователи Reddit

    OpenAI выпустила подробный гайд по промптам для GPT Image 2.5. Я прочитал его, а потом полез на Reddit смотреть, что происходит с этими рекомендациями в реальной жизни. Оказалось, пользователи уже успели не только проверить многие советы, но и найти несколько довольно полезных обходных путей.

    habr.com/ru/companies/syntx_ai

    #GPT_Image_25 #GPT_Image_25_Flare #GPT_Image_25_Sunburst #генерация_изображений #ИИ_для_изображений #промпты_для_изображений #промптинг #редактирование_изображений #референсы_для_ИИ #генеративный_ИИ

  6. Не конкурируй с ИИ — управляй им. Как специалисту по ИБ остаться востребованным в эпоху ИИ-агентов

    Привет, Хабр! Меня зовут Алексей Лукацкий, я бизнес-консультант по безопасности и Chief Evangelist Officer в Positive Technologies, а до этого больше 18 лет проработал в Cisco. За свою карьеру я успел побыть программистом, администратором, аудитором, маркетологом, продавцом, преподавателем, rCISO, писателем и ИБ-евангелистом — и за всем этим стоит уже 35 лет в кибербезопасности, страшно даже произносить эту цифру вслух. За эти три десятилетия я видел, как менялась индустрия: появлялись новые угрозы, регуляторы выпускали всё новые требования, а специалисты по безопасности учились работать с облаками, контейнерами и DevSecOps-практиками. Теперь настал черёд следующего большого изменения — искусственного интеллекта, и мне захотелось поделиться мыслями о том, как он влияет на нашу профессию и что с этим делать. Вокруг искусственного интеллекта сегодня действительно много шума, и мнения о нём кардинально расходятся — от полного принятия до категорического отторжения. Одни считают, что ИИ вот-вот заменит специалистов по кибербезопасности, и указывают на нейросети, которые уже находят уязвимости на багбаунти-платформах или пишут нормативную документацию лучше человека. Другие, часто из старшего поколения, воспринимают ИИ как нечто враждебное, призывают запрещать и блокировать — и дальше начинаются истории с обходными путями и теневыми схемами использования. Вместо философских рассуждений о том, заменит ли ИИ человека или нет, я хочу поговорить о практических вещах, которые каждый специалист по ИБ может использовать уже сегодня, причём сделать хорошо. Как не остаться на свалке истории, а наоборот — вскочить на ступеньку этого поезда и использовать ИИ как инструмент, который усиливает, а не заменяет.

    habr.com/ru/companies/pt/artic

    #искусственный_интеллект #compliance #фстэк #модель_угроз #rag #промптинг #llm #llmмодели #llmагенты

  7. Почему хороший результат в разработке с ИИ начинается не с промпта

    Хабр, привет! Меня зовут Сергей Бережной, я директор по взаимодействию с разработчиками в Яндексе и эксперт онлайн-магистратуры «Фронтенд-, бэкенд-разработка и ИИ-решения» ИТМО в партнёрстве с Яндекс Практикумом . Приёмная кампания в нашу онлайн-магистратуру уже идёт, программа рассчитана на опытных разработчиков и на тех, кто идёт с нуля. Поэтому, если хотите программировать на JavaScript, Python, Java или С++ — ждём вас. А в этой статье я хочу поговорить о том, почему работа с ИИ постепенно перестаёт сводиться к написанию промптов, зачем разработчику учиться мыслить процессами, а не отдельными запросами, и почему именно такой подход позволяет получать качественный результат.

    habr.com/ru/companies/yandex_p

    #ии #промпт #промптинжиниринг #промптинг #разработка #фронтендразработка #бэкендразработка #фронтенд #бэкенд #нейросети

  8. Как я делаю нейромультик про Михалыча

    У меня есть мультик про мебельщика Михалыча. Снят в жанре мокьюментари — как будто кто‑то пришел с камерой к небольшому производству и снял документалку про обычный рабочий день. Интервью на камеру, бытовые сцены, узнаваемые типажи. Только всё это нарисовано и анимировано нейросетями — без художника, без аниматора, без актеров. Первую серию сделала, и вроде бы разобралась с процессом в целом. Но вторая оказалась сложнее, появился новый персонаж, сцены с двумя людьми в кадре, реквизит с текстом, который надо держать читаемым на протяжении всей анимации. Где‑то пришлось изобретать приёмы на ходу, где‑то переделывать по два‑три раза. В этой статье — полный разбор второй серии по шагам: что делала, что не получилось сразу и как решала. Как добиться от ИИ нормального результата

    habr.com/ru/articles/1052890/

    #промптинг #генерация_изображений #генерация_видео #генерация_видео_ии #иимодель #ии_помощник #gpt #seedance

  9. Особенности синтетических фокус-групп: что можно доверить ИИ, а что — исключительно человеку

    Привет, Хабр! На связи Артем Колесников, Product Marketing Manager в Garage Eight. Сегодня хочу поговорить с вами про фокус‑группы, а точнее про один из их вариантов. Обычно фокус-группы — это дорого, долго и почти всегда они работают с опозданием: вы зовете людей, когда уже сверстали лендинги, выпустили фичи и согласовали продвижение. Но с помощью современных LLM можно создать синтетическую фокус-группу, чтобы тестировать идеи, УТП, фичи, цены как после релиза, так и до релиза.

    habr.com/ru/companies/garage8/

    #синтетические_фокусгруппы #мультиперсонапромптинг #LLM #тестирование_гипотез #продуктовый_маркетинг #фокусгруппы #сегментация_аудитории #промптинг

  10. Вайбаналитика: как я учил LLM описывать бизнес-процессы, а не имитировать их

    Опыт ERP-архитектора: почему ChatGPT сначала выдавал красивые, но непроверяемые процессы — и почему решение оказалось не в промптах, а в предметной модели, технологической последовательности и проверяемых артефактах.

    habr.com/ru/articles/1041400/

    #вайбаналитика #LLM #ChatGPT #бизнеспроцессы #бизнесанализ #системный_анализ #1С_ERP #семантическое_ядро #промптинг #автоматизированное_тестирование

  11. LLM не работает за вас. Она работает с вами

    За последние пару месяцев я обучил свою команду, как встроить LLM в рабочий процесс. Не «поиграться с ChatGPT вечером». Не «задать вопрос, как сделать то-то». А именно начать использовать LLM в реальной работе: код, тексты, анализ, ревью, документация, исследование, планирование задач. Мой вывод стал неожиданностью для меня: LLM не работает за вас. Она работает с вами.

    habr.com/ru/articles/1038574/

    #llm #ai #искусственный_интеллект #разработка #промптинг #claude #claude_code #chatgpt #продуктивность #управление_разработкой

  12. Могут ли LLM находить flaky‑тесты по одному только коду теста? Разбор одного исследования

    Flaky‑тесты сложно ловить даже привычными инженерными методами: они ломают CI, подрывают доверие к автотестам и часто воспроизводятся только тогда, когда уже никто не понимает почему. Кажется логичным поручить такую задачу LLM: показать модели код теста и попросить определить, насколько он подозрительный. В статье разбираем исследование, где этот подход проверили на практике, и смотрим, почему хорошие метрики на датасете ещё не означают, что модель действительно понимает природу flaky‑поведения. Читать разбор

    habr.com/ru/companies/otus/art

    #flakyтесты #LLM #автотесты #тестирование_ПО #нестабильные_тесты #QA #машинное_обучение #анализ_кода #промптинг #RAG

  13. Эффект «галлюцинаций»: когда ИИ врет уверенным голосом

    ИИ может уверенно придумывать источники, путать факты и давать советы, которые выглядят убедительно до первой проверки. Для продуктовых команд, разработчиков и всех, кто внедряет LLM в рабочие процессы, это не абстрактная проблема, а риск в коде, поддержке, аналитике, юридических и образовательных сценариях. В статье разбираем, откуда берутся галлюцинации языковых моделей, почему их нельзя просто «починить» дообучением и какие инженерные приемы помогают снизить вероятность ошибки до приемлемого уровня.

    habr.com/ru/companies/otus/art

    #галлюцинации_ИИ #LLM #языковые_модели #искусственный_интеллект #машинное_обучение #RAG #нейросети #верификация_фактов #промптинг #ошибки_моделей

  14. Чем умнее становятся модели, тем больше ценится способность ясно мыслить и точно формулировать намерение

    Image gen by ChatGPT Images 2.0 К такому выводу я пришел совместно с Сlaude, Grok, Qwen и ChatGPT, но рассказываю по порядку... А началось с того, что пришла шальная мысль: " Риторика, которую и за предмет не считали, может оказаться весьма востребованным навыком. " Приглашаю обсудить и узнать, что думают про это современные фронтир модели.

    habr.com/ru/articles/1027954/

    #ясность_мышления #точная_формулировка #промптинг #риторика_2026 #prompt_engineering #двойная_риторика #коммуникация_с_ИИ #структурный_сдвиг #критическое_мышление #язык_как_интерфейс

  15. Чем умнее становятся модели, тем больше ценится способность ясно мыслить и точно формулировать намерение Im...

    #ясность #мышления #точная #формулировка #промптинг #риторика #2026 #prompt #engineering #двойная #риторика

    Origin | Interest | Match
  16. Стажер, а не магия: 5 базовых принципов промптинга

    Если вы пользуетесь ИИ с 2024 и знаете, что такое few‑shot — статью можно пропустить. Здесь про начальные принципы работы с текстовыми ИИ.

    habr.com/ru/articles/1021672/

    #промптинг #работа_с_ИИ #ChatGPT #нейросети #управление_командой #автоматизация_рутины #B2B_SaaS

  17. Дешевле Perplexity, но локально — и с любым агентом: Agent Browser Workspace

    - Дешевле Perplexity : на DeepResearch Bench получили 44.37 (RACE overall) на Claude Haiku 4.5 — модель заметно дешевле типичных "фронтирных" стэков. - Локально и прозрачно : реальный Chrome перед глазами — можно остановить, залогиниться, закрыть баннер, перезапустить шаг, расширить сбор, уточнить запрос. Итераций — сколько угодно. - Не только deep research : ещё и инструмент для браузерной автоматизации + извлечения контента, форм, HTML-данных. - Расширяемо : новые сайты добавляются профилями в scripts/sites/*.json — селекторы и "контролы" живут отдельно от кода и промптов.

    habr.com/ru/articles/1006470/

    #deep_research #ai #искусственный_интеллект #perplexity #промптинг #аналитика #исследование_программ #бесплатные_инструменты #автоматизация #продуктивность

  18. У нас есть джун, и мы его учим Амбициозный, с собственными пет-проектами, участвующий в формах и профильных и...

    #джун #ии #ии-агенты #промптинг #langchain

    Origin | Interest | Match
  19. Управляем поведением LLM: краткосрочные профили и их ограничения

    Мы привыкли верить, что если сказать модели «будь агрессивным трейдером» или «будь строгим аналитиком», то она действительно начнёт так себя вести. На практике всё не так просто. В длинном диалоге роль быстро выдыхается: модель соглашается с образом, но постепенно возвращается к базовой вежливости, осторожности и бесконечным дисклеймерам. Зато в коротких запросах происходит совсем другое. Один свежий промпт — и поведение реально сдвигается: модель становится заметно осторожнее, резче, параноидальнее или, наоборот, более рискованной. Это уже не «роль» в привычном смысле, а краткосрочный поведенческий профиль — временная настройка внутренних параметров решения. Исследования показывают, что такой профиль способен существенно менять поведение. Например, коэффициент неприятия потерь можно «подкрутить» почти в три раза — и модель начнёт требовать значительно большей выгоды, чтобы принять риск. Звучит мощно, но вместе с ним приходят стохастичность, зависимость от формулировки и неожиданные побочные эффекты. В статье разберём, где такие профили действительно работают, а где начинают ломать предсказуемость системы.

    habr.com/ru/articles/1001554/

    #промптинжиниринг #llm #llmприложения #агенты #llmагент #промптинг #роли

  20. Управляем поведением LLM: краткосрочные профили и их ограничения Мы привыкли верить, что если сказать модели...

    #промпт-инжиниринг #llm #llm-приложения #агенты #llm-агент #промптинг #роли

    Origin | Interest | Match
  21. 7 ошибок в ИИ промптинге, из-за которых нейросети звучат неестественно — разбор от GPTunneL

    Привет! Я — Егор, эксперт по промптингу в

    habr.com/ru/companies/gptunnel

    #промпты #промптыподсказки #промптинг #chatgpt #gemini_3_pro #claude

  22. Устойчивость роли в LLM-промпте: О границах промптинга и ролевых моделей

    Постоянно сталкиваюсь со статьями, инструкциями, репозиториями промптов, где бесконечно предлагают задавать роль LLM. Наверняка, даже курсы по промпт‑инженерии на этом построили. Однако четкого понимания, как это повлияет на качество ответов и поведение модели, никогда не приводится. Главный тезис: «делай так и будет хорошо!». Хочется ответить: «какие Ваши доказательства!?» Полагаю, есть два базовых основания для внедрения роли в LLM через промпт: – создание «личности» доменного специалиста, для доступа к профильным знаниям заданной роли; – задание паттерна поведения модели через указание «характера» модели, а не явных требований и ограничений на действия. Если мы зададим «характер» llm через роль, а она не стала умнее или не ведет себя нужным образом — понятно же, что модель «не поняла» роль, а инструкции сформулированы не качественно. Нужно больше инструкций, примеров и конкретики. Но, в большинстве случаев, это не помогает. И с вашим промптом все в порядке, просто проблема глубже, чем кажется.

    habr.com/ru/articles/992256/

    #промптинжиниринг #llm #llmприложения #промптинг #роли

  23. Устойчивость роли в LLM-промпте: О границах промптинга и ролевых моделей Постоянно сталкиваюсь со статьями, ...

    #промпт-инжиниринг #llm #llm-приложения #промптинг #роли

    Origin | Interest | Match
  24. Почему AI-агенты такие медленные? Часть 1: Путь вайбкодера

    Странный вопрос, не правда ли? У AI-агентов, конечно, есть разные проблемы, но вряд ли их можно обвинить в медлительности. Спросите, как говорится, любого, какие у него ощущения от AI, и первое, что вы услышите, будет что-то вроде: «AI за 3 часа сгенерировал мне 100 тысяч строк кода». Разве это можно назвать медлительностью? На этом месте можно было бы и разойтись: 100 тысяч за 3 часа. Покажите мне человека, который способен хотя бы в половину этого, — и «я съем свою шляпу». Но я по‑прежнему утверждаю, что AI-агенты слишком медленные. Не верите? Добро пожаловать под кат…

    habr.com/ru/companies/haulmont

    #вайбкодинг #aiагенты #llm #promptengineering #latency #промптинг

  25. Почему AI-агенты такие медленные? Часть 1: Путь вайбкодера Странный вопрос, не правда ли? У AI-агентов, конечно, ...

    #вайбкодинг #ai-агенты #llm #prompt-engineering #latency #промптинг

    Origin | Interest | Match
  26. Как я экономлю 10+ часов в неделю, заменив клавиатуру на умный голосовой ввод

    Каждый день я пишу тысячи слов текста. И долгое время я тратил на это неприлично много времени. Год назад я начал использовать умный голосовой ввод. Теперь я просто наговариваю тексты голосом, а LLM превращает это в грамотно оформленный текст с правильной структурой и пунктуацией. Экономия — минимум 10 часов в неделю. Очевидный лайфхак? Да. Но им пользуется ничтожное меньшинство, даже среди тех, кто работает с ИИ каждый день. В этой статье расскажу про исследования, которые подтверждают эффективность голосового ввода, покажу конкретные сценарии использования и сравню популярные инструменты, которые проверил лично.

    habr.com/ru/articles/988598/

    #голосовой_ввод #продуктивность #wispr_flow #superwhisper #промптинг #AIинструменты #claude_code #автоматизация #вайбкодинг #speechtotext

  27. Тестирую Nano Banana на реальной UX-задаче → создать workspace и пригласить коллегу (B2B SaaS)

    За 2025 год генеративные инструменты выросли не только по качеству, а по ощущениям в работе дизайнера (и не только для генерации КДПВ на Хабре). Я много времени провожу в AI-UI экспериментах и вижу, что решать прикладные UX задачи стало заметно проще. Уже сейчас внятный lo-fi прототип можно получить быстрее, а дальше уже выбирать, как жить: отдавать фронтендеру, прогонять через Lovable , Cursor или v0 , или же доводить руками до идеала. В этой статье я проверяю подход на сценарии, который знаком почти всем, кто делал B2B продукт. Первый вход: создаём рабочее пространство и приглашаем коллегу . Сценарий кажется очевидным, но именно в таких местах обычно и прячутся мелкие детали, которые потом превращаются во времязатратные переделки. ☞ Не пугайтесь 50 минутам прочтения: в статье много промптов, ИИ-ответов, всё аккуратно убрано под спойлеры → наверху только суть, остальное можно разворачивать и углубляться в детали. Вперёд к эксперименту и выводам

    habr.com/ru/articles/984140/

    #nano_banana #ai_дизайн #ux_дизайн #ui_дизайн #b2b_saas #онбординг #прототипирование #промптинг #продуктовый_дизайн #дизайн_процесс

  28. [Перевод] Cursor делает разработчиков менее эффективными?

    ИИ-ассистенты обещают ускорение, но полевой эксперимент METR с 16 разработчиками и 136 реальными багами показал обратное: с Cursor задачи выполнялись в среднем на ~19% дольше. Писать код действительно выходило быстрее, зато время съедали промптинг, ожидание ответов, проверка результатов и IDE-оверхед. Разбираемся, где ломается обещанная эффективность, как на неё влияют внимание и «поток», и когда ИИ в разработке реально окупается.

    habr.com/ru/companies/otus/art

    #cursor #ИИассистенты #продуктивность_разработчиков #llm #промптинг #кривая_обучения #оценка_эффективности #автоматизация_разработки #эксперимент

  29. [Перевод] Часть 2. Промпт-инжиниринг: обзор продвинутых техник (Chain-of-Thought, декомпозиция)

    Мы продолжаем адаптированный перевод статьи “ The Prompt Report: A Systematic Survey of Prompt Engineering Techniques ” (первую часть можно найти здесь ). С переводом мне по-прежнему помогает коллега – Анастасия Тарабакина. В этой части мы обсудим такие техники промптинга, как Chain-of-Thought и декомпозиция. Начнем с техник промптинга, которые заставляют модель демонстрировать пользователю внутренний процесс “рассуждения” над задачей ( Thought Generation ).

    habr.com/ru/articles/956596/

    #промптинжиниринг #промпты #промптинг #промпт #промптыподсказки #промптинженер #промптинженеринг #промпт_инженерия #английский_язык #искусственный_интеллект

  30. Математика смыслов: Как слова становятся векторами в мире GPT

    Эта статья открывает цикл, посвященный фундаментальным принципам работы GPT-моделей. Цель — последовательно разобрать их устройство, чтобы перейти к осознанному и эффективному проектированию инструкций, к промптингу . План всего цикла следующий: Математика смыслов (эта статья) : Фундамент. Разбираем, как слова превращаются в векторы и что такое семантическое пространство. Архитектура GPT : Как устроена сама нейросеть, что такое механизм внимания и как генерируется текст. Свойства GPT : разберём казуальное чтение, заморозку семантики в KV Cache, суперпозиция смыслов, семантические графы и другие свойства. Техники промптинга : Как знание основ помогает конструировать эффективные запросы. В первой статье этого цикла мы сознательно не говорим о нейросетях, а фокусируемся на базовых концепциях: как смысл слова представляется в виде математического вектора, как с этими векторами можно проводить арифметические операции ( Король - Мужчина + Женщина ≈ Королева ), почему контекст определяет значение, и как графы помогают структурировать знания. Читать далее про математику смыслов

    habr.com/ru/articles/948006/

    #GPT #основания_промптинга #ai #промптинг #семантика #математика

  31. Промптинг и суеверия. Что (не) надо добавлять к запросу в ChatGPT

    Американцы обожают играть на деньги и смотреть красочное шоу. Это самое примитивное и оттого ошибочное объяснение популярности программы The Price Is Right. Если вы никогда не видели эту передачу дневного американского телевидения, представьте себе многолетнюю светскую церемонию потребления, где зрителей зовут на сцену и награждают за умение ориентироваться в ценниках. Зритель из зала слышит заветную фразу «Come on down!», выбегает к подиуму и соревнуется в угадывании стоимости бытовых товаров. Впервые формат появился в 50-х годах прошлого века, а в 1972 году The Price Is Right подобновили и начали транслировать днём по будням на канале CBS . Но идёт передача не в прайм-тайм, а в 10:00 или 11:00 утра. Несмотря на её странное время показа, знакома она всем американцам. Смотрят её не только пенсионеры и домохозяйки, её хотя бы раз видели затемпературившие дети, которые вместо школы остались дома. Реальный секрет долгожительства программы — смешение доброжелательности ведущих, простоты правил с бытовой темой и разнообразные мини-игры. Одна из таких — Plinko, которая выглядит как детская забава. Участник получает плоские жетоны и, стоя наверху большой вертикальной доски со штырьками, сбрасывает их в прорези сверху. Жетон, ударясь о штырьки, хаотически меняет траекторию и внизу попадает в одну из девяти ячеек с разными суммами.

    habr.com/ru/articles/946816/

    #ChatGPT #большие_языковые_модели #промптинг #советы #промпты #БЯМ #ИИ #искусственный_интеллект #добавления_к_промпту #машинное_обучение

  32. Анализ системного промпта tool-deep-research

    Вот и дошли мои руки покопаться во внутренностях системного промпта tool-deep-research ( ссылка ) Сразу скажу, что возможностями Deep Research я пользовался редко, но в тех моментах, где оно действительно требовалось, он не раз меня выручал. Особенно это касается всяких финансовых вопросов: кредиты, вклады, инвестиции (решения принимаю все еще сам, но понимая конкретную конечную сумму и понятно расписанные условия, принимать решения стало значительно легче) и когда надо быстро погрузиться в новую для себя тему.

    habr.com/ru/articles/946698/

    #джейлбрейк #промптинжиниринг #промпты #промптинг #chatgpt

  33. Как убедить стол не таскать за собой чашки. Пошаговая отладка промпта в txt2img-сервисах

    Летнее утро на даче… Как такое не запечатлеть с помощью нейросетей! Цветущий сад, собака под ногами и тихо урчащая кофемашина, наливающая чашку крепкого ароматного напитка. Одну чашку. Казалось бы, ничего сложного. Садимся и набираем простой линейный промпт «что вижу, то пою», а модель сама всё нарисует. Не тут-то было. Зачастую простейшая казалось бы задача упирается в серьезную проблему в результате скрытых настроек и правил инструмента. Например, мы просим нарисовать одну чашку, а на картинке их постоянно две или больше. Исправить это можно либо с помощью множества итераций с применением средств отладки и перебором промптов. Но также интересно решить задачу через понимание и использование принципов работы нейросетей. Тут я покажу второй путь.

    habr.com/ru/companies/ru_mts/a

    #промптинг #контекстная_инженерия #чашка_кофе #txt2img #траблшутинг #нейросети

  34. [Перевод] Детальный гайд по выбору нейросети для Deep Research. Сравниваем ChatGPT, Gemini, Perplexity, Grok, Claude

    AI-агенты экономят до 90 % времени на исследованиях, но по умолчанию выдают отчёты с сомнительными источниками и слабой логикой. Чтобы получить результат уровня McKinsey, нужно управлять процессом: от постановки цели и контекста до контроля методологии и формата вывода. Сравниваем ChatGPT, Gemini, Perplexity, Grok, Claude и разбираем шаги по подготовке промпта

    habr.com/ru/articles/941252/

    #искусственный_интеллект #ai #deep_research #chatgpt #gemini #perplexity #claude #grok #промптинг #аналитика

Share on Mastodon

Enter the server where you have an account.