Comments 3
Отлично! Модель галлюцинирует, ошибается, наверное, просто промпт недостаточно всё объясняет. Полагаю, надо сделать JSON на 50 страниц, где я распишу все правила и инструкции для LLM, вот тут-то и раскроется вся вычислительная мощь ИИ. Этот вариант абсолютно в стиле программистов: что-то работает неправильно — добавь правило, что так работать неправильно. Как же отреагирует модель с точки зрения нарратива? А она внезапно поймёт, что пользователь хочет от неё именно исполнения правил! И всё своё ограниченное внимание она направит на этот безумный кодекс, а сам сюжет распадётся на несвязанные эпизоды. И то, что на самом деле хотел автор промпта, отойдёт на второй план. Неявное следствие: если ваш проект требует громоздкой инструкции для ИИ, то эффективнее будет использовать нейросеть слабее, но специализированную на ваших задачах. Результат будет как минимум не хуже.
Включите логику.
Модели обучаются целенаправленно чтобы качественно фиксить баги и писать код. При обучении модель не имеет никаких предисловий в контексте в стиле "делай хорошо не делай плохо".
Если модель тупит и делает плохие вещи, это потому что модель недостаточно умна. Люди наивно добавляют промпт запрещающий определенную плохую вещь, видят немедленный эффект и верят что починили модель. Но на самом деле они сделали модель ещё тупее в среднем, перекосив ещё больше приоритеты.
Вводные скилы должны содержать ИСКЛЮЧИТЕЛЬНО инструкции которые специфичны именно для вашего продукта. Никаких "Take time to understand the full context" там быть и близко не должно. Модель год тренировали именно обучая ее на примерах с правильным балансом сбора контекста.
Попробуйте нафиг выкинуть эти ваши документы и увидите как вырастет общая сообразительность и конструктивность модели.
Парадокс GPT-5.5: чем подробнее промт — тем хуже. Разобрал свой 663-строчный скилл и сверился с Claude