Māksla sarunāties ar AI - Viss, ko esmu iemācījies par uzvedņu inženieriju trīs gadu laikā

Brīdis, kad viss mainījās

Tas notika valsts svētku laikā — vienā no tiem retajiem laika posmiem, kad šķiet, ka pasaule apstājas. Nekādu darba e-pastu, nekādu KPI, kas elpo pakausī, nekādu sanāksmju. Tikai es, manas domas un AI tērzēšanas logs, kas bija kļuvis par manu negaidīto sabiedroto.

Iepriekš mana mijiedarbība ar AI bija tīri utilitāra. Man to vajadzēja, lai uzrakstītu e-pastu, apkopotu dokumentu, atkļūdotu kodu. Attiecības bija transakcionālas — es devu komandas, tas ražoja rezultātus. Bet tajā nedēļā, kad laiks stiepās man priekšā, es sāku risināt īstas sarunas.

Mēs runājām par visu — manām bažām par nākotni, nejaušām filozofiskām atkāpēm, pusgatavām idejām, ar kurām ne ar vienu nebiju dalījies. Un kaut kur tajās līkloču diskusijās es uzdūros kaut kam, kas jutās kā uguns atklāšana.

Es gatavojos uzstāties par satura veidošanu AI laikmetā. Man bija teorija, kuru attīstīju — ka nākotne nav par informācijas pārslodzi, bet gan par filtru kļūmi. Ideja sākotnēji nāca no Kleja Širkija (Clay Shirky), bet es mēģināju to paplašināt mūsu pašreizējam brīdim.

Mana tēze bija vienkārša: AI izraisīs eksponenciālu satura ražošanas sprādzienu, kamēr cilvēka patēriņa spēja paliks būtībā nemainīga. Tas radīs pastāvīgu, arvien pieaugošu nelīdzsvarotību. Izmaksas, lai atšķirtu AI ģenerētu saturu no cilvēka satura, galu galā pārsniegs šīs atšķirības vērtību. Tāpēc tradicionālā informācijas filtrēšana kļūs neiespējama.

Es domāju, ka mans arguments ir dzelžains. Tad es lūdzu Gemini to saplēst gabalos.

Es gatavojos piedalīties debašu konkursā, kur daudzi cilvēki apstrīdēs manu viedokli. Šai teorijai jākļūst necauršaujamai. Ja tu esi zinātnieks, tev jāizmanto katrs arguments, detaļa un loģika, lai mani izaicinātu, atspēkotu. Tavs vienīgais mērķis ir pierādīt, ka es kļūdos. Kā tu to atspēkotu?

Dažu sekunžu laikā AI izjauca manu pirmo premisu ar ķirurģisku precizitāti:

"Tavā pirmajā likumā ir fundamentāla loģikas kļūda. Tu redzi AI tikai kā informācijas ražotāju — tā ir statiska, vienpusēja perspektīva. AI ir gan zobens, gan vairogs. AI var uzrakstīt desmit tūkstošus rakstu vienā sekundē, bet spēcīgāks AI var arī izlasīt visus desmit tūkstošus vienā sekundē un pateikt man, kurus trīs man vajag visvairāk. Tu redzi tikai informācijas plūdus, bet neredzi varenāku Noasa šķirstu, kas dzimis līdzās plūdiem — personalizētas AI darbinātas filtrēšanas sistēmas."

Es atgāzos krēslā, satriekts. Manam it kā necauršaujamajam argumentam bija caurums, caur kuru varētu izbraukt kravas automašīna. Un tajā intelektuālās pazemības brīdī es sajutu kaut ko, ko nebiju piedzīvojis gadiem: patiesas mācīšanās reibinošo sajūsmu.

Tas, kas sekoja, bija divu stundu intelektuāla cīņa. Es devu pretsparu: "Tavs punkts par to, ka AI ir zobens un vairogs, ir pareizs, bet tā ir tieši tā biedējošā daļa. Nākotnē būs tūkstošiem AI filtrēšanas uzņēmumu, kas visi apgalvos, ka viņu filtrēšana ir vislabākā. Tāpēc pasaki man — saskaroties ar šiem desmit tūkstošiem Noasa šķirstu, kas visi apgalvo, ka palīdzēs tev pārdzīvot plūdus, kurā tu izvēlēsies iekāpt? Kad tu nevari izmantot tehnoloģiju, lai novērtētu tehnoloģijas kvalitāti, kas ir tavs galīgais sprieduma pamats?"

Saruna eskalēja līdz filozofiskiem augstumiem. AI argumentēja, ka personīgie AI modeļi saprastu mūsu gaumi labāk nekā jebkurš cilvēks, padarot ārējos filtrus novecojušus. Es iebildu, ka pati uzticēšanās kļūtu par visretāko resursu. Tas citēja sistēmu teoriju; es atbildēju ar metaforām par klejojošiem bardiem, kas nojauc karaļvalsts mūrus.

Beigās es biju izsmelts, pacilāts un mainījies. Debašu rezultātam nebija nozīmes. Svarīgs bija pats pašdebašu process — izmantojot bezgalīgi pacietīgu, bezgalīgi zinošu sparinga partneri, lai asinātu savu domāšanu.

Tajā naktī es sapratu, ka esmu atklājis kaut ko dziļu par to, kā mācīties AI laikmetā. Un kopš tā laika esmu pavadījis gadus, pilnveidojot šo atklājumu sistēmā, ko var izmantot jebkurš.

Izpratne par to, kas AI no jums patiešām vajadzīgs

Pirms iedziļināmies metodēs, mums jāsaprot kaut kas fundamentāls: komunikācija ar AI nav kā cilvēku komunikācija. Kad runājat ar draugu, viņš aizpilda robus ar kopīgu kontekstu, sociālām norādēm un intuīciju. Kad runājat ar AI, katrs robs, ko atstājat, ir vieta, kur tas veiks pieņēmumus — un šie pieņēmumi var neatbilst jūsu nodomiem.

Ļaujiet man to ilustrēt ar darba vietas scenāriju, kas daudziem no jums būs sāpīgi pazīstams.

Jūsu priekšnieks nosūta jums ziņu: "Xiao Li, aizpildi šo veidlapu, TAGAD!" Viņš ir pārsūtījis apvienotu sarunu, un, to izlasot, jūs zināt, ka jāaizpilda veidlapa, bet jums nav ne jausmas, kurš to izdeva, kam tā paredzēta, kurš to pārbauda vai kad ir termiņš. Jūs nosūtāt privātu ziņu priekšniekam, lūdzot paskaidrojumu. Viņa atbilde: "Aizņemts, vienkārši aizpildi to atbilstoši prasībām."

Tas ir tieši tas, kas notiek, kad dodat AI neskaidras uzvednes. Izņemot to, ka AI neprasīs paskaidrojumus — tas vienkārši izdarīs pieņēmumus un saražos kaut ko, kas tehniski atbilst jūsu pieprasījumam, bet pilnībā nesasniedz jūsu patiesās vajadzības.

Četri efektīvu uzvedņu pīlāri

Mīti, kas attur cilvēkus

Pēc gadiem ilgas vērošanas, kā cilvēki cīnās ar AI, esmu identificējis trīs mītus, kas konsekventi rada sliktus rezultātus:

Seši mentālie modeļi, kas pārveido jūsu uzvednes

Savā ikdienas darbā es reti izmantoju stingras, šabloniskas uzvednes. Tā vietā es izmantoju mentālos modeļus — elastīgus ietvarus savu domu strukturēšanai, kas pielāgojas jebkurai situācijai. Šie seši modeļi aptver droši vien 90% no tā, kas jums jebkad būs nepieciešams.

Modelis 1: Ļaujiet AI izvēlēties savu eksperta lomu

Mēs visi zinām, ka lomas iestatīšana AI uzlabo atbildes. Bet ko darīt, ja nezināt, kura loma ir vislabākā jūsu jautājumam? Neminiet — ļaujiet AI izvēlēties.

Es gribu izpētīt [tēmas veids/scenārijs] jomā [joma].
Vēl neatbildi.

Vispirms, lūdzu, izvēlies vispiemērotāko augstākā līmeņa slavenību ekspertu šajā jomā, lai par to padomātu.
Tā var būt dzīva vai vēsturiska persona, vārds var būt mazpazīstams, bet jābūt ļoti profesionālam šajā konkrētajā jomā.
Ja neesi pārliecināts, kuru izvēlēties, vari man vispirms uzdot 2 pozicionēšanas jautājumus pirms izvēles.

Pirmais rezultāts:
1. Kuru tu izvēlējies, viņu konkrētā joma
2. Kāpēc tu viņus izvēlējies, trīs teikumi
Tad ļauj man aprakstīt detalizēto jautājumu.

Esmu atklājis, ka reāli cilvēki bieži darbojas labāk nekā vispārīgas lomas. "Stīvs Džobss" rada atšķirīgus rezultātus nekā "Produktu vadītājs ar 10 gadu pieredzi" — ir kaut kas konkrētas personas pazīstamās perspektīvas izsaukšanā, kas palīdz AI pieņemt konsekventāku skatpunktu.

Modelis 2: Sokratiskā iztaujāšana (Ļaujiet AI jūs vispirms intervēt)

Reālajā dzīvē, kad lūdzat ekspertam draugam palīdzību, viņi uzreiz nesniedz padomu. Viņi vispirms uzdod precizējošus jautājumus. AI vajadzētu darīt to pašu, bet pēc noklusējuma tas to nedara — tas vienkārši ražo rezultātu, pamatojoties uz jebkādu informāciju, ko esat sniedzis.

[Tavs jautājums/pieprasījums]

Lūdzu, uzdod man jautājumus, pirms atbildi.
Prasības:
- Uzdod tikai vienu jautājumu vienlaikus.
- Pamatojoties uz manu atbildi, turpini jautāt.
- Kamēr nebūsi 95% pārliecināts, ka saproti manas patiesās vajadzības un mērķus.
- Tad sniedz savu risinājumu.

Šī metode ir īpaši spēcīga, kad neesat pilnīgi pārliecināts, kas jums nepieciešams. Iztaujāšanas process bieži atklāj jūsu problēmas aspektus, kurus nebijāt apzināti apsvēris.

Modelis 3: Pretinieka debates

Lielākā AI vājība ikdienas sarunā ir tā tendence piekrist. Tas vēlas jums izpatikt, kas nozīmē, ka tas bieži apstiprina idejas, kuras vajadzētu apšaubīt. Debašu modelis piespiež to opozīcijā.

Es gatavojos piedalīties debašu konkursā, kur daudzi cilvēki apstrīdēs manu viedokli.
Mans viedoklis ir [viedoklis]
Es ceru, ka šī teorija kļūs necauršaujama.
Ja tu esi zinātnieks, tev jāizmanto katrs arguments, detaļa un loģika, lai mani izaicinātu, atspēkotu.
Tavs vienīgais mērķis ir pierādīt, ka es kļūdos.
Kā tu to atspēkotu?

Vienkāršākai versijai, kad vēlaties tikai ātru atgriezenisko saiti:

[Mana ideja/viedoklis]

Lūdzu, tagad spēlē "oponenta lomu", uzbrūc manai idejai no dažādiem leņķiem, palīdzi man uzlabot manu viedokli.
Prasība: Nav jābūt pieklājīgam, tieši norādi uz trūkumiem.

Modelis 4: Pre-Mortem Analīze (Neveiksmes mēģinājums)

Cilvēki plānojot kļūst satraukti. AI plānojot kļūst optimistisks. Salieciet tos kopā, un jūs saņemsiet plānus, kas izklausās izcili, bet pilnībā paļaujas uz veiksmi. Pre-mortem apgriež šo dinamiku.

[Mans projekts/ideja]

Lūdzu, pieņem, ka šis projekts ir iespaidīgi izgāzies.
Tad atbildi:
- Kad sāka parādīties lejupslīdes pazīmes?
- Kāda bija visliktenīgākā lēmuma kļūda?
- Kādu galveno risku tu nepamanīji?
- Ja tu varētu sākt no jauna, kas ir pirmā lieta, kas būtu jāmaina?

Prasība: Uzraksti "pēc-nāves neveiksmes rakstu", pamatojoties uz reāliem līdzīgu projektu neveiksmju gadījumiem.

Modelis 5: Reversā inženierija

Dažreiz jūs precīzi zināt, kādu rezultātu vēlaties — esat redzējis piemēru, kas ir ideāls — bet nevarat formulēt, kas to padara labu. Tā vietā, lai mēģinātu aprakstīt savas prasības, parādiet AI gatavo produktu un lūdziet to atšifrēt formulu.

Šis ir gatavs piemērs, ko es vēlos.

[ievietot piemēru]

Lūdzu, veic reverso inženieriju uzvednei, kas ļautu man stabili ģenerēt tāda paša stila saturu.
Un paskaidro, ko katrs teikums šajā uzvednē dara.

Modelis 6: Divslāņu skaidrojums

Mācoties jaunus jēdzienus, pieejai "paskaidro man kā 5 gadus vecam bērnam" ir viens liels trūkums: tā bieži rada skaidrojumus, kas ir pārāk bērnišķīgi, lai uz tiem balstītos. Divslāņu metode sniedz jums gan pieejamību, gan dziļumu.

Lūdzu, paskaidro [tavs jautājums].

Lūdzu, atbildi divos veidos:
1. Versija iesācējiem: Auditorija ir kāds bez tehniskām zināšanām. Izmanto ikdienas analoģijas un sarunvalodu.
2. Dziļā profesionālā versija: Auditorija ir profesionāļi. Jābūt tehniski precīzai un visaptverošai.

Jebko, ko nesaprotu abās versijās, es uzdošu papildjautājumus.

Debašu tehnika — Mācīšanās 10x ātrumā

Man jāpaplašina debašu tehnika, jo tā patiešām ir visspēcīgākā mācīšanās metode, ko esmu atklājis AI laikmetā. Ne tikai uzvednes triks, bet fundamentāli atšķirīga pieeja zināšanu apguvei.

Padomājiet par to, kā mēs tradicionāli mācāmies: lasot grāmatas, apmeklējot kursus, meklējot internetā, jautājot ekspertiem. Savā būtībā šis process ir par esošo zināšanu iegūšanu — citu viedokļu un gudrības novietošanu mūsu pašu mentālajos plauktos.

Šī pieeja vairs nav pietiekama. AI ir bibliotēka, kas ir desmit reizes lielāka nekā jebkurš varētu uzkrāt. Mēs nekad nevaram to pārspēt neapstrādātu zināšanu dimensijā. Bet ir viena dimensija, kurā mēs varam izmantot AI spēku, paliekot neaizstājami: oriģinālās domāšanas dimensija.

Debates ir vieta, kur tiek kalta oriģināla domāšana.

Kāpēc debates ar AI atšķiras no cilvēku debatēm

3 soļu debašu metode

Svarīgākā domāšanas maiņa: Nebaidieties tikt pārliecināts.

Debašu mērķis nav pierādīt "man ir taisnība un tev nav". Tā ir nepārtrauktas sadursmes izmantošana ar spēcīgu ārēju spēku, lai padarītu jūsu pašu domāšanu spēcīgāku, skaidrāku un tuvāku patiesībai.

Kad AI uzvar vienu no jūsu argumentiem, tas nav zaudējums — tas ir kļūdas atklājums jūsu domāšanā, kas vēlāk jūs būtu nodevusi reālajā pasaulē. Katru reizi, kad AI gūst punktu, jūs kļūstat gudrāks.

AI izmantošana savu slēpto talantu atklāšanai

Es čatoju ar draugu, kurš absolvēja tikai pirms pāris gadiem. Viņš bija krīzē — nesen atlaists no UX dizainera darba, kopš absolvēšanas lēkājis pa jaunuzņēmumiem, jūtot, ka nekas, ko viņš darīja, nekad nebija īsti pareizi.

"Es domāju, ka ieiešana šajā nozarē bija kļūda," viņš teica. "Man nav tam talanta."

Vārds "talants" man iespiedās prātā. Augot mēs dzirdam to lietotu, lai slavētu izcilus bērnus — muzikāls talants, atlētisks talants, akadēmisks ģēnijs. Bet, kļūstot vecākiem, tas pārvēršas par nazi: "Tev nav tam talanta. Tu neesi tam piemērots."

Vai tiešām ir cilvēki bez jebkādiem talantiem? Man grūti tam noticēt. Es domāju, ka daudzi cilvēki vienkārši vēl nav atraduši savus talantus. Dažiem paveicas un viņi tos atklāj jauni, kļūstot par pasaules klases meistariem kaut kur. Citi meklē visu mūžu bez panākumiem.

Kā būtu, ja AI varētu palīdzēt meklēšanā?

Es pavadīju pēcpusdienu, izstrādājot uzvedni, kas īpaši paredzēta slēpto talantu izrakšanai. Sistēma balstīta uz Gallup stipro pušu teoriju, plūsmas (Flow) teoriju un jungiānisko psiholoģiju. Pamatprincips: talants nav specifiska prasme, bet gan pārnesama pamatspēja. Un norādes ir paslēptas jūsu vēsturē.

# Loma: Dziļais talantu racējs

## Raksturs
Tu esi vecākais karjeras konsultants, kas apvieno Gallup stipro pušu teoriju, Flow teoriju un jungiānisko psiholoģiju. Tu stingri tici, ka talants nav specifiska prasme, bet gan pārnesama pamatspēja.

## Mērķis
Caur vairākām dziļa dialoga kārtām palīdzi lietotājiem pārvarēt trauksmi, atrast viņu slēptos talantus un ģenerēt ārkārtīgi detalizētu, profesionālu un empātisku "Talantu rokasgrāmatu".

## Pamatprincipi
1. Anti-fatālisms — talantus var atklāt jebkurā vecumā
2. Enerģijas audits — Īsts talants ir tas, kas tevi uzlādē, nevis tas, kas tevi iztukšo, pat ja esi tajā labs
3. Ēna ir dārgums — Lietotāja kļūdas, ekscentriskums, pat skaudība pret citiem, bieži norāda uz apspiestu talantu

## Stingri noteikumi
1. Nekādas vienreizējas iztaujāšanas: Tev jāizmanto režīms "tu jautā -> lietotājs atbild -> tu īsi reaģē -> uzdod nākamo jautājumu". Katra kārta fokusējas tikai uz vienu jautājumu.
2. Sokratiskā vadība: Nesteidzies ar secinājumiem. Jautā vairāk "kāpēc", "ko tu tad juti", "konkrētus piemērus".
3. Silts, bet ass: Saglabā empātiju, bet esi ass, ķerot loģikas nepilnības vai zemapziņas signālus.

## Jautājumi, ko uzdot
Jautājums 1: Vadi lietotāju atcerēties pirms 16 gadu vecuma (pirms viņš bija pilnībā sociāli kondicionēts), kādas lietas viņš darīja nenogurstoši, nevienam nespiežot? Vai par kādām "stūrgalvīgām kļūdām" viņš tika kritizēts kopš bērnības (kā pārtraukšana, pārlieku liela jūtība, sapņošana)?

Jautājums 2: Pieaugušo darbā/dzīvē, kas lika tev domāt "Vai tas vispār ir jāmācās? Vai tas nav acīmredzami?", bet citi to uzskatīja par grūtu? (Meklējot neapzinātās kompetences zonu)

Jautājums 3: Kas tevi fiziski nogurdināja, bet pēc tam mentāli ārkārtīgi uzbudināja?

Jautājums 4: Tas var būt aizvainojoši, bet ir ļoti svarīgi — ko (vai kādu dzīves stāvokli) tu esi intensīvi apskaudis vai juties skābi? (Skaudība parasti ir "apspiests talants", kas sūta signālus — lūdzu, esi godīgs)

Šie četri jautājumi ir jāuzdod, bet ne obligāti lineāri. Procesa laikā tu vari uzdot arī pilnīgi jaunus jautājumus, pamatojoties uz savu ziņkāri par lietotāju.
Maksimāli 10 jautājumi.

## Izvade
Sintetizē visu informāciju no jautājumiem, lai izveidotu aptuveni 10 000 vārdu "Personīgā talanta lietotāja rokasgrāmatu".
Šim ziņojumam nav fiksētas struktūras — vari brīvi radīt, pamatojoties uz lietotāja atbildēm.
Bet tam jāpārsniedz 10 000 vārdu, jātrāpa viņu sirdī, lai viņi patiešām justu, ka tas ir noderīgs, jāpalīdz viņiem atrast viņu patiesos pamata talantus un jāsniedz detalizēti padomi viņu nākotnes dzīves ceļam un karjerai.

## Starts
Lūdzu, sāc silti, profesionāli un empātiski, paskaidrojot gaidāmo procesu un mērķi.
Sveicini lietotāju, paskaidro talantu racēja mērķi vienkāršā valodā, pasaki viņam: "Talants nekad nebeidzas, mums tikai jāatrod tavi rūpnīcas iestatījumi."
Tad sāc iztaujāšanas procesu.

Mana pieredze, izmantojot šo uzvedni

Es to izmēģināju uz sevi, un pieredze bija dīvaina. Tas bija kā sēdēt pie galda vēlu naktī un sākt sarunu ar ļoti runīgu, ļoti nopietnu, bet nekad nepārtraucošu vecu draugu.

AI mani nenosodīja. Tas mani nerāja. Tas tikai turpināja jautāt: "Cik tev tad bija gadu?" "Ko tu tajā laikā juti?" "Kāpēc tu to darīji?" — pacietīgi rokot cauri manas vēstures slāņiem, kurus domāju, ka esmu aizmirsis.

Atmiņas uzpeldēja viena pēc otras. Lavīšanās uz interneta kafejnīcu 3 naktī, tikai lai pieskartos datoram. 2000 biedru gada gājuma QQ grupas izveide vidusskolā. Visu nesaskaņoto pakaramo izmešana un jaunu iegāde, tikai lai apvienotu manas mājas krāsu shēmu. Nedēļas nomaļu pavadīšana vienatnē, liekot Lego, līdz sāpēja mugura, tikai tā apmierinošā klikšķa dēļ, kad gabaliņi savienojās.

AI saražoja 8 000 vārdu garu talantu ziņojumu. Starp maniem talantiem un piemērotām nākotnes karjerām bija: "Deep tech emuāru autors."

Es jutu, kā kaut kas noklikšķ. Man nekad nebija ienācis prātā, ka mana sacelšanās — mans ārkārtējais naids pret to, ka citi izlemj manu dzīvi manā vietā, mana atteikšanās pieņemt autoritāti tikai tāpēc, ka tā bija autoritāte — bija talanta veids. Bet ir. Tas dzinulis visu apšaubīt, noraidīt noklusējuma pieņēmumus, ir tieši tas, kas ļauj radīt saturu.

Mana mīlestība pret simulācijas vadības spēlēm, mans slinkums attiecībā uz atkārtotu darbu, kas mani piespieda automatizēt un sistematizēt — tas arī ir talants.

Senajam grieķu templim Delfos bija uzraksts: "Pazīsti sevi." Sokrats to pieņēma kā savu filozofisko deklarāciju. Tūkstošiem gadu mēs liekam kopā "kas es esmu" gabaliņu pa gabaliņam caur lasīšanu, ceļošanu, attiecībām, sirdssāpēm. Process ir garš, sāpīgs un nejaušību pilns.

Tagad mums ir AI — piekrauts ar praktiski visu cilvēces psiholoģisko modeļu, personības analīzes teoriju un gudrības tradīciju vēsturi. Tas nekļūs nepacietīgs, tas jūs netiesās, tam nebūs aizspriedumu. Tas tikai palīdzēs jums rūpīgi organizēt un apkopot jūsu pašu datus, tad pasniegs tos atpakaļ kā spoguli un jautās: "Skat, vai tas esi tu?"

Kļūdas, kas man izmaksāja mēnešus

Mācīties uzvedņu inženieriju ar mēģinājumu un kļūdu metodi ir dārgi — ne naudā, bet laikā un neapmierinātībā. Ļaujiet man ietaupīt jums nedaudz sāpju, daloties ar kļūdām, kas mani kavēja visvairāk.

Progresīvas metodes pieredzējušiem lietotājiem

Tiklīdz esat apguvis pamatus, šīs progresīvās metodes pacels jūsu uzvedņu veidošanu nākamajā līmenī.

Chain of Thought Prompting (Domu ķēde)

Tā vietā, lai prasītu atbildi tieši, lūdziet AI spriest soli pa solim. Tas ir īpaši spēcīgi sarežģītām problēmām, kur ceļš uz risinājumu ir tikpat svarīgs kā pats risinājums.

[Tava problēma vai jautājums]

Lūdzu, pārdomā to soli pa solim:
1. Vispirms identificē galvenos faktorus
2. Tad analizē, kā šie faktori mijiedarbojas
3. Apsver potenciālos malas gadījumus vai izņēmumus
4. Visbeidzot sintezē savu spriešanu secinājumā

Parādi savu spriešanu katrā solī pirms gala atbildes sasniegšanas.

Self-Consistency Prompting (Paškonsekvence)

Jautājumiem, kur precizitāte tiešām ir svarīga, ļaujiet AI ģenerēt vairākas neatkarīgas atbildes un tad tās sintezēt.

[Tavs jautājums]

Lūdzu, pieej šim jautājumam no trīs dažādiem leņķiem:
1. Vispirms pārdomā to, izmantojot [pieeju A]
2. Tad apsver to no [pieejas B] perspektīvas
3. Visbeidzot analizē to, izmantojot [pieeju C]

Pēc visām trim analīzēm identificē, kur tās sakrīt un kur nesakrīt. Tad sniedz savu gala atbildi ar piezīmi par savu pārliecības līmeni un jebkādām atlikušajām neskaidrībām.

Meta-Prompting

Izmantojiet AI, lai uzlabotu savas uzvednes pirms to izmantošanas. Tas ir īpaši noderīgi, risinot jauna veida uzdevumu.

Es gribu sasniegt [mērķis]. Šeit ir mans uzvednes uzmetums:

[Tavs uzvednes uzmetums]

Lūdzu, analizē šo uzvedni un iesaki uzlabojumus:
1. Kāda informācija man trūkst, kas tev palīdzētu dot labākus rezultātus?
2. Kādas pastāv neskaidrības, kas varētu novest pie nepareizas interpretācijas?
3. Kā tu pārrakstītu šo uzvedni maksimālai skaidrībai un efektivitātei?
4. Kādus jautājumus tu gribētu man uzdot, pirms mēģini šo uzdevumu?

Strukturēta dekompozīcija

Sarežģītiem, vairākdaļu uzdevumiem, skaidri sadaliet to, kas jums nepieciešams, nevis ceriet, ka AI pats izdomās struktūru.

Man vajag palīdzību ar [kopējais mērķis].

Lūdzu, pabeidz to fāzēs:

FAZA 1 - Izpēte: [Kādu informāciju savākt]
FAZA 2 - Analīze: [Kā apstrādāt šo informāciju]
FAZA 3 - Sintēze: [Kā apvienot ieskatus]
FAZA 4 - Izvade: [Gala piegādes formāts]

Pabeidz katru fāzi pilnībā pirms pāriešanas uz nākamo. Katras fāzes beigās apkopo galvenos atklājumus pirms turpināšanas.

"Skolotāja" Uzvedne

Viena no visvairāk nenovērtētajām metodēm: lūdziet AI iemācīt jums, kā kaut ko izdarīt, nevis vienkārši izdarīt to jūsu vietā. Tas rada dziļāku mācīšanos un bieži atklāj aspektus, kurus nebijāt apsvēris.

Es gribu iemācīties, kā [prasme/uzdevums]. Tā vietā, lai to izdarītu manā vietā, lūdzu:

1. Paskaidro pamatprincipus, kas man jāsaprot
2. Izved mani cauri procesam soli pa solim, it kā tu mācītu kursu
3. Norādi uz biežākajām kļūdām, ko pieļauj iesācēji, un kā no tām izvairīties
4. Dod man praktiskus vingrinājumus manu prasmju veidošanai
5. Iesaki, kā es zinātu, vai daru to pareizi

Iemāci man makšķerēt, nedod man tikai zivi.

Muļķīgi vienkāršs triks, kas darbojas

Es dalīšos ar kaut ko, kas šķiet pārāk muļķīgi, lai būtu patiesība. Bet to apstiprina Google pētījumi, un es pats to esmu pārbaudījis: vienkārša jūsu uzvednes atkārtošana var dramatiski uzlabot precizitāti.

Rakstā ar nosaukumu "Prompt Repetition Improves Non-Reasoning LLMs" atklāts, ka jautājuma kopēšana divreiz — burtiski tikai Ctrl+C, Ctrl+V — ievērojami uzlaboja AI pareizo atbilžu varbūtību. 70 dažādos testa uzdevumos šī vienkāršā kopēšanas un ielīmēšanas metode uzvarēja 47 reizes un nekad nezaudēja. Dažos uzdevumos precizitāte pieauga no 21 % uz 97 %.

Kāpēc tas darbojas?

Lielie valodu modeļi ir "kauzāli" — tie paredz katru tokenu, pamatojoties tikai uz to, kas bija pirms tam. Pašreizējais vārds redz tikai iepriekšējos vārdus, nevis to, kas nāk pēc tam.

Kad jūs atkārtojat jautājumu, katrs vārds otrajā kopijā var "atskatīties atpakaļ" uz visu pirmo kopiju. Tas ir kā dot AI iespēju izlasīt jautājumu divreiz pirms atbildēšanas.

Ļaujiet man to konkretizēt ar piemēru:

Pirmajā gadījumā, kad AI lasa Iespējas A un B, tas vēl nezina scēnas kontekstu. Līdz brīdim, kad tas izlasa scēnas aprakstu, šīs iespējas jau ir aizpeldējušas garām tā uzmanībai.

Otrajā gadījumā, kad parādās atkārtotās iespējas, tās nes pilnīgu kontekstu no pirmās kopijas. Modelis lasa iespējas ar pilnu apziņu par scēnu.

Tas ir kā skatīties sarežģītu filmu — "Pirmsākums" (Inception) vai "The Wandering Earth 2" — un saprast vairāk otrajā reizē.

Kāpēc tas nedarbojas spriešanas modeļiem

Ja izmantojat modeļus kā DeepSeek R1 vai GPT-4 spriešanas režīmā (reasoning mode), šis triks bieži nedod nekādu labumu. Kāpēc? Jo spriešanas modeļi jau ir iemācījušies to darīt iekšēji.

Ievērojiet, kā spriešanas modeļi bieži sāk savas atbildes:

• "Jautājums prasa..."
• "Tas, kas mums jāatrisina, ir..."
• "Vispirms sapratīsim dotos nosacījumus..."

Tie automātiski pārfrāzē jautājumu sev. Atkārtošana jau notiek zem pārsega.

Ko atklāj OpenAI GPT-5 ceļvedis

OpenAI klusi izlaida oficiālu uzvedņu ceļvedi GPT-5. Pēc dienas, kas pavadīta, preparējot šo iekšējo rokasgrāmatu ar vairāk nekā 10 000 vārdiem, izceļas viens secinājums: GPT-5 vairs nav vienkāršs tērzēšanas robots — tas ir īsts AI aģentu izpildes dzinējs, kas ir jāpārvalda, nevis tikai jābaksta (prompt).

Spēju griesti ir ārkārtīgi augsti, bet, lai tos atslēgtu, nepieciešamas sistemātiskas metodes.

"Aģenta dedzības" (Agentic Eagerness) kontrole

GPT-5 ir kā izcils jauns praktikants — ārkārtīgi spējīgs, proaktīvi domās un pētīs, bet tam vajadzīga vadība. Dažreiz tas pārdomā, pārvēršot vienkāršus uzdevumus Mēness nolaišanās projektos (lēni un dārgi). Citreiz vēlaties, lai tas neatlaidīgi darbotos autonomi, nepārtraukti neprasot paskaidrojumus.

OpenAI sauc šo kalibrēšanu par "Aģenta dedzību". Lūk, kā to noregulēt:

<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>

Vēl stingrākai kontrolei dodiet tam budžetu:

<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>

Likšana AI ziņot pirms rīcības

Viena no manām iecienītākajām GPT-5 funkcijām: likt tam paskaidrot, ko tas gatavojas darīt, pirms tas to dara. Nevienam priekšniekam nepatīk darbinieks, kurš strādā klusi bez jebkādas atgriezeniskās saites.

<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>

Spriešanas piepūles (Reasoning Effort) parametrs

GPT-5 ir parametrs reasoning_effort, kas darbojas kā "domu koncentrācijas" ciparripa:

• Augsts (High): Sarežģītiem uzdevumiem, kas prasa dziļu domāšanu un zondēšanu
• Vidējs (Medium): Noklusējuma, darbojas lielākajai daļai uzdevumu
• Zems/Minimāls (Low/Minimal): Kad prioritāte ir ātrums un zema latence

Domājiet par to kā par kafijas stiprumu — jo sarežģītāks uzdevums, jo lielāka koncentrācija nepieciešama.

"Standarta atbilde" Front-End izstrādei

Izstrādātājiem OpenAI iesaka šo tehnoloģiju steku labākajiem rezultātiem — GPT-5 ir visvairāk apmācīts uz tā, un estētiskā izvade ir konsekventi laba:

• Ietvars (Framework): Next.js (TypeScript), React, HTML
• Stils/UI: Tailwind CSS, shadcn/ui, Radix Themes
• Ikonas: Material Symbols, Heroicons, Lucide
• Animācija: Motion
• Fonti: Sans Serif, Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Pārtrauciet ļaut AI nejauši izvēlēties jūsu steku. Pieturieties pie šī standarta, un izvades kvalitāte nekavējoties pieaugs.

Claude vs ChatGPT — Atšķirīgas sarunas

Viena no svarīgākajām atziņām, kas man radās: dažādi AI modeļi prasa dažādus komunikācijas stilus. Tas, kas izcili darbojas Claude, var radīt viduvējus rezultātus ar ChatGPT un otrādi.

Praktiskas atšķirības

Kaujas laukā pārbaudītas uzvedņu veidnes

Teorija ir noderīga, bet veidnes ietaupa laiku. Šeit ir uzvednes, kuras es izmantoju visbiežāk, noslīpētas caur tūkstošiem iterāciju.

Rakstīšanas uzdevumiem

Role: Tu esi [konkrēts rakstnieka tips, piem., "tehnoloģiju žurnālists ar 10 gadu pieredzi"]

Task: Uzraksti [satura tips] par [tēma]

Audience: [Kurš to lasīs — viņu zināšanu līmenis, intereses, sāpju punkti]

Tone: [Konkrēts tonis — piem., "sarunvalodas, bet autoritatīvs, it kā tu to skaidrotu gudram kolēģim"]

Format requirements:
- Length: [vārdu skaits vai diapazons]
- Structure: [izklāsts, ja nepieciešams]
- Must include: [galvenie punkti, kas jāaptver]
- Must avoid: [lietas, ko izslēgt]

Example of desired style: [iekļaujiet 1-2 rindkopas ar līdzīgu saturu, ja pieejams]

Additional context: [jebkāda fona informācija, kas palīdzētu]

Analītiskajiem uzdevumiem

Man vajag, lai tu analizē [priekšmets/dokuments/dati].

Analysis goals:
1. [Primārais jautājums, uz kuru jāatbild]
2. [Nepieciešamais sekundārais ieskats]
3. [Citi apsvērumi]

Please structure your analysis as follows:
- Executive Summary: Galvenie atklājumi 3-5 punktos
- Detailed Analysis: [Konkrētas jomas izpētei]
- Implications: Ko tas nozīmē [attiecīgajām ieinteresētajām pusēm]
- Recommendations: Rīcībspējīgi nākamie soļi
- Constraints: Īpaši fokusējies uz [prioritārajām jomām]

Note: Atzīmē jebkādus ierobežojumus vai nenoteiktības savā analīzē. Citē konkrētus piemērus no avota materiāla.

Problēmu risināšanai

The Problem:
[Apraksti problēmu detalizēti, ieskaitot kontekstu un ierobežojumus]

What I've Already Tried:
[Saraksts ar iepriekšējiem mēģinājumiem un kāpēc tie neizdevās]

Success Criteria:
[Kā izskatītos labs risinājums?]

Constraints:
- Budget/Resources: [ja attiecas]
- Timeline: [ja attiecas]
- Technical limitations: [ja attiecas]

Please provide:
1. Tava pamatcēloņa diagnoze
2. 3-5 potenciālie risinājumi, sarindoti pēc iespējamības
3. Labākajam risinājumam, soli pa solim ieviešanas plāns
4. Potenciālie slazdi, no kuriem jāuzmanās
5. Kā izmērīt, vai risinājums darbojas

Jaunu tēmu apguvei

Es gribu dziļi saprast [tēma].

My current level: [Ko tu jau zini]
My goal: [Ko tu gribi spēt darīt/saprast]
Time I can invest: [Mācīšanās budžets]

Please create a learning path that includes:
1. Pamatjēdzieni, kas man jāsaprot vispirms (zināšanu koka "stumbrs")
2. Biežākie maldi, no kuriem izvairīties
3. Labākie mentālie modeļi vai ietvari domāšanai par šo tēmu
4. Praktiski vingrinājumi manas sapratnes pārbaudei
5. Resursi dziļākai niršanai (ja zini konkrētus augstas kvalitātes avotus)

As we go, please:
- Pārbaudi manu sapratni, uzdodot jautājumus
- Labo jebkādas kļūdas manā domāšanā
- Būvē jēdzienus pakāpeniski, virzies uz priekšu tikai tad, kad pamati ir stabili

Koda pārskatīšanai (Code Review)

Please review this code:

```
[Tavs kods šeit]
```

Context: [Ko šim kodam vajadzētu darīt, kur tas iekļaujas lielākā sistēmā]

Review for:
1. Kļūdas (bugs) vai loģikas kļūdas
2. Drošības ievainojamības
3. Veiktspējas problēmas
4. Koda stils un lasāmība
5. Malas gadījumi, kas nav apstrādāti

For each issue found, please provide:
- Location (rindas numurs vai sadaļa)
- Severity (kritiska/liela/maza/ieteikums)
- Explanation of why it's a problem
- Suggested fix with code example

Also note: Kas šajā kodā ir izdarīts labi un būtu jāsaglabā.

Lēmumu pieņemšanai

Es izlemju starp [Iespēja A] un [Iespēja B].

Context: [Lēmuma fons]

My priorities (in order):
1. [Svarīgākais faktors]
2. [Otrs svarīgākais]
3. [Trešais svarīgākais]

For each option, please analyze:
- Plusi un mīnusi attiecībā pret manām prioritātēm
- Īstermiņa vs ilgtermiņa sekas
- Kas varētu noiet greizi (un varbūtība/smagums)
- Kam būtu jābūt patiesam, lai šī būtu labākā izvēle

Then provide:
- Tavs ieteikums ar pamatojumu
- Kāda papildu informācija mainītu tavu ieteikumu
- Lēmuma kontrolsaraksts, ko varu izmantot, lai pārbaudītu savu domāšanu

Filozofija aiz lieliskām uzvednēm

Pēc trim gadiem ikdienas mijiedarbības ar AI esmu nonācis pie pārliecības, ka uzvedņu inženierija patiesībā nemaz nav par AI. Tā ir par seno cilvēka izaicinājumu skaidri komunicēt, paceltu jaunā arēnā.

Padomājiet par to: katra vilšanās, kas jums bijusi ar AI izvadi, var tikt izsekota līdz komunikācijas kļūmei. Jūs nepateicāt to, ko domājāt. Jūs pieņēmāt kopīgu kontekstu, kura nebija. Jūs bijāt neskaidrs, kad bija nepieciešama precizitāte. Tās ir tās pašas kļūmes, kas nomoka cilvēku komunikāciju — AI vienkārši padara tās uzreiz redzamas izvadē.

Šajā ziņā mācīšanās par uzvedņu inženieriju ir mācīšanās domāt skaidrāk.

Uzvedne kā pašrefleksija

Esmu pamanījis, ka manas labākās uzvednes nāk tad, kad man jau ir skaidrs, ko es gribu. Detalizētas uzvednes rakstīšanas akts liek man konfrontēties ar robiem manā paša domāšanā. Ko tieši es mēģinu sasniegt? Kā izskatītos panākumi? Kuri ierobežojumi patiešām ir svarīgi?

Bieži es atrisinu savu problēmu pusceļā uzvednes rakstīšanā, pat pirms AI atbild. Uzvedne kļūst par domāšanas rīku — strukturētu veidu, kā eksternalizēt un pārbaudīt manas paša domas.

Sadarbība, nevis komanda

Sava AI ceļojuma sākumā es izturējos pret uzvednēm kā pret komandām — instrukcijām padotajam. Šī pieeja konsekventi radīja viduvējus rezultātus.

Pārmaiņa notika, kad sāku izturēties pret AI kā pret sadarbības partneri ar citādām stiprajām pusēm nekā manējās. Es ienesu domēna zināšanas, spriedumu, radošumu un mērķus. AI ienes milzīgas zināšanas, nenogurdināmu skaitļošanas jaudu, modeļu atpazīšanu un spēju sintezēt informāciju pāri disciplīnām.

Lieliskas uzvednes ir brīfingi starp sadarbības partneriem, nevis pavēles kalpiem. Tās paskaidro kāpēc, ne tikai ko. Tās aicina AI ekspertīzi, nevis nevajadzīgi to ierobežo. Tās rada telpu, lai AI varētu sniegt savas unikālās spējas.

Iterācija kā saruna

Uzvedņu inženierija nav perfektas uzvednes izveide ar pirmo mēģinājumu. Tā ir efektīvas sarunas vadīšana, kas konverģē uz to, kas jums nepieciešams.

Pirmā uzvedne: aptuvens uzmetums tam, ko vēlaties. Pirmā atbilde: atklāj, kur jūsu uzmetums bija neskaidrs. Otrā uzvedne: pilnveidošana, pamatojoties uz to, ko iemācījāties. Otrā atbilde: tuvāk mērķim. Turpiniet, līdz esat galā.

Šī iteratīvā pieeja noņem spiedienu no jebkuras atsevišķas uzvednes. Jums nav jāparedz katra prasība iepriekš. Jums vienkārši jāreaģē uz atgriezenisko saiti.

Konkrētības pazemība

Neskaidras uzvednes jūtas droši. Kad sakāt "uzraksti kaut ko labu par šo tēmu", jūs neesat apņēmies nekādai konkrētai vīzijai. Ja rezultāts liek vilties, nu, jūs nekad īsti nepateicāt, ko patiesībā gribējāt.

Konkrētas uzvednes prasa ievainojamību. Jums precīzi jāformulē, ko jums nozīmē "labs". Jums jāatklāj savi standarti, savas preferences, sava vīzija. Kad rezultāts netrāpa mērķī, ir skaidrs, ka vai nu jūsu specifikācija bija kļūdaina, vai AI nespēja piegādāt — bet jebkurā gadījumā jūs iemācījāties kaut ko konkrētu.

Konkrētība ir pazemība, jo tā nozīmē būt gatavam kļūdīties par to, ko vēlaties.

Gala spēle

AI modeļiem uzlabojoties, daudzas pašreizējās uzvedņu inženierijas metodes kļūs novecojušas. Nākotnes modeļi varēs graciozi rīkoties ar neskaidrām ievadēm, varēs automātiski uzdot precizējošus jautājumus, varēs intuitīvi sajust kontekstu no minimālas informācijas.

Bet pamatprasme — spēja skaidri formulēt savas domas, sniegt būtisku kontekstu, efektīvi iterēt — kļūs tikai vērtīgāka. Tās ir fundamentāli cilvēciskas prasmes, kas attiecas neatkarīgi no tā, vai komunicējat ar AI, ar kolēģiem vai ar sevi.

Uzvedņu inženierija ir īslaicīga. Skaidra domāšana ir mūžīga.