📌Подводные камни при формулировании роли в ролевом промпте

1. Слишком расплывчатая роль
🩷 «Ты — эксперт»
Что за эксперт? В чём? Какого уровня? Отсюда и непредсказуемые ответы.
🩷 Уточните уровень экспертности:: «Ты — специалист по подростковой психологии с 10-летним опытом, работающий в школьной среде».

📌 Чем точнее роль, тем больше у модели опор для поведения и аргументации.

2. Роль без миссии
🩷 «Ты — UX-дизайнер»
И что? Он может просто начать рассуждать или выдавать чеклист.
🩷 Добавьте «сверхзадачу» для этой роли, например: «Ты — UX-дизайнер, который помогает начинающему дизайнеру улучшить свой первый проект, давая поддержку и конкретные советы».

📌 Роль + миссия задают мотивацию и контекст поведения.

3. Конфликтующие роли
🩷 «Ты — строгий критик, который мягко поддерживает новичка»
Модель может застрять между «быть строгим» и «быть мягким».
🩷 Избегайти противоречий: «Ты — внимательный наставник, который честно говорит о слабых местах, но всегда в тоне поддержки».

📌 Образ должен быть цельным, без противоречий в характере.

4. Недостаток культурного/поведенческого контекста
🩷 «Ты — японский бизнесмен»
Окей, но что это значит? Что важно в его стиле общения? Как он принимает решения?
🩷 Уточните контекст персонажа/роли: «Ты — японский менеджер, который действует с учётом иерархии и избегает прямой конфронтации».

📌 Важно: модель не знает нюансов, если ты их не задашь явно.

[P.S. – по этому примеру сразу видно, что Ирен пересмотрела видосов на ютубе про Японию....]

5. Неясно, как роль соотносится с задачей
🩷 «Ты — сценарист»
А задача — про составление чеклиста. Сценарист тут может начать творить, а не структурировать.
🩷 Запустите креативный сценарий работы у ИИ: «Ты — сценарист, которому нужно превратить чеклист по подготовке к выступлению в увлекательную сцену»

📌 Всегда стоит связать роль с задачей — «чего от тебя хотят как от этой роли».

Кстати, вот вам памятка во время эпидемии гриппа! Опробовала новую функцию в ChatGPT: 4o Image Generation. Все-таки на английском он пока что лучше текст выводит на картинку :)

Функция доступна в бесплатной версии ChatGPT!

В довесок к посту выше, знаете, я просто оставлю это здесь...
Это клауди размышляла о себе. 🤲

🩷 Неочевидный плюс DeepSeek: ИИ, который думает «вслух»

Кажется, уже все протрубили по новую ИИ из Китая. Я решила повременить с постом про дикпик дипсик, чтобы несколько дней понаблюдать за ней в работе. Итак, время первых выводов пришло!

🩷 Последние дни тестирую новую нейросеть Deep Seek в своей работе: создание методических артефактов, редактура, структурирование сложного контента. Эти задачи требуют очень внимательной логики мысли.

Параллельно работаю над одной и той же задачей в Claude AI и Deep Seek — и вот что интересно.

На поверхности:
🩷 При каскадных промптах Claude пока лидирует по глубине анализа и качеству результата. Практически всё беру в работу.
🩷 Deep Seek дает четкие структурированные ответы (уровень Gemini), но этого всё еще не достаточно эффективно для работы по моим типам задач
🩷 Но… здесь есть фишка, которая перевернула моё представление об ИИ-ассистенте и о том, как я буду использовать Deep Seek в своей работе.

✨ Туз в рукаве — Deep Think

Да, аналоги модели «глубокое мышление» есть у GPT, Claude AI, Gemini. Но здесь это работает иначе. Посмотрите, как она описывает свои мысли, когда я отвергла первый вариант решения. То есть нейросеть не просто пересобрала ответ, а продемонстрировала полную цепочку размышлений. Давайте будем честны, цепочка размышлений ОЧЕНЬ хорошая. Это не просто промптинг, как в случае с подобной моделью у Gemini или Perplexity.

🩷🩷🩷🩷🩷🩷

🩷🩷🩷🩷🩷

🩷🩷🩷🩷🩷🩷🩷🩷🩷🩷🩷

Главный инсайт:
Ценность оказалась не в идеальном решении, а в высоком уровне транспарентности мышления ИИ.

Это как если бы ваш коллега не просто дал готовый вывод, а:
1. Визуализировал ментальную карту своих и ваших размышлений
2. Расставил точки принятия решений
3. Показал слабые места каждого шага

-----

🩷Транспарентность мышления (от англ. transparency — прозрачность) — это способность ясно и понятно демонстрировать ход своих мыслей, логику рассуждений и процесс принятия решений. Если говорить простыми словами, это когда человек или система (например, ИИ) не просто выдает готовый ответ, но и показывает, как к этому ответу пришел: какие шаги, аргументы и критерии использовались, какие альтернативы рассматривались и почему были отвергнуты.

Пример транспарентности мышления:
Представьте, что вы спросили ИИ: "Как лучше организовать мероприятие?".

🩷Без транспарентности:
ИИ просто даст готовый план:
– Выберите место.
– Пригласите гостей.
– Подготовьте программу.

🩷С транспарентностью:
ИИ объяснит:
– "Я начал с анализа цели мероприятия. Вы не указали бюджет, поэтому я предположил, что он ограничен, и предложил экономичные варианты."
– "Я учел, что вы упомянули аудиторию из 50 человек, поэтому предложил места, которые вмещают такое количество гостей."
– "Я исключил варианты с открытым пространством, так как вы упомянули, что мероприятие будет зимой."

--------

Почему это туз в рукаве?
🩷 Транспарентность DeepSeek выявляет слепые зоны в постановке задачи

🩷 DeepSeek дает рефренсы для аналитики и критического мышления (удивите коллег логикой своего анализа на встрече)

🩷 Превращает диалог с ИИ в мастер-класс по структурированию мыслей

Конкретно это рассуждение в скриншоте помогло мне понять ошибку в промптинге для этой задачи. И в целом мне легче включаться в флоу мыслительного процесса ИИ. То, что я не могу объяснить, она четко описывает.

P.S. Кто еще тестирует Deep Seek? Заметили этот эффект "ментального зеркала"? 👀