Многим знакома ситуация, когда выполняешь сложную задачу в несколько итераций, долго объясняешь ИИ, что тебе нужно и как оно должно выглядеть. После долгих описаний и приложенных усилий, нейросеть выдает отличный результат.
Все бы хорошо, но хочется упростить процесс постановки задачи, чтобы каждый раз не писать длинные промпты.Раньше мы сохраняли удачные промпты и копипастили их каждый раз в новую задачу. У нас были целые библиотеки промптов, но эта эпоха ушла с развитием ИИ.
Сейчас, чтобы результат получился идеальным, не нужно каждый раз писать длинную инструкцию: объяснять контекст, напоминать ограничения, просить не забыть про риски.
Сейчас достаточно передать модели ваш способ решать задачу. Он живёт у вас в голове: «здесь риск», «так писать нельзя» и т.д.
Решение называется скил. Это сохранённая инструкция для нейросети. Она подключается сама, когда задача подходит, и ведёт модель тем путём, который прошёл бы опытный специалист.
Меня часто спрашивают: а разве нейросеть сама не учится? Если включить память, она запоминает ваши предпочтения и вроде бы справляется всё лучше. Но память работает как привычка, а не как правило. Модель помнит обрывки прежних просьб и может понять их по-своему или уйти не туда.
Гарантии, что завтра будет так же хорошо, как сегодня, нет.
💫Скил - не воспоминание, а письменный регламент: модель каждый раз получает одну и ту же инструкцию и идёт по ней шаг за шагом. А если ошибётся, понятно, какое правило поправить, и исправление сработает во всех следующих задачах.
🔴Скил начинается с описания, по которому нейросеть понимает, когда его включать, а когда нет.
🔴Дальше сама инструкция: какие данные запросить, в каком порядке работать, что считать тревожным сигналом и как выглядит готовый результат.
Рядом лежат справочные материалы - таблицы решений, удачные и неудачные примеры. Модель открывает их, только когда они нужны. То, что можно посчитать программой, выносится в отдельный инструмент, чтобы ничего не делалось «на глаз».
🔴Завершает всё проверка: чек-лист перед выдачей результата. Основную инструкцию лучше держать короткой и без пожеланий вроде «анализируй профессионально». Нужны конкретные критерии, иначе модель снова начнёт догадываться.
➡️Есть и более тонкий приём: скил может быть двухслойным.
🔴Первый слой общий, для команды. Любой сотрудник просит «подготовь претензию» и получает документ по единому стандарту.
🔴Второй слой открывается кодовым словом, которое знает только автор. Назову его, и нейросеть достанет из того же скила мою личную инструкцию: глубже анализ, дополнительные проверки, мой формат.
Но это не сейф: кто откроет файл скила, увидит и второй слой, поэтому конфиденциального туда не кладу.
Самое трудное - вытащить экспертизу. Если просто попросить нейросеть написать скил, получится очевидное и общее.
📎Ценное лежит в неявном: критерии, исключения, проверки, которые специалист делает не задумываясь. Их не получить вопросом «как вы проверяете договор». Работает разбор на живом случае: вот пункт договора, что вы подумали сразу, почему это риск, какую правку предложите, когда риск можно принять.
Я пишу скилы двумя способами. Первый - голосом: наговариваю в ChatGPT всё, что хочу видеть в инструкции, как есть, без структуры, а нейросеть собирает из этого грамотный скил, который остаётся только загрузить. Второй мне нравится ещё больше. Выполняю задачу в Claude, вношу правки, согласовываю результат и после этого прошу написать скил по этой задаче: что я исправляла, что понравилось, что нет, а согласованный результат считать эталоном.Такие скилы получаются самыми точными, потому что нейросеть видела весь путь от черновика до финала.
Также ее можно попросить сразу сохранить скил.
Скил снимает рутину и уменьшает число ручных исправлений.
Для простых запросов вроде «переведи абзац» он не нужен, его место там, где задача многошаговая и результат должен повторяться.Чем точнее вы переведёте свой опыт в правила и границы, после которых нужно звать человека, тем меньше модель импровизирует.