Новые правила работы с ChatGPT
Новые правила работы с ChatGPT Чем дольше вы общаетесь с нейросетью в одном окне, тем хуже она отвечает. У инженеров для этого есть довольно неприятный термин — гниение контекста. Майк Тейлор, глава направления оценки ИИ в Every, разобрал семь таких ловушек — и показал способы из них выбраться. 1. Клетка одного шаблона Тейлор просил ChatGPT придумать название продукта в духе Стива Джобса. Без примеров на букву «i» начинались 21% вариантов, а после добавления пары образцов вроде iPod — уже 100%. В длинной переписке ваши прошлые реплики точно также превращаются в жёсткий шаблон: вы просите свежую идею, а получаете переупаковку старой. Сменили задачу или направление — открывайте новый чат. 2. Перегруз инструкциями Нейросети не умеют игнорировать лишнее: если деталь есть в промпте, модель считает своим долгом прикрутить её к ответу. Когда коллега Тейлора раздула свою редполитику с 759 до 3855 слов, написание одного эссе растянулось на 127 черновиков и миллион слов. Помогло только сокращение файла до 513 слов. Тейлор рекомендует отключить автопамять (Memory) в настройках ChatGPT и Claude, а кастомные инструкции свести к минимуму. 3. Слепая зона посередине Исследователи Стэнфорда доказали, что внимание моделей работает как память человека: они отлично видят начало и конец промпта, но проваливаются в середине. Если загрузить 20 документов, точность ответов по файлам из середины списка падает ниже, чем если бы модели вообще не давали никаких исходников. Критически важные вводные всегда ставьте в самый верх, а требования к формату — в самый низ. 4. Дрейф цели Через 30–50 сообщений в одном диалоге модель неизбежно забывает ваши стартовые ограничения по объёму, стилю или формату — просто потому, что под капотом сервис начинает сжимать контекст старой переписки ради экономии токенов. Постоянные правила (редполитику, тон, лимит знаков) лучше держать в отдельном файле-инструкции и вставлять в первое сообщение нового треда. 5. Конфликт догадок В исследовании Microsoft и Salesforce один и тот же запрос давали моделям целиком и по частям. Поэтапная подача ухудшила качество ответов на 39%. Если вы выдаёте ТЗ порциями, модель с первого же сообщения строит неверную гипотезу и дальше упрямо подгоняет под неё все ваши уточнения. Выгружайте весь бриф сразу. 6. Гниение контекста Если модель сгенерировала галлюцинацию или ошибку, не спорьте с ней в чате. Ваше замечание не стирает промах: в истории остаётся шум из ошибок и вашей ругани. Более того, видя в истории свои косяки, LLM начинает старательно отыгрывать роль ассистента, который ошибается. Вместо спора нажмите кнопку редактирования своего прошлого сообщения и перепишите запрос. 7. Дефицит вводных Обратная сторона чистого чата — если дать слишком мало контекста, модель выдаст «среднее арифметическое по интернету». Чтобы не терять наработки при переезде из распухшего чата в новый, попросите нейросеть в конце беседы собрать handoff-файл: короткую сводку ключевых фактов, принятых решений и следующих шагов. И уже с этого резюме стартуйте новую ветку. Некоторые разговоры куда продуктивнее вовремя оборвать и начать с чистого листа. С людьми так поступать невежливо. С нейросетями — профессионально.