Все записи

Ошибки при работе с ИИ. Часть 2

Продолжаем разбирать частые ошибки при работе с ИИ вместе с Константином, экспертом по ИИ в Naumen.

Константин ии2.jpg

В первой части говорили о контексте, постановке задачи и конфиденциальных данных. Теперь смотрим шире: как работать с актуальной информацией, что делать, если застряли в диалоге с ИИ, и почему хороший результат часто требует экспериментов с подходами.


Верим, что ИИ знает все

Используем языковую модель как всезнающего помощника или как справочник: просим найти свежие факты и актуальную информацию и воспринимаем ответ как достоверный.

В чем суть

Изолированная языковая модель опирается на данные, на которых обучалась, и контекст текущего диалога. Сама по себе она не ищет информацию в реальном времени. Если нужной информации в доступных данных нет, модель может заполнить пробел правдоподобными, но вымышленными деталями.

Важно различать две задачи: работу с информацией, которую вы уже дали модели, и поиск актуальных фактов. В первом случае источниками знаний могут быть ваш текст, документ, таблица или код. Во втором нужны внешние источники и инструменты для работы с ними.

Как исправить

  1. Учитывайте сильные и слабые стороны модели — она хорошо форматирует, извлекает и сокращает данные, переводит на любые языки.

  2. Для проверки и поиска актуальных фактов используйте внешние инструменты — поисковые модули, RAG, MCP или другие подключения к источникам данных.

  3. Не перегружайте контекст и подключайте нужные модули.

Актуальное инфо промпт

В связке с внешними инструментами модель получает данные из источника и помогает их обработать и структурировать.



Не спрашиваем ИИ, как с ним работать

Когда не понимаем, как подступиться к задаче или почему модель выдает не тот результат, часто ищем инструкции где угодно, только не в самом чате.

В чем суть

Мы привыкли искать помощь во внешних источниках. Но при работе с ИИ часть вопросов можно задать прямо модели: как лучше сформулировать запрос, каких вводных не хватает, почему ответ мог получиться неудачным или с чего начать задачу.

Как исправить

  1. Опишите ИИ, что хотите сделать и что не получается.

  2. Спросите прямо в чате, как лучше подступиться к задаче.

  3. Если сложно сформулировать запрос, попросите ИИ задать уточняющие вопросы и помочь собрать ТЗ.

Чат с llm



Не экспериментируем с подходами

Пробуем один и тот же способ работы для разных задач и, если результат не устраивает, решаем, что ИИ нам не подходит.

В чем суть

Работа с ИИ — это навык, которому нужно учиться, как когда-то работе с Word или Excel. Он развивается через практику, изучение возможностей и поиск своего рабочего формата.

Как исправить

  1. Пробуйте разные подходы к задачам.

  2. Тестируйте разные модели и связки инструментов.

  3. Ищите свой рабочий формат и продолжайте экспериментировать.

Нет одного идеального способа работы с ИИ. Кому-то достаточно базовых возможностей модели, а кому-то нужно несколько открытых вкладок и интеграции в IDE.

Похожие новости

Когда результату проверки нельзя доверять

После изменений в коде команда смотрит на результаты тестов и автоматических проверок: если все прошло успешно, кажется, можно двигаться дальше. Но успешный статус еще не означает, что проверка действительно выполнила свою задачу. А если тест обычно проходит, но иногда падает, такие сбои легко списать на случайность.

Ринат, iOS-разработчик в Naumen, рассказал о двух таких случаях из практики и о том, почему при оценке тестов он смотрит не только на покрытие.

Как найти нужное: секционирование данных на котах

Как найти одного кота среди сотни других? 

Можно искать его среди всех котов по очереди, а можно заранее разделить их на группы, чтобы сузить круг поисков. Похожий принцип работает и с большими объемами данных, когда среди миллионов записей нужно быстро найти нужные.

Катя, руководитель группы системной аналитики, работала над оптимизацией больших таблиц с помощью секционирования. 

В статье она рассказала, как работает этот подход, что важно учитывать при его реализации и при чем здесь коты.

Как мы готовили редизайн продукта с помощью исследований

Сделать красивый интерфейс часто недостаточно. Можно обновить экраны, но так и не решить реальные проблемы пользователей.

В статье Илона, продуктовый дизайнер Project Ruler, рассказывает, как команда подошла к редизайну через исследования: изучала конкурентов, разговаривала с пользователями, проверяла навигацию и выясняла, какие функции действительно важны для MVP.

Все новости