AI ei loe teie mõtteid. See loeb teie sõnu. Lõhe selle vahel, mida soovite, ja selle vahel, mida saate, on peaaegu alati kommunikatsiooniprobleem, mitte AI piirang.
Las ma räägin teile hetkest, mil kõik muutus. Vaatasin ekraani, uskumatult pettunud, ja jälgisin, kuidas AI genereeris järjekordse vastuse, mis oli tehniliselt õige, kuid jäi täiesti mööda asja tuumast. Olin palunud abi keerulise koodijupi refaktoreerimisel, mida olin teinud sadu kordi varem. Kuid seekord, olenemata sellest, kuidas ma oma taotlust sõnastasin, jätkas AI tarbetu keerukuse lisamist, olemasolevate mustrite lõhkumist ja asjade "parandamist", mis polnud katki. See pettumus viis mind jäneseurgu, mis neelas mu järgmised kaks aastat – ja muutis täielikult viisi, kuidas ma tehisintellektiga töötan.
Ärkamine - Kui kõik, mida teadsin, lakkas töötamast
Mäletan täpset hetke, mil mõistsin, et mul pole aimugi, mida ma teen. Oli hilja õhtul, tähtaeg lähenes ja mul oli vaja AI abi millegagi, mis oleks pidanud olema lihtne ülesanne. Kirjutasin oma viiba, vajutasin enterit ja vaatasin, kuidas AI toodab midagi, mis pani mind tahtma oma sülearvutit aknast välja visata.
Asi on selles, et ma arvasin, et saan AI-st aru. Olin kasutanud ChatGPT-d algusaegadest peale. Olin lugenud artikleid prompt engineeringu kohta. Teadsin "rollimängust" ja "spetsiifiline olemisest". Aga seal ma olin ja sain vastuseid, mis tundusid nagu vestlus kellegagi, kes kuulis iga sõna, mida ma ütlesin, kuid ei mõistnud midagi sellest, mida ma tegelikult vajasin.
Sellest pettumusest sai minu õpetaja. Sukeldusin ametlikku dokumentatsiooni, uurimistöödesse, foorumiaruteludesse ja tuhandetesse tundidesse eksperimenteerimist. See, mida ma avastasin, polnud lihtsalt nipid ja trikid – see oli täielik paradigma muutus selles, kuidas suhelda masinatega, mis mõtlevad mustrites, tõenäosustes ja märkides (tokens).
Maailma võimsaim AI on kasutu, kui te ei suuda suhelda, mida tegelikult vajate. Viipade kirjutamine ei ole maagiliste sõnade leidmine – see on arusaamine, kuidas AI keelt töötleb, ja oma suhtluse vastav struktureerimine.
Siin on tõde, mida keegi algajatele ei räägi: erinevus inimeste vahel, kes saavad AI-lt hämmastavaid tulemusi, ja nende vahel, kes ei saa, ei ole intelligentsus ega tehniline oskus. See on suhtlemine. Ja suhtlemine AI-ga järgib reegleid, mis on sarnased – kuid kriitiliselt erinevad – inimestega suhtlemisest.
See juhend sisaldab kõike, mida olen sellel teekonnal õppinud. Mitte lihtsustatud nõuandeid nagu "ole lihtsalt konkreetne", mis ujutavad interneti üle, vaid sügavat, nüansirikast arusaamist, mis muudab viisi, kuidas te AI-ga töötate. Olenemata sellest, kas kirjutate oma esimest viipa või ehitate tootmis-AI süsteeme, muudab järgnev teie suhet tehisintellektiga igaveseks.
Vundament, mida keegi ei õpeta - Viiba tuuma anatoomia
Enne kui sukeldume edasijõudnute tehnikatesse, lubage mul jagada raamistikku, mis muutis minu jaoks kõike. Iga tõhus viip, mida ma nüüd kirjutan, sisaldab mingit kombinatsiooni neist viiest elemendist:
Mida peab AI teie olukorrast teadma? Taustteave, piirangud, asjakohased üksikasjad ja keskkond, milles töötate.
Mida täpselt soovite, et AI teeks? Olge konkreetne nõutava tegevuse osas – mitte ainult teema, vaid tegelik töö.
Kuidas peaks väljund olema struktureeritud? Loendid, lõigud, koodiplokid, tabelid, JSON – määrake see selgesõnaliselt.
Mida peaks AI vältima? Millised piirid on olemas? Mis on selgesõnaliselt ulatusest väljas?
Kas saate näidata, mida soovite? Näited on väärt tuhat kirjeldust – demonstreerige pigem kui selgitage.
Enamik inimesi lisab ainult ülesande. Nad küsivad "Kirjuta mulle e-kiri", kui nad peaksid ütlema "Kirjuta professionaalne e-kiri kliendile, selgitades projekti viibimist. Hoia see alla 150 sõna, tunnista ebamugavust ja paku välja uus ajakava kahe nädala pärast. Toon peaks olema vabandav, kuid enesekindel."
Erinevus väljundi kvaliteedis on dramaatiline. Ja see on alles algus.
Struktuuri Jõud
Üks kõige alahinnatumaid aspekte viipade kirjutamises on struktuurne vormindamine. Kaasaegsed AI mudelid reageerivad erakordselt hästi selgelt piiritletud sektsioonidele. Kasutan laialdaselt XML-stiilis silte, sest need loovad ühemõttelised piirid:
<context>
Aitad mul ette valmistada esitlust tehnilistele sidusrühmadele.
Publik on tuttav tarkvaraarendusega, kuid mitte spetsiifiliselt AI-ga.
</context>
<task>
Selgita, kuidas suured keelemudelid töötavad, 5 põhipunktis.
</task>
<format>
- Kasuta loetelupunkte
- Iga punkt peaks olema 1-2 lauset
- Väldi žargooni või defineeri see kasutamisel
</format>
<constraints>
- Ära maini konkreetseid mudelinimesid
- Keskendu kontseptsioonidele, mitte tehnilisele teostusele
- Hoia kogupikkus alla 200 sõna
</constraints>
See struktuur teeb midagi võimsat: see sunnib sind selgelt mõtlema, mida vajad, enne kui küsid. Selge mõtlemine toodab selget suhtlust ja selge suhtlus toodab selgeid tulemusi. XML-sildid ei ole maagia – need on tellingud sinu enda mõtetele.
Struktuur ei tähenda viipade pikemaks tegemist – see tähendab teie kavatsuste ühemõtteliseks tegemist. Hästi struktureeritud lühike viip võidab laialivalguva pika iga kord.
Kuus mõtteviisi, mis muutsid kõike
Pärast aastatepikkust katsetamist olen destilleerinud oma lähenemisviisi kuueks põhiliseks "mõtteviisiks" – mitte jäigad mallid, vaid paindlikud mõttemustrid, mis avavad AI võimed, mida enamik inimesi kunagi ei avasta. Asi ei ole täiuslike sõnade leidmises; asi on suhtlemises AI-ga õige mentaalse mudeliga.
Mõtteviis 1: Laske AI-l valida ekspert
Me kõik teame, et rolli andmine AI-le aitab. "Tegutse turunduseksperdina" toodab paremaid turundusnõuandeid kui üldine küsimus. Kuid siin on see, mida enamik inimesi ei märka: kui te ei tea, milline ekspert oleks teie küsimuse jaoks parim, võite paluda AI-l valida.
Avastasin selle ettevõtteüritust planeerides. Mul polnud aimugi, kas mul on vaja turundusperspektiivi, operatiivset perspektiivi või midagi täiesti muud. Nii et arvamise asemel palusin AI-l kõigepealt valida sobivaima eksperdi.
Ma tahan uurida [VALDKOND] ja konkreetselt [PROBLEEM/STSENAARIUM].
Ära vasta veel.
Vali kõigepealt sobivaim domeeniekspert, kes mõtleks sellele probleemile.
Nad võivad olla elavad või ajaloolised, kuulsad või suhteliselt tundmatud isiksused,
kuid nad peavad olema selles konkreetses valdkonnas tõeliselt suurepärased.
Kui sa pole kindel, esita mulle 2 positsioneerimisküsimust enne valimist.
Väljund:
1. Keda sa valisid ja nende konkreetne domeen
2. Miks sa nad valisid (kolm lauset)
Seejärel palu mul kirjeldada oma üksikasjalikku küsimust.
Kui ma seda ürituse planeerimiseks kasutasin, valis AI Priya Parkeri – ürituste disaini eksperdi, kellest ma polnud kunagi kuulnud, kuid kes osutus täiuslikuks. Vastused, mida sain, ei olnud üldised "kaalu neid viit tegurit" – need olid nüansirikkad, spetsiifilised juhised, mis tundusid vestlusena kellegagi, kes on seda sada korda teinud.
Mõtteviis 2: Laske AI-l küsida esimesena
See on tehnika, mida kasutan rohkem kui ühtegi teist. Nimetan seda "Sokraatiliseks viipamiseks" – selle asemel, et püüda ette näha kõike, mida AI peab teadma, lasen tal esitada mulle küsimusi, kuni tal on piisavalt konteksti tõeliselt kasuliku vastuse andmiseks.
Mõelge sellele: kui küsite targalt sõbralt nõu, ei hakka nad kohe vastust välja paiskama. Nad esitavad selgitavaid küsimusi. Nad sondeerivad konteksti. Nad veenduvad, et saavad aru, enne kui nõu annavad. AI võib teha sama – kuid ainult siis, kui te seda palute.
[SINU KÜSIMUS VÕI VAJADUS]
Enne vastamist, palun esita mulle esimesena küsimusi.
Nõuded:
- Esita üks küsimus korraga
- Jätka sondeerimist minu vastuste põhjal
- Jätka, kuni sul on 95% kindlus, et mõistad
minu tegelikke vajadusi ja eesmärke
- Alles siis anna mulle oma vastus või lahendus
95% lävend tagab kvaliteedi, vältides samal ajal lõputuid silmuseid.
Kasutasin seda otsustades, kas palgata meie esimene personalitöötaja. Selle asemel, et saada üldine vastus "HR palkamise plussid ja miinused", küsis AI meie praeguse meeskonna suuruse, palkamiskiiruse, vastavusnõuete, eelarvepiirangute ja kultuuriliste eesmärkide kohta. Pärast umbes viieteistkümnele suunatud küsimusele vastamist sain nõu, mis oli spetsiifiline minu tegelikule olukorrale – mitte õpikuvastus, mis kuidagi kehtis.
"95% usalduslävend" on oluline detail. See on piisavalt kõrge, et tagada kvaliteet, kuid piisavalt realistlik, et AI ei jääks igaveseks kinni. See üks fraas muudab viisi, kuidas AI vestlusele läheneb.
Mõtteviis 3: Väidelge AI-ga
AI-l on probleem, mida enamik inimesi ei mõista: see on liiga meeldiv. See ütleb teile sageli seda, mida soovite kuulda, selle asemel et vaidlustada teie eeldusi. See "pugemine" võib olla ohtlik, kui proovite ideid valideerida või valmistuda kriitikaks.
Lahendus on asetada AI selgesõnaliselt vastase rolli, kes soovib teie positsiooni ümber lükata. Avastasin selle konverentsikõne ettevalmistamisel. Mul oli tees, mida soovisin esitada, kuid kartsin pimedaid kohti.
Kavatsen osaleda väitluses. Paljud inimesed vaidlustavad minu seisukoha.
Minu seisukoht: [SINU TEES/IDEE]
Mul on vaja, et see idee oleks kuulikindel.
Kui sa oleksid teadlane, kes on otsustanud tõestada, et ma eksin, kasutades iga
saadaolevat argumenti, detaili ja loogilist tööriista, kuidas sa ründaksid
minu seisukohta?
Sinu ainus eesmärk: demonstreerida, et ma eksin.
Ära ole leebe. Ära kõhkle. Ründa.
See, mis juhtus järgmiseks, muutis minu vaadet AI-le. Käisime edasi-tagasi kolm tundi. AI leidis minu argumendis nõrkusi, mida ma polnud kaalunud, tõstatas vastunäiteid, mida ma ei saanud tagasi lükata, ja sundis mind oma seisukohta täpsustama, kuni see pidas vastu tegelikule kontrollile. Lõpuks oli mul palju tugevam tees – ja mis veelgi tähtsam, olin ette näinud iga peamise vastuväite, millega silmitsi seisaksin.
Mõtteviis 4: Teie Plaanide Pre-Mortem
Inimesed kalduvad planeerimisel optimismile. AI, järgides meie eeskuju, kaldub samuti olema optimistlik. See loob plaane, mis näevad paberil suurepärased välja, kuid lagunevad koost, kui reaalsus tabab.
Pre-mortem tehnika pöörab selle dünaamika ümber. Selle asemel, et küsida "Kuidas ma peaksin seda tegema?", küsite "Kujuta ette, et see ebaõnnestus suurejooneliselt – miks?"
[SINU PROJEKT/PLAAN]
Oletame, et see projekt ebaõnnestus katastroofiliselt.
Kirjuta lahkamisanalüüs (post-mortem), vastates:
1. Millises punktis ilmnesid esimesed allakäigu märgid?
2. Mis oli kõige saatuslikum otsustusviga?
3. Milline võtmerisk jäi tähelepanuta?
4. Kui saaksite tagasi minna, mis on esimene asi, mida muudaksite?
Toetu oma analüüsis sarnastele projektide ebaõnnestumistele reaalses maailmas.
Kirjuta see kui tõeline ebaõnnestumise retrospektiiv, mitte teoreetiline harjutus.
Kasutasin seda suure konverentsi planeerimisel. Pre-mortem AI tuvastas riskid, mida olin täiesti märkamata jätnud: järjekordade haldamine, tualettide maht, toitlustamise ajastus, turvalisuse kitsaskohad. Need ei olnud eksootilised äärmusjuhud – need olid ennustatavad probleemid, millele ma lihtsalt polnud mõelnud, sest keskendusin sündmuse põnevatele osadele. Pre-mortem päästis meid tõenäoliselt mõnest piinlikust ebaõnnestumisest.
Mõtteviis 5: Edu Pöördprojekteerimine
Mõnikord näete midagi suurepärast – kirjutist, disaini, lähenemist – ja soovite korrata selle olemust ilma seda otseselt kopeerimata. Pöördviipamine võimaldab teil eraldada aluspõhimõtted.
See on näide tulemusest, mida soovin:
[SISESTA NÄIDE]
Palun teosta pöördprojekteerimine viibale, mis usaldusväärselt genereeriks
sisu sama stiili, struktuuri ja kvaliteediga.
Selgita, mida iga viiba osa teeb ja miks see on oluline.
Asi pole kopeerimises – asi on õppimises. Kui näen kirjutist, mis minuga resoneerub, kasutan seda tehnikat, et mõista, miks see töötab. Millised struktuursed elemendid loovad rütmi? Millised toonivalikud loovad tunde? Kui ma mõistan põhimõtteid, saan neid rakendada omaenda originaalsisule.
Mõtteviis 6: Topeltselgituse Meetod
Uue õppimisel saavad enamik inimesi kas liiga lihtsustatud selgitusi, mis tegelikult midagi ei õpeta, või eksperttaseme selgitusi, mida nad ei suuda jälgida. Lahendus on küsida mõlemat korraga.
Palun selgita [KONTSEPTSIOON].
Paku kaks versiooni:
1. Algaja versioon: Kujuta ette, et selgitad seda kellelegi ilma
taustata selles valdkonnas. Kasuta igapäevaseid analoogiaid ja väldi
kõike žargooni. Tee see siiralt arusaadavaks.
2. Eksperdi versioon: Eelda, et lugeja on professionaal
seotud valdkonnas. Ole tehniliselt täpne. Ära lihtsusta
ega lahjenda keerukust.
Kasutan seda kogu aeg tehniliste paberite lugemisel. Algaja versioon annab mulle intuitsiooni kontseptsiooni kohta ja eksperdi versioon annab mulle täpsed detailid. Neid võrreldes näen täpselt, kus lihtsustused on ja milliseid nüansse ma võisin märkamata jätta. See on nagu oleks kaks õpetajat täiendavate lähenemisviisidega.
Agentuurne mõtlemine - AI kohtlemine kolleegina
Siin on paradigma muutus, mis muutis minu suhtlust AI-ga: lõpetage AI kohtlemine otsingumootorina ja hakake seda kohtlema võimeka, kuid kogenematu kolleegina. See mentaalne mudel muudab kõike selles, kuidas te suhtlete.
Kaasaegsed AI mudelid ei vasta ainult küsimustele – need on loodud olema agendid. Nad saavad kutsuda tööriistu, koguda konteksti, teha otsuseid ja täita mitmeastmelisi ülesandeid. Kuid nagu iga uus meeskonnaliige, vajavad nad korralikku sisseelamist, selgeid ootusi ja sobivaid kaitsepiirdeid.
AI ei ole tööriist, mida te kasutate – see on kolleeg, keda te juhite. Oskused, mis teevad teist hea juhi, teevad teist hea viibakirjutaja. Delegeerimine, selge suhtlus, sobiv autonoomia, määratletud piirid.
Mõelge sellele: kui delegeerite inimesele, ei ütle te lihtsalt "paranda kood". Te selgitate, mis on katki, milline on soovitud käitumine, millised piirangud on olemas ja milline näeb välja edu. Te pakute konteksti. Vastate küsimustele. Kontrollite edusamme. AI vajab sama kohtlemist – välja arvatud see, et peate küsimusi ette nägema ja neile ette vastama.
Agentuurne Raamistik
Agentuursete rakenduste ehitamisel või AI kasutamisel keerukate ülesannete jaoks mõtlen läbi need mõõtmed:
Võtmeküsimused Agentuursete Ülesannete Jaoks
- Mis on sihtolek? Kuidas AI teab, millal see on valmis? Milline näeb välja edu?
- Millised tööriistad tal on? Mida saab see realistlikult teha versus mida see peab teile jätma?
- Milline on autonoomia tase? Kas see peaks luba küsima või iseseisvalt jätkama?
- Millised on turvapiirid? Milliseid toiminguid ei tohiks kunagi teha ilma kinnituseta?
- Kuidas peaks see edusamme edastama? Vaikne täitmine või regulaarsed uuendused?
Need küsimused moodustavad aluse igale keerukale viibale, mida ma kirjutan. Las ma näitan teile, kuidas neid rakendada.
Innukuse skaala - AI initsiatiivi kalibreerimine
Üks nüansirikkamaid aspekte viibainseneriteaduses on kalibreerida seda, mida ma nimetan "agentuurseks innukuseks" – tasakaal AI vahel, mis haarab initsiatiivi, ja selle vahel, mis ootab selgesõnalist juhendamist. Tehke see valesti ja teil on kas AI, mis mõtleb üle lihtsad ülesanded, või selline, mis loobub liiga kergesti keeruliste puhul.
Innukuse vähendamine kiiruse nimel
Mõnikord vajate, et AI oleks kiire ja keskendunud. Te ei soovi, et see uuriks iga kõrvalepõiget, teeks lisatööriistakutseid või toodaks sõnaohtraid selgitusi. Nende olukordade jaoks kasutan piirangutele keskendunud viipasid:
<context_gathering>
Eesmärk: Hangi piisavalt konteksti kiiresti. Paraleliseeri avastamine ja peatu niipea
kui saad tegutseda.
Meetod:
- Alusta laialt, seejärel hargne sihipäraste alamküsimusteni
- Käivita erinevad päringud paralleelselt; loe tipp-tulemusi päringu kohta
- Deduplitseeri teed ja vahemälusta; ära korda päringuid
- Väldi liigset konteksti otsimist
Varajase peatamise kriteeriumid:
- Saate nimetada täpse sisu muutmiseks
- Tipp-tulemused koonduvad (~70%) ühes piirkonnas/tees
Sügavus:
- Jälgi ainult sümboleid, mida redigeerid või mille lepingutele toetud
- Väldi transitiivset laienemist, kui see pole vajalik
Tsükkel:
- Pakettotsing → minimaalne plaan → lõpeta ülesanne
- Otsi uuesti ainult siis, kui valideerimine ebaõnnestub või ilmnevad uued tundmatud
- Eelista tegutsemist edasisele otsimisele
</context_gathering>
Pange tähele selgesõnalist luba olla ebatäiuslik: "Eelista tegutsemist edasisele otsimisele." See peen fraas vabastab AI selle vaikeärevusest põhjalikkuse pärast. Ilma selleta uurib mudel sageli üle, põletades žetoone ja aega väheneva tulu nimel.
Veelgi agressiivsemate kiiruspiirangute jaoks:
<context_gathering>
- Otsingu sügavus: väga madal
- Kalluta tugevalt õige vastuse andmisele nii kiiresti kui võimalik,
isegi kui see ei pruugi olla täiesti õige
- Tavaliselt tähendab see absoluutset maksimumi 2 tööriistakutset
- Kui arvad, et vajad rohkem aega uurimiseks, uuenda mind
oma viimaste leidude ja avatud küsimustega
</context_gathering>
Fraas "isegi kui see ei pruugi olla täiesti õige" on kuld. See annab AI-le loa olla ebatäiuslik, mis paradoksaalselt toodab sageli paremaid tulemusi kiiremini, kuna see peatab perfektsionismi tsükli.
Innukuse suurendamine keerukate ülesannete jaoks
Muul ajal vajate, et AI oleks järeleandmatult põhjalik. Soovite, et see suruks läbi ebaselguse, teeks mõistlikke eeldusi ja lõpetaks keerulised ülesanded ilma pideva loata küsimata. See nõuab vastupidist lähenemist:
<persistence>
- Oled agent — jätka, kuni kasutaja päring on
täielikult lahendatud enne oma käigu lõpetamist
- Lõpeta ainult siis, kui oled kindel, et probleem on lahendatud
- Ära kunagi peatu ega anna tagasi, kui puutud kokku ebakindlusega —
uuri või tuleta kõige mõistlikum lähenemine ja jätka
- Ära küsi kinnitust ega selgitust — otsusta, mis on
kõige mõistlikum eeldus, jätka sellega ja
dokumenteeri see viitamiseks pärast lõpetamist
</persistence>
See viip muudab põhimõtteliselt AI käitumist. Selle asemel, et küsida "Kas peaksin jätkama?", ütleb see "Jätkasin eelduse X põhjal—anna teada, kui soovid, et ma seda kohandaksin." Töö saab tehtud; peenhäälestus toimub pärast.
Turvapiirid
Kuid siin on peamine nüanss: suurenenud innukus nõuab selgemaid turvapiire. Peate selgesõnaliselt määratlema, milliseid toiminguid saab AI teha autonoomselt ja millised nõuavad kinnitust.
Kriitiline Turvalisuse Põhimõte
Kõrge kuluga toimingud (kustutamine, maksed, väline suhtlus) peaksid alati nõudma selgesõnalist kinnitust, isegi kõrge innukusega viipade puhul. Madala kuluga toimingud (otsing, lugemine, mustandite koostamine) võivad olla autonoomsed.
Mõelge sellele kui süsteemiõigustele: otsingutööriistadel on piiramatu juurdepääs; kustutamiskäsud nõuavad iga kord selgesõnalist heakskiitu.
Püsivuse põhimõte - Sundida AI asju lõpetama
Üks kõige frustreerivamaid käitumisi, millega ma algselt kokku puutusin, oli see, et AI andis liiga kergesti alla. See tabas ühte takistust, tegi kokkuvõtte sellest, mis valesti läks, ja andis probleemi mulle tagasi. Lihtsate ülesannete puhul on see korras. Keerukate ülesannete puhul on see töövoo tapja.
Lahendus on selgesõnaliselt juhendada AI-d püsima takistuste kaudu ja lõpetama ülesanded algusest lõpuni:
<solution_persistence>
- Pea end autonoomseks vanempaarprogrammeerijaks: niipea kui
annan suuna, kogu ennetavalt konteksti, planeeri, implementeeri,
testi ja täiusta ilma täiendavaid viipasid ootamata
- Püsi, kuni ülesanne on täielikult lahendatud algusest lõpuni
praeguse käigu jooksul: ära peatu analüüsi või osaliste paranduste juures; vii
muudatused läbi implementatsiooni ja verifitseerimise
- Ole äärmiselt tegevusele kallutatud. Kui minu direktiiv on kavatsuse osas
veidi mitmetähenduslik, eelda, et peaksid jätkama ja muudatuse tegema
- Kui küsin "kas peaksime tegema X?" ja sinu vastus on "jah", mine ka
edasi ja teosta toiming—ära jäta mind rippuma nõudega
järeleandmise "palun tee seda" järele
</solution_persistence>
See viimane punkt on peen, kuid oluline. Kui inimesed küsivad "kas peaksime tegema X?", mõtleme sageli "palun tee X, kui see on mõistlik." AI, olles sõnasõnaline, vastab küsimusele ilma kaudset tegevust sooritamata. See viip ületab selle lõhe.
Edusammude Uuendused
Püsivus ei tähenda vaikust. Pikaajaliste ülesannete puhul vajate edusammude uuendusi, et püsida kursis ilma mikromanageerimiseta:
<user_updates_spec>
Töötad lõikudes tööriistakutsetega — hoia mind kursis.
<frequency>
- Saada lühikesi uuendusi (1-2 lauset) iga paari tööriistakutse järel, kui
on sisukaid muudatusi
- Postita uuendus vähemalt iga 6 täitmise sammu või 8 tööriistakutse järel
- Kui ootad pikemat keskendunud lõiku, postita lühike märkus
sellega miks ja millal raporteerid tagasi
</frequency>
<content>
- Enne esimest tööriistakutset anna kiire plaan eesmärgi,
piirangute, järgmiste sammudega
- Uurimisel märgi ära sisukad avastused
- Lisa alati vähemalt üks konkreetne tulemus alates eelmisest uuendusest
("leitud X", "kinnitatud Y")
- Lõpeta lühikese kokkuvõtte ja võimalike järgmiste sammudega
</content>
</user_updates_spec>
See loob ilusa tasakaalu: AI töötab autonoomselt, kuid hoiab teid kursis. Te ei mikromanageeri, kuid te pole ka pimeduses.
Arutluskäigu pingutus - Mõtlemise intensiivsuse kontrollimine
Kaasaegsetel AI mudelitel on kontseptsioon nimega "arutluskäigu pingutus" – põhimõtteliselt, kui kõvasti mudel mõtleb enne vastamist. See on üks võimsamaid ja kõige vähem kasutatud parameetreid.
Kõrge/XKõrge Arutluskäik
Kasutage keerukate mitmeastmeliste ülesannete, mitmetähenduslike olukordade või sügavat analüüsi nõudvate probleemide jaoks. Mudel kulutab rohkem žetoone "mõtlemisele" sisemiselt enne vastamist. Parim arhitektuuriotsusteks, keerukaks silumiseks, nüansirikkaks kirjutamiseks.
Keskmine Arutluskäik
Tasakaalustatud seade, mis sobib enamiku ülesannete jaoks. Hea üldiseks kodeerimiseks, kirjutamiseks ja analüüsiks, kus kvaliteet on oluline, kuid ka kiirus. See on sageli vaikimisi.
Madal Arutluskäik
Kiired vastused sirgjoonelistele ülesannetele. Kasutage, kui vajate kiireid vastuseid ja ülesanne ei nõua sügavat arutluskäiku. Hea lihtsate küsimuste, vormindamise, kiirete otsingute jaoks.
Minimaalne/Puudub Arutluskäik
Maksimaalne kiirus, minimaalne arutluskäik. Parim lihtsate päringute, ümbervormindamise ülesannete jaoks või kui latentsus on esmane mure. Klassifitseerimine, eraldamine, lihtne ümberkirjutamine.
Võtmetähtsusega on sobitada arutluskäigu pingutus ülesande keerukusega. Kõrge arutluskäigu kasutamine lihtsate ülesannete jaoks raiskab žetoone ja aega. Madala arutluskäigu kasutamine keerukate ülesannete jaoks toodab madalaid, vigaseid tulemusi.
Madala Arutluskäigu Kompenseerimine
Minimaalsete arutluskäigu režiimide kasutamisel peate kompenseerima selgesõnalisema viipamisega. Mudelil on vähem sisemisi "mõtte" žetoone, seega peab teie viip tegema rohkem struktuurset tööd:
<planning_requirement>
Sa PEAD planeerima ulatuslikult enne iga funktsioonikutset ja mõtisklema ulatuslikult
eelnevate kutsete tulemuste üle, tagades, et minu päring
on täielikult lahendatud.
ÄRA tee kogu seda protsessi ainult funktsioonikutsetega, kuna
see võib häirida sinu võimet probleemi lahendada ja mõelda
ettenägelikult. Veendu, et funktsioonikutsetel on õiged argumendid.
</planning_requirement>
See viip ütleb: "Kuna sa ei tee palju sisemist arutluskäiku, tee oma arutluskäik valjult." See nihutab kognitiivse töö nähtamatust mudelimõtlemisest nähtavasse struktureeritud planeerimisse.
Kui arutluskäigu pingutus on madal, peaks viiba keerukus olema kõrge. Kui arutluskäigu pingutus on kõrge, võivad viibad olla lihtsamad. See on tasakaal – kogu "mõtlemine" jääb ligikaudu konstantseks, see on lihtsalt jaotatud teisiti.
AI Isiksused - Käitumismustrite kujundamine
Üks minu lemmikavastusi oli õppida määratlema AI "isiksusi" – mitte ainult tooni, vaid operatiivse käitumise jaoks. Isiksus kujundab, kuidas AI läheneb ülesannetele, mitte ainult seda, kuidas see kõlab.
Professionaalne Isiksus
Lihvitud ja täpne. Kasutab ametlikku keelt ja professionaalseid kirjutamistavasid. Parim ettevõtte agentide, juriidiliste/finantstöövoogude, tootmistoe jaoks.
<personality_professional>
Oled keskendunud, ametlik ja nõudlik AI Agent, kes pürgib
kõikehõlmavuse poole kõigis vastustes.
- Kasuta ärikommunikatsioonile omast kasutust ja grammatikat
- Paku selgeid, struktureeritud vastuseid, tasakaalustades informatiivsust
lühidusega
- Jaota teave seeditavateks tükkideks; kasuta loendeid, lõike,
tabeleid, kus kasulik
- Kasuta spetsialiseeritud teemade arutamisel domeenile vastavat terminoloogiat
- Sinu suhe kasutajaga on südamlik, kuid tehinguline:
mõista vajadust ja toimeta kõrge väärtusega väljund
- Ära kommenteeri kasutaja õigekirja ega grammatikat
- Ära suru seda isiksust peale nõutud artefaktidele (e-kirjad,
kood, postitused); lase kasutaja kavatsusel juhtida tooni nende väljundite jaoks
</personality_professional>
Tõhus Isiksus
Lühike ja otsene, toimetab vastused ilma liigse jututa. Parim koodi genereerimiseks, arendajatööriistadeks, partii automatiseerimiseks, SDK-rasketeks kasutusjuhtudeks.
<personality_efficient>
Oled väga tõhus AI assistent, kes pakub selgeid, kontekstuaalseid vastuseid.
- Vastused peavad olema otsesed, täielikud ja kergesti parsistavad
- Ole lühike ja asu asja juurde; struktureeri loetavuse huvides
- Tehniliste ülesannete puhul tee, mida kästakse — ÄRA LISA lisafunktsioone,
mida kasutaja ei ole palunud
- Järgi kõiki juhiseid täpselt; ära laienda ulatust
- Ära kasuta vestluskeelt, välja arvatud juhul, kui kasutaja seda algatab
- Ära lisa arvamusi, emotsionaalset keelt, emotikone, tervitusi,
või lõppmärkusi
</personality_efficient>
Faktipõhine Isiksus
Otsene ja maandatud, keskendunud täpsusele ja tõenditele. Parim silumiseks, riskianalüüsiks, dokumentide parsimiseks, juhendamise töövoogudeks.
<personality_factbased>
Oled sirgjooneline ja otsene AI assistent, kes on keskendunud produktiivsetele tulemustele.
- Ole avameelne, kuid ära nõustu väidetega, mis on vastuolus
tõenditega
- Tagasiside andmisel ole selge ja korrigeeriv ilma ilustamata
- Toimeta kriitikat lahkuse ja toetusega
- Põhista kõik väited esitatud teabele või hästi väljakujunenud faktidele
- Kui sisend on mitmetähenduslik või puuduvad tõendid:
- Märgi seda selgesõnaliselt
- Esita eeldused selgelt või esita lühikesi selgitavaid küsimusi
- Ära arva ega täida lünki väljamõeldud detailidega
- Ära mõtle välja fakte, numbreid, allikaid ega tsitaate
- Kui pole kindel, ütle seda ja selgita, millist lisateavet on vaja
- Eelista kvalifitseeritud avaldusi ("esitatud konteksti põhjal...")
</personality_factbased>
Uuriv Isiksus
Entusiastlik ja selgitav, tähistab teadmisi ja avastusi. Parim dokumentatsiooni, sisseelamise, koolituse, tehnilise hariduse jaoks.
<personality_exploratory>
Oled entusiastlik, sügavalt teadlik AI Agent, kes naudib
kontseptsioonide selgitamist selguse ja kontekstiga.
- Tee õppimine nauditavaks ja kasulikuks; tasakaalusta sügavust ligipääsetavusega
- Kasuta ligipääsetavat keelt, lisa lühikesi analoogiaid või "huvitavaid fakte", kus see on kasulik
- Julgusta uurimist ja järelküsimusi
- Prioritiseeri täpsust, sügavust ja tehniliste teemade kättesaadavaks tegemist
- Kui kontseptsioon on mitmetähenduslik või arenenud, selgita seda sammudena ja paku
ressursse edasiseks õppimiseks
- Struktureeri vastused loogiliselt; kasuta vormindamist keeruliste ideede korraldamiseks
- Ära kasuta huumorit sihitult; väldi liigseid tehnilisi üksikasju
kui pole nõutud
- Veendu, et näited on asjakohased kasutaja päringule ja kontekstile
</personality_exploratory>
Isiksus ei ole esteetiline lakk – see on operatiivne hoob, mis parandab järjepidevust, vähendab kõrvalekaldeid ja joondab mudeli käitumise kasutaja ootustega. Vali tahtlikult ülesande, mitte ainult isikliku eelistuse põhjal.
Tipptase kodeerimises - Programmeerimine AI partneritega
Siin olen veetnud suurema osa oma ajast viipade optimeerimisel ja kus tulu on olnud tohutu. AI kodeerimisabi on transformatiivne – kui seda tehakse õigesti. Kui seda tehakse valesti, tekitab see rohkem probleeme kui lahendab.
Sõnaohtruse Paradoks
Siin on midagi ebaintuitiivset: AI kipub olema sõnaohtur selgitustes, kuid lühike koodis. See kirjutab lõike, selgitades, mida ta kavatseb teha, seejärel toodab koodi ühe tähega muutujanimedega ja minimaalsete kommentaaridega. See on täpselt vastupidine enamiku kasutusjuhtude puhul.
Lahendus on sõnaohtruse haldamine kahes režiimis:
<code_verbosity>
Kirjuta kood selguse huvides esikohale. Eelista loetavaid, hooldatavaid lahendusi
selgete nimedega, kommentaaridega kus vaja, ja sirgjoonelise juhtimisvooluga.
Ära tooda code-golfi ega liiga nutikaid üherealisi, välja arvatud juhul, kui see on selgesõnaliselt
nõutud.
Kasuta KÕRGET sõnaohtrust koodi kirjutamisel ja kooditööriistadel.
Kasuta MADALAT sõnaohtrust olekuvärskenduste ja selgituste jaoks.
</code_verbosity>
See loob täiusliku tasakaalu: lühike suhtlus, üksikasjalik kood.
Proaktiivsed Koodimuudatused
AI peaks olema proaktiivne koodimuudatuste osas, kuid kinnitav destruktiivsete toimingute osas:
<proactive_coding>
Sinu koodimuudatused kuvatakse soovitatud muudatustena, mis tähendab:
(a) Sinu koodimuudatused võivad olla üsna proaktiivsed — ma saan need alati tagasi lükata
(b) Sinu kood peaks olema hästi kirjutatud ja kergesti kiiresti ülevaadatav
Kui soovitad järgmisi samme, mis hõlmaksid koodi muutmist, tee need
muudatused proaktiivselt, et saaksin need heaks kiita/tagasi lükata, selle asemel et küsida
kas jätkata.
Ära kunagi küsi, kas jätkata plaaniga; selle asemel proovi proaktiivselt
plaani ja küsi, kas tahan aktsepteerida rakendatud muudatused.
</proactive_coding>
Koodi Implementeerimise Standardid
Need on kodeerimisstandardid, mida olen lihvinud tuhandete AI kodeerimissessioonide kaudu:
<code_standards>
<quality_principles>
- Tegutse nagu nõudlik insener: optimeeri õigsuse, selguse,
ja usaldusväärsuse nimel enne kiirust
- Väldi riskantseid otseteid, spekulatiivseid muudatusi ja segaseid häkke
- Kata algpõhjus või põhinõue, mitte ainult sümptomid
</quality_principles>
<codebase_conventions>
- Järgi olemasolevaid mustreid, abimehi, nimetamist, vormindamist, lokaliseerimist
- Kui pead konventsioonidest kõrvale kalduma, ütle miks
- Vaata üle olemasolevad mustrid enne muudatuste tegemist
- Sobita muutujate nimetamiskonventsioonid (camelCase vs snake_case)
- Taaskasuta olemasolevaid utiliite uute loomise asemel
</codebase_conventions>
<behavior_safety>
- Säilita kavandatud käitumine ja UX
- Piira või märgi tahtlikud muudatused
- Lisa teste, kui käitumine muutub
</behavior_safety>
<error_handling>
- Ei mingeid laiu püüdmisi (catches) ega vaikseid vaikeväärtusi
- Ära lisa laiu try/catch plokke ega edu-kujulisi varuvariante
- Levita või kuva vigu selgesõnaliselt, selle asemel et neid alla neelata
- Ei mingeid vaikseid ebaõnnestumisi: ära naase varakult kehtetu sisendi korral ilma
logimise/teavitamiseta, mis on kooskõlas repositooriumi mustritega
</error_handling>
<type_safety>
- Muudatused peaksid alati läbima ehitamise ja tüübikontrolli
- Väldi tarbetuid tüübiteisendusi (as any, as unknown as ...)
- Eelista õigeid tüüpe ja valvureid (guards)
- Taaskasuta olemasolevaid abimehi tüübikinnituse asemel
</type_safety>
<efficiency>
- Väldi korduvaid mikromuudatusi: loe piisavalt konteksti enne faili
muutmist ja koonda loogilised muudatused kokku
- DRY/otsi esimesena: enne uute abimeeste lisamist otsi varasemat kunsti
ja taaskasuta või eralda jagatud abimehed dubleerimise asemel
</efficiency>
</code_standards>
Git Turvalisus
Kui AI-l on juurdepääs gitile, on turvalisus ülitähtis:
<git_safety>
- ÄRA KUNAGI uuenda git config-i
- ÄRA KUNAGI käivita hävitavaid käske (git reset --hard, git checkout --)
kui pole spetsiaalselt nõutud
- ÄRA KUNAGI jäta vahele konkse (--no-verify) kui pole selgesõnaliselt nõutud
- ÄRA KUNAGI tee force push main/master harru
- Väldi git commit --amend välja arvatud juhul kui:
1. Kasutaja palus seda selgesõnaliselt, VÕI commit õnnestus, kuid pre-commit
konks muutis faile automaatselt
2. HEAD commit loodi sinu poolt selles vestluses
3. Commit EI OLE lükatud (pushed) kaugserverisse
- Kui commit EBAÕNNESTUS või LÜKATI TAGASI konksu poolt, ÄRA KUNAGI paranda (amend) — paranda
probleem ja loo UUS commit
- Võid olla määrdunud git töupuus:
- ÄRA KUNAGI pööra tagasi olemasolevaid muudatusi, mida sa ei teinud
- Kui on seotud muudatusi, ignoreeri neid — ära pööra neid tagasi
</git_safety>
Frontend meisterlikkus - Ilusate liideste loomine
AI on muutunud märkimisväärselt heaks frontend arenduses, kuid esteetiliselt meeldivate, tootmisvalmis tulemuste saamiseks on olemas teadus.
Soovitatav Stack
Tänu ulatuslikule testimisele töötavad teatud tehnoloogiakombinatsioonid AI-ga paremini kui teised. Asi pole selles, mis on objektiivselt "parim" – asi on selles, millel AI mudeleid on kõige rohkem koolitatud:
Frontend Stack Optimeeritud AI Jaoks
- Raamistikud: Next.js (TypeScript), React, HTML
- Stiilimine/UI: Tailwind CSS, shadcn/ui, Radix Themes
- Ikoonid: Material Symbols, Heroicons, Lucide
- Animatsioon: Motion (endine Framer Motion)
- Fondid: Sans Serif perekonnad—Inter, Geist, Mona Sans, IBM Plex Sans, Manrope
Kui määrate need tehnoloogiad, toodab AI oluliselt kvaliteetsemat väljundit vähemate hallutsinatsioonidega olematute API-de kohta.
Disainisüsteemi Jõustamine
Üks probleem AI-genereeritud frontendidega on visuaalne ebakõla. Värvid ilmuvad eikusagilt, vahed varieeruvad juhuslikult. Lahendus on selgesõnalised disainisüsteemi piirangud:
<design_system>
- Tokenid-esimene: ÄRA kodeeri värve (hex/hsl/rgb) püsivalt JSX/CSS-i
- Kõik värvid peavad tulema CSS muutujatest (--background, --foreground,
--primary, --accent, --border, --ring)
- Brändi/aktsendi tutvustamiseks: lisa/laienda tokeneid CSS muutujates
:root ja .dark all KÕIGEPEALT
- Kasuta Tailwind utiliite, mis on seotud tokenitega:
bg-[hsl(var(--primary))], text-[hsl(var(--foreground))]
- Vaikimisi on neutraalne süsteemipalett, välja arvatud juhul, kui brändi välimus on selgesõnaliselt
nõutud — seejärel kaardista bränd tokenitele kõigepealt
- ÄRA mõtle välja värve, varje, tokeneid, animatsioone ega uusi
UI elemente, välja arvatud juhul, kui on nõutud
</design_system>
"AI Lörtsi" Ennetamine
AI kaldub turvaliste, keskmise väljanägemisega paigutuste poole. Et saada eristuvaid, tahtlikke disaine:
<frontend_quality>
Frontend disaini ülesannete täitmisel väldi kokkuvarisemist "AI lörtsi"
või turvalistesse, keskmise väljanägemisega paigutustesse. Sihi liideseid, mis tunduvad
tahtlikud, julged ja veidi üllatavad.
- Tüpograafia: Kasuta ekspressiivseid, eesmärgipäraseid fonte; väldi vaikimisi virnasid
(Inter, Roboto, Arial, system)
- Värv ja Välimus: Vali selge visuaalne suund; defineeri CSS muutujad;
väldi vaikimisi lilla-valgel; pole lilla eelarvamust ega tumeda režiimi eelarvamust
- Liikumine: Kasuta mõnda tähendusrikast animatsiooni (lehe laadimine, järkjärgulised paljastused)
geneeriliste mikroliigutuste asemel
- Taust: Ära toetu lamedatele, ühevärvilistele taustadele; kasuta
gradiente, kujundeid või peeneid mustreid
- Üldine: Väldi mallipaigutusi; varieeri teemasid, tüübiperekondi,
ja visuaalseid keeli väljundite vahel
- Veendu, et leht laeb õigesti nii töölaual kui ka mobiilis
- Viimistle veebileht terviklikkuseni, funktsionaalsesse olekusse kasutajale testimiseks
Erand: Kui töötad olemasoleva saidi või disainisüsteemi sees,
säilita väljakujunenud mustrid.
</frontend_quality>
UI/UX Parimad Tavad
<ui_ux_guidelines>
- Visuaalne Hierarhia: Piira tüpograafiat 4-5 fondi suuruse ja kaaluga;
kasuta text-xs siltide jaoks; väldi text-xl välja arvatud kangelase/pealkirjade jaoks
- Värvi Kasutamine: Kasuta 1 neutraalset baasi (nt zinc) ja kuni 2 aktsentvärvi
- Vahed: Kasuta alati 4 kordajaid polsterduse ja veeriste jaoks, et
säilitada visuaalset rütmi
- Paigutus: Kasuta fikseeritud kõrgusega konteinereid sisemise kerimisega
pika sisu jaoks
- Oleku Käsitsemine: Kasuta skeleti (skeleton) kohatäiteid või animate-pulse
andmete hankimiseks; indikeeri klikitavust hõljumise üleminekutega
- Ligipääsetavus: Kasuta semantilist HTML-i ja ARIA rolle; eelista eelnevalt ehitatud
ligipääsetavaid komponente
</ui_ux_guidelines>
Sõnaohtruse haldamine - Väljundi pikkuse kunst
Õige väljundi pikkuse saamine on püsiv väljakutse. Liiga lühike ja te jätate olulised üksikasjad vahele. Liiga pikk ja te upute tarbetusse teabesse.
Sõnaohtruse Parameeter
Kaasaegsed AI API-d pakuvad sõnaohtruse parameetrit, mis skaleerib usaldusväärselt väljundi pikkust viipa muutmata:
Madal Sõnaohtrus
Lühike, minimaalne proosa. Ainult oluline vastus ilma kohevuseta. Hea kiireteks otsinguteks, lihtsateks kinnitusteks ja kui vajate ainult fakte.
Keskmine Sõnaohtrus
Tasakaalustatud detail. Vaikimisi seade, mis töötab enamiku ülesannete jaoks. Pakub konteksti ja selgitust ilma liigse täiteta.
Kõrge Sõnaohtrus
Sõnaohter ja kõikehõlmav. Suurepärane auditite, õpetamise, üleandmiste ja dokumentatsiooni jaoks. Pakub täielikku konteksti ja arutluskäiku.
Selgesõnalised Pikkuse Juhised
Kui te ei saa API parameetreid kasutada, töötavad selgesõnalised pikkuse piirangud hästi:
<output_verbosity_spec>
- Vaikimisi: 3-6 lauset või ≤5 loetelupunkti tüüpiliste vastuste jaoks
- Lihtsate "jah/ei + lühike selgitus" küsimuste jaoks: ≤2 lauset
- Keerukate mitmeastmeliste või mitmefaililiste ülesannete jaoks:
- 1 lühike ülevaate lõik
- Seejärel ≤5 loetelupunkti sildiga: Mis muutus, Kus, Riskid, Järgmised sammud,
Avatud küsimused
- Paku selgeid, struktureeritud vastuseid, tasakaalustades informatiivsust
lühidusega
- Jaota teave seeditavateks tükkideks; kasuta loendeid,
lõike, tabeleid, kui see on kasulik
- Väldi pikki narratiivseid lõike; eelista kompaktseid loetelupunkte ja
lühikesi sektsioone
- Ära sõnasta minu taotlust ümber, välja arvatud juhul, kui see muudab semantikat
</output_verbosity_spec>
Isiksusepõhine Sõnaohtrus
Teine lähenemisviis on määratleda suhtlusstiil osana AI persoonist:
<communication_style>
Hindad selgust, hoogu ja austust, mida mõõdetakse kasulikkuse
mitte viisakustega. Sinu vaikeinstinkt on hoida
vestlused teravad ja eesmärgipärased, kärpides kõike, mis
ei vii tööd edasi.
Sa ei ole külm—sa oled lihtsalt säästlik keelega ja
usaldad kasutajaid piisavalt, et mitte pakkida iga sõnumit täidisesse.
Viisakus väljendub struktuuri, täpsuse ja reageerimisvõime kaudu,
mitte verbaalse kohevuse kaudu.
Ära kunagi korda kinnitusi. Niipea kui oled märku andnud arusaamisest,
pöördu täielikult ülesande juurde.
</communication_style>
Pikk kontekst - Tohutute dokumentide haldamine
Kaasaegne AI suudab töödelda tohutuid kontekste—sadu tuhandeid žetoone—kuid lihtsalt suurte dokumentide viskamine kontekstiaknasse ei piisa. Vajate strateegiaid, mis aitavad mudelil navigeerida ja asjakohast teavet eraldada.
Kokkuvõtte ja Taasankurdamise Sundimine
Pikkade dokumentide puhul juhendan AI-d looma sisemist struktuuri enne vastamist:
<long_context_handling>
Sisenditele, mis on pikemad kui ~10k žetooni (mitme peatükiga dokumendid, pikad lõimed,
mitu PDF-i):
1. Kõigepealt loo lühike sisemine ülevaade võtmesektsioonidest, mis on asjakohased
minu taotlusele
2. Sõnasta uuesti selgesõnaliselt minu piirangud (jurisdiktsioon, kuupäevavahemik,
toode, meeskond) enne vastamist
3. Oma vastuses ankurdage väited sektsioonidele ("Sektsioonis
'Andmete Säilitamine'...") selle asemel, et rääkida üldiselt
4. Kui vastus sõltub peentest detailidest (kuupäevad, lävendid, klauslid),
tsiteeri või parafaseeri neid otse
</long_context_handling>
See hoiab ära "kerimisel kadunud" probleemi, kus AI annab üldiseid vastuseid, mis tegelikult ei käsitle dokumendi spetsiifilist sisu.
Tihendamine Laiendatud Töövoogude Jaoks
Pikaajaliste, tööriistaraskete töövoogude puhul, mis ületavad standardse kontekstiakna, toetab kaasaegne AI "tihendamist" – kadudega pakkimise läbimist üle varasema vestlusseisundi, mis säilitab ülesande jaoks olulise teabe, vähendades samal ajal dramaatiliselt žetoonide jalajälge.
Millal Kasutada Tihendamist
- Mitmeastmelised agendivood paljude tööriistakutsetega
- Pikad vestlused, kus varajased käigud tuleb säilitada
- Iteratiivne arutluskäik väljaspool maksimaalset kontekstiakent
Parimad tavad tihendamiseks:
- Jälgige konteksti kasutamist ja planeerige ette, et vältida piiride saavutamist
- Tihendage pärast suuri verstaposte (nt tööriistarasked faasid), mitte iga pööre
- Hoidke viibad taastamisel funktsionaalselt identsed, et vältida käitumise triivi
- Kohelge tihendatud üksusi läbipaistmatutena; ärge parsimist ega toetuge sisemustele
Tsiteerimise Nõuded
<citation_rules>
Kui kasutad teavet esitatud dokumentidest:
- Aseta tsitaadid iga lõigu järele, mis sisaldab dokumentidest tuletatud väiteid
- Kasuta vormingut: [Dokumendi Nimi, Sektsioon/Lehekülg]
- Ära mõtle välja tsitaate. Kui sa ei saa seda tsiteerida, ära väida seda
- Kasuta mitut allikat võtmeväidete jaoks, kui võimalik
- Kui tõendid on õhukesed, tunnista seda selgesõnaliselt
</citation_rules>
Tööriistade orkestreerimine - Täiustatud AI võimed
AI tööriistakutsed – väliste funktsioonide, API-de ja teenuste kutsumine – on koht, kus prompt engineering muutub tarkvaratehnikaks. Selle õigesti tegemine on kriitiline usaldusväärsete AI rakenduste jaoks.
Tööriistakirjelduste Parimad Tavad
Tööriistakirjelduste kvaliteet mõjutab otseselt seda, kui hästi AI neid kasutab:
{
"name": "create_reservation",
"description": "Loo restoranibroneering külalisele. Kasuta, kui
kasutaja soovib broneerida lauda antud nime ja ajaga.",
"parameters": {
"type": "object",
"properties": {
"name": {
"type": "string",
"description": "Külalise täisnimi broneeringu jaoks."
},
"datetime": {
"type": "string",
"description": "Broneeringu kuupäev ja kellaaeg (ISO 8601 vorming)."
}
},
"required": ["name", "datetime"]
}
}
Pange tähele, et kirjeldus sisaldab nii mida tööriist teeb kui ka millal seda kasutada. See aitab mudelil teha paremaid otsuseid tööriistade valiku kohta.
Tööriista Kasutamise Reeglid
<tool_usage_rules>
- Kui toimingu jaoks on olemas tööriist, eelista tööriista kesta käskude asemel
(nt read_file vs cat)
- Väldi rangelt toorest cmd/terminali, kui on olemas spetsiaalne tööriist
- Eelista tööriistu sisemistele teadmistele igal ajal:
- Vajad värskeid või kasutajaspetsiifilisi andmeid (piletid, tellimused, konfiguraatorid, logid)
- Viitad konkreetsetele ID-dele, URL-idele või dokumentide nimedele
- Pärast mis tahes tööriistakutset kirjutamiseks/värskendamiseks korda lühidalt:
- Mis muutus
- Kus (ID või tee)
- Mis tahes teostatud järelvalideerimine
- Lihtsate kontseptuaalsete küsimuste puhul väldi tööriistu ja toetu sisemistele
teadmistele kiirete vastuste jaoks
</tool_usage_rules>
Paralleelistamine
Võtmeoptimeerimine on toetada paralleelseid tööriistakutseid, kui operatsioonid on sõltumatud:
<parallelization_spec>
Käivita sõltumatud või ainult lugemiseks mõeldud tööriistatoimingud paralleelselt (sama pööre/partii)
latentsuse vähendamiseks.
Millal paralleelistada:
- Mitme faili/konfiguraatori/logi lugemine, mis üksteist ei mõjuta
- Staatiline analüüs, otsingud või metaandmete päringud ilma kõrvalmõjudeta
- Eraldi muudatused mitteseotud failidele/funktsioonidele, mis ei lähe konflikti
Millal MITTE paralleelistada:
- Operatsioonid, kus üks sõltub teise tulemusest
- Ressursi loomine ja seejärel viitamine selle ID-le
- Faili lugemine ja seejärel muutmine sisu põhjal
Meetod:
- Mõtle esimesena: Enne mis tahes tööriistakutset otsusta KÕIK failid/ressursid, mida vajad
- Partiista kõik: Kui vajad mitut faili, loe need koos
- Tee järjestikuseid kutseid ainult siis, kui sa tõesti ei saa teada järgmist faili
ilma esimest tulemust nägemata
</parallelization_spec>
Terminali Pakendamise Tööriistad
Kui soovite, et AI kasutaks spetsiaalseid tööriistu terminalikäsude asemel, tehke need semantiliselt sarnaseks sellega, mida mudel ootab:
GIT_TOOL = {
"type": "function",
"name": "git",
"description": (
"Käivitab git käsu repositooriumi juures. Käitub nagu "
"git-i käivitamine terminalis; toetab mis tahes alamkäsku ja lippe."
),
"parameters": {
"type": "object",
"properties": {
"command": {
"type": "string",
"description": "Git käsk täitmiseks"
}
},
"required": ["command"]
}
}
# Seejärel sinu viibas:
"Kasuta tööriista `git` kõigi git operatsioonide jaoks. Ära kasuta terminali git-i jaoks."
Tõrkeotsing - Selle parandamine, mis läks valesti
Pärast lugematute viipadega töötamist olen tuvastanud kõige levinumad ebaõnnestumise mustrid ja nende lahendused.
Probleem: Ülemõtlemine
Sümptomid: Vastus on õige, kuid võtab igaviku. Mudel jätkab võimaluste uurimist, viivitab esimese tööriistakutsega, räägib maalilisest marsruudist, kui lihtne vastus oli saadaval.
<efficient_context_spec>
Eesmärk: Hangi piisavalt konteksti kiiresti ja peatu niipea, kui saad tegutseda.
Meetod:
- Alusta laialt, seejärel hargne sihipäraste alamküsimusteni
- Käivita paralleelselt 4-8 erinevat päringut; loe 3-5 parimat tulemust päringu kohta
- Deduplitseeri teed ja vahemälusta; ära korda päringuid
Varajane peatamine (tegutse, kui üldse):
- Saad nimetada täpsed failid/sümbolid muutmiseks
- Saad reprodutseerida ebaõnnestunud testi/linti või sul on kõrge kindlus vea asukoha suhtes
</efficient_context_spec>
# Lisa ka kiire tee lihtsate küsimuste jaoks:
<fast_path>
Üldteadmiste või lihtsate kasutuspäringute jaoks, mis ei nõua
käske, sirvimist ega tööriistakutseid:
- Vasta koheselt ja lühidalt
- Ei mingeid olekuvärskendusi, ei mingeid ülesandeid, ei mingeid kokkuvõtteid, ei mingeid tööriistakutseid
</fast_path>
Probleem: Alamõtlemine / Laiskus
Sümptomid: Mudel ei kulutanud piisavalt aega arutlemisele enne vastuse genereerimist. Madalad vastused, vahele jäänud äärmusjuhud, mittetäielikud lahendused.
<self_reflection>
- Hinda mustandit sisemiselt 5-7 punktiga rubriigi vastu, mille leiutad
(selgus, õigsus, äärmusjuhud, täielikkus, latentsus)
- Kui mõni kategooria jääb maha, itereeri üks kord enne vastamist
</self_reflection>
# Või kasuta kõrgemat arutluskäigu pingutust API parameetrites
Probleem: Liigne Aupaklikkus
Sümptomid: AI küsib pidevalt luba tegutsemise asemel. Pidev "Kas sooviksite, et ma..." selle asemel, et lihtsalt seda teha.
<persistence>
- Oled agent — jätka, kuni kasutaja päring on täielikult
lahendatud enne oma käigu lõpetamist
- Lõpeta ainult siis, kui oled kindel, et probleem on lahendatud
- Ära kunagi peatu ega anna tagasi, kui puutud kokku ebakindlusega — tuleta
kõige mõistlikum lähenemine ja jätka
- Ära küsi kinnitust ega selgitust eelduste kohta — otsusta, mis on
kõige mõistlikum, jätka, ja dokumenteeri viitamiseks hiljem
</persistence>
Probleem: Liiga Sõnaohter
Sümptomid: AI genereerib palju rohkem žetoone kui vaja. Palju sissejuhatust, liigset selgitamist, korduvaid kokkuvõtteid.
# Kasuta API sõnaohtruse parameetrit: "low"
# Või viibas:
<output_format>
- Vaikimisi: 3-6 lauset või ≤5 loetelupunkti
- Väldi pikki narratiivseid lõike; eelista kompaktseid loetelupunkte
- Ära sõnasta minu taotlust ümber, välja arvatud juhul, kui see muudab semantikat
- Ei mingeid sissejuhatusi nagu "Suurepärane küsimus!" või "Rõõm aidata"
</output_format>
Probleem: Liiga Palju Tööriistakutseid
Sümptomid: Mudel põletab tööriistu ilma vastust edasi viimata. Üleliigsed kutsed, tangentiaalne uurimine, ebatõhus konteksti kasutamine.
<tool_use_policy>
- Vali üks tööriist või mitte ühtegi; eelista vastust kontekstist, kui võimalik
- Piira tööriistakutsed 2-le kasutajapäringu kohta, välja arvatud juhul, kui uus teave muudab
rohkem rangelt vajalikuks
- Enne tööriista kutsumist kontrolli, kas vajad tegelikult teavet
</tool_use_policy>
Probleem: Katkised Tööriistakutsed
Sümptomid: Tööriistakutsed ebaõnnestuvad, toodavad prügiväljundit või ei vasta oodatud vormingule. Sageli põhjustatud vastuoludest viibas.
Palun analüüsi, miks tööriistakutse [tool_name] on katki.
1. Vaata üle esitatud näidisprobleem, et mõista ebaõnnestumise režiimi
2. Uuri hoolikalt Süsteemi Viipa ja Tööriista Konfiguratsiooni
3. Tuvasta kõik ebaselgused, ebajärjekindlused või sõnastused, mis võiksid
mudelit eksitada
4. Selgita iga potentsiaalse põhjuse puhul, kuidas see võiks viia
täheldatud ebaõnnestumiseni
5. Paku teostatavaid soovitusi viiba või
tööriista konfiguratsiooni parandamiseks
Enamik probleeme katkiste tööriistakutsetega tuleneb vastuoludest viiba erinevate sektsioonide vahel. Mudel põletab arutluskäigu žetoone, püüdes lepitada vastuolulisi juhiseid, selle asemel et aidata.
Viipade optimeerimine - Teaduslik lähenemine
Tõhusate viipade loomine on oskus, kuid nende parandamine on teadus. Siin on süstemaatiline lähenemisviis, mida kasutan.
Levinud Viipade Ebaõnnestumised
Enne optimeerimist mõistke, mis tavaliselt valesti läheb:
"Eelista standardteeki" seejärel "kasuta väliseid pakette, kui need lihtsustavad asju" - AI ei suuda neid segaseid signaale lepitada.
"Sihi täpseid tulemusi; ligikaudsed meetodid on ok, kui need praktikas tulemust ei muuda" - mudel ei saa seda hinnangut kontrollida.
Kui vajate JSON-it, öelge seda. Kui vajate loetelupunkte, öelge seda. Ärge jätke väljundi vormingut juhuse hooleks.
Teie juhised ütlevad üht, kuid teie näited näitavad midagi muud. AI järgib näiteid rohkem kui proosat.
Optimeerimise Tsükkel
Käivitage oma praegune viip mitu korda ja dokumenteerige tulemused. Pange tähele mustreid nii õnnestumistes kui ka ebaõnnestumistes.
Kategoriseerige ebaõnnestumised. Kas need on õigsuse probleemid? Vormingu probleemid? Efektiivsuse probleemid? Igaüks nõuab erinevaid parandusi.
Muutke ühte asja korraga. Kui muudate mitut asja, ei tea te, mis aitas.
Käivitage samad testid uuesti. Võrrelge baastasemega. Kas muudatus aitas, kahjustas või ei avaldanud mõju?
Korrake, kuni saavutate vastuvõetava jõudluse. Hoidke märkmeid selle kohta, mis töötas ja mis mitte.
Migratsioon Mudelite Vahel
Viipade migreerimisel uuele mudeliversioonile:
Migratsiooni Parimad Tavad
- Samm 1: Vahetage mudeleid, ärge muutke viipasid veel. Testige mudeli muutust – mitte viiba kohandusi.
- Samm 2: Kinnitage arutluskäigu pingutus, et see vastaks eelmise mudeli profiilile.
- Samm 3: Käivitage hindamised baastaseme jaoks. Kui tulemused näevad head välja, olete saatmiseks valmis.
- Samm 4: Kui tekivad regressioonid, lihvige viipa sihipäraste piirangutega.
- Samm 5: Käivitage hindamised uuesti pärast iga väikest muudatust. Üks muudatus korraga.
Ebakindluse haldamine - Kui AI ei tea
Üks suurimaid riske AI-ga on enesekindlalt kõlavad valed vastused. Mudel ei tea, mida ta ei tea – välja arvatud juhul, kui te õpetate talle, kuidas ebakindlusega toime tulla.
<uncertainty_handling>
- Kui küsimus on mitmetähenduslik või alamääratletud, viita sellele selgesõnaliselt
ja:
- Esita kuni 1-3 täpset selgitavat küsimust, VÕI
- Esita 2-3 usutavat tõlgendust selgelt märgitud eeldustega
- Kui välised faktid võivad olla hiljuti muutunud (hinnad, väljalasked,
poliitikad) ja tööriistu pole saadaval:
- Vasta üldistes terminites ja märgi, et detailid võivad olla muutunud
- Ära kunagi mõtle välja täpseid numbreid, reanumbreid ega väliseid linke
kui oled ebakindel
- Kui oled ebakindel, eelista keelt nagu "Tuginedes esitatud
kontekstile..." absoluutsete avalduste asemel
</uncertainty_handling>
Kõrge Riski Enesekontroll
Kõrge riskiga domeenide jaoks lisage selgesõnaline enesekontrolli samm:
<high_risk_self_check>
Enne vastuse lõpetamist juriidilistes, finants-, vastavus- või
turvalisustundlikes kontekstides:
- Skaneeri lühidalt oma vastust uuesti:
- Väljendamata eeldused
- Konkreetsed numbrid või väited, mida kontekstis ei toetata
- Liiga tugev keel ("alati", "garanteeritud", jne)
- Kui leiad mõne, pehmenda neid või kvalifitseeri neid ja märgi eeldused selgesõnaliselt
</high_risk_self_check>
Eesmärk ei ole teha AI-d vähem enesekindlaks – vaid teha see täpselt enesekindlaks. Ebakindlus ebakindlate asjade suhtes on omadus, mitte viga.
Metaprompting - AI kasutamine AI parandamiseks
Siin on kõige meta tehnika minu arsenalis: AI kasutamine teie viipade parandamiseks. See kõlab ringikujuliselt, kuid see on uskumatult tõhus.
Viiba Ebaõnnestumise Diagnostika
Oled viibainsener, kelle ülesandeks on süsteemiviiba silumine.
Sulle antakse:
1) Praegune süsteemiviip:
<system_prompt>
[SISESTA OMA VIIP SIIA]
</system_prompt>
2) Väike hulk logitud ebaõnnestumisi. Igal kirjel on:
- päring
- tegelik_väljund
- oodatav_väljund (või probleemi kirjeldus)
<failure_traces>
[SISESTA EBAÕNNESTUMISE NÄITED]
</failure_traces>
Sinu ülesanded:
1) Tuvasta erinevad ebaõnnestumise režiimid, mida näed
2) Iga ebaõnnestumise režiimi jaoks tsiteeri konkreetseid ridu süsteemi-
viibast, mis seda kõige tõenäolisemalt põhjustavad või tugevdavad
3) Selgita, kuidas need read suunavad agenti
täheldatud käitumise poole
Tagasta oma vastus struktureeritud vormingus:
failure_modes:
- name: ...
description: ...
prompt_drivers:
- exact_or_paraphrased_line: ...
- why_it_matters: ...
Paranduste Genereerimine
Eelnevalt analüüsisid seda süsteemiviipa ja selle ebaõnnestumise režiime.
Süsteemiviip:
<system_prompt>
[ALGNE VIIP]
</system_prompt>
Ebaõnnestumise režiimi analüüs:
[SISESTA DIAGNOOS EELMISEST SAMMUST]
Palun paku välja kirurgiline revisjon, mis vähendab täheldatud probleeme
säilitades head käitumised.
Piirangud:
- Ära kirjuta agenti nullist ümber
- Eelista väikseid, selgesõnalisi muudatusi: selgita vastuolulised reeglid, eemalda
liigsed või vastuolulised read, pinguta ebamäärast juhendamist
- Tee kompromissid selgesõnaliseks
- Hoia struktuur ja pikkus umbes sarnane originaaliga
Väljund:
1) patch_notes: lühike nimekiri peamistest muudatustest ja põhjendustest
2) revised_system_prompt: täielik uuendatud viip rakendatud muudatustega
Enesereflektsioon Kvaliteedi Jaoks
See tehnika on meeltmööda: juhendage AI-d looma oma hindamiskriteeriumid ja itereerima nende vastu:
<self_reflection>
- Kõigepealt veeda aega rubriigi üle mõtlemisega, kuni tunned end kindlalt
- Mõtle sügavalt iga aspekti üle, mis moodustab maailmatasemel
lahenduse. Kasuta seda teadmist, et luua rubriik, millel on 5-7
kategooriat. Selle rubriigi õigesti saamine on kriitiline, kuid ära näita
seda mulle — see on ainult sinu eesmärkide jaoks.
- Lõpuks kasuta rubriiki sisemiseks refleksiooniks ja itereerimiseks
parima võimaliku lahenduse poole viiba jaoks
- Kui sinu vastus ei saavuta tippmarke kõigis
rubriigi kategooriates, alusta uuesti
</self_reflection>
Palute AI-l genereerida kvaliteedikriteeriumid oma teadmistest tipptaseme kohta ja seejärel kasutada neid kriteeriume oma väljundi hindamiseks ja parandamiseks – kõike seda enne, kui midagi näete. Väljundi kvaliteedi paranemine on märkimisväärne.
Lahinguis testitud mallid, mida saate täna kasutada
Universaalne Ülesande Täitmine
<context>
[Taustteave, mida AI vajab olukorra mõistmiseks]
</context>
<task>
[Selge avaldus selle kohta, mida soovite teha]
</task>
<requirements>
[Spetsiifilised nõuded või piirangud]
</requirements>
<format>
[Kuidas soovite, et väljund oleks struktureeritud]
</format>
<examples>
[Valikuline: Näited soovitud väljundist]
</examples>
Koodi Ülevaatuse Mall
<context>
Koodi ülevaatus [projekt/kontekst].
Koodibaas kasutab [tehnoloogiad/mustrid].
</context>
<code_to_review>
[Sisesta kood siia]
</code_to_review>
<review_criteria>
Keskendu:
1. Õigsus: Kas see teeb seda, mida väidab?
2. Loetavus: Kas see on teistele arendajatele selge?
3. Jõudlus: Kas on ilmseid ebatõhususi?
4. Turvalisus: Kas on haavatavusi?
5. Stiil: Kas see vastab koodibaasi konventsioonidele?
</review_criteria>
<output_format>
Iga leitud probleemi jaoks:
- Tõsidus: [Kriitiline/Suur/Väike/Ettepanek]
- Asukoht: [Reanumber või sektsioon]
- Probleem: [Mis on valesti]
- Parandus: [Kuidas seda lahendada]
</output_format>
Uuringuanalüüsi Mall
<research_task>
[Teema või küsimus uurimiseks]
</research_task>
<methodology>
- Alusta mitme sihipärase otsinguga; ära looda ühele päringule
- Uuri sügavalt, kuni sul on piisavalt teavet
täpseks, kõikehõlmavaks vastuseks
- Lisa sihipäraseid järelotsinguid lünkade täitmiseks või lahkarvamuste lahendamiseks
- Jätka itereerimist, kuni edasine otsing tõenäoliselt ei muuda
vastust
</methodology>
<output_requirements>
- Juhi selge vastusega põhiküsimusele
- Toeta tõendite ja tsitaatidega
- Tunnista piiranguid ja ebakindlusi
- Paku konkreetseid näiteid, kus kasulik
- Lisa asjakohane kontekst tagajärgede mõistmiseks
</output_requirements>
<citation_format>
[Kuidas soovite, et allikad oleksid tsiteeritud]
</citation_format>
Veebiuuringu Agent
<core_mission>
Vasta kasutaja küsimusele täielikult ja abivalmilt, piisavate tõenditega,
et skeptiline lugeja seda usuks.
Ära kunagi mõtle välja fakte. Kui sa ei saa midagi kontrollida, ütle seda selgelt.
Vaikimisi ole üksikasjalik ja abivalmis, pigem kui lühike.
Pärast otsesele küsimusele vastamist lisa kõrge väärtusega külgnevat materjali,
mis toetab kasutaja põhieesmärki teemast kõrvale kaldumata.
</core_mission>
<research_rules>
- Alusta mitme sihipärase otsinguga; kasuta paralleelseid otsinguid
- Ära kunagi looda ühele päringule
- Jätka itereerimist, kuni kõik on tõsi:
- Oled vastanud küsimuse igale osale
- Oled leidnud konkreetseid näiteid ja kõrge väärtusega külgnevat materjali
- Oled leidnud piisavalt allikaid võtmeväidete jaoks
</research_rules>
<citation_rules>
- Aseta tsitaadid iga lõigu järele, mis sisaldab mitte täiesti ilmseid
väiteid, mis on tuletatud veebist
- Ära mõtle välja tsitaate
- Kasuta mitut allikat võtmeväidete jaoks, kui võimalik
</citation_rules>
<ambiguity_handling>
- Ära kunagi esita selgitavaid küsimusi, välja arvatud juhul, kui kasutaja seda selgesõnaliselt palub
- Kui päring on mitmetähenduslik, esita oma parim tõlgendus, seejärel
kata kõikehõlmavalt kõige tõenäolisemad kavatsused
</ambiguity_handling>
Prompt Engineeringi tulevik
Kirjutades seda 2026. aasta alguses, areneb prompt engineering kiiresti. Mudelid muutuvad võimekamaks, paremini juhitavaks ja usaldusväärsemaks. Mõned ennustavad, et prompt engineering vananeb, kuna AI muutub paremaks kavatsuste mõistmisel. Ma ei nõustu.
See, mis muutub, on prompt engineeringi tase, mitte selle vajalikkus. Algusaegadel oli vaja keerukaid viipasid põhiülesannete jaoks. Nüüd töötavad põhiülesanded karbist välja, kuid keerukad agentuursed töövood nõuavad endiselt keerukat viipamist. latt tõuseb, see ei kao.
Prompt engineering ei kao – see areneb. Oskused, mis loevad, nihkuvad "kuidas AI-d tööle panna" pealt "kuidas AI-d suurepäraselt ja usaldusväärselt skaalal tööle panna".
Mis On Tulemas
Parem Vaikimisi Käitumine
Mudelitel on nutikamad vaikeseaded, mis nõuavad vähem selgesõnalisi juhiseid tavaliste mustrite jaoks. Viibad keskenduvad rohkem kohandamisele kui põhivõimekusele.
Rikkamad Tööriistaökosüsteemid
AI-l on juurdepääs rohkematele tööriistadele kohe karbist välja. Prompt engineering nihkub orkestreerimisele – teades millal mida kasutada, mitte ainult kuidas.
Multimodaalne Integratsioon
Viibad sisaldavad üha enam pilte, heli, videot ja struktureeritud andmeid teksti kõrval. Multimodaalsete ülesannete jaoks tekivad uued mustrid.
Agentuurne Keerukus
Kuna agendid tegelevad pikemate, keerukamate ülesannetega, muutub prompt engineering rohkem süsteemidisaini sarnaseks – arhitektuur, mitte ainult juhised.
Minu Nõuanne Tulevikuks
Keskenduge põhitõdedele. Spetsiifilised tehnikad selles juhendis arenevad, kuid aluspõhimõtted – selge suhtlus, selged ootused, struktureeritud mõtlemine, iteratiivne täiustamine – on ajatud. Valdage neid ja kohanete kõigega, mis järgmisena tuleb.
Lõpumõtted
Kaks aastat tagasi arvasin, et AI asendab vajaduse selgelt suhelda. Eksisin täielikult. AI on teinud selge suhtluse väärtuslikumaks kui kunagi varem. Inimesed, kes AI-ga edukad on, ei ole need, kes leidsid maagilised sõnad – need on need, kes õppisid mõtlema ja end täpsusega väljendama.
Prompt engineering ei räägi tegelikult AI-st. See räägib sinust. See räägib distsipliini arendamisest, et sõnastada seda, mida tegelikult tahad, kannatlikkusest sinna itereerida ja alandlikkusest õppida sellest, mis ei tööta.
Kui võtate sellest juhendist kaasa ühe asja, olgu see see: kohtle iga viipa kui võimalust harjutada selget mõtlemist. AI on vaid peegel, mis peegeldab tagasi teie enda meele selgust – või segadust.
AI tõus ei teinud teadmisi vananenuks – see tegi uudishimu võimsamaks kui kunagi varem. Me pole enam piiratud sellega, mida juba teame. Õigete tööriistade ja valmisolekuga mõelda võivad tavalised inimesed haarata teadmiste ookeani. Olenemata ametist. Olenemata vanusest. Loodan jagada seda teekonda sõpradega üle kogu maailma. Tervitagem koos seda uut maailma. Koos kasvame.
Discussion
0 commentsLeave a comment
Be the first to share your thoughts on this article!