ChatGPT. Мастер подсказок, или Как создавать сильные промты для нейросети

Работа с подсказками – это не только рост качества ответов или закрепления интересных ходов, это всегда еще и «перенастройка» мозга.

Например, если мы уже более или менее привыкли, что есть поисковики, которые знают ответы на множество вопросов, то работа с подсказками – совсем иной, куда более глубокий уровень.

Объем и направление запросов – безграничны. Чем больше человек работает с нейросетью, тем больше он видит точек опоры и вариантов решений.

Поначалу мы не очень умеем опираться на GPT. Наш опыт «работы с машиной» все еще ограничивается максимум поисковиками: вводим запрос – получаем список статей, видео и т. д.

А вот то, что мы сами можем сконструировать схему получения ответов, наш мозг еще пока не понимает. Не привык. Не охватывает.

Пример мышления промтера

Скажем, вы хотите стать копирайтером. Что нам обычно подсказывает опыт?

Как выглядит обычное решение?

Посмотреть в поисковиках запросы типа «как стать копирайтером», «книги про копирайтинг», «что нужно уметь копирайтеру» и т. п. Найти по ним статьи, книги и прочие носители и изучить их.

Суть обычного решения выглядит так.

Мы берем подходящую информацию, оценивая ее как конечный набор знаний. Все, что можно было «вытянуть» из внешних источников, мы вытянули. Если мы не поняли какие-то данные, что-то было недостаточно раскрыто в статьях (книгах и т. п.) или у нас есть сомнения, то мы со всем этим так и останемся один на один.

Как вариант, еще можно оплатить услуги специалиста или задавать вопросы в каких-то сообществах, но это уже другие, побочные решения со своими минусами (дорого, долго, могут не ответить и т. п.).

Теперь посмотрим на решение промтера.

И сразу же есть варианты: либо опять же начать с книг или других конечных источников, чтобы составить общую картину, а затем идти к ИИ, либо сразу начать терзать GPT. Выберем более удобный и надежный вариант: «знания людей + ИИ».

Сначала мы изучаем общую информацию. Книги, статьи, видео и пр. Погружаемся. Вникаем. Затем, когда уже есть какое-то представление об объекте изучения и первые вопросы, можно приступать к промтингу.

Например, у нас есть вопросы по заголовкам:

Чем плохой заголовок отличается от хорошего? Дай примеры обоих случаев.

Объясни, чем каждый из них плох или хорош.

Я напишу пять заголовков, скажи, какие из них лучше и почему.

Терзаем GPT…

Немного разобрались. Идем дальше и снова собираем знания:

Какие малоизвестные формулы заголовков эффективно работают с информационными текстами и почему?

Какие ошибки допускают копирайтеры при создании заголовков?

Чем отличается заголовок по формуле AIDA* от заголовка по формуле PAS*: дай основные тезисы и примеры каждого вида. Объясни различия на примерах.

Я хочу знать все лучшие формулы заголовков, сначала дай мне основные данные о них, а затем создай тест для закрепления материала.

* Об этих и других формулах поговорим в главе 10.

Что-то не получается? Скажем, ИИ дает вам тесты из своих примеров, а вам нужны тесты с вариантами ответов? Или тестирование с вариантами «правильно-неправильно»? Или еще какое-то?

Не забываем, что с нами слоган «Всегда можно спросить!».

Если ИИ выдает вам тесты с вариантами ответов, а вы хотите чего-то другого, то все исправит простенький промт:

Ты дал мне тесты с вариантами ответов, а я хочу тестирование «правильно-неправильно» с 20 вопросами. Под каждым вариантом сам ответь – какой вариант верный и почему.

Вот так, шажками, проникая все глубже и постигая нюансы, мы можем саморазвиваться. Если встретился какой-то большой пласт знаний, то можно снова изучить книги и статьи (чтобы разобраться в теме), а затем опять перейти к общению с нейросетью.

Да, сегодня все еще не так радужно (о минусах промтинга мы скажем отдельно), но такая стратегия реально работает и дает очень хорошие результаты, особенно в тех нишах и областях знаний, где есть некие общепринятые международные стандарты (программирование, философия, физическая культура, психология, зоология и т. д. и т. п.).