рассказывала другу о том как добиться от AI хорошего результата на сложных задачах

всё довольно просто: AI хорошо работает там, где у него есть контекст.

в разработке и коде он чувствует себя уверенно. потому что понимает язык, видит структуру проекта, документацию, паттерны, у него под руками актуальные данные. есть рамки — он ведет себя адекватно.

а когда контекста нет, модель начинает плыть. да, там миллиарды параметров и «знания о мире», но всё усреднённое, размытое, без привязки к задаче. именно поэтому без дополнительной информации ответы часто странные или поверхностные.

если хотите, чтобы AI решал задачу нормально, его нужно заострять под конкретную область: давать правила, формулы, исходники, реальные ограничения, примеры. чем точнее контекст — тем стабильнее результат.

еще фундаментальная штука, которую не все понимают. модель — это набор параметров, слепок знаний о мире на какую-то дату. вот буквально — 30 сентября 2024 года это дата на которой останавливаются знания чата джипити 5.

а есть модели вроде perplexity, которые не просто что-то знают, а действительно умеют ходить в интернет и находить то что актуально сейчас. и бывает, что именно они дают самый точный ответ, не пропускайте! обязательно включите perplexity или хотя бы claude с «проверь в интернете» в свой воркфлоу

и самое важное — экспериментируйте.

надо пробовать разные штуки и тогда вы научитесь отличать хороший результат от плохого. а AI начнет приносить пользу. вы быстро поймете, что он делает стабильно, а где у него тупики. и это ок — у каждой модели есть свои границы.

выходит новая версия — тестишь пару знакомых кейсов и сразу чувствуешь, что изменилось: вот это теперь умеет, а вот это всё ещё не оч. так постепенно и собирается карта возможностей.

вся магия в трёх вещах: хороший инструмент, правильный контекст и много экспериментов.

AI не волшебство. но если выбрать правильные модели, дать контекст, правила, стиль, он выдаст magic ✨