Богатырёва о цифре

🪄 Что случилось с промпт-инжинирингом? На пленарной сессии форума ИНФОТЕХ спикеры обсуждали ИИ, и мне в голову пришел интересный вопрос. Помните, как нам предлагали срочно освоить профессию будущего и научиться правильно разговаривать с нейросетями? Курсы, сборники «идеальных промптов», обещания высоких зарплат. Теперь в обсуждениях все чаще встречается «харнес инжиниринг». Давайте разберемся, они опять переименовали старое или что-то действительно поменялось? 💬 Куда делись промпты? Да никуда не делись, они на месте. Четко поставить задачу, дать примеры и объяснить, какой результат нужен, по-прежнему полезно. Но по мере развития моделей точная форма запроса постепенно теряет прежнее значение. В Anthropic, например, прямо пишут, что форматирование инструкций становится менее важным, а внимание смещается к тому, какую информацию модель получает для работы. Можно долго совершенствовать запрос «подготовь отчет о продажах». Без актуальных цифр, правил расчета и понимания, какие сделки учитывать, хорошего отчета все равно не получится. Поэтому заговорили о «контекстном инжиниринге». То есть, как правильно и вовремя дать модели нужные документы, данные и историю работы. А потом задачи стали сложнее. От ИИ начали ждать, что он сам найдет информацию, выполнит несколько действий, проверит результат и исправит ошибки. Тут одной инструкции уже мало. 🧰 Что за харнесс? Harness называют программную обвязку вокруг модели, которая организует ее работу. Она управляет доступными инструментами, сохраняет ход выполнения задачи, запускает проверки и определяет, когда нужно продолжить работу, повторить попытку или обратиться к человеку. Такой подход развивают и OpenAI, и Anthropic. Вернемся к отчету. В такой системе ИИ может получить доступ к нужным таблицам, посчитать показатели, сверить итоговые суммы и собрать документ. Если загрузка данных оборвалась, система позволит повторить ее. Если цифры не сходятся, отправит результат на доработку. А рассылку руководству можно оставить только после подтверждения сотрудника. Промпт здесь тоже нужен, просто вокруг него появляется целый рабочий процесс. 👀 Почему нельзя просто написать «сделай хорошо»? Anthropic описывала вполне узнаваемую проблему: агент выполнял часть работы над приложением, смотрел на сделанное и объявлял задачу завершенной. Хотя до готового продукта было далеко. Разработчикам пришлось добавить список требований, сохранение прогресса и проверки того, что функции действительно работают. Поэтому списывать промпт-инжиниринг рано. Умение ставить задачи осталось, но ожидания от работы с ИИ выросли. Для разового текста часто хватает хорошего запроса. Когда нейросети доверяют многочасовую работу с документами, кодом или корпоративными системами, приходится отдельно продумывать, как она будет действовать и кто проверит результат. Вопрос «как правильно попросить?» никуда не исчез. К нему добавился куда более хлопотный: «как убедиться, что все действительно сделано?» ⏺️«Богатырева о цифре» в Максе