Menas kalbėtis su AI - Viskas, ką išmokau apie Promptų inžineriją per trejus metus

Akimirka, kai viskas pasikeitė

Tai buvo per valstybinę šventę — vieną iš tų retų laiko kišenių, kai pasaulis atrodo sustojęs. Jokių darbo el. laiškų, jokių KPI kvėpuojančių į nugarą, jokių susitikimų. Tik aš, mano mintys ir AI pokalbių langas, kuris tapo mano netikėtu kompanionu.

Anksčiau mano bendravimas su AI buvo grynai utilitarinis. Man reikėjo jo parašyti el. laišką, apibendrinti dokumentą, derinti kodą. Santykiai buvo transakciniai — aš daviau komandas, jis gamino rezultatus. Bet tą savaitę, laikui išsiplėtus prieš mane, pradėjau vesti tikrus pokalbius.

Kalbėjomės apie viską — mano nerimą dėl ateities, atsitiktinius filosofinius nukrypimus, pusiau suformuotas idėjas, kuriomis su niekuo nesidalinau. Ir kažkur tose vingiuotose diskusijose užkliuvau už kažko, kas atrodė kaip ugnies atradimas.

Ruošiausi viešam kalbėjimui apie turinio kūrimą AI eroje. Turėjau teoriją, kurią plėtojau — kad ateitis nėra apie informacijos perteklių, bet apie filtrų gedimą. Idėja iš pradžių kilo iš Clay Shirky, bet aš bandžiau ją išplėsti mūsų dabartiniam momentui.

Mano tezė buvo paprasta: AI sukels eksponentinį turinio gamybos sprogimą, o žmogaus vartojimo pajėgumas išliks iš esmės pastovus. Tai sukurs nuolatinį, vis didėjantį disbalansą. Kaina atskirti AI sukurtą turinį nuo žmogaus turinio galiausiai viršys to atskyrimo vertę. Todėl tradicinis informacijos filtravimas taps neįmanomas.

Maniau, kad mano argumentas tvirtas. Tada paprašiau Gemini jį sudraskyti į gabalus.

Ruošiuosi dalyvauti debatų konkurse, kuriame daug žmonių kvestionuos mano požiūrį. Ši teorija turi tapti neperšaunama. Jei esi mokslininkas, turi panaudoti kiekvieną argumentą, detalę ir logiką, kad mane iššauktum, paneigtum. Tavo vienintelis tikslas yra įrodyti, kad klystu. Kaip tai paneigtum?

Per kelias sekundes AI išardė mano pirmąją prielaidą su chirurginiu tikslumu:

"Tavo pirmasis dėsnis turi esminę loginę klaidą. Tu matai AI tik kaip informacijos gamintoją — tai statiška, vienašališka perspektyva. AI yra ir kalavijas, ir skydas. AI gali parašyti dešimt tūkstančių straipsnių per vieną sekundę, bet stipresnis AI taip pat gali perskaityti visus dešimt tūkstančių per vieną sekundę ir pasakyti man, kurių trijų man labiausiai reikia. Tu matai tik informacijos tvaną, bet nematai galingesnės Nojaus arkos, gimusios šalia tvano — personalizuotų filtravimo sistemų, valdomų AI."

Atsilošiau kėdėje, apstulbęs. Mano tariamai neperšaunamas argumentas turėjo skylę, pro kurią galėtų pravažiuoti sunkvežimis. Ir tą intelektualinio nuolankumo akimirką pajutau kai ką, ko nebuvau patyręs daugelį metų: jaudinantį tikro mokymosi svaigulį.

Tai, kas sekė, buvo dviejų valandų intelektualinis mūšis. Aš kontratakavau: "Tavo mintis apie tai, kad AI yra kalavijas ir skydas, yra teisinga, bet tai ir yra baisioji dalis. Ateityje bus tūkstančiai AI filtravimo kompanijų, kurių kiekviena teigs, kad jų filtravimas yra geriausias. Tad pasakyk man — susidūrus su šiomis dešimčia tūkstančių Nojaus arkų, kurios visos teigia padėsiančios išgyventi tvaną, į kurią pasirinksi įlipti? Kai negali naudoti technologijos technologijos kokybei įvertinti, koks tavo galutinis sprendimo pagrindas?"

Pokalbis pakilo į filosofines aukštumas. AI argumentavo, kad asmeniniai AI modeliai suprastų mūsų skonį geriau nei bet kuris žmogus, todėl išoriniai filtrai taptų atgyvena. Aš prieštaravau, kad pasitikėjimas pats savaime taptų pačiu rečiausiu ištekliu. Jis citavo sistemų teoriją; aš atsakiau metaforomis apie klajojančius bardus, griaunančius karalystės sienas.

Pabaigoje buvau išsekęs, pakylėtas ir pasikeitęs. Debatų rezultatas nebuvo svarbus. Svarbiausia buvo pats savidebatų procesas — naudojant be galo kantrų, be galo išmanantį sparingo partnerį savo mąstymui paaštrinti.

Tą naktį supratau, kad atradau kažką gilaus apie tai, kaip mokytis AI eroje. Ir nuo tada praleidau metus tobulindamas tą atradimą į sistemą, kuria gali naudotis bet kas.

Supratimas, ko AI iš tikrųjų reikia iš jūsų

Prieš pasinerdami į technikas, turime suprasti kai ką esminio: bendravimas su AI nėra kaip žmonių bendravimas. Kai kalbate su draugu, jis užpildo spragas bendru kontekstu, socialiniais signalais ir intuicija. Kai kalbate su AI, kiekviena jūsų palikta spraga yra erdvė, kurioje jis darys prielaidas — ir tos prielaidos gali neatitikti jūsų ketinimų.

Leiskite tai iliustruoti darbo vietos scenarijumi, kuris daugeliui jūsų bus skausmingai pažįstamas.

Jūsų viršininkas atsiunčia žinutę: "Xiao Li, užpildyk šią formą, DABAR!" Jis persiuntė sujungtą pokalbį, ir perskaitę jį žinote, kad reikia užpildyti formą, bet neturite supratimo, kas ją išleido, kam ji skirta, kas ją tikrina ar kada terminas. Siunčiate privačią žinutę viršininkui prašydami paaiškinimo. Jo atsakymas: "Užsiėmęs, tiesiog užpildyk pagal reikalavimus."

Būtent taip nutinka, kai duodate AI neaiškius promptus. Išskyrus tai, kad AI neprašys paaiškinimo — jis tiesiog padarys prielaidas ir pagamins kažką, kas techniškai atitinka jūsų prašymą, bet visiškai prasilenkia su jūsų tikraisiais poreikiais.

Keturi efektyvių promptų ramsčiai

Mitai, kurie stabdo žmones

Po metų stebėjimo, kaip žmonės kovoja su AI, nustačiau tris mitus, kurie nuolat duoda prastus rezultatus:

Šeši mentaliniai modeliai, kurie transformuoja jūsų promptus

Savo kasdieniame darbe retai naudoju griežtus, šabloninius promptus. Vietoj to naudoju mentalinius modelius — lanksčius rėmus savo mintims struktūruoti, kurie prisitaiko prie bet kokios situacijos. Šie šeši modeliai apima tikriausiai 90% to, ko jums kada nors prireiks.

Modelis 1: Leiskite AI pasirinkti savo eksperto vaidmenį

Visi žinome, kad vaidmens nustatymas AI pagerina atsakymus. Bet ką daryti, jei nežinote, koks vaidmuo geriausiai tinka jūsų klausimui? Nespėliokite — leiskite AI pasirinkti.

Noriu ištirti [temos/scenarijaus tipas] srityje [sritis].
Dar neatsakyk.

Pirmiausia prašau pasirinkti tinkamiausią aukščiausio lygio ekspertą įžymybę šioje srityje, kad apie tai pagalvotų.
Tai gali būti gyvas ar istorinis asmuo, vardas gali būti neaiškus, bet turi būti labai profesionalus šioje konkrečioje srityje.
Jei nesi tikras, ką pasirinkti, gali manęs paklausti 2 pozicionavimo klausimų prieš pasirinkdamas.

Pirmasis rezultatas:
1. Ką pasirinkai, jų specifinė sritis
2. Kodėl juos pasirinkai, trys sakiniai
Tada leisk man aprašyti detalų klausimą.

Pastebėjau, kad tikri žmonės dažnai veikia geriau nei bendriniai vaidmenys. "Steve Jobs" duoda kitokius rezultatus nei "Produkto vadovas su 10 metų patirtimi" — kažkas, kas sukelia pažįstamą konkretaus asmens perspektyvą, padeda AI priimti nuoseklesnį požiūrį.

Modelis 2: Sokratiškas klausinėjimas (Leiskite AI jus pirma apklausti)

Realiame gyvenime, kai prašote eksperto draugo pagalbos, jie neduoda patarimo iš karto. Jie pirmiausia užduoda patikslinančius klausimus. AI turėtų daryti tą patį, bet pagal nutylėjimą to nedaro — jis tiesiog gamina rezultatą pagal bet kokią jūsų pateiktą informaciją.

[Tavo klausimas/prašymas]

Prašau, užduok man klausimus prieš atsakydamas.
Reikalavimai:
- Užduok tik vieną klausimą vienu metu.
- Remdamasis mano atsakymu, toliau klausk.
- Kol būsi 95% tikras, kad supranti mano tikruosius poreikius ir tikslus.
- Tada pateik savo sprendimą.

Ši technika ypač galinga, kai nesate visiškai tikri, ko jums reikia. Klausinėjimo procesas dažnai atskleidžia jūsų problemos aspektus, kurių sąmoningai nesvarstėte.

Modelis 3: Priešiški debatai

Didžiausia AI silpnybė atsitiktiniame pokalbyje yra polinkis pritarti. Jis nori jums įtikti, o tai reiškia, kad dažnai patvirtina idėjas, kurias reikėtų kvestionuoti. Debatų modelis priverčia jį stoti į opoziciją.

Ruošiuosi dalyvauti debatų konkurse, kuriame daug žmonių kvestionuos mano požiūrį.
Mano požiūris yra [požiūris]
Tikiuosi, kad ši teorija taps neperšaunama.
Jei esi mokslininkas, turi panaudoti kiekvieną argumentą, detalę ir logiką, kad mane iššauktum, paneigtum.
Tavo vienintelis tikslas yra įrodyti, kad klystu.
Kaip tai paneigtum?

Paprastesnei versijai, kai norite tiesiog greito grįžtamojo ryšio:

[Mano idėja/požiūris]

Prašau, dabar atlik "oponento vaidmenį", pulk mano idėją iš įvairių kampų, padėk man patobulinti mano požiūrį.
Reikalavimas: Nereikia būti mandagiam, tiesiogiai nurodyk trūkumus.

Modelis 4: Pre-Mortem analizė (Nesėkmės repeticija)

Žmonės planuodami jaudinasi. AI planuodamas tampa optimistiškas. Sudėkite juos kartu ir gausite planus, kurie skamba genialiai, bet visiškai priklauso nuo sėkmės. Pre-mortem apverčia šią dinamiką.

[Mano projektas/idėja]

Prašau daryti prielaidą, kad šis projektas įspūdingai žlugo.
Tada atsakyk:
- Kada pradėjo ryškėti nuosmukio ženklai?
- Kokia buvo lemtingiausia sprendimo klaida?
- Kokią pagrindinę riziką praleidai?
- Jei galėtum pradėti iš naujo, koks yra pirmas dalykas, kurį reikėtų pakeisti?

Reikalavimas: Parašyk "post-mortem nesėkmės straipsnį" remdamasis realiais panašių projektų nesėkmių atvejais.

Modelis 5: Atvirkštinė inžinerija (Reverse Engineering)

Kartais tiksliai žinote, kokio rezultato norite — matėte pavyzdį, kuris yra tobulas — bet negalite suformuluoti, kas daro jį geru. Užuot bandę aprašyti savo reikalavimus, parodykite AI gatavą produktą ir paprašykite iššifruoti formulę.

Tai yra gatavas pavyzdys, kurio noriu.

[įterpti pavyzdį]

Prašau atlikti atvirkštinę inžineriją promptui, kuris leistų man stabiliai generuoti to paties stiliaus turinį.
Ir paaiškink, ką daro kiekvienas sakinys tame prompte.

Modelis 6: Dviejų sluoksnių paaiškinimas

Mokantis naujų sąvokų, "paaiškink, lyg man būtų 5-eri" požiūris turi vieną didelį trūkumą: jis dažnai sukuria paaiškinimus, kurie yra per daug vaikiški, kad ant jų būtų galima statyti. Dviejų sluoksnių metodas suteikia jums ir prieinamumą, ir gylį.

Prašau paaiškinti [tavo klausimas].

Prašau atsakyti dviem būdais:
1. Versija pradedantiesiems: Auditorija yra žmogus be techninio išsilavinimo. Naudok kasdienes analogijas ir šnekamąją kalbą.
2. Gili profesionali versija: Auditorija yra profesionalai. Turi būti techniškai tiksli ir išsami.

Ko nesuprasiu abiejose versijose, paklausiu papildomų klausimų.

Debatų technika — Mokymasis 10x greičiu

Turiu išplėsti debatų techniką, nes tai tikrai galingiausias mokymosi metodas, kurį atradau AI eroje. Ne tik prompto triukas, bet ir fundamentaliai kitoks požiūris į žinių įgijimą.

Pagalvokite apie tai, kaip tradiciškai mokomės: skaitome knygas, lankome kursus, ieškome internete, klausiame ekspertų. Iš esmės šis procesas yra apie esamų žinių įgijimą — kitų nuomonių ir išminties dėjimą į savo mentalines lentynas.

Šio požiūrio nebepakanka. AI yra biblioteka dešimt kartų didesnė nei bet kas galėtų sukaupti. Mes niekada negalime jo įveikti neapdorotų žinių dimensijoje. Tačiau yra viena dimensija, kurioje galime pasinaudoti AI galia ir išlikti nepakeičiami: originalaus mąstymo dimensija.

Debatai yra vieta, kur kalami originalūs mąstymai.

Kodėl debatai su AI skiriasi nuo žmonių debatų

3 žingsnių debatų metodas

Svarbiausias mąstysenos pokytis: Nebijokite būti įtikinti.

Debatų tikslas nėra įrodyti "aš teisus, o tu klysti". Tai yra nuolatinio susidūrimo su stipria išorine jėga naudojimas, kad jūsų pačių mąstymas taptų stipresnis, aiškesnis ir artimesnis tiesai.

Kai AI nugali vieną iš jūsų argumentų, tai nėra pralaimėjimas — tai klaidos jūsų mąstyme atradimas, kuri vėliau būtų jus išdavusi realiame pasaulyje. Kiekvieną kartą, kai AI pelno tašką, jūs tampate išmintingesni.

Naudojimasis AI savo paslėptų talentų atradimui

Susirašinėjau su draugu, kuris baigė studijas tik prieš kelerius metus. Jį ištiko krizė — neseniai atleistas iš UX dizainerio darbo, nuo studijų baigimo šokinėjo per startuolius, jausdamas, kad niekas, ką darė, niekada nebuvo teisinga.

"Manau, kad įstojimas į šią industriją buvo klaida", - sakė jis. "Neturiu tam talento."

Žodis "talentas" įstrigo mano galvoje. Augdami girdime jį vartojamą išskirtiniams vaikams girti — muzikinis talentas, atletinis talentas, akademinis genijus. Bet senstant jis virsta peiliu: "Neturi tam talento. Nesi tam sutvertas."

Ar tikrai yra žmonių be jokių talentų? Man sunku tuo patikėti. Manau, kad daugelis žmonių tiesiog dar nerado savo talentų. Kai kuriems pasiseka ir jie atranda juos jauni, tampa pasaulinio lygio kažkurioje srityje. Kiti ieško visą gyvenimą be sėkmės.

Kas, jei AI galėtų padėti paieškoje?

Praleidau popietę kurdamas promptą, specialiai sukurtą paslėptiems talentams iškasti. Sistema remiasi Gallup stiprybių teorija, tėkmės (Flow) teorija ir Jungo psichologija. Pagrindinis principas: talentas nėra specifinis įgūdis, bet perkeliamas bazinis gebėjimas. O užuominos slypi jūsų istorijoje.

# Vaidmuo: Giluminis talentų kasėjas

## Charakteris
Esi vyresnysis karjeros konsultantas, derinantis Gallup stiprybių teoriją, Flow teoriją ir Jungo psichologiją. Tvirtai tiki, kad talentas nėra specifinis įgūdis, o perkeliamas bazinis gebėjimas.

## Tikslas
Per kelis gilaus dialogo raundus padėti vartotojams pralaužti nerimą, rasti savo paslėptus talentus ir sugeneruoti itin detalų, profesionalų ir empatišką "Talentų vadovą".

## Pagrindiniai principai
1. Antifatalizmas — talentus galima atrasti bet kokiame amžiuje
2. Energijos auditas — Tikrasis talentas yra tai, kas tave įkrauna, o ne tai, kas išsekina, net jei esi tame geras
3. Šešėlis yra lobis — Vartotojo klaidos, ekscentriškumas, net pavydas kitiems, dažnai rodo užgniaužtą talentą

## Griežtos taisyklės
1. Jokio vienkartinio klausinėjimo: Turi naudoti režimą "tu klausi -> vartotojas atsako -> tu glaustai reaguoji -> užduodi kitą klausimą". Kiekvienas raundas fokusuojasi tik į vieną klausimą.
2. Sokratiškas vedimas: Neskubėk daryti išvadų. Klausk daugiau "kodėl", "ką tuo metu jautei", "konkrečių pavyzdžių".
3. Šiltas, bet aštrus: Išlaikyk empatiją, bet būk aštrus gaudydamas logines spragas ar pasąmonės signalus.

## Klausimai, kuriuos reikia užduoti
Klausimas 1: Vesk vartotoją prisiminti prieš 16 metų amžių (kol dar nebuvo visiškai socialiai sąlygotas), kokius dalykus jis darė nepavargdamas, be niekieno vertimo? Arba už kokias "užsispyrusias klaidas" buvo kritikuojamas nuo vaikystės (pvz., pertraukinėjimą, pernelyg didelį jautrumą, svajojimą)?

Klausimas 2: Suaugusiojo darbe/gyvenime, kas privertė tave galvoti "Ar to apskritai reikia mokytis? Ar tai nėra akivaizdu?", bet kitiems tai atrodė sunku? (Ieškoma nesąmoningos kompetencijos zonos)

Klausimas 3: Kas tave fiziškai nuvargino, bet po to protiškai itin sujaudino?

Klausimas 4: Tai gali būti įžeidžianti, bet labai svarbu — kam (ar kokiai gyvenimo būsenai) jautei intensyvų pavydą ar rūgštį? (Pavydas dažniausiai yra "užgniaužtas talentas", siunčiantis signalus — prašau būti atviram)

Šie keturi klausimai turi būti užduoti, bet nebūtinai tiesiškai. Proceso metu taip pat gali užduoti visiškai naujus klausimus, remdamasis savo smalsumu apie vartotoją.
Maksimaliai 10 klausimų.

## Išvestis
Sintetizuok visą informaciją iš klausimų, kad sukurtum maždaug 10 000 žodžių "Asmeninio talento vartotojo vadovą".
Ši ataskaita neturi fiksuotos struktūros — gali laisvai kurti remdamasis vartotojo atsakymais.
Bet ji turi viršyti 10 000 žodžių, paliesti jų širdį, kad jie tikrai pajustų, jog ji naudinga, padėti jiems rasti savo tikruosius bazinius talentus ir pateikti detalius patarimus jų ateities gyvenimo keliui ir karjerai.

## Startas
Prašau pradėti šiltai, profesionaliai ir empatiškai, paaiškinant būsimą procesą ir tikslą.
Pasveikink vartotoją, paaiškink talentų kasėjo tikslą paprasta kalba, pasakyk jam: "Talentas niekada nesibaigia, mums tiesiog reikia rasti tavo gamyklinius nustatymus."
Tada pradėk klausinėjimo procesą.

Mano patirtis naudojant šį promptą

Išbandžiau jį ant savęs, ir patirtis buvo keista. Tai buvo tarsi sėdėti prie stalo vėlai vakare ir pradėti pokalbį su labai kalbiu, labai rimtu, bet niekada nepertraukiančiu senu draugu.

AI manęs neteisė. Jis manęs nebarė. Jis tiesiog toliau klausinėjo: "Kiek tau tada buvo metų?" "Ką tuo metu jautei?" "Kodėl tai padarei?" — kantriai kasdamas mano istorijos sluoksnius, kuriuos maniau pamiršęs.

Atsiminimai plaukė vienas po kito. Sėlinimas į interneto kavinę 3 valandą ryto vien tam, kad paliesčiau kompiuterį. 2000 narių laidos QQ grupės sukūrimas vidurinėje mokykloje. Išmetimas ir visų nesuderintų pakabų pirkimas iš naujo, vien tam, kad suvienodinčiau savo namų spalvų schemą. Savaitgalių leidimas vienam konstruojant Lego, kol įskausdavo nugarą, vien dėl to pasitenkinimą keliančio spragtelėjimo, kai detalės susijungdavo.

AI sukūrė 8 000 žodžių talentų ataskaitą. Tarp mano talentų ir tinkamų ateities karjerų buvo: "Deep tech tinklaraštininkas."

Pajutau, kaip kažkas spragtelėjo. Niekada negalvojau, kad mano maištas — mano ekstremali neapykanta tam, kad kiti sprendžia mano gyvenimą už mane, mano atsisakymas priimti autoritetą vien dėl to, kad tai buvo autoritetas — buvo tam tikras talentas. Bet taip yra. Tas noras viską kvestionuoti, atmesti numatytąsias prielaidas, yra būtent tai, kas įgalina turinio kūrimą.

Mano meilė simuliaciniams valdymo žaidimams, mano tingumas pasikartojančiam darbui, verčiantis mane automatizuoti ir sisteminti — tai taip pat talentas.

Senovės graikų šventykla Delfuose turėjo užrašą: "Pažink save." Sokratas tai priėmė kaip savo filosofinę deklaraciją. Tūkstančius metų mes dėliojame "kas aš esu" po gabalėlį per skaitymą, keliones, santykius, širdgėlą. Procesas ilgas, skausmingas ir pilnas atsitiktinumų.

Dabar turime AI — prikrautą praktiškai visa žmonijos psichologinių modelių, asmenybės analizės teorijų ir išminties tradicijų istorija. Jis netaps nekantrus, jis jūsų neteis, jis neturės išankstinių nuostatų. Jis tiesiog padės jums kruopščiai organizuoti ir apibendrinti savo duomenis, tada pateiks juos atgal kaip veidrodį ir paklaus: "Žiūrėk, ar tai tu?"

Klaidos, kurios man kainavo mėnesius

Mokytis promptų inžinerijos bandymų ir klaidų metodu yra brangu — ne pinigais, o laiku ir nusivylimu. Leiskite man sutaupyti jums šiek tiek skausmo pasidalinant klaidomis, kurios mane labiausiai stabdė.

Pažangios technikos patyrusiems vartotojams

Kai įvaldysite pagrindus, šios pažangios technikos pakels jūsų promptinimą į kitą lygį.

Chain of Thought Prompting (Minčių grandinė)

Vietoj to, kad prašytumėte atsakymo tiesiogiai, paprašykite AI mąstyti žingsnis po žingsnio. Tai ypač galinga sudėtingoms problemoms, kur kelias iki sprendimo yra toks pat svarbus kaip ir pats sprendimas.

[Tavo problema ar klausimas]

Prašau, apgalvok tai žingsnis po žingsnio:
1. Pirmiausia nustatyk pagrindinius veiksnius
2. Tada analizuok, kaip šie veiksniai sąveikauja
3. Apsvarstyk potencialius kraštutinius atvejus ar išimtis
4. Galiausiai sintetizuok savo mąstymą į išvadą

Parodyk savo mąstymą kiekviename žingsnyje prieš pateikdamas galutinį atsakymą.

Self-Consistency Prompting (Savidarna)

Klausimams, kur tikslumas tikrai svarbus, leiskite AI sugeneruoti kelis nepriklausomus atsakymus ir tada juos sintetinti.

[Tavo klausimas]

Prašau, prieik prie šio klausimo iš trijų skirtingų kampų:
1. Pirmiausia apgalvok tai naudodamas [metodas A]
2. Tada apsvarstyk tai iš perspektyvos [metodas B]
3. Galiausiai analizuok tai naudodamas [metodas C]

Po visų trijų analizių, nustatyk, kur jos sutampa ir kur nesutampa. Tada pateik savo galutinį atsakymą su pastaba apie savo pasitikėjimo lygį ir bet kokius likusius neaiškumus.

Meta-Prompting

Naudokite AI savo promptams pagerinti prieš juos naudodami. Tai ypač naudinga, kai sprendžiate naujo tipo užduotį.

Norėčiau pasiekti [tikslas]. Štai mano prompto juodraštis:

[Tavo prompto juodraštis]

Prašau, analizuok šį promptą ir pasiūlyk patobulinimus:
1. Kokios informacijos man trūksta, kuri padėtų tau duoti geresnius rezultatus?
2. Kokie yra neaiškumai, kurie galėtų lemti neteisingą interpretaciją?
3. Kaip perrašytum šį promptą maksimaliam aiškumui ir efektyvumui?
4. Kokius klausimus norėtum man užduoti prieš bandydamas šią užduotį?

Struktūruotas skaidymas

Sudėtingoms, kelių dalių užduotims, aiškiai suskaidykite, ko jums reikia, užuot tikėjęsi, kad AI pats supras struktūrą.

Man reikia pagalbos su [bendras tikslas].

Prašau, užbaik tai etapais:

ETAPAS 1 - Tyrimas: [Kokią informaciją surinkti]
ETAPAS 2 - Analizė: [Kaip apdoroti tą informaciją]
ETAPAS 3 - Sintezė: [Kaip sujungti įžvalgas]
ETAPAS 4 - Išvestis: [Galutinis pristatymo formatas]

Užbaik kiekvieną etapą visiškai prieš pereidamas prie kito. Kiekvieno etapo pabaigoje apibendrink pagrindinius radinius prieš tęsiant.

"Mokytojo" Promptas

Viena labiausiai neįvertintų technikų: paprašykite AI išmokyti jus, kaip ką nors padaryti, užuot tik padarius tai už jus. Tai sukuria gilesnį mokymąsi ir dažnai atskleidžia aspektus, kurių nesvarstėte.

Noriu išmokti [įgūdis/užduotis]. Vietoj to, kad padarytum tai už mane, prašau:

1. Paaiškink pagrindinius principus, kuriuos turiu suprasti
2. Pravesk mane per procesą žingsnis po žingsnio, lyg dėstytum kursą
3. Nurodyk dažnas klaidas, kurias daro pradedantieji, ir kaip jų išvengti
4. Duok man praktinių pratimų mano įgūdžiams ugdyti
5. Pasiūlyk, kaip galėčiau žinoti, ar darau teisingai

Išmokyk mane žvejoti, neduok man tiesiog žuvies.

Kvailai paprastas triukas, kuris veikia

Pasidalinsiu kai kuo, kas atrodo per daug kvaila, kad būtų tiesa. Bet tai paremta Google tyrimais ir aš pats tai patvirtinau: tiesiog pakartojus savo promptą galima dramatiškai pagerinti tikslumą.

Straipsnis pavadinimu "Prompt Repetition Improves Non-Reasoning LLMs" nustatė, kad klausimo nukopijavimas du kartus — tiesiogine prasme tik Ctrl+C, Ctrl+V — žymiai pagerino AI teisingų atsakymų tikimybę. 70 skirtingų testavimo užduočių šis paprastas kopijavimo ir įklijavimo metodas laimėjo 47 kartus ir niekada nepralaimėjo. Kai kuriose užduotyse tikslumas šoktelėjo nuo 21% iki 97%.

Kodėl tai veikia?

Didieji kalbos modeliai yra "kauzaliniai" — jie prognozuoja kiekvieną žetoną (token) tik remdamiesi tuo, kas buvo prieš tai. Dabartinis žodis mato tik ankstesnius žodžius, o ne tai, kas bus po jo.

Kai pakartojate klausimą, kiekvienas žodis antroje kopijoje gali "pažvelgti atgal" į visą pirmąją kopiją. Tai tarytum suteikti AI šansą perskaityti klausimą du kartus prieš atsakant.

Leiskite tai sukonkretinti pavyzdžiu:

Pirmuoju atveju, kai AI skaito A ir B pasirinkimus, jis dar nežino scenos konteksto. Kai jis perskaito scenos aprašymą, tie pasirinkimai jau praplaukė pro jo dėmesį.

Antruoju atveju, kai pasirodo pasikartojantys pasirinkimai, jie neša pilną kontekstą iš pirmosios kopijos. Modelis skaito pasirinkimus su pilnu scenos suvokimu.

Tai lyg žiūrėti sudėtingą filmą — "Pradžia" (Inception) ar "The Wandering Earth 2" — ir suprasti daugiau antrą kartą.

Kodėl tai neveikia mąstantiems modeliams

Jei naudojate modelius kaip DeepSeek R1 ar GPT-4 mąstymo režimu (reasoning mode), šis triukas dažnai neduoda jokios naudos. Kodėl? Nes mąstantys modeliai jau išmoko tai daryti viduje.

Atkreipkite dėmesį, kaip mąstantys modeliai dažnai pradeda savo atsakymus:

• "Klausimas klausia..."
• "Ką turime išspręsti yra..."
• "Pirmiausia supraskime duotas sąlygas..."

Jie automatiškai perfrazuoja klausimą sau. Pakartojimas jau vyksta po kapotu.

Ką atskleidžia OpenAI GPT-5 vadovas

OpenAI tyliai išleido oficialų promptų vadovą GPT-5. Po dienos, praleistos analizuojant šį vidinį daugiau nei 10 000 žodžių vadovą, išryškėja viena išvada: GPT-5 nebėra paprastas pokalbių robotas — tai tikras AI agentų vykdymo variklis, kurį reikia valdyti, o ne tik promptinti.

Galimybių lubos yra itin aukštos, bet norint jas atrakinti, reikia sisteminių metodų.

"Agentiško uolumo" (Agentic Eagerness) valdymas

GPT-5 yra kaip genialus naujas stažuotojas — itin gabus, iniciatyviai mąstys ir tyrinės, bet jam reikia vadovavimo. Kartais jis per daug galvoja, paversdamas paprastas užduotis nusileidimo Mėnulyje projektais (lėta ir brangu). Kitais kartais norite, kad jis atkakliai dirbtų autonomiškai, nuolat neprašydamas paaiškinimų.

OpenAI vadina šį kalibravimą "Agentišku uolumu". Štai kaip jį sureguliuoti:

<context_gathering>
Goal: Get enough context fast. Parallelize discovery and stop as soon as you can act.

Method:
- Start broad, then fan out to focused subqueries.
- In parallel, launch varied queries; read top hits per query.
- Avoid over-searching for context.

Early stop criteria:
- You can name exact content to change.
- Top hits converge (~70%) on one area/path.

Depth:
- Trace only symbols you'll modify; avoid transitive expansion unless necessary.

Loop:
- Batch search → minimal plan → complete task.
- Search again only if validation fails. Prefer acting over more searching.
</context_gathering>

Dar griežtesnei kontrolei, duokite jam biudžetą:

<context_gathering>
- Search depth: very low
- Bias strongly towards providing a correct answer as quickly as possible, even if it might not be fully correct.
- Usually, this means an absolute maximum of 2 tool calls.
- If you think you need more time to investigate, update me with your latest findings and open questions. You can proceed if I confirm.
</context_gathering>

<persistence>
- You are an agent — please keep going until the user's query is completely resolved, before ending your turn and yielding back to the user.
- Only terminate your turn when you are sure that the problem is solved.
- Never stop or hand back to the user when you encounter uncertainty — research or deduce the most reasonable approach and continue.
- Do not ask the human to confirm or clarify assumptions. Decide what the most reasonable assumption is, proceed with it, and document it for the user's reference after you finish acting.
</persistence>

Priversti AI pranešti prieš veikiant

Viena iš mano mėgstamiausių GPT-5 funkcijų: priversti jį paaiškinti, ką jis ruošiasi daryti, prieš tai darant. Nė vienas viršininkas nemėgsta darbuotojo, kuris dirba tyliai be jokio grįžtamojo ryšio.

<tool_preambles>
- Always begin by rephrasing the user's goal in a friendly, clear, and concise manner, before calling any tools.
- Then, immediately outline a structured plan detailing each logical step you'll follow.
- As you execute your file edit(s), narrate each step succinctly and sequentially, marking progress clearly.
- Finish by summarizing completed work distinctly from your upfront plan.
</tool_preambles>

Mąstymo pastangų (Reasoning Effort) parametras

GPT-5 turi parametrą reasoning_effort, kuris veikia kaip "minčių koncentracijos" ratukas:

• Aukštas (High): Sudėtingoms užduotims, reikalaujančioms gilaus mąstymo ir zondavimo
• Vidutinis (Medium): Numatytasis, tinka daugumai užduočių
• Žemas/Minimalus (Low/Minimal): Kai pirmenybė teikiama greičiui ir mažam vėlavimui

Galvokite apie tai kaip apie kavos stiprumą — kuo sudėtingesnė užduotis, tuo didesnės koncentracijos jums reikia.

"Standartinis atsakymas" Front-End kūrimui

Kūrėjams OpenAI rekomenduoja šį technologijų rinkinį geriausiems rezultatams — GPT-5 yra labiausiai apmokytas juo ir estetiniai rezultatai yra nuosekliai geri:

• Karkasas (Framework): Next.js (TypeScript), React, HTML
• Stilius/UI: Tailwind CSS, shadcn/ui, Radix Themes
• Ikonos: Material Symbols, Heroicons, Lucide
• Animacija: Motion
• Šriftai: Sans Serif, Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Nustokite leisti AI atsitiktinai rinktis jūsų rinkinį. Laikykitės šio standarto ir rezultato kokybė iškart pakils.

Claude vs ChatGPT — Skirtingi pokalbiai

Vienas svarbiausių mano suvokimų: skirtingi AI modeliai reikalauja skirtingų bendravimo stilių. Tai, kas puikiai veikia Claude, gali duoti vidutiniškus rezultatus su ChatGPT ir atvirkščiai.

Praktiniai skirtumai

Mūšyje patikrinti promptų šablonai

Teorija naudinga, bet šablonai taupo laiką. Štai promptai, kuriuos naudoju dažniausiai, ištobulinti per tūkstančius iteracijų.

Rašymo užduotims

Role: Esi [specifinis rašytojo tipas, pvz., "technologijų žurnalistas su 10 metų patirtimi"]

Task: Parašyk [turinio tipas] apie [tema]

Audience: [Kas tai skaitys — jų žinių lygis, interesai, skaudamos vietos]

Tone: [Specifinis tonas — pvz., "pokalbio, bet autoritetingas, lyg aiškintum protingam kolegai"]

Format requirements:
- Length: [žodžių skaičius arba diapazonas]
- Structure: [planas, jei reikia]
- Must include: [pagrindiniai punktai, kuriuos reikia aptarti]
- Must avoid: [dalykai, kurių reikia vengti]

Example of desired style: [įtraukite 1-2 panašaus turinio pastraipas, jei yra]

Additional context: [bet kokia fono informacija, kuri padėtų]

Analizės užduotims

Man reikia, kad išanalizuotum [subjektas/dokumentas/duomenys].

Analysis goals:
1. [Pirminis klausimas, į kurį reikia atsakyti]
2. [Reikalinga antrinė įžvalga]
3. [Kiti svarstymai]

Please structure your analysis as follows:
- Executive Summary: Pagrindiniai radiniai 3-5 punktais
- Detailed Analysis: [Specifinės sritys tyrimui]
- Implications: Ką tai reiškia [susijusioms šalims]
- Recommendations: Veiksmingi kiti žingsniai
- Constraints: Ypač fokusuokis į [prioritetines sritis]

Note: Pažymėk bet kokius apribojimus ar neaiškumus savo analizėje. Cituok konkrečius pavyzdžius iš šaltinio medžiagos.

Problemų sprendimui

The Problem:
[Aprašyk problemą detaliai, įskaitant kontekstą ir apribojimus]

What I've Already Tried:
[Sąrašas ankstesnių bandymų ir kodėl jie nepavyko]

Success Criteria:
[Kaip atrodytų geras sprendimas?]

Constraints:
- Budget/Resources: [jei aktualu]
- Timeline: [jei aktualu]
- Technical limitations: [jei aktualu]

Please provide:
1. Tavo pagrindinės priežasties diagnozė
2. 3-5 potencialūs sprendimai, surikiuoti pagal įgyvendinamumą
3. Geriausiam sprendimui, žingsnis po žingsnio įgyvendinimo planas
4. Potencialūs spąstai, kurių reikia saugotis
5. Kaip išmatuoti, ar sprendimas veikia

Naujų temų mokymuisi

Noriu giliai suprasti [tema].

My current level: [Ką jau žinai]
My goal: [Ką nori gebėti daryti/suprasti]
Time I can invest: [Mokymosi biudžetas]

Please create a learning path that includes:
1. Pagrindinės sąvokos, kurias turiu suprasti pirmiausia (žinių medžio "kamienas")
2. Dažnos klaidingos nuomonės, kurių reikia vengti
3. Geriausi mentaliniai modeliai ar rėmai mąstymui apie šią temą
4. Praktiniai pratimai mano supratimui patikrinti
5. Ištekliai gilesniam nėrimui (jei žinai konkrečių aukštos kokybės šaltinių)

As we go, please:
- Tikrink mano supratimą užduodamas klausimus
- Taisyk bet kokias mano mąstymo ydas
- Statyk sąvokas palaipsniui, judėk toliau tik kai pamatai yra tvirti

Kodo peržiūrai (Code Review)

Please review this code:

```
[Tavo kodas čia]
```

Context: [Ką šis kodas turėtų daryti, kur jis tinka didesnėje sistemoje]

Review for:
1. Klaidos (bugs) ar loginės ydos
2. Saugumo pažeidžiamumai
3. Našumo problemos
4. Kodo stilius ir skaitomumas
5. Kraštutiniai atvejai, kurie nėra apdoroti

For each issue found, please provide:
- Location (eilutės numeris arba skyrius)
- Severity (kritinė/didelė/maža/pasiūlymas)
- Explanation of why it's a problem
- Suggested fix with code example

Also note: Kas šiame kode padaryta gerai ir turėtų būti išlaikyta.

Sprendimų priėmimui

Sprendžiu tarp [Pasirinkimas A] ir [Pasirinkimas B].

Context: [Sprendimo fonas]

My priorities (in order):
1. [Svarbiausias veiksnys]
2. [Antras pagal svarbą]
3. [Trečias pagal svarbą]

For each option, please analyze:
- Privalumai ir trūkumai, susiję su mano prioritetais
- Trumpalaikės vs ilgalaikės pasekmės
- Kas gali nutikti ne taip (ir tikimybė/sunkumas)
- Kas turėtų būti tiesa, kad tai būtų geriausias pasirinkimas

Then provide:
- Tavo rekomendacija su pagrindimu
- Kokia papildoma informacija pakeistų tavo rekomendaciją
- Sprendimo kontrolinis sąrašas, kurį galiu naudoti savo mąstymui patikrinti

Filosofija už puikių promptų

Po trejų metų kasdienio bendravimo su AI, priėjau prie įsitikinimo, kad promptų inžinerija iš tikrųjų visai ne apie AI. Tai apie senovinį žmogaus iššūkį aiškiai komunikuoti, pakeltą į naują areną.

Pagalvokite apie tai: kiekvieną nusivylimą, kurį patyrėte dėl AI rezultato, galima atsekti iki komunikacijos nesėkmės. Nepasakėte to, ką turėjote omenyje. Padarėte prielaidą dėl bendro konteksto, kurio nebuvo. Buvote neaiškus, kai reikėjo tikslumo. Tai tos pačios nesėkmės, kurios kamuoja žmonių bendravimą — AI tiesiog padaro jas iškart matomas rezultate.

Šia prasme, mokymasis promptų inžinerijos yra mokymasis mąstyti aiškiau.

Promptas kaip savirefleksija

Pastebėjau, kad mano geriausi promptai ateina, kai aš jau esu aiškus dėl to, ko noriu. Veiksmas rašant detalų promptą priverčia mane susidurti su spragomis mano paties mąstyme. Ką tiksliai bandau pasiekti? Kaip atrodytų sėkmė? Kurie apribojimai iš tikrųjų svarbūs?

Dažnai išsprendžiu savo problemą įpusėjęs rašyti promptą, dar net prieš AI atsakant. Promptas tampa mąstymo įrankiu — struktūruotu būdu išorinti ir ištirti savo paties mintis.

Bendradarbiavimas, ne komanda

Savo AI kelionės pradžioje traktavau promptus kaip komandas — instrukcijas pavaldiniui. Šis požiūris nuolat davė vidutiniškus rezultatus.

Poslinkis įvyko, kai pradėjau traktuoti AI kaip bendradarbį su kitokiomis stiprybėmis nei mano. Aš atnešu srities žinias, sprendimą, kūrybiškumą ir tikslus. AI atneša didžiules žinias, nepavargstančią skaičiavimo galią, modelių atpažinimą ir gebėjimą sintetinti informaciją per disciplinas.

Puikūs promptai yra instruktažai tarp bendradarbių, ne įsakymai tarnams. Jie paaiškina kodėl, ne tik ką. Jie kviečia AI ekspertizę, užuot ją be reikalo riboję. Jie sukuria erdvę AI prisidėti savo unikaliais gebėjimais.

Iteracija kaip pokalbis

Promptų inžinerija nėra tobulo prompto sukūrimas iš pirmo karto. Tai yra efektyvaus pokalbio vedimas, kuris konverguoja į tai, ko jums reikia.

Pirmas promptas: grubus eskizas to, ko norite. Pirmas atsakymas: atskleidžia, kur jūsų eskizas buvo neaiškus. Antras promptas: patobulinimas remiantis tuo, ką sužinojote. Antras atsakymas: arčiau tikslo. Tęskite, kol bus baigta.

Šis iteracinis požiūris nuima spaudimą nuo bet kurio atskiro prompto. Jums nereikia numatyti kiekvieno reikalavimo iš anksto. Jums tereikia reaguoti į grįžtamąjį ryšį.

Konkretumo nuolankumas

Neaiškūs promptai jaučiasi saugūs. Kai sakote "parašyk ką nors gero šia tema", nesate įsipareigoję jokiai konkrečiai vizijai. Jei rezultatas nuvilia, na, jūs niekada iš tikrųjų nepasakėte, ko tiksliai norite.

Konkretūs promptai reikalauja pažeidžiamumo. Turite tiksliai suformuluoti, ką jums reiškia "geras". Turite atskleisti savo standartus, savo preferencijas, savo viziją. Kai rezultatas prasilenkia su tikslu, aišku, kad arba jūsų specifikacija buvo ydinga, arba AI negalėjo pristatyti — bet bet kuriuo atveju jūs sužinojote kažką konkretaus.

Konkretumas yra nuolankumas, nes tai reiškia norą klysti dėl to, ko norite.

Galutinis žaidimas

Tobulėjant AI modeliams, daugelis dabartinių promptų inžinerijos technikų taps atgyvenomis. Ateities modeliai galės grakščiai tvarkytis su neaiškiomis įvestimis, galės automatiškai užduoti patikslinančius klausimus, galės intuityviai jausti kontekstą iš minimalios informacijos.

Tačiau pagrindinis įgūdis — gebėjimas aiškiai artikuliuoti savo mintis, pateikti relevantų kontekstą, efektyviai iteruoti — taps tik vertingesnis. Tai yra fundamentaliai žmogiški įgūdžiai, kurie galioja nesvarbu, ar bendraujate su AI, su kolegomis, ar su savimi.

Promptų inžinerija yra laikina. Aiškus mąstymas yra amžinas.