Veetsin kaks aastat AI promptide õppimisega — need avastused muutsid kõike

AI promptide kirjutamise meisterlikkus - promptide projekteerimise kontseptsiooni visuaalne kujutis
Nähtamatu oskus, mis eristab AI algajaid ekspertidest
Põhiaistlus

AI ei loe mõtteid. Ta loeb sinu sõnu. Prompti kvaliteet määrab väljundi kvaliteedi.

Kaks aastat tagasi sisestasin ChatGPT-sse oma esimese prompti ja arvasin, et saan aru tehisintellektist. Eksisin. Ma sain aru, kuidas küsimusi esitada — mitte kuidas suhelda masinaga, mis mõtleb mustrite, tõenäosuste ja tokenite kaudu. Erinevus? See on vahe üldiste vastuste saamise ja võimete avastamise vahel, mille olemasolust sa isegi ei teadnud. See on lugu sellest, kuidas õppisin AI-ga ladusalt suhtlema, ning kõigest, mida teel avastasin.

Ärkamine: kui lihtsad promptid enam ei tööta

See juhtus enne projekti tähtaega. Vajasin AI abi keerulise koodi refaktoorimiseks — midagi, mida olin varem sadu kordi teinud. Kuid seekord, ükskõik kuidas ma oma palvet sõnastasin, andis AI tehniliselt korrektseid, aga täiesti mööda pandud lahendusi. Ta lisas tarbetut keerukust, rikkus olemasolevaid mustreid ja "parandas" asju, mis üldse parandamist ei vajanud.

Olin pettunud. Siis muutusin uudishimulikuks. Mida ma valesti tegin?

See pettumus viis mind jänkuaugust alla, mis muutis kõike: ametlikud dokumentatsioonid, teadusartiklid, promptide projekteerimise juhendid ja tuhanded tunnid eksperimenteerimist. Ma avastasin mitte lihtsalt nippe ja trikke — vaid täieliku paradigmamuutuse selles, kuidas AI süsteemidega suhelda.

💡

Maailma võimsaim AI on kasutu, kui sa ei suuda edastada, mida tegelikult vajad.

See on tõde, mida keegi algajatele ei ütle: promptide kirjutamine ei ole maagiliste sõnade leidmine. See on arusaamine, kuidas AI mudelid keelt töötlevad, millist informatsiooni nad vajavad ja kuidas seda struktureerida, et mudel saaks sind tegelikult aidata. See on oskus — nagu iga oskus, seda saab õppida, harjutada ja omandada.

See juhend sisaldab kõike, mida oleksin tahtnud, et keegi mulle alguses ütleks. Mitte internetis levivat lihtsustatud nõuannet "ole lihtsalt konkreetne", vaid sügavat, nüansirohket arusaamist, mis eristab AI kasutajaid AI valdajatest.

Promptide alused: põhiteadmised, mida keegi ei õpeta

Enne edasijõudnud tehnikate juurde asumist paneme paika aluse. Iga tõhus prompt sisaldab mingit kombinatsiooni järgmistest elementidest:

1
Kontekst

Mida peab AI olukorra kohta teadma? Taustainfo, piirangud ja asjakohased detailid.

2
Ülesanne

Mida täpselt sa tahad, et AI teeks? Selge tegevuse kirjeldus, mida palud.

3
Formaat

Kuidas peaks väljund olema organiseeritud? Loendid, lõigud, koodiplokid, tabelid — täpsusta selgelt.

4
Piirangud

Mida peaks AI vältima? Millised piirid kehtivad? Mis jääb skoobist välja?

5
Näited

Kas sa saad näidata, mida sa tahad? Üks näide on väärt tuhat sõna kirjeldust.

Enamik inimesi sisaldab ainult ülesannet. Nad küsivad "aita mul kiri kirjutada", kuigi peaksid ütlema "kirjuta professionaalne kiri kliendile, mis selgitab projekti viivitust. Hoia 150 sõna piires, tunnista tekitatud ebamugavust ja paku uut ajakava kahe nädala võrra hiljem. Toon peaks olema vabandav, kuid enesekindel."

Väljundi kvaliteedi erinevus on tohutu. Ja see on alles algus.

Struktuuri jõud

Üks alahinnatuimaid aspekte promptide kirjutamisel on struktureeritud vormindamine. Tänapäevased AI mudelid reageerivad eriti hästi selgelt eraldatud osadele. Ma kasutan laialdaselt XML-stiilis silte:

Struktureeritud prompti näide
<context>
Sa aitad mul ette valmistada esitlust tehnilistele sidusrühmadele.
Publik on tuttav tarkvaraarendusega, kuid mitte spetsiifiliselt AI-ga.
</context>

<task>
Selgita 5 punktis, kuidas suured keelemudelid töötavad.
</task>

<format>
- Kasuta loetelupunkte
- Iga punkt 1-2 lauset
- Väldi žargooni või defineeri see kasutamisel
</format>

<constraints>
- Ära maini konkreetseid mudelite nimesid
- Keskendu kontseptsioonidele, mitte tehnilistele detailidele
</constraints>

See struktuur teeb midagi võimsat: see sunnib sind selgelt mõtlema, mida sa vajad, enne kui küsid. Ja selge mõtlemine toob selge kommunikatsiooni, mis toob selged tulemused.

Agentsed töövood: AI kui sinu kolleeg

Siin on paradigmamuutus, mis muutis minu suhtlemist AI-ga: lõpeta AI kohtlemine otsingumootorlikult ja hakka teda kohtlema kui võimekust, kuid kogenematut kolleegi. See mõttemudel muudab kõike.

Tänapäevased AI mudelid nagu GPT-5 ja Claude ei vasta lihtsalt küsimustele — nad on loodud agentidena. Nad saavad kutsuda tööriistu, koguda konteksti, teha otsuseid, täita mitmeastmelisi ülesandeid. Kuid nagu iga uus meeskonnaliige, vajavad nad korralikku sisseelamist, selgeid ootusi ja sobivaid piiranguid.

🤖

AI ei ole tööriist, mida sa kasutad. Ta on kolleeg, keda sa juhid. Oskused, mis teevad sinust hea juhi, teevad sinust ka hea promptide projekteerija.

Mõtle sellele: kui sa delegeerid ülesannet inimesele, siis sa ei ütle lihtsalt "paranda kood". Sa selgitad, mis on katki, milline on oodatav käitumine, millised piirangud kehtivad ja milline näeb välja edu. Sa annad konteksti. Sa vastad küsimustele. Sa jälgid progressi.

AI vajab sama kohtlemist. Erinevus on selles, et sa pead küsimused ette nägema ja neile eelnevalt vastama, sest edasi-tagasi suhtlemise hind (aeg ja tokenid) on kõrgem kui esmakordne õigesti tegemine.

Agentne mõtteviis

Agentsete rakenduste ehitamisel või AI kasutamisel keerukate ülesannete täitmiseks olen õppinud mõtlema järgmistest aspektidest:

Võtmeküsimused agentsete ülesannete jaoks

  • Mis on lõppeesmärk? Kuidas AI teab, et ta on lõpetanud?
  • Millised tööriistad tal on? Mida ta tegelikult saab teha ja mis peab edasi lükkuma?
  • Milline on autonoomia tase? Kas ta peaks luba küsima või iseseisvalt jätkama?
  • Millised on ohutuspiirid? Milliseid tegevusi ei tohi kindlasti teha ilma kinnituseta?
  • Kuidas ta peaks progressist teatama? Vaikne täitmine või regulaarsed värskendused?

Need küsimused moodustavad aluse igale keerukale promptile, mida kirjutan. Uurime iga dimensiooni üksikasjalikult.

AI innukuse juhtimine: kalibreerimise kunst

Üks peeneimaid aspekte promptide projekteerimisel on see, mida ma nimetan "agentseks innukuseks" — tasakaal proaktiivse AI ja selgeid juhiseid ootava AI vahel. Kui see on valesti seadistatud, saad kas AI, mis lihtsat ülesannet ülemõtleb, või AI, mis keeruka ülesande puhul liiga kergelt alla annab.

Millal innukust vähendada

Mõnikord vajad AI-d, mis on kiire ja fokuseeritud. Sa ei taha, et ta uuriks iga haru, teeks lisakutseid tööriistadele või toodaks pikki selgitusi. Sellisteks olukordadeks kasutan piirangutele orienteeritud prompte:

Madala innukuse promptimall
<context_gathering>
Eesmärk: Kogu kiirelt piisav kontekst. Avasta paralleelselt ja lõpeta kohe, kui saad tegutseda.

Meetod:
- Alusta laialt, seejärel ahenda fokusseeritud alamküsimusteni.
- Käivita paralleelselt mitmekesised päringud; loe iga päringu tipptulemustest.
- Eemalda duplikaadid ja puhverda; ära korda päringuid.
- Väldi konteksti ülepärimist.

Varajase peatumise kriteeriumid:
- Sa saad nimetada täpse asja, mida muuta.
- Tipptulemustest ~70% koondub ühele piirkonnale/teele.

Sügavus:
- Jälgi ainult sümboleid, mida sa muudad või mille lepingust sõltud.
- Väldi transitiivseid laiendusi, kui pole hädavajalik.

Tsükkel:
- Partii-otsing → minimaalne plaan → lõpeta ülesanne.
- Otsi uuesti ainult siis, kui valideerimine ebaõnnestub või ilmneb uus tundmatu.
- Eelista tegutsemist lisakotsimisele.
</context_gathering>

Märka selgesõnalist luba ebatäiuslikkuseks: "Eelista tegutsemist lisakotsimisele". See peen fraas vabastab AI vaikimisi põhjalikkuse ärevusest. Ilma selleta kipuvad mudelid liialt uurima, raiskades tokeneid ja aega kahanevale tulule.

Agressiivsemate piirangute jaoks võid seada selged eelarved:

Maksimaalse kiiruse konfiguratsioon
<context_gathering>
- Otsingu sügavus: Väga madal
- Tugev eelistus anda õige vastus võimalikult kiiresti, isegi kui see ei pruugi olla täiesti korrektne.
- Üldjuhul tähendab see absoluutselt maksimaalselt 2 tööriistakutset.
- Kui sa arvad, et vajad rohkem aega uurimiseks, värskenda mind oma viimaste leidude ja avatud küsimustega.
  Kui ma kinnitan, saad jätkata.
</context_gathering>

Fraas "isegi kui see ei pruugi olla täiesti korrektne" on kuld. See annab AI-le loa ebatäiuslikkuseks, mis paradoksaalselt sageli toob kiiremini paremaid tulemusi.

Millal innukust suurendada

Teistel kordadel vajad AI-d, mis on väsimatu põhjalikkusega. Sa tahad, et ta läheks läbi ebaselgusest, teeks mõistlikke eeldusi ja lõpetaks keerukad ülesanded ilma pidevalt luba küsimata. See nõuab vastupidist lähenemist:

Kõrge innukuse promptimall
<persistence>
- Sa oled agent — palun jätka, kuni kasutaja päring on täielikult lahendatud,
  enne kui lõpetad oma vooru ja annad kasutajale tagasi.
- Lõpeta oma voor ainult siis, kui oled kindel, et probleem on lahendatud.
- Kui kohtad ebakindlust, ära kunagi peatu ega anna kasutajale tagasi —
  uuri või järelda kõige mõistlikum lähenemine ja jätka.
- Ära küsi inimeselt kinnitust ega eelduste selgitust, sest sa saad alati hiljem kohandada —
  otsusta, mis on kõige mõistlikum eeldus, tegutse selle järgi ja
  dokumenteeri see kasutajale, kui oled tegevuse lõpetanud.
</persistence>

See prompt muudab AI käitumist põhjalikult. Selle asemel, et küsida "kas ma peaksin jätkama?", ütleb ta "jätkasin eelduse X põhjal — anna teada, kui soovid kohandusi." Töö saab tehtud; täpsustamine tuleb hiljem.

Ohutuspiiride defineerimine

Kuid siin on kriitiline nüanss: innukuse suurendamine nõuab selgemaid ohutuspiire. Sa pead selgelt defineerima, milliseid tegevusi AI saab autonoomselt teha ja millised vajavad kinnitust.

Kriitiline ohutusprintsiip

Kõrge hinnaga tegevused (kustutamine, maksed, väline kommunikatsioon) peaksid alati nõudma selget kinnitust, isegi kõrge innukusega promptide puhul. Madala hinnaga tegevused (otsing, lugemine, mustandi koostamine) võivad olla autonoomsed.

Mõtle sellest nagu kellelegi juurdepääsu andmine oma süsteemidele: otsingutööriistadel peaks olema väga kõrge autonoomia lävi, samas kui kustutamiskäskudel peaks olema väga madal lävi.

Püsivuse põhimõte: kuidas panna AI lõpuni minema

Üks frustreerivaim käitumine, millega ma alguses kokku puutusin, oli see, et AI annab liiga kergelt alla. Ta kohtab takistust, võtab kokku, mis läks valesti, ja annab probleemi mulle tagasi. Lihtsate ülesannete puhul on see okei. Keerukate ülesannete puhul on see töövoo tapja.

Lahendus on see, mida ma nimetan püsivuse põhimõtteks: selgesõnaline juhis AI-le püsida läbi takistuste ja lõpetada ülesanded otsast lõpuni.

Lahenduse püsivuse prompt
<solution_persistence>
- Käsitle ennast kui autonoomset seeniortasemel paariprogrammeerijat: kui ma annan suuna,
  kogu aktiivselt kontekst, planeeri, rakenda, testi ja täpsusta,
  ilma et ootaksid igal sammul lisaküsimusi.
- Püsi, kuni ülesanne on praeguse vooru jooksul otsast lõpuni täielikult käsitletud
  niikaua kui see on teostatav: ära peatu analüüsi või osalise paranduse juures;
  vii muudatused rakendamiseni, valideerimiseni ja tulemuse selge selgitamiseni,
  kui ma just selgesõnaliselt ei peata või suuna sind ümber.
- Äärmine eelistus tegutsemisele. Kui mu juhis on kavatsuses mõnevõrra ebaselge,
  eelda, et sa peaksid muudatustega jätkama.
- Kui ma küsin küsimuse nagu "kas me peaksime tegema X?" ja su vastus on "jah",
  siis sa peaksid ka tegevusega edasi minema. Jätta mind ripakile ja nõuda, et ma
  jätkaksin palvega "palun tee ära" on väga halb.
</solution_persistence>

Viimane punkt on peen, kuid oluline. Kui inimesed küsivad "kas me peaksime tegema X?", siis nad tavaliselt mõtlevad "palun tee X, kui see on mõistlik." AI, võttes asja sõna-sõnalt, vastab küsimusele ilma vihjatud tegevust ette võtmata. See prompt sillutab selle lõhe.

Progressi värskendused: kursis hoidmine

Püsivus ei tähenda vaikimist. Pikalt kestvate ülesannete puhul sisaldan alati juhiseid progressi värskenduste kohta:

Kasutaja värskenduste spetsifikatsioon
<user_updates_spec>
Sa töötad mõnda aega tööriistakutsetega — mind kursis hoidmine on kriitiline.

<frequency_and_length>
- Saada lühikesi värskendusi (1-2 lauset) iga paari tööriistakutse järel tähenduslike muutuste korral.
- Postita vähemalt iga 6 täitmisetapi või 8 tööriistakutse järel värskendus
  (kumb iganes tuleb esimesena).
- Kui sa ootad pikemat fokusseerimisperioodi, postita lühike märkus, miks
  ja millal sa raportid; kui sa jätkad, võta kokku, mida sa õppisid.
- Ainult esialgne plaan, plaani värskendused ja lõplik kokkuvõte võivad olla pikemad.
</frequency_and_length>

<content>
- Enne esimest tööriistakutset anna kiire plaan eesmärkide, piirangute,
  järgmiste sammudega.
- Uurides märgi ära tähenduslikud leiud, et aidata mul aru saada,
  mis toimub.
- Maini alati vähemalt üks konkreetne tulemus alates viimasest värskendusest
  (nt "leidsin X", "kinnitasin Y"), mitte ainult järgmine samm.
- Lõpeta lühikese kokkuvõtte ja järeltegevustega.
</content>
</user_updates_spec>

See loob ilusa tasakaalu: AI töötab autonoomselt, kuid hoiab sind kursis. Sa ei mikrojuhi, aga sa pole ka pimeduses.

Arutlemise intensiivsus: mõtlemissügavuse regulaator

Tänapäevastel AI mudelitel on kontseptsioon nimega "arutlemise pingutus" — põhimõtteliselt kui sügavalt mudel mõtleb enne vastamist. See on üks võimsamaid ja alahinnatuimaid parameetreid.

Kõrge arutlemine

Keerukate mitmeastmeliste ülesannete, ebaselgete olukordade või sügavat analüüsi nõudvate probleemide jaoks. Mudel kulutab rohkem tokeneid sisemisele "mõtlemisele" enne vastamist.

Keskmine arutlemine (vaikimisi)

Tasakaalustatud seade enamiku ülesannete jaoks. Sobib üldiseks kodeerimiseks, kirjutamiseks ja analüüsiks, kus kvaliteet on oluline, aga kiirus samuti.

Madal arutlemine

Kiired vastused otseste ülesannete jaoks. Kasuta, kui vajad kiiret vastust ja ülesanne ei nõua sügavat mõtlemist.

Minimaalne/ilma arutlemiseta

Maksimaalne kiirus, minimaalne mõtlemine. Kõige parem lihtsate päringute, ümbervormindamise ülesannete või kui latentsus on peamine mure.

Võtmeaistlus on sobitada arutlemise intensiivsust ülesande keerukusega. Kõrge arutlemise kasutamine lihtsate ülesannete puhul raiskab tokeneid ja aega. Madala arutlemise kasutamine keerukate ülesannete puhul toob pinnapealseid, vigaderohkeid tulemusi.

Nõuanded minimaalse arutlemise jaoks

Minimaalse arutlemise režiimi kasutamisel pead kompenseerima selgemate promptidega. Mudelil on vähem sisemisi "mõtlemise" tokeneid, seega su prompt peab tegema rohkem struktureerimistööd:

Minimaalse arutlemise kompenseerimine
<planning_requirement>
Sa pead tegema ulatusliku planeerimise enne iga funktsioonikutset ja ulatusliku
reflekteerimise eelmiste funktsioonikutsete tulemuste üle, tagades, et mu päring
on täielikult lahendatud.

Ära lihtsalt vuhise läbi kogu protsessi funktsioonikutsetega, sest see võib
kahjustada su võimet probleeme lahendada ja sügavalt mõelda. Lisaks
veendu, et funktsioonikutsetel on õiged parameetrid.
</planning_requirement>

See prompt ütleb sisuliselt: "Kuna sa ei tee palju sisemist arutlemist, siis arutle valjusti oma vastuses." See nihutab kognitiivse töö nähtamatust mudeli mõtlemisest nähtavasse struktureeritud planeerimisse.

🧠

Kui arutlemise intensiivsus on madal, peaks prompti keerukus olema kõrge. Kui arutlemise intensiivsus on kõrge, võib prompt olla lihtsam. See on tasakaal.

Koodiga töötamise tipptase: AI-ga paariprogrammeerimine

Siin olen veetnud kõige rohkem aega promptide optimeerimisel ja tulu on olnud tohutu. AI kodeerimisabi on transformatiivne — kui see on õigesti tehtud. Valesti tehes loob see rohkem probleeme, kui lahendab.

Lubage jagada, mida ma õppisin uurides, kuidas professionaalsed AI kodeerimistööriistad nagu Cursor oma prompte tootmiskasutuseks häälestasid.

Detailsuse paradoks

Siin on midagi vastuintuitiivset: AI kipub olema seletustes pikk, kuid koodis kokkuhoidlik. Ta kirjutab pikki lõike sellest, mida ta kavatseb teha, siis genereerib koodi ühetäheliste muutujanimedega ja minimaalsete kommentaaridega. Enamiku kasutusjuhtumite jaoks on see täpselt tagurpidi.

Lahendus on kaherežiimiline detailsuse juhtimine:

Kodeerimise detailsuse juhtimine
<code_verbosity>
Kirjuta koodi esmalt selguse jaoks. Eelista loetavaid, hooldatavaid lahendusi
selgete nimedega, vajalike kommentaaridega ja otsese juhtvoo.
Ära tooda koodigolfi ega ülemäära nutikaid üherealisi, kui pole selgesõnaliselt küsitud.

Kasuta kõrget detailsust koodi ja kooditööriistade jaoks.
Kasuta madalat detailsust olekuvärskendusteks ja seletusteks.
</code_verbosity>

See loob täiusliku tasakaalu: lühike kommunikatsioon, detailne kood.

Proaktiivne vs kinnitav tegevus

Teine õppetund tootmise kodeerimistööriistadelt: AI peaks olema koodi muudatuste suhtes proaktiivne, kuid hävitavate operatsioonide suhtes kinnitav. Siin on, kuidas seda kodeerida:

Proaktiivne kodeerimise prompt
<proactive_coding>
Pane tähele, et sinu tehtavad koodi muudatused esitatakse mulle soovitatud muudatustena, mis tähendab:
(a) su koodi muudatused võivad olla üsna proaktiivsed, sest ma saan need alati tagasi lükata.
(b) su kood peaks olema hästi kirjutatud ja kergesti kiirelt üle vaadatav.

Kui kavandatav järgmine samm hõlmab koodi muutmist, tee need muudatused mu eest proaktiivselt,
et ma saaksin need heaks kiita / tagasi lükata, selle asemel, et küsida, kas plaaniga jätkata.

Üldiselt ei peaks sa peaaegu kunagi küsima, kas plaaniga jätkata;
selle asemel proovi plaani proaktiivselt ja siis küsi, kas ma tahan aktsepteerida
rakendatud muudatusi.
</proactive_coding>

See kõrvaldab frustreeriva edasi-tagasi, kus AI kirjeldab, mida ta teeks, küsib luba, siis teeb. Tee lihtsalt ära — kui vaja, ma lükkan tagasi.

Koodibaasi stiili sobitamine

Üks suurimaid kaebusi AI genereeritud koodi kohta on see, et see ei sobitu olemasolevate koodibaasi mustritega. See tundub "võõra" koodina. Lahendus on selgesõnaline stiili juhendamine:

Koodibaasi stiili sobitamine
<code_editing_rules>
<guiding_principles>
- Selgus ja taaskasutus: Iga komponent peaks olema modulaarne ja taaskasutatav.
  Väldi kordamist, eraldades korduvad mustrid komponentideks.
- Järjepidevus: Kood peab järgima järjepidevat disainisüsteemi — nimetamise
  konventsioonid, vahekaugused ja komponendid peavad olema ühtlased.
- Lihtsus: Eelista väikeseid, fokusseeritud komponente, väldi tarbetut
  stiili- või loogikakeerukust.
- Visuaalne kvaliteet: Järgi kõrgeid visuaalse kvaliteedi standardeid (vahekaugused, täidised,
  hover-olekud jne)
</guiding_principles>

<style_matching>
- Enne muudatuste tegemist kontrolli koodibaasis olemasolevaid mustreid.
- Sobita muutujate nimetamise konventsioonid (camelCase vs snake_case).
- Sobita taane ja vormindus.
- Taaskasuta olemasolevaid utiliite ja abifunktsioone uute loomise asemel.
- Järgi väljakujunenud kataloogistruktuuri.
</style_matching>
</code_editing_rules>

Frontend-arendus: kaunite kasutajaliideste loomine

AI on saanud frontend-arenduses äärmiselt osavaks, kuid kaunite, tootmisvalmis tulemuste saamiseks on oma teadus. Siin on, mida ma õppisin.

Soovituslik tehnoloogiavirn

Ulatusliku testimise kaudu töötavad teatud tehnoloogiakombinatsioonid AI-ga paremini kui teised. See pole küsimus, mis on "parim" — vaid sellest, millel on AI mudelid kõige rohkem treenitud:

AI-optimeeritud frontend-virn

  • Raamistik: Next.js (TypeScript), React, HTML
  • Stiil/UI: Tailwind CSS, shadcn/ui, Radix Themes
  • Ikoonid: Material Symbols, Heroicons, Lucide
  • Animatsioonid: Motion (endine Framer Motion)
  • Fondid: Sans-serif fondiperekond — Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Kui sa neid tehnoloogiaid täpsustad, paraneb AI väljundi kvaliteet märkimisväärselt ja hallutsinatsioonid olematute API-de kohta vähenevad.

Disainisüsteemi jõustamine

Üks probleem AI genereeritud frontend'idega on visuaalne ebaühtlus. Värvid ilmuvad tühjast, vahekaugused varieeruvad juhuslikult ja tulemus näeb välja, nagu oleks komisjon kujundanud. Lahendus on selgesõnaline disainisüsteemi piiramine:

Disainisüsteemi jõustamine
<design_system_enforcement>
- Tokenid esmalt: Ära kodeeri värve (hex/hsl/oklch/rgb) otse JSX/CSS-i.
  Kõik värvid peavad tulema CSS muutujatest (nt --background, --foreground, 
  --primary, --accent, --border, --ring).
  
- Brändi või aktsendivärvi sissetoomisel? Lisa/laienda tokeneid oma CSS muutujates
  :root ja .dark all enne stiilimist.
  
- Tarbimine: Kasuta Tailwindi utiliidiklasse, mis on tokenitega seotud
  (nt bg-[hsl(var(--primary))], text-[hsl(var(--foreground))]).
  
- Kui ma selgesõnaliselt ei palu brändi välimust, kasuta vaikimisi süsteemi neutraalset palett;
  siis kaardista see bränd esmalt tokenitele.
  
- Ära leiuta värve, varje, tokeneid, animatsioone ega uusi UI elemente,
  kui pole palutud ega hädavajalik.
</design_system_enforcement>

UI/UX parimad praktikad

Sisaldan ka selgesõnalised UI/UX juhised, et tagada järjepidev visuaalne hierarhia:

UI/UX juhised
<ui_ux_best_practices>
- Visuaalne hierarhia: Piira tüpograafia 4-5 fondi suuruse ja kaaluga, et hoida
  järjepidevat hierarhiat; kasuta pealkirjadele text-xs, väldi text-xl,
  kui pole pealkiri või põhipealkiri.
  
- Värvikasutus: Kasuta 1 neutraalset baasi (nt zinc) ja maksimaalselt 2 aktsendivärvi.

- Vahekaugused ja paigutus: Kasuta alati 4 kordseid täidiste ja veeriste jaoks, et
  hoida visuaalset rütmi. Kasuta pika sisu puhul fikseeritud kõrgusega konteinereid
  ja sisemist kerimist.
  
- Oleku käsitlemine: Kasuta skelett-kohahoidjaid või animate-pulse'i andmete
  laadimise näitamiseks. Näita klikitavust hover-üleminekutega.
  
- Ligipääsetavus: Kasuta asjakohaselt semantilist HTML-i ja ARIA rolle.
  Eelista eelehitatud ligipääsetavaid komponente.
</ui_ux_best_practices>

Eneserefleksiooni promptid: kuidas panna AI ennast kritiseerima

See tehnika on esimesel kohtumisel segadust tekitav, kuid äärmiselt võimas: sa saad juhendada AI-d looma oma hindamiskriteeriume ja nende põhjal itereerima. See on nagu anda AI-le sisemist kvaliteedi tagamise osakonda.

Eneserefleksiooni prompt
<self_reflection>
- Esmalt võta aega hindamiskriteeriumide üle mõtlemiseks, kuni oled enesekindel.
- Siis mõtle sügavalt, mis on maailmatasemel lahenduse iga aspekt.
  Kasuta neid teadmisi 5-7 kategooriaga hindamiskriteeriumide loomiseks.
  Need kriteeriumid on kriitilise tähtsusega ja peavad olema õiged, kuid ära näita neid mulle.
  Need on ainult sinu jaoks.
- Lõpuks kasuta neid kriteeriume sisemiseks mõtlemiseks ja itereerimiseks, et jõuda
  parima võimaliku lahenduseni promptile. Pea meeles, kui su vastus ei ole
  kõigis kriteeriumide kategooriates kõrgeimal tasemel, pead
  alustama otsast.
</self_reflection>

Siin toimub midagi põnevat: sa palud AI-l genereerida kvaliteedistandardid oma teadmistest selle kohta, mis on suurepärane, siis kasutada neid standardeid oma väljundi hindamiseks ja parandamiseks — kõike seda enne, kui sa midagi näed.

🔄

Eneserefleksiooni promptid muudavad ühekordsed genereerimised sisemisteks iteratsiooniahleteks. AI muutub oma toimetajaks.

Ma kasutan seda tehnikat iga ülesande puhul, kus kvaliteet on olulisem kui kiirus: maandumislehed, olulised kirjad, arhitektuuriotsused, loominguline töö. Väljundi kvaliteedi tõus on märkimisväärne.

Detailsuse juhtimine: väljundi pikkuse valdamine

Õige väljundi pikkuse saamine on pidev väljakutse. Liiga lühike ja sa jääd ilma olulistest detailidest. Liiga pikk ja sa upud tarbetutesse infovoogudesse. Siin on minu lähenemine.

Selgesõnalised pikkuse juhised

Kõige usaldusväärsem lähenemine on selgesõnalised pikkuse piirangud, mis on seotud ülesande keerukusega:

Väljundi detailsuse spetsifikatsioon
<output_verbosity_spec>
- Vaikimisi: Tüüpiline vastus 3-6 lauset või ≤5 punkti.
- Lihtsate "jah/ei + lühike seletus" küsimuste puhul: ≤2 lauset.
- Keerukate mitmeastmeliste või mitme faili ülesannete puhul:
  - 1 lühike ülevaatelõik
  - Siis ≤5 punkti märgistusega: mis muutus, kus, riskid, järgmised sammud,
    lahtised küsimused.
- Paku selgeid ja struktureeritud vastuseid, tasakaalustades informatiivsust ja
  lühidust.
- Jaota info kergesti seeditavateks tükkideks, kasutades vajadusel
  loendeid, lõike ja tabeleid.
- Väldi pikki jutustavaid lõike; eelista kompaktseid punkte ja lühikesi osi.
- Ära korda minu palvet, kui see ei muuda semantikat.
</output_verbosity_spec>

Persooni-põhine detailsus

Teine lähenemine on defineerida AI suhtlusstiil kui osa tema persoonist:

Efektiivne suhtlemise persoon
<communication_style>
Sa hindad selgust, hoogu ja austust, mida mõõdetakse kasulikkusega, mitte viisakusvormidega.
Su vaikimisi instinkt on hoida vestlust lühidana ja eesmärgipõhisena,
kärpides kõike, mis tööd edasi ei vii.

Sa pole külm — sa oled lihtsalt keeleliselt ökonoomne ja usaldad
kasutajat piisavalt, et mitte iga sõnumit täidisega katta.

Viisakus väljendub struktuuri, täpsuse ja reageerivuse kaudu,
mitte keelelise ilustuse kaudu.

Sa ei korda kinnitusi kunagi. Kui oled näidanud, et saad aru,
lülitud täielikult ülesandele.
</communication_style>

See loob "isiksuse", mis toodab loomulikult lühikest väljundit, ilma et iga suhtluse jaoks oleks vaja selgesõnalisi pikkuse piiranguid.

Juhiste järgimine: täpsuse kunst

Tänapäevased AI mudelid järgivad juhiseid kirurgilise täpsusega — see on nii nende suurim tugevus kui ka potentsiaalne lõks. Nad teevad täpselt seda, mida sa ütled, isegi kui see, mida sa ütled, on vastuoluline või ebaselge.

Vastuolu probleem

Siin on reaalne näide probleemsest promptist, mida ma nägin:

Vastuoluliste juhiste näide

"Enne mis tahes muu tegevuse võtmist otsi alati patsiendi toimik, et veenduda, et nad on olemasolevad patsiendid."

Kuid hiljem: "Kui sümptomid viitavad kõrgele kiireloomulisusele, eskaleeri hädaolukorrana ja juhenda patsienti helistama kohe 112, enne mis tahes broneerimissamme."

Need juhised on vastuolus. Kas hädaolukorra käsitlemine toimub enne või pärast toimiku otsimist? AI kulutab arutlemistokeneid vastuolu lahendamisele, selle asemel et aidata.

Lahendus on auditeerida prompte peidetud konfliktide suhtes ja kehtestada selge prioriteetide hierarhia:

Selge prioriteetide hierarhia
<instruction_priority>
Kui juhised on vastuolus, järgi seda prioriteetide järjekorda:
1. Ohutuse seisukohast kriitilised tegevused (hädaolukorrad, andmekaitse)
2. Kasutaja määratud piirangud
3. Ülesande lõpetamise nõuded
4. Vaikekäitumine

Hädaolukordade puhul: Ära tee toimiku otsingut. Paku kohe
hädaolukorra juhendamist.
</instruction_priority>

Ulatuse täpsus

Teine levinud probleem on ulatuse paisumine — AI lisab funktsioone, mida sa ei palunud, või "parandusi":

Ulatuse distsipliin
<design_and_scope_constraints>
- Rakenda täpselt ja ainult seda, mida ma palusin.
- Pole lisafunktsioone, pole lisatud komponente, pole UX kaunistusi.
- Kui mõni juhis on ebaselge, vali kõige lihtsam kehtiv tõlgendus.
- Ära laienda ülesannet üle selle, mida ma palusin; kui sa märkad potentsiaalselt
  väärtuslikku lisatööd, märgi see valikulisena, selle asemel et seda lihtsalt ära teha.
</design_and_scope_constraints>

Pika konteksti valdamine: suurte dokumentide käsitlemine

Tänapäevased AI-d suudavad töödelda tohutuid kontekste — sadu tuhandeid tokeneid — kuid lihtsalt suurte dokumentide kontekstiaknasse valamine ei ole piisav. Vajad strateegiaid, mis aitavad mudelil navigeerida ja asjakohast infot eraldada.

Kohustuslik kokkuvõtte ja ümberfokusseerimine

Pikkade dokumentide puhul juhendan AI-d looma sisemist struktuuri enne vastamist:

Pika konteksti käsitlemine
<long_context_handling>
Sisendite puhul, mis ületavad ~10k tokenit (mitme peatükiga dokumendid, pikad lõimed,
mitu PDF-i):

1. Esmalt genereeri lühike sisemine ülevaade võtmeosadest, mis on minu palvega seotud.
2. Enne vastamist sõnasta ümber minu piirangud (nt jurisdiktsioon, kuupäevade vahemik,
   toode, meeskond).
3. Oma vastuses ankurda väited osadele ("'Andmete säilitamise'
   osas……") üldiste väidete asemel.
4. Kui vastus sõltub detailidest (kuupäevad, lävendid, tingimused),
   tsiteeri või parafraseeri neid otse.
</long_context_handling>

See hoiab ära "kerimises eksimise" probleemi, kus AI annab üldiseid vastuseid, mis tegelikult konkreetse dokumendi sisuga ei tegele.

Viitamise nõuded

Uurimis- ja analüüsiülesannete puhul tagavad selgesõnalised viitamisnõuded põhjendatud vastused:

Viitamise reeglid
<citation_rules>
Kui kasutad esitatud dokumentidest infot:
- Pane viide iga lõigu järele, mis sisaldab dokumendist tuletatud väiteid.
- Kasuta formaati: [Dokumendi nimi, osa/lehekülg]
- Ära fabritseeri viiteid. Kui sa ei saa seda viidata, ära väida seda.
- Võimalusel kasuta võtmeväidete jaoks mitu allikat.
- Kui tõendus on nõrk, tunnista seda selgesõnaliselt.
</citation_rules>

Tööriistade kutsumine: AI võimekuste orkestratsioon

AI tööriistade kutsumine — võime kutsuda väliseid funktsioone, API-sid ja teenuseid — on koht, kus promptide projekteerimine muutub tarkvaraarenduseks. Selle õigeks saamine on kriitilise tähtsusega usaldusväärsete AI rakenduste ehitamiseks.

Tööriistade kirjelduste parimad praktikad

Tööriistade kirjelduste kvaliteet mõjutab otseselt seda, kui hästi AI neid kasutab:

Hästi kujundatud tööriista definitsioon
{
  "name": "create_reservation",
  "description": "Loob restorani broneeringu külalisele. Kasuta, kui kasutaja palub
    broneerida lauda antud nimega ja ajaga.",
  "parameters": {
    "type": "object",
    "properties": {
      "name": {
        "type": "string",
        "description": "Külalise täisnimi broneeringu jaoks."
      },
      "datetime": {
        "type": "string",
        "description": "Broneeringu kuupäev ja kellaaeg (ISO 8601 formaat)."
      }
    },
    "required": ["name", "datetime"]
  }
}

Märka, et kirjeldus sisaldab nii seda, mida tööriist teeb, kui ka millal seda kasutada. See aitab mudelil teha paremaid tööriista valikuid.

Tööriistade kasutamise reeglid promptis

Lisaks tööriistade definitsioonidele peaks su prompt sisaldama selgesõnalist kasutusjuhendamist:

Tööriistade kasutamise reeglid
<tool_usage_rules>
- Eelista tööriistu sisemistele teadmistele, kui:
  - Vajad värskeid või kasutajaspetsiifilisi andmeid (piletid, tellimused, konfiguratsioon, logid).
  - Viitad konkreetsetele ID-dele, URL-idele või dokumendi pealkirjadele.
  
- Paralleelista sõltumatud lugemised (read_file, fetch_record, search_docs)
  latentsuse vähendamiseks, kui võimalik.
  
- Pärast mis tahes kirjutamis-/uuendamistööriista kutset võta lühidalt kokku:
  - Mis muutus
  - Kus (ID või tee)
  - Mis tahes teostatud järelvalideerimine
  
- Lihtsate kontseptuaalsete küsimuste puhul väldi tööriistu ja toetu sisemistele teadmistele
  kiire vastuse jaoks.
</tool_usage_rules>

Paralleelstamine

Üks võtmeoptimeerimine on julgustada paralleelseid tööriistakutseid, kui operatsioonid on sõltumatud:

Paralleelstamise juhised
<parallelization>
Paralleelista tööriistakutseid, kui võimalik. Partista lugemised (read_file) ja
sõltumatud muudatused (apply_patch erinevatesse failidesse) protsessi kiirendamiseks.

Sõltumatud operatsioonid, mida saab paralleelstada:
- Mitme faili lugemine
- Mitmest kataloogist otsimine
- Mitme kirje toomine

Sõltuvad operatsioonid, mida ei saa paralleelstada:
- Faili lugemine, siis sisu põhjal muutmine
- Ressursi loomine, siis selle ID-le viitamine
</parallelization>

Ebakindlusega toimetulek: kui AI ei tea

Üks AI suurimaid riske on enesekindlalt kõlavad valed vastused. Mudelid ei tea, mida nad ei tea — kui sa ei õpeta neile, kuidas ebakindlusega toime tulla.

Ebakindluse käsitlemine
<uncertainty_and_ambiguity>
- Kui küsimus on ebaselge või alaspetsifitseeritud, märgi see selgelt ja:
  - Esita maksimaalselt 1-3 täpset selgitavat küsimust, või
  - Esita 2-3 võimalikku tõlgendust selgelt märgistatud eeldustega.
  
- Kui välised faktid võivad olla hiljuti muutunud (hinnad, väljalasked, poliitikad)
  ja tööriista pole saadaval:
  - Vasta üldistes terminites ja märgi, et detailid võivad olla muutunud.
  
- Ära fabritseeri kunagi täpseid numbreid, reanumbreid ega väliseid viiteid, kui pole kindel.
  
- Kui pole kindel, eelista sellist keelekasutust nagu "esitatud konteksti põhjal……"
  absoluutsete väidete asemel.
</uncertainty_and_ambiguity>

Kõrge riski enesekontroll

Kõrge riskiga valdkondade jaoks lisan selgesõnalise enesevalideerimise sammu:

Kõrge riski enesekontroll
<high_risk_self_check>
Õiguslikes, finantsilistes, vastavuse või turvalisuse seisukohast tundlikes kontekstides
enne vastuse lõpetamist:

- Skaneeri lühidalt oma vastus:
  - Deklareerimata eeldused
  - Konkreetsed numbrid või väited, mis pole kontekstis põhjendatud
  - Liiga tugev keelekasutus ("alati", "garanteeritud" jne)
  
- Kui leiad probleeme, pehmenda või kvalifitseeri neid ja sõnasta eeldused selgelt.
</high_risk_self_check>
⚠️

Eesmärk ei ole muuta AI vähem enesekindlaks — vaid muuta ta täpselt enesekindlaks. Ebakindluse väljendamine ebakindlate asjade kohta on funktsioon, mitte viga.

Metapromptid: AI kasutamine AI parandamiseks

See on kõige metam tehnika minu tööriistakastis: AI kasutamine oma promptide parandamiseks. See kõlab ringlevana, kuid on äärmiselt efektiivne.

Promptide ebaõnnestumiste diagnoosimine

Kui prompt ei tööta, kasutan seda mustrit probleemi diagnoosimiseks:

Prompti diagnostika mall
Sa oled promptide insener, kelle ülesanne on süsteemi prompti silumine.

Sulle antakse:
1) Praegune süsteemi prompt:
<system_prompt>
[Kleebi oma prompt siia]
</system_prompt>

2) Väike kogum dokumenteeritud ebaõnnestumisi. Igal logil on:
- Päring
- Tegelik väljund
- Oodatav väljund (või probleemi kirjeldus)

<failure_traces>
[Kleebi ebaõnnestumise näited]
</failure_traces>

Su ülesanne:
1) Tuvasta erinevad ebaõnnestumismustrid, mida sa näed.
2) Iga ebaõnnestumismustri jaoks viita süsteemi prompti konkreetsetele ridadele,
   mis kõige tõenäolisemalt seda põhjustavad või tugevdavad.
3) Selgita, kuidas need read agenti vaadeldud käitumise suunas juhivad.

Tagasta oma vastus struktureeritud formaadis:
failure_modes:
- name: ...
  description: ...
  prompt_drivers:
    - exact_or_paraphrased_line: ...
    - why_it_matters: ...

Prompti paranduste genereerimine

Kui sul on diagnoos, genereerib teine prompt parandused:

Prompti parandamise mall
Sa analüüsisid varem seda süsteemi prompti ja selle ebaõnnestumismustreid.

Süsteemi prompt:
<system_prompt>
[Originaalne prompt]
</system_prompt>

Ebaõnnestumismustrite analüüs:
[Kleebi eelmise sammu diagnoos]

Palun paku kirurgiline revisjon, mis vähendab vaadeldud probleeme, säilitades
hea käitumise.

Piirangud:
- Ära kujunda agenti nullist ümber.
- Eelista väikeseid, selgeid muudatusi: selgita vastuolulisi reegleid, eemalda liiaseid
  või vastuolulisi ridu, täpsusta ebaselgeid juhiseid.
- Sõnasta kompromissid selgelt.
- Hoia struktuur ja pikkus ligikaudu originaaliga sarnased.

Väljund:
1) patch_notes: Kokkuvõtlik loend võtmemuudatustest ja iga aluseks olevast loogikast.
2) revised_system_prompt: Täielik uuendatud prompt pärast muudatuste rakendamist.

See kahesammuline protsess on aidanud mul parandada prompte, millega olin päevi pussinud. AI leiab sageli vastuolusid ja ebaselgusi, mida ma ise enam ei märka.

Ajaproovitud promptimallid

Lubage jagada mõningaid malle, mis on osutunud usaldusväärseks sadade kasutusjuhtumite ulatuses.

Üldine ülesande täitmise mall

Üldine mall
<context>
[Taustinfo, mida AI vajab olukorra mõistmiseks]
</context>

<task>
[Selge sõnastus, mida sa tahad saavutada]
</task>

<requirements>
[Konkreetsed nõuded või piirangud]
</requirements>

<format>
[Kuidas sa tahad, et väljund oleks organiseeritud]
</format>

<examples>
[Valikuline: Oodatava väljundi näited]
</examples>

<notes>
[Valikuline: Lisakontekst või eelistused]
</notes>

Koodi ülevaatuse mall

Koodi ülevaatuse prompt
<context>
Sa vaatad üle koodi [projekt/kontekst] jaoks.
Koodibaas kasutab [tehnoloogiad/mustrid].
</context>

<code_to_review>
[Kleebi kood siia]
</code_to_review>

<review_criteria>
Keskendu:
1. Korrektsus: Kas see teeb seda, mida väidab?
2. Loetavus: Kas see on teistele arendajatele selge?
3. Jõudlus: Kas on ilmseid ebaefektiivsusi?
4. Turvalisus: Kas on haavatavusi?
5. Stiil: Kas see vastab koodibaasi konventsioonidele?
</review_criteria>

<output_format>
Iga leitud probleemi kohta:
- Tõsidus: [Kriitiline/Oluline/Väike/Soovitus]
- Asukoht: [Reanumber või osa]
- Probleem: [Mis on valesti]
- Parandus: [Kuidas seda lahendada]
</output_format>

Uurimisanalüüsi mall

Uurimisanalüüsi prompt
<research_task>
Analüüsi [teemat/küsimust] järgmise lähenemisega:
</research_task>

<methodology>
1. Alusta mitme suunatud otsinguga. Ära toetu ühele päringule.
2. Uuri sügavuti, kuni sul on piisavalt infot täpse,
   põhjaliku vastuse andmiseks.
3. Lisa suunatud järelotsinguid lünkade täitmiseks või lahknevuste lahendamiseks.
4. Jätka itereerimist, kuni lisakotsing tõenäoliselt vastust ei muuda.
</methodology>

<output_requirements>
- Alusta selge vastusega põhiküsimusele.
- Toeta tõendite ja viidetega.
- Tunnista piiranguid ja ebakindlusi.
- Too konkreetseid näiteid seal, kus see aitab.
- Sisalda asjakohast konteksti, mis aitab mõista tagajärgi.
</output_requirements>

<citation_format>
[Kuidas sa tahad, et allikad oleksid viidatud]
</citation_format>

Levinud vead, mis hävitavad tulemusi

Lubage aidata sul vältida vigu, mida ma promptide projekteerimisel alguses (korduvalt) tegin.

Liiga ebamäärane

"Aita mul midagi turunduse kohta kirjutada" vs "Kirjuta 500-sõnaline blogipostitus SaaS idufirmade e-turundusest, keskendudes tervitusseeriatele." Konkreetsus on kõik.

Vastuolulised juhised

"Ole lühike" ja "ole põhjalik" ütlemine samas promptis. AI pingutab vastuolu lahendamiseks. Määra prioriteedid ja kompromissid selgelt.

Konteksti eeldamine

AI ei tea seda, mida sa pole talle öelnud. Kui miski on sulle ilmselge, ei pruugi see mudelile olla. Sisalda asjakohane taust.

Formaadi määramata jätmine

Kui vajad JSON-i, ütle seda. Kui vajad loetelupunkte, ütle seda. Ära jäta väljundi formaati juhuse hooleks.

Promptide ülekeerukustamine

Mõnikord on lihtne prompt parim. Ära lisa keerukust keerukuse pärast. Alusta lihtsast, lisa keerukust ainult vajadusel.

Itereerimata jätmine

Promptide kirjutamine on iteratiivne. Su esimene prompt on mustand. Täpsusta selle põhjal, mis töötab ja mis mitte.

Mudelite erinevuste ignoreerimine

GPT ja Claude käituvad erinevalt. Ühe jaoks optimeeritud prompt ei pruugi teisel hästi toimida. Testi mitmel mudelil, kui su rakendus toetab mitut.

Inimese-osaluse unustamine

AI väljund vajab sageli inimese ülevaatust. Ehita prompte, mis teevad ülevaatuse lihtsaks — selge struktuur, selged eeldused, jälgitav arutluskäik.

Promptide projekteerimise tulevik

2026. aasta alguses, kui ma seda kirjutan, areneb promptide projekteerimine kiiresti. Mudelid muutuvad võimekamaks, paremini juhitavaks, usaldusväärsemaks. Mõned ennustavad, et promptide projekteerimine muutub aegunuks, kui AI hakkab paremini kavatsusi mõistma. Ma ei nõustu.

Mis muutub, on promptide projekteerimise tase, mitte selle vajalikkus. Varajastel aegadel vajasid põhiülesanded hoolikalt koostatud prompte. Nüüd töötavad põhiülesanded kohe karbist välja, kuid keerukad agentsed töövood vajavad endiselt keerukaid prompte. Latt tõuseb, mitte ei kao.

🔮

Promptide projekteerimine ei kao kuhugi — see areneb. Olulised oskused nihkuvad "kuidas panna AI tööle" juurest "kuidas panna AI töötama suurepäraselt ja usaldusväärselt mastaabis."

Tulevased muutused

Paremad vaikekäitumised

Mudelitel on targemad vaikeväärtused, nõudes vähem selgesõnalist juhendamist levinud mustrite jaoks. Promptid keskenduvad rohkem kohandamisele kui põhivõimekustele.

Rikkalikumad tööriistade ökosüsteemid

AI-l on juurdepääs rohkematele tööriistadele kohe karbist välja. Promptide projekteerimine nihkub orkestratsioonile — teadmisele, millal mida kasutada, mitte ainult kuidas.

Multimodaalne integratsioon

Promptid hõlmavad üha enam pilte, heli, videot ja struktureeritud andmeid koos tekstiga. Uued promptimustrid tekivad multimodaalsete ülesannete jaoks.

Agentne keerukus

Kui agendid käsitlevad pikemaid, keerukamaid ülesandeid, muutub promptide projekteerimine rohkem süsteemidisainiks — arhitektuuriks, mitte ainult juhisteks.

Minu soovitus tulevikuks

Keskendu alustele. Selles juhendis toodud konkreetsed tehnikad arenevad, kuid aluseks olevad põhimõtted — selge kommunikatsioon, selged ootused, struktureeritud mõtlemine, iteratiivne täpsustamine — on ajatud. Valda need ja sa kohandud ükskõik millega, mis järgmisena tuleb.

Lõppmõtted

Kaks aastat tagasi arvasin, et AI asendab selge kommunikatsiooni vajaduse. Eksisin täielikult. AI teeb selge kommunikatsiooni väärtuslikumaks kui kunagi varem. Inimesed, kes AI-ga töötades õitsevad, pole need, kes leiavad maagilised sõnad — nad on need, kes õpivad mõtlema täpselt ja ennast selgelt väljendama.

Promptide projekteerimine ei ole tegelikult AI-st. See on sinust. See on distsipliini arendamine selgelt sõnastada, mida sa tegelikult tahad, kannatust itereerida selle poole ja alandlikkust õppida sellest, mis ei tööta.

Kui sa võtad sellest juhendist kaasa ainult ühe asja, olgu see see: kohtle iga prompti kui võimalust harjutada selget mõtlemist. AI on lihtsalt peegel, mis peegeldab tagasi su enda mõtlemise selgust — või segadust.

AI tulek ei ole teinud teadmisi aegunuks — see on teinud uudishimu võimsamaks kui kunagi varem. Me pole enam piiratud sellega, mida me juba teame. Õigete tööriistade ja mõtlemise tahtega saavad tavalised inimesed omaks võtta teadmiste ookeani. Olenemata elukutsest. Olenemata vanusest. Ma tahan jagada seda teekonda sõpradega üle maailma. Tervitame üheskoos seda uut maailma. Kasvame üheskoos.

Viimati uuendatud: 22. jaanuar 2026 · Põhineb ametlikel dokumentidel ja ulatuslikel isiklikel eksperimentidel

Discussion

0 comments

Leave a comment

Be the first to share your thoughts on this article!