# Сопутствующие статьи по теме Промпт

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Промпт", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Промпт Opus 5 для создания игр стал вирусным: за 24 часа воссозданы шедевры уровня AAA

Недавно нашумевший промпт Opus 5 для создания игр стал вирусным в X. Используя метод «Цикла испытаний», пользователи демонстрируют, как с его помощью можно за 24 часа создать прототипы игр, напоминающие AAA-проекты. Суть промпта, разработанного Мэттом Шумером, заключается в системе из нескольких агентов ИИ: главный агент разбивает задачу (например, «создать шутер уровня Call of Duty») на части, специализированные агенты выполняют их, а независимый «агент-судья» сравнивает результат с эталонными AAA-играми и отправляет на доработку, пока качество не станет удовлетворительным. Наиболее яркий пример — пользователь Anshu, который за сутки создал браузерную космическую игру-исследователь The Long Silence, вдохновленную Outer Wilds. Процесс состоял из трех этапов: постановка базовой цели для Opus 5 с использованием Three.js, 24-часовой цикл улучшения графики с параллельной работой агентов и сравнением со «Starfield», и финальная ручная оптимизация. Игра уже доступна онлайн. Методология вызвала волну творчества: другие пользователи создали картинговые гонки, клон Cyberpunk 2077 («Claudepunk 2077») и прочее, используя Opus 5 или аналогичные модели вроде GPT-5.6 Sol. Ключевой вывод — введение «агента-судьи» и цикличной проверки против эталона эффективно раскрывает способности современных ИИ к долгосрочному планированию и итерациям, что подтверждает растущий разрыв между публичным восприятием и реальными возможностями передовых моделей.

marsbit07/29 08:48

Промпт Opus 5 для создания игр стал вирусным: за 24 часа воссозданы шедевры уровня AAA

marsbit07/29 08:48

Claude Code сократил на 80% промпты, а Opus 5 молча добавил их обратно

Claude Code сначала объявил о сокращении системных промтов более чем на 80%, но затем пользователь обнаружил, что у Opus 5 они выросли на 72% по сравнению с Opus 4.8. Это кажется противоречием. Правда в том, что Anthropic действительно провёл масштабную «чистку» устаревших и избыточных правил, которые, как «инструкция для сотрудников», сковывали ранние модели. Это сокращение в основном пришлось на переход с Opus 4.7 к Opus 4.8. Однако новые модели, такие как Opus 5, стали более самостоятельными и склонными к развёрнутым ответам, использованию подзадач и проверкам. Чтобы направить эту возросшую активность, Anthropic добавил в промты Opus 5 новые разделы — «Delivering work» и «Corrections» — которые учат модель контролировать объём задачи, отчитываться о прогрессе и ограничивать излишние самоисправления. Таким образом, «сокращение на 80%» относится к удалению старого груза детальных инструкций, а «рост на 72%» — это добавление новых, более стратегических рамок для более мощной и инициативной модели. Итоговый промт Opus 5 всё равно вдвое короче, чем у Opus 4.7. Эволюция промтов отражает общий тренд: по мере развития ИИ отпадает необходимость в микроуправлении, но требуется чёткое определение границ его автономных действий.

marsbit07/27 11:38

Claude Code сократил на 80% промпты, а Opus 5 молча добавил их обратно

marsbit07/27 11:38

OpenAI официально учит 8 приёмам работы с ChatGPT

OpenAI представила обновленное руководство по промптингу с восемью ключевыми приёмами для более эффективного взаимодействия с ChatGPT: 1. **Используйте новейшую модель**, например GPT-5.6 Sol, для лучшей производительности. 2. **Давайте конкретные инструкции** – чётко описывайте желаемый результат, формат, стиль и объём, чтобы избежать переделок. 3. **Помещайте инструкцию в начало** и используйте разделители вроде `###` или `"""`, чтобы отделить задачу от текста. 4. **Приводите примеры** – показывайте моделью ожидаемый формат и структуру ответа. 5. **Начинайте с zero-shot подхода**, затем добавляйте несколько примеров (few-shot), и только в крайнем случае переходите к тонкой настройке (fine-tuning). 6. **Избегайте расплывчатых формулировок** – вместо «напишите кратко» укажите «напишите 3–5 предложений». 7. **Фокусируйтесь на том, что нужно сделать**, а не только на том, чего делать не следует. 8. **Для генерации кода используйте «направляющие слова»** – например, `import` для Python или `SELECT` для SQL, чтобы задать правильный контекст. Кроме того, OpenAI представила функцию **«Generate Anything»**, которая автоматически создаёт промпты под вашу задачу, упрощая процесс взаимодействия с ИИ. Эти рекомендации помогут получить более точные и качественные результаты от ChatGPT.

marsbit07/16 08:27

OpenAI официально учит 8 приёмам работы с ChatGPT

marsbit07/16 08:27

Все в сети ругают Claude за «глупость», Anthropic объясняет: проблема не в модели, а в вас

Клод стал глупее? Нет, пользователи просто не понимают разницу между «моделью» (Model) и «усилием» (Effort). Объяснение от Anthropic: Model — это «мозг» ИИ, его замороженные во время обучения возможности. Effort — это «отношение к работе», то, насколько тщательно ИИ выполнит задачу: проверит ли файлы, запустит ли тесты, выполнит ли многошаговую работу до конца без запросов. В марте 2024 многие жаловались на «глупость» Claude Code. Оказалось, Anthropic тихо изменил *стандартный* уровень Effort с high на medium для снижения задержек. Когда через месяц настройку вернули, производительность «восстановилась». Проблема была не в модели, а в усилии. **Ключевое правило:** если Claude пропускает шаги, ленится, просит лишней информации — повышайте Effort. Если он явно старается, но дает принципиально неверный результат даже с идеальным промптом — меняйте модель на более мощную. Sonnet с высоким Effort может обойти Opus с низким на многих задачах, требующих тщательности. Дорогой Fable нужен только для узкоспециализированных проблем. Вывод: эра простого выбора самой мощной модели заканчивается. Теперь ключевой навык — грамотное «управление» ИИ: распределение задач между моделями с разным уровнем усилий для оптимального результата и стоимости.

marsbit07/12 05:58

Все в сети ругают Claude за «глупость», Anthropic объясняет: проблема не в модели, а в вас

marsbit07/12 05:58

Лао Хуан: Prompt мертв, весь мир ИИ лихорадочно гонится за Loop

Недавно в Кремниевой долине наблюдается бум вокруг концепции «Loop Engineering» (инженерия циклов). Ведущие эксперты, включая Дженсена Хуанга (NVIDIA), утверждают, что ручное написание промптов устарело, и будущее за проектированием автономных циклов, в которых ИИ самостоятельно выполняет задачи. Согласно статье, традиционный prompting требует постоянного человеческого участия на каждом шагу. Loop Engineering меняет парадигму: человек становится архитектором системы, которая сама обнаруживает задачи, исполняет их, проверяет результаты, сохраняет состояние и продолжает работу в цикле 24/7. Ключевыми компонентами являются: определение цели, создание механизмов верификации (самый важный этап, требующий отдельного агента-оценщика), настройка планировщика и постоянной памяти. В июне 2026 года Addy Osmani (Google) официально ввел термин, представив Loop Engineering как четвертый уровень над prompt, context и harness engineering. Распространившаяся 11-страничная «белая книга» и практическое руководство на 14 шагов описывают, как строить такие системы, предупреждая о рисках: «долг верификации», «когнитивная капитуляция» и неконтролируемый расход токенов. Хотя циклы потребляют больше времени и вычислительных ресурсов (пример с разработкой игры в Anthropic: 9$ за 20 минут против 200$ за 6 часов), они обеспечивают значительно более высокое качество результата. Будущее видится за инженерами, которые не пишут промпты, а проектируют эффективные автономные циклы, оставаясь ответственными архитекторами и сохраняя критическое мышление. Prompt умер, да здравствует Loop.

marsbit06/29 08:39

Лао Хуан: Prompt мертв, весь мир ИИ лихорадочно гонится за Loop

marsbit06/29 08:39

Дженсен Хуан: Prompt устарел, Loop — это новая парадигма

Промпты устаревают, на смену приходит «Loop-инжиниринг»: новый подход к работе с ИИ, при котором система самостоятельно выполняет задачи, проверяет результаты и повторяет цикл до достижения цели. Ключевые идеи: - **Loop** — это циклическая система, где ИИ действует автономно, а человек лишь задаёт правила и критерии проверки. - **Примеры внедрения**: Claude Code использует `/goal` для целевых задач и отдельную модель Haiku для проверки кода; OpenAI Codex задействует несколько агентов параллельно. - **Практические шаги**: 1. Проверка применимости (повторяемость задачи, автоматическая проверка, бюджет, инструменты). 2. Создание минимального рабочего цикла с триггером, навыком, файлом состояния и контролем качества. 3. Разделение агентов на «исполнителей» и «проверяющих». 4. Избегание типичных ошибок (отсутствие ограничений, игнорирование состояния, сложные задачи). - **Эволюция подходов**: от Prompt Engineering (2023–2024) к Context Engineering, затем Harness Engineering и, наконец, Loop Engineering — постепенное повышение уровня абстракции и автономности. - **Академические корни**: концепция восходит к框架ам вроде ReAct (2022), где ИИ циклически сочетает рассуждения и действия. - **Предостережения**: эксперты отмечают высокие затраты на токены и риск утраты понимания системы при полной автоматизации. Loop становится новой парадигмой, смещая фокус с написания промптов на проектирование самоуправляемых систем, но требует взвешенного внедрения и контроля.

marsbit06/25 14:29

Дженсен Хуан: Prompt устарел, Loop — это новая парадигма

marsbit06/25 14:29

Руководство по использованию режима цели в Codex: как заставить ИИ последовательно продвигаться к конкретной цели

OpenAI представила режим цели (/goal) для Codex, который позволяет ИИ непрерывно работать над достижением конкретного результата в течение часов или даже дней. Ключ к эффективному использованию — определение чётких, измеримых критериев завершения (например, «сократить время сборки на 30%» или «добиться LCP ниже 2,5 сек»), а не длинные описания. Важно давать Codex направление, инструменты и доступ к реалистичной среде (например, staging, близкому к production), чтобы он мог оценивать прогресс. Для визуальных задач лучше ставить функциональные или системные требования, а не требовать «пиксель в пиксель». При длительной работе полезно отслеживать прогресс через коммиты, черновики PR, обновления в Slack или отдельные чаты (/side). После достижения цели рекомендуется провести ревью и рефакторинг, чтобы убрать пробные или неоптимальные изменения. Таким образом, роль разработчика смещается от написания промптов к управлению автономным инженерным агентом, который самостоятельно работает над чётко определёнными, измеримыми целями.

marsbit06/06 08:12

Руководство по использованию режима цели в Codex: как заставить ИИ последовательно продвигаться к конкретной цели

marsbit06/06 08:12

Как стать продвинутым пользователем Claude за 30 дней?

**Как стать продвинутым пользователем Claude за 30 дней** Этот план на месяц превращает Claude из простого инструмента для вопросов и ответов в вашу персональную операционную систему для работы. Вместо разовых запросов вы создаете систему с контекстом, памятью и рабочими процессами. **Неделя 1: Основа.** Научитесь писать четкие промты (роль, контекст, задача, формат, ограничения). Поймите, как работает контекстное окно. Настройте **Projects** (для основных задач, исследований, письма) и включите **Memory**, чтобы Claude запоминал ваши предпочтения. **Неделя 2: Рабочие процессы.** Создайте шаблоны для ключевых задач: * **Исследования:** Анализ темы, структурирование выводов. * **Письмо:** Двухэтапный процесс: сначала план/структура, затем текст на его основе. * **Принятие решений:** Анализ вариантов, плюсов/минусов, рекомендаций. **Неделя 3: Автономная работа.** Начните использовать **Claude Coworker** для выполнения задач на вашем компьютере (анализ данных, создание документов). Подключите внешние инструменты (Google Drive, Slack, календарь). Настройте первые автоматические задачи (ежедневное планирование, еженедельные отчеты). **Неделя 4: Оптимизация и система.** Пересмотрите и улучшите все промты и рабочие процессы на основе обратной связи. Создайте личную базу знаний из лучших выводов Claude. Спроектируйте свою идеальную "операционную систему" — полную схему связанных рабочих процессов и автоматизаций для вашей роли. Через 30 дней Claude будет работать на вас: автоматически готовить документы, проводить исследования в заданном контексте и стиле, экономя ваше время для самой важной работы. Ключ — не в разовых командах, а в построении целостной, настраиваемой системы.

marsbit05/20 08:08

Как стать продвинутым пользователем Claude за 30 дней?

marsbit05/20 08:08

Три фреймворка для прорыва в использовании ИИ обычными людьми: как избежать ловушки «ежедневного повторения одних и тех же запросов»

Статья описывает три ключевых подхода для эффективного использования ИИ (на примере Claude), которые позволяют перейти от рутинного взаимодействия к созданию автономной рабочей среды. 1. **Трехуровневая эволюция**: - **Первый уровень (Prompt)**: Ежедневные одноразовые запросы без накопления знаний. - **Второй уровень (Project)**: Контекст сохраняется в рамках проекта, но ограничен его границами. - **Третий уровень (Skill)**: Создание постоянных навыков, которые ИИ применяет автоматически. 2. **Мышление: транзакции vs сложный процент**: Prompt — это разовая «сделка», а Skill — это актив, который работает на вас постоянно, накапливая эффективность. 3. **Принцип «Тонкая оболочка, богатые навыки»**: Основное внимание следует уделять созданию качественных навыков (Skills), а не настройке инструментов (Harness). Skills определяют методологию, а не просто задачу. **Как начать**: Проанализируйте повторяющиеся задачи, создайте Skills для их автоматизации, используя встроенные инструменты (например, «Skill Creator»). Это превратит ИИ в персонального эксперта, который учится и улучшается со временем.

marsbit04/22 06:45

Три фреймворка для прорыва в использовании ИИ обычными людьми: как избежать ловушки «ежедневного повторения одних и тех же запросов»

marsbit04/22 06:45

活动图片