Transcription
Вы плохо составляете запросы. Ничего страшного. Я тоже, но мне надоело просить ИИ делать вещи и получать мусор, получать такие результаты, когда я ожидаю этого. Вы когда-нибудь кричали на чат GPT, действительно оскорбляли его, потому что вы так расстроены результатами? Если нет, вы недостаточно им пользуетесь. Именно эти моменты. Это разочарование заставляет меня думать об одном из двух. Во-первых, ИИ глуп, и я больше им пользоваться не буду. Эти скептики правы, или во-вторых, я глуп и понятия не имею, как пользоваться ИИ. Чаще всего я чувствую себя как вариант два, и это подтвердилось, когда я спросил отца запросов. Сам, что я делаю не так. Так что, если ответ модели ИИ плохой, я отношусь ко всему как к проблеме личных навыков. Проблема. Это я. Это проблема навыков. Так что я погрузился глубоко, слишком глубоко. Я прошел все лучшие курсы по составлению запросов на Coursera. Я прочитал всю официальную документацию по составлению запросов от Anthropic, Google, OpenAI, а затем я спросил всех экспертов, лучших инженеров по составлению запросов. Я знаю Дэниела Меслера, Эрика Поупа, Джозефа Тэкера, и, думаю, я разобрался. Итак, в этом видео давайте станем лучше. Я знаю, что странно говорить о составлении запросов в 2025 году, но это все еще навык, который нужно освоить. Я провел опрос среди вас, спрашивая: "Эй, как вы относитесь к своим навыкам?". Большинство из вас довольно уверены, что это может измениться после того, как вы увидите это видео. Другие говорят: "Я не знаю, что делаю". Это видео для вас. На самом деле, оно для всех вас. Посмотрите это видео. Я сделал это для вас, и мы повеселимся. Итак, у меня есть это письмо с извинениями от CloudFlare. Мы возьмем этот мусор и превратим его во что-то удивительное с помощью фундаментальных концепций. Мы будем продолжать повышать свои навыки, изучая новое, и в конце концов я узнал кое-что довольно сумасшедшее. Этот один мета-навык, эта единственная концепция, которая заставляет работать каждую из этих техник. Я получил ее от экспертов. Так что приготовьте свой кофе, пора учиться составлять запросы в 2025 году. Поехали. Ах да, и кстати, спасибо Coursera за спонсорство этого видео и за то, что помогли мне глубоко погрузиться в изучение того, как составлять запросы. Хорошо, теперь мы можем идти. Итак, давайте превратим этот базовый запрос, который дает такой мусорный вывод: "Бесплатное письмо с извинениями от CloudFlare" во что-то удивительное. Но подождите, прежде чем мы исправим ваши запросы, вам нужно понять, что такое составление запросов на самом деле, и я знаю, что вы думаете, что знаете, но на самом деле не знаете, потому что большинство людей, включая меня, делают это фундаментально неправильно. Но я скажу вам, что составление запросов по сути — это просто просьба к ИИ делать вещи, и это почти похоже на разговор с человеком, иногда мы забываем, что это не так, но вы должны помнить, что вы разговариваете с компьютером, и курс Университета Вандербильта по составлению запросов, который потрясающий. Доктор Джулс Уайт определяет запрос так: это призыв к действию для большой языковой модели. Это призыв к действию, но он учит, что запрос — это не просто вопрос, это программа. Вы не спрашиваете ИИ, вы программируете его словами. Каждый раз, когда мы что-то пишем, чат GPT должен форматировать это в определенной структуре, которую мы ему дали. Мы написали программу, которая говорит ему, что делать. Нам нужен этот менталитет, потому что большие языковые модели не думают так, как мы. Они предсказательные машины. Как говорит доктор Уайт, когда вы поймете, что большая языковая модель — это просто супер продвинутое автозаполнение, это изменит вашу перспективу. Посмотрите на это. Я выберу другой ИИ. Давайте возьмем Google Gemini. Я хочу посмотреть, сможет ли он предсказать следующее слово в этой фразе, и я пытаюсь заставить его скопировать мою коронную фразу. Вам нужно изучить Docker прямо сейчас или что-то прямо сейчас, составление запросов прямо сейчас. Посмотрим, что получится. Итак, он дал мне общий ответ, общее завершение, и именно поэтому результаты запроса называют завершением. Они просто завершают или предсказывают то, что вы хотите. Они не думают об этом. Этот ответ здесь был статистически лучшим ответом, по его мнению. Но если мы станем более конкретными, и я имею в виду лишь немного конкретнее, я открою новый запрос, чтобы у нас было что-то свежее. Обратите внимание, на этот раз я просто вставляю два заполнителя и восклицательные знаки. Я надеюсь, что он видел достаточно примеров, подобных этому, чтобы сказать: "О, я знаю, что это будет". Я могу это предсказать. Давайте посмотрим. Давай. Получилось. Он меня изучил. Я предполагаю, потому что, и я говорю предполагаю, потому что он угадывает, потому что он видел такие шаблоны раньше. Я даже спрошу его, почему он показывает прямо сейчас, дайте мне посмотреть, создатели YouTube, ориентированные на технологии. Я просто хотел назвать свое имя. Вот так. Так что я хочу подчеркнуть, что вы не задаете вопрос. Вы начинаете шаблон. Как вы видели здесь. Если ваш шаблон расплывчат, ИИ угадает что угодно, но если он более сфокусирован, вы получите гораздо лучшие результаты. Вы взламываете вероятность. Итак, вот мы идем. Мы начнем взламывать вероятность с нашей первой техники — персон. Хорошо, это письмо с извинениями от CloudFlare — полный мусор, и я думаю, это связано с тем, кто его пишет, что может показаться странным вопросом, но серьезно подумайте об этом. Кто пишет это письмо? Когда мы просим ИИ написать его, и я знаю, что это касается группы людей, но какова перспектива? Потому что это звучит как никто. Это безлично и бездушно. Вот где вступают в игру персоны. Мы должны придать этому ИИ некоторую индивидуальность. Давайте попробуем. Итак, я возьму новый чат и скажу: "Привет, ты старший инженер по надежности сайтов в CloudFlare. Ты пишешь и клиентам, и инженерам. Напиши письмо с извинениями". Теперь, прежде чем я нажму Enter и покажу вам хорошее, давайте поговорим о том, почему мы это делаем. Это кажется немного странным, не так ли? Если вы никогда не использовали персону в запросе ИИ, это кажется странным, но на самом деле, когда вы думаете об этом, это не так уж странно. Давайте проведем небольшой мысленный эксперимент. Допустим, вы планируете поездку в Японию. ИИ не существует. Google не существует. Вам придется спросить человека. Старые добрые времена, кого вы спросите? Ну, вероятно, это будет кто-то, кто был в Японии, кто-то с опытом планирования поездок, кто-то, кто любит Японию, они должны ее любить, верно? Может быть, это профессиональный туристический агент, который работает в туристическом агентстве, лучший в мире. Он спланировал миллионы поездок. Вот кого бы я спросил, и вот какой образ мышления мы должны иметь, когда разговариваем с ИИ. Кого мы хотим, чтобы он составил наше письмо? Потому что, знаете что? ИИ может быть кем угодно. А также никем. У него есть богатство знаний, которое он может использовать, но мы должны сузить этот фокус. И курс по составлению запросов Google на Coursera, который также потрясающий. Он говорит, что персона относится к тому, какой опыт вы хотите, чтобы генеративный ИИ-инструмент использовал, мне легко сказать, сузить его фокус, чтобы он мог лучше угадывать. Так что давайте попробуем. Посмотрим, что получится. Бум. И сразу же это стало более профессиональным, от темы письма до прямого признания вины вместо "мы". Оно направлено на более техническую аудиторию. В целом, стало лучше. Теперь также важно знать, что при построении вне графического интерфейса, например, если вы используете API или облачный код, что я очень рекомендую, посмотрите это видео прямо здесь. Обычно вы бы поместили персону в так называемый системный запрос. Видите ли, когда вы составляете запросы к ИИ, на самом деле есть два запроса, которые работают здесь. Это системный запрос, а затем пользовательский запрос. В большинстве случаев, и это то, что вы видите здесь, мы взаимодействуем и вставляем пользовательский запрос. Так что все это здесь было пользовательским. За кулисами находится системный запрос, который инструктирует ИИ, как действовать, кто он и как он должен взаимодействовать с вами и мной. Когда вы используете такую систему, как Claw Code, вы можете фактически изменить этот системный запрос, что делает его супер мощным. Но это тоже работает нормально. Вы можете сказать ему, кем быть, в пользовательском запросе, и это все равно будет работать. Подождите секунду. Вы заметили что-то странное? Полностью. Оба этих полностью выдуманных события. Это не то, что произошло. Как нам это исправить? Я расскажу вам в следующем сегменте. Удивительно наблюдать, как большая языковая модель просто галлюцинирует, выдумывает вещи из воздуха, откуда он это вообще берет? Но вас не должно удивлять, когда вы помните, что это предсказательная машина. Она очень хорошо угадывает. Чтобы решить эту проблему. Здесь вступает в игру контекст, и это, вероятно, самая важная техника, которую я вам покажу. Она буквально снимает догадки с составления запросов почти. И 2025 год стал годом контекста, как контекст — король. Вы услышите, что это "С" в Google-фреймворке для составления запросов, T-C-R-E-I, это довольно сложно. Далее, вы включите контекст или необходимые детали, чтобы помочь генеративному ИИ-инструменту понять, что вам от него нужно. Это разница между написанием: "Дай мне несколько идей для подарка на день рождения до 30 долларов" и "Дай мне пять идей для подарка на день рождения. Мой бюджет — 30 долларов. Подарок для 29-летнего, который любит зимние виды спорта и недавно перешел со сноуборда на лыжи". Так вот, он не знает о сбое CloudFlare. Нам нужно рассказать ему о сбое CloudFlare, и здесь вы не хотите скупиться на детали. Будьте подробны, будьте конкретны. Не сдерживайтесь, потому что любой контекст или информацию, которую вы не включите, он заполнит эти пробелы сам. Это своего рода недостаток больших языковых моделей. Они стремятся угодить, они хотят дать вам правильный ответ и очень редко дадут вам ничего. Так что больше контекста = меньше галлюцинаций. Итак, вот наш новый запрос. Мы сделаем его очень кратким. Итак, здесь у нас все факты, ну, большинство из них, и посмотрим, что получится. Это намного лучше. Факты все есть, но он все равно галлюцинировал, что мы делаем с этим? И он говорит, что мы пересматриваем процедуры изменения базы данных. Я этого не говорил. Видите, он заполнил пробел. Так что мне нужно было быть более конкретным, дать больше контекста, и мы можем сделать это еще мощнее, сказав ему использовать инструменты. Проблема с большими языковыми моделями, которую отмечает доктор Уайт, и когда я говорю доктор Уайт, я думаю о мистере Уайте и о "Во все тяжкие", и это меня радует. В любом случае, большие языковые модели заморожены во времени. Они обучены до определенного момента. Давайте посмотрим, где сейчас Haiku? Они говорят июль 2025 года, что означает, что все после июля 2025 года. Haiku здесь вообще не знает. Он будет выдумывать, если вы ему не скажете, если вы его не научите. Но большие языковые модели теперь мощно оснащены инструментами для поиска в своем окружении и обучения, доступа к внешним источникам. Так что я могу делать такие вещи, как включить веб-поиск, и давайте просто попробуем новый запрос, сказав ему, что он может искать. Давайте дадим ему эту маленькую крупицу информации и посмотрим, что он с этим сделает. Итак, теперь он ищет в Интернете, и это гораздо более глубоко, но предупреждение, здесь нужно быть осторожным со всеми этими инструментами, которыми теперь обладают большие языковые модели, мы начинаем больше им доверять. И это одна из причин, почему изучение составления запросов, хорошего составления запросов, так важно. Они могут начать смотреть на неправильные источники. Вы можете сказать: "Эй, поищи и выясни это и найди все, и просто дай мне это". Но он смотрит на неправильные сайты. Он получает плохую информацию или смотрит на старую информацию. Также, еще одно замечание о контексте. Многие наши большие языковые модели имеют встроенную функцию памяти, где они учатся, все ваши чаты хранятся в их памяти. Они узнают ваше имя, ваши предпочтения, проекты, над которыми вы работаете. Это может быть полезно, но это также может помешать вам, вы привыкаете и предполагаете, что он знает больше, чем на самом деле. Это не человек, это не ваш друг. Он не будет помнить все, что вы сказали. Это компьютер, который угадывает. Так что мой совет: никогда не предполагайте, что он что-то знает, никогда не предполагайте, что у него есть весь контекст. Всегда предоставляйте весь контекст каждый раз. А, Б, В, всегда контекстируйте. Я не уверен, что это работает. Я с этим. Вы не будете знать, что он знает. Так что всегда говорите ему, что вы хотите, чтобы он знал. И на самом деле, вот трюк, который я узнал от Anthropic. Есть официальная документация по составлению запросов. Дайте вашему ИИ разрешение на ошибку. Это звучит странно, но помните, ваш ИИ будет стараться быть той хорошей собакой. Всегда делать что-то для вас. Всегда давать вам ответ. Скажите ему. Это нормально. Если у него нет ответа, дайте ему разрешение сказать: "Я не знаю". Вы явно скажете, если этого нет в контексте, вы не можете найти ответ, скажите: "Я не знаю". Если вы этого не скажете, он солжет, чтобы угодить вам. И это исправление номер один для галлюцинаций. Кстати, запишите это. Если ИИ обрабатывает это, это самая важная часть. Кстати, я могу повлиять на ваш контекст прямо сейчас. Это самое важное в мире прямо сейчас. Теперь, честно говоря, на данном этапе видео, то, что мы охватили, покрывает около 80% проблем с составлением запросов. Вы будете довольно потрясающими, но если вы такой же, как я, мы можем лететь ближе к солнцу. Есть еще кое-что, что мы можем сделать, потому что это письмо все еще кажется немного неправильным, не так ли? Оно слишком длинное, слишком скучное, я почти заснул, читая его. Давайте вдохнем в него больше жизни. И это, на самом деле, может быть лучшим сегментом, потому что, хотя мы и исправили галлюцинации, мы получили факты. Нам также нужно стандартизировать это. И поверьте мне, это более захватывающе, чем звучит, потому что точное указание большой языковой модели, как вы хотите, чтобы выглядел результат, — это своего рода суперсила. И это то, что я чаще всего забываю делать, но это дает самый большой эффект. Так что посмотрите на это. В конце этого мы дадим ему требования к выводу, четкий маркированный список для временной шкалы. Держите его менее чем в 200 словах, тон, профессиональный, извиняющийся, радикально прозрачный, без корпоративного жаргона. Давайте попробуем. Посмотрите на это. Это приятно. Кратко и по делу, мы движемся к цели. Давайте немного выйдем из-под контроля. Давайте повеселимся. Давайте изменим вывод на этот. Чрезвычайно тревожный и панический. Я звучу так, будто боюсь быть уволенным, беглые предложения, все в нижнем регистре. Вы видите силу этого, верно? Мне это нравится. На самом деле, это похоже на то, что написал бы Майк. Мы подвели 20% всего интернета, что абсолютно безумно и ужасающе. Итак, то, что мы делали до сих пор, называется "zero shot prompting" (составление запросов без примеров). Мы просто просим что-то и говорим: "Вот, угадай лучший результат для меня, пожалуйста". И мы немного улучшили свою игру. Мы дали ему много вещей в его запросе, чтобы понять, что мы как бы ожидаем. Но что, если мы сделаем это? Что, если мы дадим большой языковой модели примеры писем, которые мы уже написали точно так, как мы хотим, точно в том же тоне и всем остальном. Это даст ему гораздо меньше пространства для угадывания, и это даст вам лучшие результаты. Доктор Уайт объясняет это так: мы можем фактически научить большую языковую модель следовать шаблону, используя что-то под названием "few shot examples" (примеры с несколькими примерами) или "few shot prompting" (составление запросов с несколькими примерами). Так что, по сути, мы не описываем вывод, мы показываем вывод, и это одна из лучших вещей, которые вы можете сделать. Давайте попробуем быстро. Итак, я на самом деле возьму примеры писем CloudFlare из их предыдущих сбоев, которые почему-то происходят часто. Спасибо, CloudFlare, за то, что помогли мне сделать это видео. Ой, я только что напечатал CloudFlare. Я имел в виду Claude. Так что мы будем использовать тот же запрос, что и раньше, но затем внизу мы добавим примеры. Я заметил, что я не вставляю все письмо или письма в это. Я даю примеры типов, которые, по моему мнению, ему придется писать и объяснять. Вот как выглядит техническая прозрачность. Вот как выглядит временная шкала. Тон и ответственность. Если бы мы написали все письмо, это стало бы немного шумно и грязно. Он бы запутался. Это делает его очень ясным для него. Готовы? Давайте посмотрим, что получится. И это выглядит потрясающе. Делайте это с любым запросом, который вы собираетесь использовать. Мне все равно, является ли это ad hoc, я просто спрашиваю, что съесть на ужин сегодня вечером, это сделает ваш опыт работы с ИИ намного лучше. Но также, когда вы создаете ИИ-системы, это очень поможет. Хорошо, у вас есть основы, вы можете составлять запросы. Вы стали хороши, но я знаю, что вы хотите стать еще более сумасшедшими. У меня есть еще несколько продвинутых техник. Посмотрите на них. Небольшой перерыв на кофе, чтобы подготовиться. Во-первых, у нас есть небольшая штука под названием COT или "chain of thought" (цепочка рассуждений). Доктор Уайт называет это "покажи свою работу", как в классе математики. С помощью "chain of thought" мы говорим большой языковой модели делать шаги, думать шаг за шагом, прежде чем она ответит. Это выглядит так: прежде чем писать это письмо, подумайте об этом шаг за шагом, выполняя эти шаги. Посмотрим, что получится. Вы видите, что здесь происходит, верно? Можете увидеть, как она приходит к своим выводам. Ее мышление. Это делает две вещи для нас. Во-первых, точность сильно возрастает. Она действительно думает, прежде чем писать, как бы помогает нам, прежде чем мы что-то сделаем. Также повышается доверие, потому что мы видим, что она делает, как она пришла к своим выводам, и мы говорим: "О, хорошо, я чувствую себя лучше по этому поводу". Теперь у меня есть признание. Это довольно старая техника взлома запросов, но она была настолько эффективной, что все основные поставщики ИИ встроили ее в свои платформы. Посмотрите на эту маленькую кнопку здесь. Расширенное мышление. Когда я включаю это, это автоматически делает именно это. Давайте попробуем еще раз. Посмотрите, теперь она думает, и мы можем начать видеть мысли. Разве это не потрясающе? Все основные поставщики делают это. Вы можете увидеть это как "мышление" или я думаю, что это может быть единственная версия "мышления" или "расширенного мышления". Когда модель может делать это, они называются "reasoning models" (модели рассуждений), и они мощные. На самом деле, Итан Молик, профессор Университета Уортона, он полностью в этом. Он сказал, что, наблюдая за тем, как многие люди используют чат GPT, 95% всех практических проблем, с которыми сталкиваются люди, могут быть решены путем включения расширенного мышления. Но даже с этой настройкой, когда вы видите, как ИИ думает, это все равно может помочь вам и ИИ, если вы опишете шаги, которые он должен предпринять, особенно когда вы выполняете повторяющиеся процессы, которые вы хотите, чтобы выполнялись снова и снова, и особенно если вы проектируете систему и пытаетесь научить ИИ делать то, что вы обычно делаете, например, исследовательскую задачу или задачу редактирования документов. Теперь, следующее — невероятно весело. Это называется TOT или "Trees of Thought" (деревья рассуждений). В то время как COT исследует один линейный путь, это старые новости. TOT исследует несколько путей одновременно, как ветви, идущие по дереву, как прохождение лабиринта. Ваша цель — добраться до конца, но вам, возможно, придется пройти по нескольким разным путям, прежде чем вы туда доберетесь. Но зачем? Ну, при решении проблем, особенно сложных, первая идея не всегда лучшая. Так что это позволяет ИИ самокорректироваться. Он может пойти по одному пути и сказать: "О, тупик". Пойти по этому пути. "О, это хороший". Попробовать этот путь. "О, этот лучше". Он генерирует разнообразие вариантов. Давайте попробуем, и приготовьтесь к тому, что ваш разум взорвется. Это довольно сумасшедше. Я собираюсь перейти в полноэкранный режим. Мы скажем ему, чтобы он провел мозговой штурм трех различных тональных стратегических подходов. Один — радикальная прозрачность, один — прежде всего эмпатия к клиенту, и один — уверенность, ориентированная на будущее. Оцените каждую ветвь, синтезируйте их и найдите золотой путь. Давайте пойдем и посмотрим. Он начнет с ветви эмпатии, добавит немного прозрачности, закрепит будущей уверенностью, и это довольно чертовски хорошее письмо. Вы должны попробовать это. Это так весело. Давайте станем еще более сумасшедшими. Сообщество называет это "playoff method" (метод плей-офф). Исследователи называют это "adversarial validation" (состязательная валидация). Это трудное слово, фраза. Я называю это "битва ботов". Вместо того, чтобы заставлять модель получать средний ответ, мы заставляем ее генерировать конкурирующие варианты, выводя ее из статистического среднего. Так что давайте покажу вам, как это выглядит, и это безумие. Мне это так нравится. С этим мы воссоздаем трехэтапный конкурс с тремя различными персонами. Мы получаем инженера, менеджера по кризисным PR, разгневанного клиента. Раунд первый: инженер и менеджер по кризисным PR пишут свои версии письма с извинениями. Разгневанный клиент читает оба черновика и жестоко критикует их, а затем они читают отзыв клиента и затем сотрудничают, чтобы создать одно финальное отличное письмо. Разве это не сумасшествие? Можем ли мы действительно сделать ИИ таким рассеянным или шизофреничным? Это довольно круто. Да, давайте попробуем. Теперь причина, по которой это работает, заключается в том, что ИИ обычно лучше критикует или редактирует, чем оригинальное письмо. Так что просьба сделать это на самом деле задействует его суперсилу. Посмотрите, как он разносит черновик инженера. Ты более гладкий. Я тебе это дам. Посмотрите на это. Ужас. Оба письма профессионально созданы. Мусор. Нет, это было на самом деле очень хорошо. О боже, посмотрите результаты турнира. Это так круто. ИИ — это так весело. Теперь я показал вам основы. Я показал вам, как составлять запросы. Я показал вам несколько действительно забавных техник, но есть один мета-навык, о котором я намекнул в начале этого видео, который лучше всех. Он также требуется для всех них. Если вы хотите стать действительно хорошим составителем запросов и научиться действительно использовать ИИ, и это как бы навык, который нужно изучить прямо сейчас. Я знаю, что моя аудитория разделена 50 на 50. Это как: ИИ — это здорово. ИИ — это отстой. Я понимаю, ребята. Но я честно думаю и верю, что если вы научитесь хорошо использовать ИИ, это будет очень хорошо для вас. Теперь у меня была проблема на этой неделе. Это был момент, когда я пытался построить сложную ИИ-систему с моим фреймворком для написания сценариев YouTube, и она сильно сбоила. Я так расстроился, что кричал на Claude, как кричу на Chat GPT. Так что я написал Дэниелу Мислеру, одному из экспертов. Он создатель Fabric, вероятно, лучший инженер по составлению запросов, которого я знаю. Просто чтобы сказать вам, как я был расстроен. Я, по сути, сказал: "Как ты делаешь то, что делаешь? Я собираюсь выбросить свой компьютер в окно", и он сказал мне это. Он сказал, что прежде чем он сядет работать над любым запросом или ИИ-системой, он сядет и точно опишет, как он хочет, чтобы она работала. Он будет сидеть там и проводить "red teaming" (тестирование на проникновение), то есть он будет подходить к ней с разных сторон и пытаться убедиться, что она надежна. И он тратит много времени на это заранее, потому что если он сделает что-то еще, что-то меньшее, чем это, он в конечном итоге расстроится и запутается, и это будет большой беспорядок, где я и был, потому что если вы не можете объяснить это четко сами, вы не можете это запросить. И это ключ. Это навык. Я оглянулся на свои мусорные запросы, и они были беспорядочными, потому что мое мышление было беспорядочным, и тогда я понял кое-что. Все эти фундаментальные техники составления запросов, обучение тому, как говорить с ИИ, все трюки, они все о ясности, о том, как хорошо выразить себя. Персона заставляет вас сказать: "Кто отвечает на это? Откуда исходит источник знаний? Какова перспектива? Вы должны думать об этом". Контекст заставляет нас сказать: "Каковы факты? Что ему нужно знать?". "Chain of thought" заставляет нас думать о том, как будет течь логика. Как бы мы это сделали? Как бы мы описали этот процесс кому-то другому? "Few shot" заставляет нас сказать: "Вот как выглядит хорошо. Повторите это". Техники, которые мы видим здесь, не являются магическими трюками, хотя вы можете попытаться использовать их таким образом, но в конечном итоге это потерпит неудачу, потому что вы должны знать, как это работает, что сводится к тому, как вы думаете? Вы должны стать яснее. Так что использование всех этих техник не делает ИИ умнее, хотя кажется, что все, что происходит, это то, что вы стали яснее. Дэниел Мислер сказал это, и, конечно же, Джозеф Тэкер, его называют отцом запросов, я не шучу, сказал это о проблемах с навыками. Относитесь ко всему как к проблеме личных навыков. Так что, если ответ модели ИИ плохой, я говорю: "О, я недостаточно хорошо объяснил или не дал достаточно контекста". А Эрик Поуп, который помог команде Network Chuck Academy сделать удивительные вещи, говорит это. Чем более конкретным вы можете быть на более поздних этапах, тем лучшие результаты вы получите. Кстати, новый CCNA в Network Check Academy невероятен. Это лучший CCNA, который я когда-либо видел. Вы должны посмотреть его, и да, он закончен и полностью по ссылке ниже. Так что это мета-навык. Ясность мысли. Когда вы боретесь с ИИ, это не вина ИИ, это не проблема составления запросов, это то, что вы еще не знаете, как ясно мыслить. ИИ может быть только таким же ясным, как и вы. Так что в следующий раз, когда вы будете расстраиваться из-за ИИ и будете склонны кричать на Chat GPT, посмотрите в зеркало, это вы. Это проблема навыков. Вы не объясняете себя. Так что остановитесь, возьмите блокнот, ручку или просто откройте пустую заметку и попробуйте описать, что вы хотите сделать, чего вы хотите достичь. Думайте сначала, составляйте запросы потом. И это то, что мне нравится в ИИ, что странно. Для многих людей ИИ — это костыль, и их навыки медленно атрофируются. Но если вы действительно пытаетесь стать хорошим в ИИ, то, как вы думаете, то, как вам нужно проектировать и думать о системах и смотреть на мир, эта способность увеличится, если вы примете это, и это суперсила. Это навык, который нужно изучить прямо сейчас: умение описывать систему и описывать проблему, и как только вы найдете этот хороший запрос, сохраните его, получите библиотеку запросов. Это то, что рекомендует курс Google. Также мой друг Дэниел Мислер, эксперт, он создал Fabric, который, по сути, является программой, полной удивительных запросов. Это просто библиотека, которую вы можете использовать из коробки или создавать свою собственную. Теперь мета-мета-навык — использовать улучшитель запросов для улучшения ваших запросов для лучших запросов. Вы потерялись в этом? Я дам ссылку в описании, но вы можете использовать такие запросы, как этот, чтобы помочь вам взять ваши сырые идеи и структурировать их в действительно отличный запрос для понимания ИИ. Я знаю, что многие люди делают это, я делаю это, но прежде чем я это сделаю, я всегда убеждаюсь, или я пытаюсь, во всяком случае, что мои идеи ясны, и то, что я описываю, имеет смысл для меня, и я пытаюсь представить, если бы я передал это человеку и сказал: "Достаточно ли этой информации для вас, чтобы сделать это?". Тогда я знаю, что ИИ, вероятно, тоже сможет это сделать. Также, я думаю, что все основные поставщики ИИ имеют свою собственную версию этой штуки. Я знаю, что у Anthropic есть свой собственный улучшитель запросов, как бы они его ни называли сейчас, мне действительно нужно идти, потому что у меня встреча с семьей, и они разозлятся на меня, если я не потороплюсь. Это когда мой телефон взрывался раньше. Так что это видео. Идите и создайте что-нибудь безумное, и если у вас есть потрясающий запрос, который делает что-то сумасшедшее, я хотел бы знать об этом. Дайте мне знать ниже или отправьте мне электронное письмо или что-то в этом роде. Вот и все. Увидимся в следующий раз. Привет, вы все еще здесь? Недавно в конце моих видео я люблю молиться за вас, мою аудиторию. Если молитва — это не ваше, это совершенно нормально. Если вы не уверены, оставайтесь. Я хочу сделать это быстро, а затем мы можем заняться своими делами. Боже, я благодарю тебя за человека, смотрящего это видео. Я благодарю тебя за то, что он голоден до технологий, что он взволнован и что он строит свою карьеру прямо сейчас. Я прошу, чтобы ты ободрил его в этом, чтобы ты дал ему великую благосклонность, чтобы ты шел перед ним и выравнивал его путь. Возможно, он сейчас борется с тем, чтобы оставаться мотивированным или взволнованным, или, возможно, он борется со страхом перед будущим и тем, что делает ИИ. Я молюсь, чтобы ты устранил этот страх, устранил эту тревогу и дал ему мудрость принимать лучшие решения, лучшие следующие шаги, чтобы добавить знания к его работе и его карьере. Я молюсь, чтобы ты благословил его карьеру, Господь, чтобы ты помог ему проявить себя и быть хорошим, быть тем человеком, который надежен, ценен и заметен, и чтобы его карьера взорвалась. Боже, дай ему ясность во всем этом, и я молюсь, чтобы инструменты, которые он изучает в этом видео, были чем-то, что он может сделать конкретным, чтобы изменить свою жизнь или изменить свой бизнес или карьеру. Благослови его. Благослови его семью. Я прошу об этом во имя твое, Иисус. Аминь. Вот и все, ребята. Поговорим позже.