НейроЕресь

ИИ уверенно пишет то, чего нет Модель не знает, что она не знает. Ошибается она уверенным тоном: ссылки, которых нет, цифры из головы, факты, перепутанные местами. Поэтому полезная привычка — не верить ответу на слово, а проверять его за пять минут. Как проверять: Попроси источник и дословную цитату. Не приводит — значит, это допущение модели, а не факт. Выбери два проверяемых утверждения и сверь с независимым источником: документом, справочником, первоисточником. Не с другим ответом той же модели. Спроси прямо: «Чего ты не знаешь по этой задаче? Где здесь допущение?» Числа, даты, имена, назва…

Сначала уточнить задачу — потом просить ИИ о решении На этой неделе мы разбирали, как помочь ИИ понять задачу, а не заполнять пробелы догадками. Три вывода: Если задача пока расплывчатая, попросите ИИ сначала задать уточняющие вопросы. До готового ответа проверьте, правильно ли он понял цель и ограничения. Отделите сообщённые вами факты от предположений модели. Длинный запрос не обязательно точнее короткого. Добавляйте только то, что меняет результат: нужный контекст, формат и способ проверки. Можно начать с такого шаблона: Пока не предлагай решение. Сначала задай мне до 5 вопросов о цели, кон…

Перед отправкой запроса проверь пять вещей. Если ИИ ответил не на то, что вы имели в виду, дело может быть не в длине промпта. Проверьте, есть ли в запросе нужные вводные: Цель - какой результат нужен? Контекст - какие факты действительно важны? Ограничения - чего не менять и не придумывать? Формат - список, таблица, инструкция или черновик? Проверка - по чему понять, что ответ подходит? Например, для списка дел по обычной уборке кухни можно попросить: «Составь короткий чек-лист по порядку. Если для безопасного совета тебе не хватает сведений о поверхности или средствах, сначала спроси. Не сов…

Длинный запрос - не обязательно точный ответ. Можно написать промпт на полстраницы и всё равно не объяснить, какой результат нужен. А для простой задачи иногда достаточно одной ясной фразы. Слишком широко: Расскажи всё про искусственный интеллект. Точнее: Объясни [тему] человеку без опыта в 5 коротких пунктах, без сложных терминов. Добавь один простой пример и отдельно отметь, если в ответе есть предположения. Длина нужна не сама по себе. В запросе важны цель, только нужный контекст и понятный формат ответа. Если задача сложная, лучше добавить релевантные ограничения или попросить ИИ сначала з…

«Составь план подготовки к экзамену» - пока только тема, а не понятная задача. Если попросить ИИ сразу составить план, он не знает, когда экзамен, какой предмет, сколько времени у вас есть и какие темы даются труднее. Поэтому ответ может получиться общим. Сначала попросите ИИ уточнить вводные: Пока не составляй план. Сначала задай до 5 вопросов о дате экзамена, предмете и формате, времени, которое я реально могу заниматься, и темах, которые даются труднее. Не делай предположений, если информации не хватает. Ответьте на вопросы, а затем проверьте, что ИИ понял вводные. Для самого плана можно до…

ИИ уже задал вопросы? Не просите результат, пока не проверили, что он понял. Вчера мы говорили о первом шаге: если задача расплывчатая, попросите ИИ задать уточняющие вопросы. Сегодня — что делать с ответами. Не спешите сразу писать «теперь сделай». Сначала попросите модель собрать вводные в краткое описание: Собери мои ответы в краткое описание задачи. Отдельно перечисли: факты, которые я сообщил; ограничения; чего пока не хватает; предположения, которые ты сделал. Не предлагай решение, пока я не подтвержу описание. Проверьте три вещи: правильно ли указана цель, учтены ли ограничения и не пре…

Нейросеть не читает мысли Поэтому иногда лучший первый запрос - не «дай ответ», а «задай мне вопросы». Если написать «составь план подготовки к экзамену», модель не знает дату, сколько у вас есть времени, какие темы труднее и какой формат плана вам подойдёт. Она может заполнить пробелы предположениями — и получится не то, что вам нужно. Попробуйте начать иначе: Сначала задай мне до 5 уточняющих вопросов о цели, сроке, доступном времени и темах, которые даются сложнее всего. К каждому коротко объясни, зачем нужен ответ. Не составляй план, пока я не отвечу. После ответов попросите: «Теперь соста…

Пять цифр недели - каждая со статусом. -19% - METR, 2025: у опытных разработчиков на знакомом коде задачи с AI заняли больше времени. METR назвал эти данные устаревшими. +20% - что те же разработчики считали после работы. Разрыв с замером - 39 пунктов. 55,8% - GitHub Copilot, 2022: одно задание с нуля, 95 человек. +91% - время ревью в телеметрии Faros (1255 команд). Корреляция, не эксперимент. 8,3% → 12,3% -доля копипаста в изменениях кода, GitClear, 2020–2024. В 2024-м впервые превысила долю перемещённого кода. Цифры расходятся, потому что меряют разное. Источники: - METR, 10.07.2025 h…

3 признака, что ИИ-агент подходит команде: 1) повторяющиеся задачи с ясным ТЗ; 2) тесты/CI ловят ошибки; 3) есть ресурс на ревью. Иначе ускорится написание, не поставка: по телеметрии Faros у команд с высоким внедрением ИИ PR были на 154% крупнее, а ревью — на 91% дольше. Это наблюдение компаний, не гарантия. Источник: https://www.faros.ai/blog/lab-vs-reality-ai-productivity-study-findings Полный разбор — в Telegram: #ИИ #Разработка #АгентыИИ

+55% против −19%: почему оба исследования правы 55,8% ускорения — и 19% замедления. Оба замера честные, потому что они про разное. Первый: 2022 год, 95 фрилансеров, одно задание — HTTP-сервер с нуля, с GitHub Copilot. Второй: 2025-й, 16 опытных разработчиков, их собственные проекты на миллион строк — с AI задачи заняли на 19% больше времени (METR). Сами участники считали, что ускорились на 20%. Вывод: AI сжимает рутинную часть чистой задачи и добавляет работу в большом незнакомом коде. METR уже назвал свои цифры устаревшими: инструменты изменились. Сравнивайте задачу с вашей. Разбор — в Telegr…