Работа с нейросетями. ChatGPT, Claude, Gemini и другие AI-инструменты без лишней теории
Реклама. ООО «ЛитРес», ИНН: 7719571260.
Оглавление
Иван Зорин. Работа с нейросетями. ChatGPT, Claude, Gemini и другие AI-инструменты без лишней теории
Глава 1. Не разговаривайте с нейросетью как с оракулом
У промпта нет волшебной формулы
Три режима доверия
Не просите ответ, проектируйте результат
Первая версия почти никогда не должна быть последней
Глава 2. Как выбирать ChatGPT, Claude, Gemini и другие сервисы
Сначала определите тип работы
ChatGPT: универсальная рабочая среда
Claude: длинная интеллектуальная работа и код
Gemini: длинный контекст, мультимодальность и экосистема Google
Perplexity: исследование начинается с источника
Grok и специализированные инструменты
Как выбирать модель внутри одного сервиса
Сравнивайте на своих задачах, а не по рейтингу
Когда имеет смысл вторая нейросеть
Практический выбор за минуту
Глава 3. Разбивайте работу, а не промпт
Определите конечное решение
Схема: собрать, преобразовать, проверить, решить, оформить
Пример: выбор квартиры
Контрольные точки
Параллельные ветки
Разделяйте создание и критику
Не заставляйте модель показывать скрытое рассуждение
Передавайте состояние явно
Декомпозиция — это не бюрократия
Глава 4. Конструкция сильного запроса
Цель
Контекст
Входные данные
Операция
Ограничения
Формат результата
Пример хорошего универсального каркаса
Когда нужны примеры
Когда полезна роль
Не перегружайте запрос конфликтующими правилами
Скажите, что делать при неопределённости
Метапромпт: попросить модель помочь поставить задачу
Промпт — это контракт на один этап
Глава 5. Контекст, примеры и длинные документы
Четыре вида контекста
Что класть в контекст, а что оставлять за бортом
Большой документ не означает, что модель одинаково хорошо использует каждую строку
Пример как спецификация
Few-shot: несколько примеров вместо длинной лекции
Разделители и структура
Контекст должен иметь срок годности
Сжатие контекста без потери смысла
Глава 6. Галлюцинации: как не получить красивую ложь
Почему просьба «не выдумывай» недостаточна
Факт, вывод и рекомендация
Проверяйте цитаты
Двойная проверка расчётов
Красная команда для собственного ответа
Вероятность вместо ложной точности
Калибровка уверенности
Когда нужен человек
Глава 7. Поиск, Deep Research и работа с источниками
Дата важнее уверенного тона
Обычный поиск или глубокое исследование
Поставьте исследовательскую задачу правильно
Иерархия источников
Первичный источник против удобного пересказа
Сравнивайте дату публикации и дату события
Исследование с противоположными гипотезами
Как читать отчёт Deep Research
Попросите таблицу доказательств
Поиск не равен исследованию пользователя
Глава 8. Файлы, таблицы, PDF, изображения и мультимодальная работа
Начинайте с разведки файла
Таблицы: не считайте глазами
Не позволяйте молча чинить данные
PDF: текст и изображение — не одно и то же
Скриншоты: показывайте, а не описывайте
Изображение как источник данных
Аудио и видео
Создание файлов
Комбинируйте модальности
Глава 9. Проекты, память и постоянные инструкции
Что должно жить в постоянных инструкциях
Проект как рабочая папка
Память не база данных
Когда начинать новый чат
Снимок перед переходом
Проектные инструкции должны описывать приоритеты
Версионирование
Автоматическая память требует гигиены
Глава 10. Тексты без запаха нейросети
Сначала содержание, потом голос
Что выдаёт шаблонный AI-текст
Редакторский промпт против шаблонов
Учите модель на вашем тексте
Не просите «в стиле живого автора» с именем
Длинная книга требует отдельной системы
Деловой текст: убирайте канцелярит до генерации
Социальные посты: сначала позиция, потом упаковка
Переписывание без потери смысла
Проверяйте факты отдельно от стиля
Глава 11. Нейросеть в работе и бизнесе: не чат, а конвейер
Ищите повторяемую работу, а не модный инструмент
Разделите процесс на наблюдение, преобразование, решение и действие
Встречи: отделяйте сказанное от решённого
Поддержка: черновик плюс политика
Руководитель: AI готовит решение, но не снимает ответственность
Удачный диалог превращайте в SOP
Считайте экономию по полному циклу
Глава 12. Учёба и личные задачи: используйте AI для мышления, а не вместо него
Режим репетитора
Техника Фейнмана с проверкой
Карточки должны проверять воспроизведение
Конспект не заменяет чтение
Изучение языка
Личные решения
Путешествия: проверяйте реальность
Здоровье и право: правильная роль AI
Мозговой штурм: разнообразие вместо количества
Попросите критику собственных убеждений
Глава 13. Код, автоматизация и агенты
Не просите код, просите изменение системы
Репозиторий важнее вставленного файла
Не позволяйте «чинить» тесты вместо кода
Тесты как язык спецификации
Логи важнее догадок
Агент отличается от чата правом действовать
Принцип наименьших полномочий
Подтверждение необратимых действий
Длинные агентные задачи требуют состояния
Автоматизация без API
Оценка агента
Глава 14. Безопасность, конфиденциальность и prompt injection
Минимизируйте данные
Потребительский и корпоративный режим — не одно и то же
Не вставляйте пароли и ключи
Prompt injection: чужой текст пытается командовать вашим агентом
Опасность связок
Недоверенные файлы
Конфиденциальность в промптах
Проверяйте публичные ссылки
Авторское право и лицензии
Безопасность результата
Глава 15. Как реально работать в ChatGPT, Claude, Gemini и Perplexity
ChatGPT: держите задачу рядом с инструментом
ChatGPT и память
Claude: используйте проектную базу как редакционный стол
Claude Research и обычный поиск
Gemini: используйте связанный контекст осознанно
Gemini и поиск
Perplexity: относитесь к нему как к исследовательской оболочке
Когда переключаться между сервисами
Не стройте систему вокруг названий моделей
Глава 16. Плагины, коннекторы, агенты, лимиты и стоимость
Плагин, skill, коннектор и MCP — разные уровни
Что происходит в современных сервисах
Минимальные полномочия важнее удобства
Агент — это не «чат поумнее»
Пять уровней автономности
Когда агент оправдан
Лимиты бывают разными
Снимок тарифов на 15 сентября 2026 года
Подписка, кредиты и API — разные кошельки
Как не переплачивать
Как комбинировать инструменты без коллекционирования сервисов
Глава 17. Диагностика плохих ответов
Промпт для диагностики самого промпта
Сохраняйте ошибки как тесты
Измеряйте не красоту, а пригодность
Глава 18. Промпты, которые действительно стоит сохранить
Почему эти шаблоны работают
Глава 19. Четыре сквозных сценария: от запроса до готового результата
Сценарий первый. Найти лучший вариант, когда интернет полон устаревшей информации
Сценарий второй. Понять, почему упали продажи, а не получить красивое объяснение
Сценарий третий. Подготовить документ, который можно реально отправить
Сценарий четвёртый. Исправить баг, не сломав остальное приложение
Один рисунок во всех четырёх сценариях
Глава 20. Как измерять качество: перестаньте оценивать ответ по ощущению
Рубрика вместо вкуса
Критические и желательные требования
Создайте тестовый набор
Не тестируйте на примерах из промпта
Слепое сравнение
Модель может оценивать модель, но не одна
Не давайте проверяющему ответ-эталон, если хотите независимую диагностику
Повторяемость и вариативность
Регрессия после улучшения
Оценка исследовательского ответа
Оценка текста
Цена проверки
Глава 21. Context engineering, базы знаний и RAG без магии
RAG не делает источник истинным
Чанки: как резать знания
Семантический и точный поиск
Переранжирование
Просите показывать использованный контекст
Когда весь документ лучше RAG
Длинный контекст и RAG решают разные задачи
Граф знаний и связи
RAG для личного пользователя
Когда нужно обновлять базу
Как проверить RAG
Глава 22. API, структурированный вывод и автоматизация
Структурированный вывод
Схема должна отражать неопределённость
Tool calling
Модель решает, инструмент выполняет
Batch processing
Версия промпта как версия кода
Логи
Стоимость
Маршрутизация моделей
Retries не должны повторять одну и ту же ошибку бесконечно
Автоматическая проверка перед действием
No-code не отменяет архитектуру
Человек в петле
Глава 23. Изображения, аудио и видео: промпт как режиссура
Начните с функции изображения
Субъект, среда, композиция, свет, материал, камера
Отрицательные ограничения
Редактирование: маска смысла
Референс важнее описания
Текст внутри изображения
Серии изображений: сначала дизайн-система
Видео: думайте кадрами и временем
Аудио и голос
Музыка
Мультимодальная проверка
Не пытайтесь генерировать то, что проще построить
Глава 24. Документы, презентации и таблицы: результат должен открываться и работать
Документ начинается с назначения
Презентация: сначала история, потом дизайн
Цены и математика в презентации
Excel: формула должна оставаться формулой
Не позволяйте скрывать ошибки форматированием
График должен отвечать на вопрос
PDF: финальная форма не всегда лучший рабочий формат
Визуальная проверка обязательна
Мета-данные и скрытые слои
Контрольный промпт для файла
Глава 25. Несколько моделей как команда: генератор, исследователь, критик и судья
Разделение по функциям
Информационная асимметрия полезна
Дебаты без театра
Модель-судья не абсолютна
Самая сильная модель не обязана быть редактором
Разные семейства моделей как защита от общей ошибки
Консенсус не доказывает факт
Многоагентность для кода
Многоагентность для книги
Когда несколько моделей вредят
Команда должна сходиться к решению
Глава 26. Мифы и анти-паттерны, которые съедают качество
Полезная привычка вместо мифов
Глава 27. Внедрение AI в команде: правила, обучение и экономика
Выберите процессы, а не профессии
Матрица задач
AI policy должна быть короткой и применимой
Данные классифицируются до инструментов
Обучайте на реальных задачах
Центр компетенций не должен стать бутылочным горлышком
Промпт как командный актив
Модель меняется без вашего промпта
Shadow mode
Собирайте не только успехи
Экономика: считать полный цикл
Не увольняйте процесс раньше, чем поняли новую роль человека
Управление исключениями
План пилота на месяц
Культура важнее списка инструментов
Глава 28. Что происходит внутри модели и почему это важно пользователю
Глава 29. Постоянные AI-ассистенты, GPTs, Gems и системные инструкции
Начните с job description
Системная инструкция — правила поведения, не энциклопедия
Инструкция должна описывать неизвестность
Начинайте с узкой роли
Примеры в системной инструкции
Не перегружайте примерами
Тестируйте jailbreak не как игру, а как границы роли
Инструменты с подтверждением
Состояние пользователя
Обновление ассистента
Когда custom assistant не нужен
Глава 30. Научные статьи, статистика и доказательства
Начните с вопроса, а не с списка статей
Иерархия доказательств зависит от вопроса
Систематический обзор не волшебная печать
P-value не размер эффекта
Корреляция и причинность
Размер выборки
Предрегистрация и первичный исход
Препринт и рецензированная статья
Ретракции и исправления
Таблица извлечения
Статистика пользователя
Научный консенсус не равен одной статье
Глава 31. Происхождение фактов: как не потерять связь между ответом и источником
Утверждение без происхождения трудно проверить
Цитата, пересказ, расчёт и вывод имеют разное происхождение
Source of truth
Замороженные снапшоты
Промпт для происхождения
Трансформация должна сохранять ID
Не цитируйте всё
Версии источников
Автоматическая сверка
Происхождение защищает от “AI telephone game”
Глава 32. Тридцать дней практики: как превратить советы в навык
Что должно измениться за месяц
Последнее упражнение
Глава 33. Продажи и переговоры: AI должен повышать понимание клиента, а не давление
Глава 34. Маркетинг и исследование клиентов: от генератора контента к системе гипотез
Глава 35. Финансы и планирование: нейросеть объясняет модель, но не заменяет модель
Глава 36. Найм, управление и обратная связь
Глава 37. Разработка и QA: от генерации функций к контролю релиза
Глава 38. Длинные творческие проекты: книга, курс, сценарий, игра
Сначала архитектура обещаний
Сцена должна менять состояние
Continuity database
Версии текста
Отдельные редакторские проходы
Не масштабируйте плохой образец
Творческое решение остаётся у автора
Глава 39. Перевод и работа на нескольких языках
Сначала определите инварианты
Переводите терминологию отдельно от текста
Не просите одновременно переводить и переписывать
Обратный перевод — не доказательство, но хороший тест
Локализация интерфейса — отдельная профессия
Перевод художественного текста требует редакторского режима
Когда нужен человек
Глава 40. Почта, сообщения и информационный поток
Сводка должна вести к действию
Черновик ответа начинается с полномочий
История переписки важнее последнего письма
Не отправляйте автоматически то, что может изменить отношения
Календарь — это задача с ограничениями
Личные заметки: сначала поиск, потом синтез
Система ежедневного обзора
Приватность становится частью дизайна
Глава 41. Когда нейросеть не нужна
Калькулятор лучше собеседника
База данных лучше памяти модели
Поиск по точному ключу лучше генерации
Шаблон лучше импровизации, если отклонения не нужны
Не автоматизируйте редкую задачу слишком рано
Сначала стабилизируйте процесс
Цена проверки должна входить в расчёт
Правило минимально достаточной сложности
Признаки, что AI в процессе лишний
Парадокс хорошего владения нейросетями
Глава 42. Личная система работы с нейросетями
Составьте карту собственной недели
Выберите три процесса
Создайте уровни качества
Храните шаблоны рядом с работой
Создайте собственный eval
Не гонитесь за новинками без вопроса
Учитесь давать модели обратную связь, которую можно использовать
Двадцать правил, которые переживут смену моделей