Опять AI выдаёт ошибку!!! Что я делаю не так?! 🤬
Итак, вы потратили немало времени и наконец добились от нейросети правильного ответа на ваш запрос.
Под «правильным ответом» я подразумеваю такой ответ, который полностью соответствует вашим первоначальным критериям.
Ответ получен, а это значит, что диалог можно закрывать.
Но… прошло время, и вам нужно обработать похожий запрос. 🤷
Вы начинаете диалог, но… AI выдаёт не то, как будто совсем не помнит того, что вы писали в том, прошлом запросе, где получили правильный ответ.
Вас накрывает негодование… «Всё придётся делать сначала?!»😡🤬😡
Но секрет заключается в том, что AI действительно не помнит точных запросов, критериев, особенностей, которые важны именно вам. А не помнит потому, что вы не сказали ему их запомнить, не сформировали чёткие критерии, которые он должен использовать для формирования ответа.
Давайте разберём на примере:
Вы ищете типографию. В запросе указали: "буклеты нужны строго до четверга по хорошей цене."
🅰️Вариант А: 8 000 ₽, готовность в пятницу.
🅱️Вариант Б: 10 000 ₽, готовность в среду.
AI советует вам выбрать Вариант А, потому что он дешевле.
Почему?
Потому что модель перепутала обязательное условие (срок) и критерий выбора (цену). Ведь ваш естественный интеллект🧠 вам подсказывает, что сравнивать стоимость можно только среди тех вариантов, которые проходят по дедлайну.
👀Вам важно убедиться, что вы вообще указали дедлайн в промпте — AI не читает мысли.🧙♂️
Вернёмся к нашему примеру.
Так как сформировать это правило? И что вообще может помочь?
Ведь фраза «будь внимательнее» не даёт алгоритма действий, а команда «выбери Вариант Б» решает проблему только один раз.
На самом деле вам первоначально необходимо сформулировать общую инструкцию без привязки к четвергам, буклетам и суммам:
«Сначала отфильтруй варианты по обязательным условиям задачи. Если данных для проверки не хватает — запроси их у меня. Только после этого сравни оставшиеся варианты по критериям выбора».
С таким первичным правилом AI не пропустит вариант, где срок вообще не указан, а сначала попросит вас уточнить дату.
❓Как встроить такой подход в работу с AI?
Для разовых задач правила можно просто копировать из заметок в новый чат.
Но при регулярной работе такие правила удобно разделить на два уровня:
1 - Глобальные правила — базовые принципы для всех задач.
2 - Проектные правила — требования конкретного направления или процесса (стандарты отчётности, редполитика, критерии отбора подрядчиков).
Дорабатывая эти файлы на основе реальных ошибок AI и кейсов, вы создаёте накопительный эффект📈: каждая найденная неточность делает систему умнее, а качество работы агентов со временем стабильно растёт
Дорабатывая эти файлы на основе реальных ошибок AI и кейсов, вы создаёте накопительный эффект: каждая найденная неточность делает систему умнее, а качество работы агентов со временем стабильно растёт без раздувания промптов.
Итак, подведём итог: что же делать на практике, чтобы AI не повторял ошибок?
✅ 1 - Зафиксируйте правило. Выведите из ошибки правило в одну-две строки и добавьте его в глобальные или проектные инструкции.
✅ 2 - Проверьте в деле. На следующей задаче оцените ответ, полученный с использованием зафиксированных правил: отсеял ли AI неподходящие варианты, запросил ли недостающие данные и как обосновал выбор.
✅ 3 - Улучшайте итеративно. Если ошибка повторилась — не копите список разрозненных запретов, а уточните саму формулировку правила или исходные данные.
А теперь предлагаю вам вспомнить одну недавнюю ошибку AI, сформулировать из неё правило проверки и протестировать подход на следующей задаче. А о своих результатах напишите в комментариях.📝
#приём
Итак, вы потратили немало времени и наконец добились от нейросети правильного ответа на ваш запрос.
Под «правильным ответом» я подразумеваю такой ответ, который полностью соответствует вашим первоначальным критериям.
Ответ получен, а это значит, что диалог можно закрывать.
Но… прошло время, и вам нужно обработать похожий запрос. 🤷
Вы начинаете диалог, но… AI выдаёт не то, как будто совсем не помнит того, что вы писали в том, прошлом запросе, где получили правильный ответ.
Вас накрывает негодование… «Всё придётся делать сначала?!»😡🤬😡
Но секрет заключается в том, что AI действительно не помнит точных запросов, критериев, особенностей, которые важны именно вам. А не помнит потому, что вы не сказали ему их запомнить, не сформировали чёткие критерии, которые он должен использовать для формирования ответа.
Давайте разберём на примере:
Вы ищете типографию. В запросе указали: "буклеты нужны строго до четверга по хорошей цене."
🅰️Вариант А: 8 000 ₽, готовность в пятницу.
🅱️Вариант Б: 10 000 ₽, готовность в среду.
AI советует вам выбрать Вариант А, потому что он дешевле.
Почему?
Потому что модель перепутала обязательное условие (срок) и критерий выбора (цену). Ведь ваш естественный интеллект🧠 вам подсказывает, что сравнивать стоимость можно только среди тех вариантов, которые проходят по дедлайну.
👀Вам важно убедиться, что вы вообще указали дедлайн в промпте — AI не читает мысли.🧙♂️
Вернёмся к нашему примеру.
Так как сформировать это правило? И что вообще может помочь?
Ведь фраза «будь внимательнее» не даёт алгоритма действий, а команда «выбери Вариант Б» решает проблему только один раз.
На самом деле вам первоначально необходимо сформулировать общую инструкцию без привязки к четвергам, буклетам и суммам:
«Сначала отфильтруй варианты по обязательным условиям задачи. Если данных для проверки не хватает — запроси их у меня. Только после этого сравни оставшиеся варианты по критериям выбора».
С таким первичным правилом AI не пропустит вариант, где срок вообще не указан, а сначала попросит вас уточнить дату.
❓Как встроить такой подход в работу с AI?
Для разовых задач правила можно просто копировать из заметок в новый чат.
Но при регулярной работе такие правила удобно разделить на два уровня:
1 - Глобальные правила — базовые принципы для всех задач.
2 - Проектные правила — требования конкретного направления или процесса (стандарты отчётности, редполитика, критерии отбора подрядчиков).
Дорабатывая эти файлы на основе реальных ошибок AI и кейсов, вы создаёте накопительный эффект📈: каждая найденная неточность делает систему умнее, а качество работы агентов со временем стабильно растёт
Дорабатывая эти файлы на основе реальных ошибок AI и кейсов, вы создаёте накопительный эффект: каждая найденная неточность делает систему умнее, а качество работы агентов со временем стабильно растёт без раздувания промптов.
Итак, подведём итог: что же делать на практике, чтобы AI не повторял ошибок?
✅ 1 - Зафиксируйте правило. Выведите из ошибки правило в одну-две строки и добавьте его в глобальные или проектные инструкции.
✅ 2 - Проверьте в деле. На следующей задаче оцените ответ, полученный с использованием зафиксированных правил: отсеял ли AI неподходящие варианты, запросил ли недостающие данные и как обосновал выбор.
✅ 3 - Улучшайте итеративно. Если ошибка повторилась — не копите список разрозненных запретов, а уточните саму формулировку правила или исходные данные.
А теперь предлагаю вам вспомнить одну недавнюю ошибку AI, сформулировать из неё правило проверки и протестировать подход на следующей задаче. А о своих результатах напишите в комментариях.📝
#приём
Просмотры: 9
