home.social

#промпты — Public Fediverse posts

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

fetched live
  1. ИИ‑агент захватил штурвал моего пет‑проекта. Возвращаю его с помощью интерактивных объяснений и двух промптов

    Всем привет! Меня зовут Дина, я Java‑разработчик, около шести лет в энтерпрайзе. С апреля начала делать пет‑проект вместе с ИИ‑агентом: он писал код, я ставила задачи и смотрела на тесты. Всё шло хорошо: тесты были зелёными, сценарии закрывались, а потом я открыла проект и поняла, что чётко не осознаю, как в нём устроен главный сценарий: от запроса до готового видео. Эта статья о том, как я возвращала себе понимание собственного кода.

    habr.com/ru/articles/1097826/

    #тестирование #java #code_review #springboot #промпты #ииагенты #claude_code #вайбкодинг #когнитивный_долг #агентская_разработка

  2. Почему ИИ ошибается и признает ошибку, только когда вы ее найдете? История одного экзамена

    Не так давно я поступал в аспирантуру. Готовился по старинке: конспекты, книжки, пробные тесты. Но уже в самой аудитории заметил, как многие полезли в часы и телефоны, начали украдкой использовать наушники. Оказалось старые добрые шпоры мелким почерком уступили у студентов место чатам с ИИ-моделями. Экзамен кончился, через пару дней я узнал, что поступил и задался вопросом: а если бы вместо меня экзамен сдавал ИИ, он бы справился? Если бы он не просто помогал, не подсказывал, а имел ровно те же вводные, что студент на экзамене? Я полез на сайт вуза добывать вопросы теста, чтобы скормить их разным ИИ-шкам, результаты эксперимента оказались немного неожиданными.

    habr.com/ru/companies/cloud_ru

    #образование #эксперимент #вузы #галлюцинации #критическое_мышление #chatgpt #llm #промпты #deepseek #claude_sonnet

  3. Регрессионное тестирование промптов: ИИ-модель в роли читателя пропустила три из четырёх текстов, которые я правил

    Я правлю промпты агентов, которые пишут и проверяют тексты. Чтобы правка не сломала то, что раньше работало, я собрал набор примеров с известным ответом и прогнал по нему проверку, где ИИ-модель играет читателя. Сильно правленые тексты она чаще пропускала, чем возвращала. В набор вошли тексты двух видов: одни я потом сильно переписывал руками, другие почти не тронул. Если принять правку промпта по такой проверке, брак уйдёт дальше, а проверка будет гореть зелёным.

    habr.com/ru/articles/1094096/

    #python #регрессионное_тестирование #оценка_моделей #llm #промпты #ииагенты #llmasajudge #тестирование_llm #тестирование_ииагентов #тестирование_промптов

  4. Выносила за девять месяцев: гайдлайн по вайб-кодингу для девочек (и мальчиков)

    Для тех, кто только открыл Claude Code и уже чувствует, что что-то идёт не так Девять месяцев я пишу свои проекты с Claude Code. Я не разработчик и руками за это время не написала ни строчки кода. За девять месяцев можно выносить ребёнка, но их у меня уже 5, поэтому в этот раз я выносила гайдлайн по вайб-кодингу. Токсикоз тоже был, про него писала тут Вайб-кодинг без розовых очков: как я писала свой продукт с Claude . А сегодня про то, как я работаю сейчас. С опытом сформировался порядок действий: сначала спека, потом код, потом проверка другим агентом или новым чатом. Я не претендую на исключительность, но все мои правила игры выстраданы личным опытом, временем и деньгами за подписку Max.

    habr.com/ru/articles/1094214/

    #продактменеджмент #llm #промпты #контекстное_окно #aiагенты #вайбкодинг #claude_code #vibe_coding #сезон_код_будущего #prd

  5. [recovery mode] «Ты senior Python-разработчик» сделал агента хуже: проверил 7 популярных приписок к промптам

    Чаевые, «меня уволят», «ты senior Python-разработчик», «подумай как следует», ultrathink. Проверил народные приписки на кодинг-агенте: пять задач, скрытые тесты, 156 прогонов. Чаевые помогли, но подняли счёт сильнее всех. «Подумай» и «меня уволят» помогли почти даром. А «сеньор» провалил задачу 8 раз из 8 и каждый раз уверенно отчитался, что всё сделал. Причина нашлась в логах агента, и она до смешного буквальная.

    habr.com/ru/articles/1093736/

    #тестирование #чаевые #llm #промпты #промптинжиниринг #claude_code #кодингагенты #ultrathink

  6. Видео из фото нейросетью: связка Nano Banana 2.1 и Hailuo 3.0, физика движения и промпты

    Чтобы сделать видео из фото нейросетью, нужны кадр и описание движения. Разбираю связку Nano Banana 2.1 и Hailuo 3.0 (MiniMax H3).

    habr.com/ru/companies/syntx_ai

    #нейросети #генерация_видео #промпты #imagetovideo #нейросеть_для_видео #нейросеть_для_изображений #оживить_фото #nano_banana_21 #видео_из_фото_нейросетью

  7. Anthropic запретила обижать Claude, а я матерюсь в каждом втором сообщении. Пришлось сделать Punto Switcher для промптов

    Всем привет! 8 октября Anthropic обновила правила пользования своими моделями. Среди прочего там появился пункт, который меня обеспокоил: систематическая бессмысленная жестокость к моделям теперь под запретом. Я как раз писал об этом новость и поймал себя на мысли, что я буду первым, кого забанят. Потому что я матерюсь на Claude Code. Много. Когда агент в который раз бодро рапортует «готово», а ничего не готово, слова я не подбираю. У меня даже есть скилл Prompt Warrior , который по логам считает, как я общаюсь с агентом. Посчитал: мат почти в каждом втором сообщении. А теперь пришла пора не только считать, но и менять. Менять текст, автоматически, а не свои привычки, конечно же.

    habr.com/ru/articles/1092236/

    #open_source #плагин #мат #anthropic #claude #промпты #deepseek #claude_code #sonnet #angry_switcher

  8. Писать агенту по-английски ради экономии? 40 прогонов: разница 12 токенов на задачу

    Частый совет: пишите агенту по-английски, русский съедает в полтора раза больше токенов. Токенизатор это подтверждает: 194 токена против 132 на одном и том же абзаце. Я прогнал пять рутинных задач на двух моделях, на обоих языках, по два раза. Сорок прогонов. Оба языка решили по 17 задач из 20, русский промпт к задаче длиннее в среднем на 12 токенов, а это 0,005% от того, что агент читает за прогон. Разброс между двумя одинаковыми запусками доходит до 3,4 раза. Рассказываю, куда делись полтора раза и где язык всё-таки стоит денег.

    habr.com/ru/articles/1090848/

    #промпты #токены #токенизатор #русский_язык #Claude_Code #кодингагенты #LLM #стоимость_LLM

  9. Как выбрать и проверить LLM для рабочих задач: Claude, GPT, Gemini и другие модели

    Новая LLM обошла конкурентов в работе с кодом. Но справится ли она с ошибкой в вашем репозитории? А модель, которая хорошо анализирует документы, — с таблицами, где возвраты лежат в отдельном файле, а правила расчёта выручки менялись три раза? Опубликованные тесты помогают выбрать несколько моделей для сравнения. Дальше нужны собственная задача и понятные условия приёмки: что должно получиться, как проверить результат и сколько ручной работы допустимо. Привет, Хабр! Я Игорь Зуриев, руководитель проектов по автоматизации бизнеса и внедрению систем на базе ИИ. Больше десяти лет управляю ИТ-проектами, в том числе для заказчиков из нефтегазовой отрасли и строительства — «Лукойла», аэропорта Шереметьево, «Трансгаза». Автор и преподаватель программ по ИТ-проектам и цифровым продуктам, в том числе в Университете Иннополис. В школе Karpov.Courses преподаю применение ИИ для анализа данных . Веду в ТГ канал «Нейросетка» . Сам использую ИИ для работы с кодом, документами и прототипами. Fable 5.1 понравилась мне тем, что код получался практически без ошибок с первого раза. В Stitch я описывал изменения интерфейса словами и сравнивал варианты экранов. А один из запусков Sonnet 5 закончился исчерпанием лимита без готового результата. Поэтому меня интересует и качество ответа, и то, сколько работы после него остаётся человеку.

    habr.com/ru/companies/karpov_c

    #LLM #большие_языковые_модели #сравнение_LLM #как_выбрать_LLM #Claude #GPT5 #Gemini #стоимость_токенов #промпты #локальные_модели

  10. Промпт-инжиниринг: чего не хватает в большинстве запросов к нейросетям

    Промпт-инжиниринг – новое направление в сетевом бизнесе, которое уже постепенно заполняет web-пространство. Что это и почему теперь так актуально? Прежде всего стоит уточнить, что под данным названием заключается вполне банальная задача: грамотное составление ТЗ нейросети. Например, не так важно, чего вы хотите, как то, чего вы хотите конкретно. Человек, который не разбирается в архитектуре своего проекта, не сможет составить ТЗ для внедрения новых функций. Значит, ключевым условием является знание мелких аспектов своей деятельности (то, что ещё обычно называют профессионализмом). Но какие ещё важные моменты стоит учитывать при работе с нейросетью? В своём блоге уже рассказывал о том, как правильно заниматься масштабированием IT-продукта через работу с нейросетью. Но через время было решено, что на моей страничке должно быть опубликовано небольшое пособие именно по промпт-инжинирингу, поскольку использовать нейросети для решения небольших или рутинных задач начал достаточно давно, вероятно, с самого их появления, потому знаю мелкие моментики, не имеющие, на мой субъективный взгляд, достаточной огласки в сети. Для начала стоит разобраться с тем, что именно такое нейросеть, так как для большинства пользователей ИИ – это некоторая шайтан-машина, которая якобы знает всё. Объясню крайне поверхностно и простым языком, но так, чтобы было понятно даже тому, кто к сфере IT не прикасался за жизнь: нейросеть – это очень хороший парсер (от слова «parsing» – анализ, разбор), учащийся/разбирающий огромные массивы данных с целью запоминания порядка идущих в них символов. Например, если в 10 загруженных в нейросеть статьях сказано, что «2 + 2 = 4», то нейросеть запомнит данную комбинацию и будет выдавать после «2 + 2» цифру «4».

    habr.com/ru/articles/1085860/

    #промптинжиниринг #нейросети #искусственный_интеллект #промпты #ChatGPT #разработка #ТЗ_для_нейросети #работа_с_ИИ #автоматизация #ITпроекты

  11. Почему умные NPC SkyrimNet ведут себя как попугаи? Эксперименты с ролеплейным ИИ

    Я пытался сделать NPC более реалистичными. Получился местами несмешной анекдот, а местами — психологический триллер. Я издевался над NPC, они издевались надо мной. Я запрещал им «думать о белой обезьяне», они меня газлайтили и давили моралью. Если готовы к большому тексту — добро пожаловать.

    habr.com/ru/articles/1084384/

    #skyrim #ai #deepseek #gamedesign #gamedev #skyrimnet #промпты #иимодель

  12. 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

  13. LLM зацикливается: как найти причину, не трогая параметры?

    LLM в продакшене может выглядеть стабильной неделями, а затем начать зацикливаться на одном абзаце, упираться в лимит токенов и создавать нагрузку на инфраструктуру без единой ошибки в логах. В статье разбираем, как диагностировать такие сбои: какие сигналы помогают найти причину, почему изменение параметров генерации часто оказывается неверным первым шагом и как выстроить защиту от повторных петель на уровне системы. Разобрать кейс

    habr.com/ru/companies/otus/art

    #LLM #большие_языковые_модели #генерация_текста #искусственный_интеллект #машинное_обучение #vLLM #нейросети #промпты #инференс #автоматизация

  14. Как я измеряю видимость брендов в шести нейросетях: схема замера, формат логов и ошибки

    Задача звучит просто: выяснить, называют ли бренд ChatGPT, Claude, Perplexity, Gemini, Алиса AI и GigaChat, когда пользователь спрашивает совета или ответа у ИИ. На практике эта задача раскладывается на десятки технических решений, каждое из которых меняет результат в разы. Ниже устройство замера, формат хранения и три моих ошибки, которые обесценивают всю работу.

    habr.com/ru/articles/1071762/

    #видимость_бренда #нейропоиск #мониторинг_ИИ #ChatGPT_API #Алиса_AI #вебпоиск #замер_видимости #GEO #промпты

  15. Я объяснил KERNEL маме за пять минут. Потом проверил, переживёт ли он LLM в production

    Недавно я попробовал объяснить маме, как нормально ставить задачи ChatGPT. Без temperature, context window, system prompt и прочих слов, после которых человек вполне справедливо решает, что проще уже сделать всё самому. Я сказал примерно так: «Сформулируй, что тебе нужно. Объясни, каким должен быть результат. Если есть ограничения, напиши их сразу. Не сваливай пять разных задач в одну. И не заставляй модель угадывать то, что существует только у тебя в голове». На всё ушло минут пять. А потом я понял, что почти дословно пересказал KERNEL, один из фреймворков для написания промптов. И тут стало интереснее: если базовый prompt engineering действительно можно объяснить человеку за пять минут, что происходит, когда LLM переезжает из вкладки браузера в реальный продукт?

    habr.com/ru/companies/syntx_ai

    #LLM #prompt_engineering #KERNEL #промпты #context_engineering #evals #ChatGPT #RAG #AIагенты #LLM_в_production

  16. Токены в ИИ и оптимизация промптов: как я сэкономила 50% бюджета и перестала здороваться с ChatGPT

    Меня зовут Анна, я ведущий инженер по тестированию в Рексофт. Последние два года я плотно работаю с большими языковыми моделями: интегрирую их в CI/CD, использую для генерации тестов и анализа логов. И довольно быстро столкнулась с жестокой реальностью: недельный лимит токенов на проекте — всего 10 000, а один мой вежливый запрос с «пожалуйста» съедал почти 500 токенов на входе и еще пару тысяч на выходе. Пришлось пересмотреть подход. В этой статье я расскажу, как устроена механика токенов, почему русский язык дороже английского в полтора раза, и как я научилась формулировать промпты так, чтобы получать точные ответы за минимальные деньги.

    habr.com/ru/companies/reksoft/

    #токены #эффективный_промпт #промпты #эмбеддинг #контекстное_окно

  17. О чём писать в книге о браузере, если ChatGPT уже знает все Web API?

    Здравствуйте, уважаемые читатели. Рады предложить вам одну из самых долгожданных новинок на тему современной веб-разработки - книгу уважаемого Александра Гусева @flancer "

    habr.com/ru/companies/bhv_publ

    #браузер #llm #вебприложения #книги #промпты

  18. «Скопируй промпт дважды и получишь +76%». Я решил проверить

    Всем привет. В декабре по всем AI-каналам пролетел лайфхак, который звучал как развод: продублируй свой запрос к нейросети, буквально Ctrl+C, Ctrl+V в одном сообщении, и точность вырастет. В пересказах фигурировали «+76%» и ссылка на Google Research, что придавало всей этой истории солидности. Трюк выглядел как-то настораживающе и при том вроде не сложным для проверки. Короче, я потратил $1.48, прогнал 3360 запросов и теперь знаю ответ. Он оказался интереснее, чем «работает || не работает».

    habr.com/ru/articles/1065930/

    #LLM #промптинжиниринг #Gemini #воспроизводимость #эксперимент #reasoning #промпты #ab_test

  19. Промпты для генерации фото товара: как создать изображение товара на маркетплейсе

    Признайтесь: сколько раз вы получали фото товара, на котором всё прекрасно, кроме фона, света, теней и общего ощущения «Это сейчас будут покупать?» . Знакомая боль: поставщик снимал на кухне, реквизитом служила салфетка с розами, а главный акцент падал не на продукт, а на мужественный палец оператора в углу кадра. Казалось бы, выход один дорогая студия, фуд‑стилист, долгое согласование. Но если вы продаёте онлайн, у вас редко есть на это время. Хорошая новость: выход есть. ИИ‑редакторы, работающие в формате чата, научились понимать промпты так, что достаточно пары строк и товар из «пришлю в ЛС» превращается в карточку уровня премиум‑бренда. Никакой магии. Просто готовые словесные конструкции, которыми мы сегодня делимся: пэкшот для маркетплейса, кадр с парением, флэтлей, уютный лайфстайл и даже праздничный баннер для Чёрной пятницы. Всё то, что заставляет покупателя сказать: «Да, беру» .

    habr.com/ru/companies/gptunnel

    #фото_товара #фото_для_интернетмагазина #промпты #ozon #wildberries #маркетплейсы

  20. Кто такие синтетические покупатели и почему они меняют e-commerce

    Электронная коммерция долго училась понимать покупателя через данные: что человек искал, на какие карточки нажимал, где бросал корзину, как реагировал на скидки и какие товары покупал вместе. Эта аналитика стала основой онлайн-торговли, но у нее есть ограничение — она почти всегда объясняет то, что уже произошло. Проблема в том, что рынок меняется слишком быстро. Новая цена, рекламный креатив, карточка товара или запуск категории часто проверяются уже «в бою»: когда бюджет потрачен, товар запущен, а команда только начинает понимать, как на это реагируют покупатели. При этом цена ошибки растет вместе с конкуренцией, стоимостью трафика и скоростью обновления ассортимента. Как отмечают в Market Logic , во многих компаниях клиенты меняются быстрее, чем обновляются продуктовые дорожные карты и результаты классических исследований. На этом фоне в индустрии начинает формироваться новый подход — синтетические покупатели ( synthetic customers , или synthetic buyers ). Это модели искусственного интеллекта (ИИ), которые имитируют вероятную реакцию реальных клиентов : их предпочтения, сомнения, отношение к цене, рекламе, интерфейсу или самому продукту. Такие модели помогают заранее проверять возможные сценарии: как аудитория воспримет новый товар, вызовет ли промо доверие, где пользователь может отказаться от покупки и почему определенный сегмент не видит ценности предложения. В PwC называют такой подход «невидимой фокус-группой» . Предприниматели в сфере e-commerce получают возможность тестировать стратегию до выхода на рынок — не только через опросы и пилоты, но и через симуляцию поведения покупателей на основе данных. Фактически онлайн-торговля постепенно переходит от модели «запустили — посмотрели результат» к модели «сначала проверили возможную реакцию — потом приняли решение». И синтетические покупатели в этом смысле — не просто новый вид аналитики, а новый способ работы с неопределенностью .

    habr.com/ru/companies/rwb/arti

    #промпты #синтетические_данные #электронная_коммерция #маркетплейсы #искусственный_интеллект

  21. Генеративный Postgres-дайджест: от информационного шума — к сигналу

    Аналитика, сканирование интернета стали сегодня сильно проще — даже китайских коллег можно читать совершенно прозрачным образом. Изучение исходников смежных OSS-проектов — это вообще песня: за пять минут, на малознакомом языке программирования и без предварительного знания структуры проекта можно получить ответы на важные вопросы, потырить полезные приёмы и изучить как удачные, так и неудачные архитектурные решения. Тогда почему мы всё ещё тратим время, ходим на youtube и новостные сайты в поисках интересного контента? Зачем полагаемся на чей-то алгоритм - ведь тот же Claude хранит в том или ином виде историю переписки и таким образом может оценить наши реальные интересы. Может быть стоит взять в свои руки формирование 'информационного пузыря'?

    habr.com/ru/companies/tantor/a

    #postgres #новостной_агрегатор #промпты

  22. Генеративный Postgres-дайджест: от информационного шума — к сигналу Аналитика, сканирование интернета стали с...

    #postgres #новостной #агрегатор #промпты

    Origin | Interest | Match
  23. Генеративный Postgres-дайджест: от информационного шума — к сигналу Аналитика, сканирование интернета стали с...

    #postgres #новостной #агрегатор #промпты

    Origin | Interest | Match
  24. Почему хороший ответ ИИ иногда ведёт к плохому результату

    Хороший ответ ИИ может выглядеть как прогресс и всё равно вести к плохому результату. В статье разбираю, когда вместо немедленной правки видимого участка лучше сначала открыть рамку и понять, где на самом деле находится причина.

    habr.com/ru/articles/1047368/

    #ИИ #Codex #промпты #разработка #workflow #качество

  25. [Перевод] Структурированная разработка на основе промптов

    Как сделать изменения, вносимые с помощью LLM, управляемыми, проверяемыми и воспроизводимыми. Программные ассистенты LLM продемонстрировали значительную ценность, но в основном для отдельных разработчиков. Внутренняя ИТ-организация Thoughtworks использует их для своих команд и разработала метод и рабочий процесс, называемый структурированной разработкой на основе промптов (Structured Prompt-Driven Development, SPDD). В статье описывается простой пример этого рабочего процесса с подробностями на GitHub. Этот рабочий процесс рассматривает промпты как артефакт первого класса, хранящийся вместе с кодом в системе контроля версий и используемый для согласования разработки с потребностями бизнеса. Мы обнаружили, что разработчикам для эффективной работы необходимы три ключевых навыка: согласованность, подход «сначала абстракция» и итеративный анализ.

    habr.com/ru/articles/1045060/

    #искусственный_интеллект #мартин_фаулер #методология #промпты #проектирование_систем

  26. [Перевод] Структурированная разработка на основе промптов Как сделать изменения, вносимые с помощью LLM, упр...

    #искусственный #интеллект #мартин #фаулер #методология #промпты #проектирование #систем

    Origin | Interest | Match
  27. Магия чепухи: как «бессмысленные» инструкции заставляют нейросети работать лучше

    Представьте: вы сидите перед ChatGPT. Вам нужно решить сложную математическую задачу или рассчитать налоги. Что вы напишете в промпте? Наверняка что-то вроде: «Действуй как профессиональный аналитик, решай пошагово, используй строгую логику…» И это кажется единственно верным подходом. Мы привыкли думать, что языковые модели — это цифровые калькуляторы, которым для успеха жизненно необходим четкий алгоритм. А теперь представьте другое. Вместо стройного контекста вы отправляете ИИ это: «Ты — хранитель старого маяка, смотрящий на ртутное море» или «Ты — ткач древних гобеленов». Никаких формул. Никаких «пошагово». Звучит как бред сумасшедшего? Абсолютно. Но происходит невероятное: получив эту бессмысленную фэнтези-ролевку, нейросеть вдруг начинает выдавать более точные и качественные результаты, чем с самой безупречной логической инструкцией. Свежее исследование «Spurious Prompts» наносит сокрушительный удар по нашим представлениям о промпт-инжиниринге, вводя в обиход “подложные промпты”.

    habr.com/ru/articles/1044306/

    #ИИ #ai #промптинжиниринг #промпты #исследование

  28. Магия чепухи: как «бессмысленные» инструкции заставляют нейросети работать лучше Представьте: вы сидите п...

    #ИИ #ai #промпт-инжиниринг #промпты #исследование

    Origin | Interest | Match
  29. Тайная слабость нейросетей: почему большие контекстные окна не работают

    Крупнейшие ИИ-вендоры ведут агрессивную гонку контекстных окон: 128K токенов стали минимально необходимым стандартом, а некоторые модели заявляют и о поддержке миллионов. Многие из нас привыкли верить, что «Effective Context Window» — это монолитное пространство, где модель одинаково хорошо видит каждое слово. Однако свежее исследование доказывает обратное: внутри огромных файлов скрывается «слепая зона» . Модели могут блестяще рассуждать о начале или о конце документа, но их логика буквально рассыпается, если суть задачи находится в середине . И речь идёт не о привычной проблеме поиска фактов, которую мы знали по тестам «Иголка в стоге сена», а о фундаментальном коллапсе рассуждений ( reasoning ). Проблемы с поиском фактов известны ещё с 2023 года — но на логике «гниль контекста» системно показали впервые . Почему ИИ страдает избирательной амнезией и как учёные вывели современные модели на чистую воду? Разберём четыре главных инсайта , которые нам даёт это исследование.

    habr.com/ru/articles/1041926/

    #ИИ #AI #LLM #эксперимент #промптинжиниринг #промпты #контекстная_гниль #context_rot #lost_in_the_middle #reasoning

  30. GPT-шорткаты: что работает, а что нет

    Привет! Разобрал популярные шорткаты GPT вроде EL5, /REDTEAM, /BULLET — какие реально выручают каждый день, какие работают через раз, а какие лучше не тратить время. Смотри шпаргалку! 🚀

    habr.com/ru/articles/1033518/

    #ChatGPT #GPT #LLM #prompt_engineering #шорткаты #нейросети #искусственный_интеллект #команды #промпты #генерация_текста

  31. Как оживить фото нейросетью Kling 3.0: пошаговый гайд с промптами в SpeShu.AI

    Kling 3.0 — текущий лидер в сегменте Image-to-Video. В отличие от предыдущих итераций, здесь глубже проработан Diffusion Transformer (DiT) — механизм внимания к исходному кадру. Благодаря ему нейросеть не дорисовывает кадры сама, а моделирует их на базе объектов. В этой статье разберём, как оживить фото, сохранив анатомическую точность и текстуры. Бонусом 3 готовых промпта для теста модели.

    habr.com/ru/companies/tsnis/ar

    #оживить_фото #оживление_фото #генерация_видео #анимация_видео #kling #клинг_30 #промпты #искусственный_интеллект #нейросети

  32. Нужно быстро оформить документ в нейросети? Вот простые промпты в SpeShu.AI

    Отчёт за квартал, акт выполненных работ, служебная записка и три согласования до конца дня. Кто устал тратить по 2 часа в день на однотипные бумажки, забирайте промпты из этой статьи. С их помощью можно за 10 минут подготовить документ на 100 страниц.

    habr.com/ru/companies/tsnis/ar

    #оформить_документ #создать_документ #отредактировать_документ #промпты #офисная_работа #нейросети #искусственный_интеллект

  33. Экономика промптов: как появляются промпт-хабы

    Еще недавно промпты — текстовые инструкции, которыми люди «разговаривают» с генеративными моделями — существовали в основном в чатах и личных заметках. Сотрудники делились удачными формулировками между собой, но системной работы с ними почти не было. Ситуация начала меняться по мере того, как генеративный искусственный интеллект (ИИ) стал использоваться в маркетинге, поддержке, продажах и разработке. Выяснилось, что одна хорошо настроенная инструкция способна экономить часы работы и снижать риск ошибок. Постепенно компании начали относиться к таким инструкциям иначе. Если промпт можно многократно использовать внутри команды, он превращается из случайной находки в рабочий инструмент. Его нужно хранить, обновлять и проверять. В некоторых случаях он начинает иметь и экономическую ценность, поскольку напрямую влияет на скорость работы и качество результата. Так появились промпт-хабы — пространства, где промпты собирают, описывают и используют повторно. Здесь они получают версии, правила доступа и иногда проходят тестирование перед использованием в реальных процессах. По сути, это попытка превратить работу с генеративным ИИ из набора отдельных экспериментов в управляемую систему. На первый взгляд это может показаться нишевым инструментом для энтузиастов. Однако на практике промпт-хабы формируют отдельный инфраструктурный слой внутри быстрорастущей экономики генеративного ИИ — своего рода новую «товарную полку», где продается готовый способ получения предсказуемого результата от модели.

    habr.com/ru/companies/wildberr

    #промпты

  34. Оживить фото в Seedance 2.0: как сделать видео со своим лицом, несмотря на цензуру

    Seedance 2.0 — нейросеть для видео, которую внутри ИИ-комьюнити неофициально называют лучшей на данный момент. Однако есть нюанс. Если вы уже пытались загрузить своё фото в Seedance 2.0 и получили отказ — это ожидаемо. В новой версии ByteDance сознательно ограничили работу с реальными лицами, чтобы снизить риски создания дипфейков. Как обойти цензуру? Получить лайфхаки

    habr.com/ru/companies/tsnis/ar

    #seedance_20 #оживить_фото #видео_в_нейросетях #промпты #искусственный_интеллект #нейросети #лайфхаки

Share on Mastodon

Enter the server where you have an account.