Где LLM особенно полезна
Типовые задачи, где LLM даёт ощутимую экономию времениСгенерировать варианты, составить план, продумать риски и сценарии — затем выбрать лучшее и доработать.
Письма, отчёты, резюме встреч, FAQ, описания задач — с заданным тоном и форматом.
Скелеты функций, регулярные выражения, SQL, тесты, скрипты, объяснение ошибок — с проверкой на данных.
Сводки, извлечение требований, сравнение версий, подготовка списка вопросов и решений.
Рабочий процесс
Структура взаимодействия с моделью, которая снижает количество ошибокЧётко укажите, что нужно получить: список, письмо, таблицу, план, код, рекомендацию.
Цель, аудитория, исходные данные, ограничения, критерии качества, примеры «как надо».
Если данных мало — лучше сначала собрать вопросы или зафиксировать допущения.
Факты, числа, соответствие требованиям. Итерации лучше делать точечно: «исправь пункты 2–4».
Шаблоны промптов
Готовые формулировки для быстрых и стабильных результатовТы — мой ассистент. Задача: {что нужно сделать}.
Контекст: {важные детали, аудитория, цель}.
Ограничения: {сроки, тон, объём, запреты}.
Формат ответа: {список/таблица/пункты/код}.
Если не хватает данных — задай до 5 уточняющих вопросов. Если вопросов нет — начни с плана из 5–8 шагов.Проверь мой текст/решение на ошибки и слабые места.
1) Найди логические дыры и спорные утверждения.
2) Отметь, где нужна проверка фактов/источников.
3) Предложи улучшенную версию, сохраняя смысл и тон.
Текст:
---
{вставьте текст}
---Безопасность и качество
Практики, которые стоит применять по умолчаниюНе отправляйте пароли, ключи API, персональные данные, внутренние финансовые цифры и секреты компании.
Модель может ошибаться и быть уверенной. Просите ссылки/основания и проверяйте критичное вручную.
Если информации мало — лучше получить список допущений и уточняющих вопросов, чем «угадывание».
Для кода/SQL/аналитики используйте тестовые данные, крайние случаи и sanity-check по результатам.
Результат модели — черновик. Финальная проверка и решение о применении всегда остаются за человеком.