Текстовые AI

ChatGPT, Claude, Gemini и другие инструменты для работы с текстом

Инструмент Perplexity AI
Perplexity AI — это продвинутая поисковая система, которая не просто дает ссылки, а анализирует информацию из множества источников в интернете и предоставляет готовый, структурированный ответ на запрос, используя механизм Retrieval Augmented Generation (RAG).

Ключевые тезисы

  • Использует механизм RAG: отправляет поисковые запросы, анализирует топ-выдачу и на основе собранного контекста генерирует сводный ответ.
  • Имеет несколько режимов: быстрый поиск, глубокий анализ Research (анализ до 80+ источников) и креативный режим Labs для создания визуализаций.
  • Позволяет искать не только в вебе, но и в академических источниках и социальных сетях (LinkedIn, Reddit).
  • При отключении поиска работает как хаб для доступа к различным топовым LLM (GPT-4o, Claude 3, Llama 3) по платной подписке.
  • Функция Spaces позволяет создать изолированную базу знаний, загрузив собственные файлы и инструкции для AI.

Практическое применение

Найти информацию о контактном лице перед встречей, чтобы узнать о его профессиональной деятельности, интересах и последних публикациях в LinkedIn, не тратя время на ручной поиск.

Важно помнить

Риск/минус: Модель может галлюцинировать (придумывать факты) и забывать начало диалога в длинных беседах из-за переполнения контекстного окна.
Решение/плюс: Использовать правило "новая тема — новый чат". Главное преимущество — доступ к множеству топовых LLM и продвинутому поиску по низкой цене.

Примеры из вебинара

"В лекции демонстрировался поиск товаров по акции, сбор досье на человека и создание визуализированной веб-страницы с анализом цен."

Глубокий поиск в Perplexity: метод 12 шагов
Расширенный промпт для Perplexity, который структурирует поиск в 12 последовательных шагов, фокусируясь на свежих данных 2023-2025 и применяя принцип Парето — 20% знаний для 80% понимания темы.

Ключевые тезисы

  • Разбивает сложный запрос на 12 последовательных шагов исследования.
  • Фильтрует источники по дате: только 2023-2025 годы для актуальности.
  • Применяет принцип Парето: выделяет 20% ключевых знаний, дающих 80% понимания.
  • Включает поиск реальных кейсов и практических примеров.
  • Запрашивает критический анализ и контраргументы.

Практическое применение

Используйте для глубокого исследования новой темы: "Используй метод 12 шагов для исследования тренда [тема]. Фокус на источниках 2023-2025. Дай мне 20% знаний для 80% понимания."

Важно помнить

Риск/минус: Занимает больше времени, чем простой запрос. Может дать избыточный объем информации.
Решение/плюс: Обеспечивает всестороннее покрытие темы, экономит время на ручной поиск и агрегацию из множества источников.

Примеры из вебинара

"Лектор демонстрирует применение метода для исследования рынка кваса в Беларуси, получая структурированный отчет с источниками."

Персонализация ChatGPT (Custom Instructions)
Custom Instructions — это два постоянных поля в настройках ChatGPT, которые задают контекст о пользователе и ожидания к формату ответов. Эта информация применяется ко всем вашим диалогам автоматически.

Ключевые тезисы

  • Первое поле: информация о вас — профессия, должность, контекст работы, над чем работаете.
  • Второе поле: как должен отвечать ChatGPT — тон, формат, длина ответов, что включать/исключать.
  • Инструкции применяются ко всем новым чатам автоматически, не нужно повторять контекст.
  • Можно создавать разные профили для разных типов задач (работа, личное, творчество).

Практическое применение

Заполните Custom Instructions: "Я маркетолог в ритейле. Работаю с промо-акциями и листовками." + "Отвечай кратко, используй bullet points, приводи конкретные примеры из ритейла."

Важно помнить

Риск/минус: Слишком жесткие инструкции могут ограничить гибкость модели в нестандартных задачах.
Решение/плюс: Экономит время на повторение контекста. Ответы становятся более релевантными вашим реальным задачам.

Примеры из вебинара

"Лектор показывает свои Custom Instructions и объясняет, как они влияют на качество ответов в повседневных задачах."

Сохранение стиля в память AI
Техника сохранения созданного стиля письма или фирменного стиля в памяти ChatGPT с помощью кодового слова. Позволяет в новых чатах мгновенно активировать нужный стиль одной командой.

Ключевые тезисы

  • Создайте подробное описание стиля (карточку стиля) в формате JSON.
  • Попросите ChatGPT сохранить эту карточку в памяти с кодовым словом-триггером.
  • В новом чате достаточно сказать кодовое слово, чтобы активировать стиль.
  • Работает для tone of voice, визуального стиля, форматов документов.

Практическое применение

Сохраните стиль командой: "Запомни этот JSON как мой #фирменныйстиль и применяй его, когда я скажу это кодовое слово." В новом чате просто напишите "#фирменныйстиль" перед задачей.

Важно помнить

Риск/минус: Память ChatGPT имеет ограничения. При большом количестве сохраненных стилей модель может путаться.
Решение/плюс: Позволяет поддерживать консистентность бренда во всех генерациях без копирования длинных описаний каждый раз.

Примеры из вебинара

"Лектор демонстрирует сохранение своего авторского стиля письма и показывает, как в новом чате одним словом активируется весь набор инструкций."

Создание "карточки стиля" для LLM
Это техника, позволяющая "научить" нейросеть писать тексты в вашем уникальном стиле или в стиле любого другого автора. Для этого создается специальный файл-описание (карточка стиля) на основе примеров текстов.

Ключевые тезисы

  • Нужно взять 3-5 качественных примеров текста, написанных в желаемом стиле.
  • Затем нужно попросить нейросеть проанализировать эти тексты и вывести их стилистические особенности в формате JSON.
  • Эту карточку нужно сохранить для дальнейшего использования.
  • Чтобы написать новый текст в нужном стиле, нужно дать нейросети задачу, исходный материал и приложить карточку стиля.

Практическое применение

Обеспечить единый стиль общения (tone of voice) для всех коммуникаций компании. Создайте карточку стиля на основе лучших текстов и используйте ее для написания или редактирования всех постов, писем и статей.

Важно помнить

Риск/минус: Качество результата сильно зависит от качества и стилистической однородности исходных текстов.
Решение/плюс: Это простой и эффективный способ получать от нейросети тексты, которые звучат не как шаблонный ответ AI, а как текст, написанный конкретным человеком или брендом.

Примеры из вебинара

"Лектор берет несколько своих постов из Telegram, просит создать карточку стиля в формате JSON, а затем использует ее для переписывания новостной статьи в своем авторском стиле."

Правило "Технического Задания"
Структурированный подход к написанию промптов по формуле: Роль → Задача → Контекст → Формат результата → Пример. Помогает получать точные и релевантные ответы с первой попытки.

Ключевые тезисы

  • Роль: определите, кем должен быть AI (эксперт, аналитик, копирайтер).
  • Задача: четко сформулируйте, что нужно сделать.
  • Контекст: дайте фоновую информацию, ограничения, целевую аудиторию.
  • Формат: укажите желаемый вид результата (список, таблица, текст, JSON).
  • Пример: покажите образец желаемого результата.

Практическое применение

"Ты — опытный копирайтер ритейла (роль). Напиши 5 заголовков для акции на молочные продукты (задача). Целевая аудитория — семьи с детьми, тон — дружелюбный (контекст). Формат: нумерованный список. Пример хорошего заголовка: "Молочная радость для всей семьи!"

Важно помнить

Риск/минус: Слишком длинное ТЗ может перегрузить модель. Не все элементы обязательны для простых задач.
Решение/плюс: Структурированный промпт значительно повышает качество первого ответа и уменьшает количество итераций.

Примеры из вебинара

"Лектор показывает разницу между размытым запросом и структурированным ТЗ на примере создания рекламного текста."

Промпт-инжиниринг наоборот
Техника, когда вы просите AI помочь улучшить ваш собственный промпт. Модель задает уточняющие вопросы или рефакторит запрос, делая его более эффективным.

Ключевые тезисы

  • Вместо генерации ответа, просите AI улучшить сам вопрос.
  • Модель может задать уточняющие вопросы для прояснения задачи.
  • Можно попросить переформулировать промпт по лучшим практикам.
  • Техника особенно полезна для сложных или творческих задач.

Практическое применение

Напишите черновик промпта и добавьте: "Прежде чем выполнять, задай мне 5 уточняющих вопросов, которые помогут дать лучший результат." Или: "Перепиши мой промпт так, чтобы он был более эффективным."

Важно помнить

Риск/минус: Добавляет дополнительный шаг в процесс. Не нужен для простых и очевидных задач.
Решение/плюс: Помогает получить значительно лучший результат в сложных задачах, где вы не уверены, как правильно сформулировать запрос.

Примеры из вебинара

"Лектор дает размытый запрос на создание презентации и показывает, как ChatGPT задает уточняющие вопросы о целевой аудитории, объеме и стиле."

Генерация экспертных промптов
Трехшаговая техника создания мощных системных промптов: сначала определяем структуру, затем генерируем 50+ характеристик эксперта, и наконец собираем все в финальный системный промпт.

Ключевые тезисы

  • Шаг 1: Определите структуру промпта (роль, задачи, ограничения, формат).
  • Шаг 2: Попросите AI сгенерировать 50+ слов и фраз, описывающих идеального эксперта в нужной области.
  • Шаг 3: Соберите все в единый системный промпт.
  • Результат — детальная "персона" эксперта, которая дает более глубокие и релевантные ответы.

Практическое применение

"Сгенерируй 50 характеристик, навыков и знаний идеального маркетолога в ритейле." Затем: "Используя эти характеристики, создай системный промпт для AI-ассистента маркетолога."

Важно помнить

Риск/минус: Создание занимает время. Для простых задач это избыточно.
Решение/плюс: Созданный один раз экспертный промпт можно использовать многократно, получая стабильно высокое качество ответов в своей профессиональной области.

Примеры из вебинара

"Лектор пошагово создает экспертный промпт для маркетингового аналитика, показывая каждый этап процесса."

Улучшение ответов AI: оценка + переписывание
Техника повышения качества текста через двухшаговый процесс: сначала просим модель оценить текст по понятности и качеству, затем переписать его на максимальный балл.

Ключевые тезисы

  • Шаг 1: Попросите AI оценить текст по шкале 1-10 с объяснением.
  • Шаг 2: Попросите переписать текст так, чтобы он получил 10/10.
  • Модель сама определяет критерии качества и улучшает по ним.
  • Работает для любых текстов: статьи, письма, презентации, посты.

Практическое применение

"Оцени этот текст по понятности, убедительности и вовлеченности от 1 до 10. Объясни оценку." Затем: "Перепиши этот текст так, чтобы он получил 10/10 по всем критериям."

Важно помнить

Риск/минус: Субъективность оценки. Модель может улучшать не в том направлении, которое вам нужно.
Решение/плюс: Простой способ получить значительно улучшенную версию текста, используя саму модель как редактора и критика.

Примеры из вебинара

"Лектор берет свой черновик поста, просит оценить (получает 6/10), затем переписать на 10/10, и показывает разницу между версиями."

Профиль человека перед встречей
Использование Perplexity для быстрого создания досье на контактное лицо перед деловой встречей. Инструмент собирает информацию из открытых источников и предоставляет кликабельные ссылки.

Ключевые тезисы

  • Perplexity ищет информацию в LinkedIn, публикациях, интервью, соцсетях.
  • Можно узнать карьерный путь, интересы, последние проекты человека.
  • Все факты подкреплены ссылками на источники для проверки.
  • Занимает 2-3 минуты вместо 30-40 минут ручного поиска.

Практическое применение

"Найди информацию о [Имя Фамилия], [должность] в [компания]. Расскажи о его карьерном пути, профессиональных интересах, последних публикациях или выступлениях. Дай ссылки на источники."

Важно помнить

Риск/минус: Информация может быть неполной для людей с низким медийным присутствием. Всегда проверяйте факты.
Решение/плюс: Позволяет прийти на встречу подготовленным, найти общие точки для разговора и произвести лучшее впечатление.

Примеры из вебинара

"Лектор демонстрирует сбор досье на реального человека, показывая структуру ответа Perplexity со ссылками на LinkedIn и публикации."

Локальные LLM и платформа Ollama
Локальные LLM — это языковые модели, которые можно скачать и запустить на собственном компьютере, что обеспечивает полную конфиденциальность данных и возможность работы без подключения к интернету.

Ключевые тезисы

  • Платформа Ollama.com является популярным репозиторием для поиска и установки различных локальных моделей (Llama 3, Gemma).
  • Локальные модели значительно уступают коммерческим облачным аналогам в сложности логических рассуждений и креативности.
  • Для работы требуется значительный объем оперативной памяти (RAM), обычно в 1.5-2 раза больше, чем размер модели.
  • Установка и запуск моделей происходит через командную строку (терминал).

Практическое применение

Анализ массива текстовых документов с конфиденциальной коммерческой информацией, которые нельзя загружать на внешние серверы. Например, для автоматической классификации отзывов клиентов.

Важно помнить

Риск/минус: Высокие требования к аппаратному обеспечению (особенно к RAM) и заметно более низкая производительность по сравнению с облачными моделями.
Решение/плюс: Абсолютная приватность данных, так как вся обработка происходит на вашем устройстве. Отсутствие зависимости от интернет-соединения.

Примеры из вебинара

"Лектор показал сайт Ollama.com, объяснил принцип выбора моделей по размеру и продемонстрировал запуск локальных моделей через терминал."

Техники упрощения и проверки информации от AI
Два простых, но мощных приема: запрос на упрощение сложной информации ("объясни как 12-летнему") и запрос на проверку фактов (Grounding) для борьбы с галлюцинациями.

Ключевые тезисы

  • Техника "Объясни как 12-летнему": если AI выдал сложный текст, попросите объяснить простыми словами.
  • Техника "Проверка фактов" (Grounding): отдайте сгенерированный текст с командой "Проведи проверку фактов".
  • Для проверки фактов лучше всего подходит Perplexity, так как он ищет подтверждения онлайн и дает ссылки на источники.
  • Эти техники помогают сделать выводы AI более понятными и достоверными.

Практическое применение

После получения сложного отчета: "Объясни суть этого отчета простым языком". Затем: "Проверь ключевые цифры и факты из этого отчета, отметь подтвержденные и неподтвержденные."

Важно помнить

Риск/минус: Нельзя слепо доверять любому выводу нейросети, так как она может ошибаться или галлюцинировать.
Решение/плюс: Простые запросы на упрощение и проверку фактов позволяют быстро повысить качество и надежность получаемой информации.

Примеры из вебинара

"Лектор демонстрирует обе техники: упрощение сложного анализа и проверку фактов в Perplexity, где каждый тезис помечается как подтвержденный или нет."