Как пользоваться ИИ: пять правил из 800 сессий с ИИ за месяц

За последние 30 дней у моих ИИ-агентов было больше 800 сессий. Около 190 из них я начал сам, сообщением в Telegram. Остальное агенты запустили по расписанию или раздали помощникам. Среди задач были разбор упавшего сервера, ТЗ для сайта, настройка оплаты, правка поста, поиск ИНН и даже определение породы собаки по фото. Ниже пять правил, которые у меня из этого получились, и опыт на одном письме, где видно, как они работают.

С чего начать пользоваться ИИ

Нужен один чат-сервис и одна задача, которую вы делаете руками каждую неделю. Подойдёт ChatGPT, Claude, DeepSeek, GigaChat или Алиса. Разница между ними для первых недель меньше, чем разница между хорошим и плохим запросом. Берите тот сервис, что открывается у вас без мучений, и начинайте с этой задачи: письма, отчёта, разбора документа, плана поездки.

Первые дни уйдут на то, чтобы понять, где ИИ экономит время, а где вы дольше проверяете, чем делали бы сами. Это нормально. У меня такие задачи до сих пор есть, о них в конце.

Если не хочется отдавать данные в облако, нейросеть можно запустить на своём компьютере. Как это сделать, я разобрал в статье про локальную нейросеть на ПК. Все опыты ниже я делал именно так, на ноутбуке, чтобы их мог повторить кто угодно.

Правило 1. Пишите задачу так, будто объясняете новому сотруднику

Нейросеть знает много в целом и ничего о вас. Она не знает, кому письмо, какой срок, что уже решено и какой тон нужен. Недостающие детали она может додумать.

Проверил на простом примере. Попросил локальную модель Qwen 2.5 на 7 миллиардов параметров написать письмо арендодателю: «Напиши письмо арендодателю: хочу съехать раньше». Оба раза получился шаблон на 90–100 слов: «Уважаемый [ФИО арендодателя]», «Моя дата выезда — [укажите дату]» и обещание уборки, которой я не обещал. В первом ответе вдобавок подпись с тремя пустыми полями: имя, телефон, почта. Отправить такое нельзя, сначала его надо заполнить и почистить.

Второй запрос был длиннее:

Напиши короткое письмо арендодателю, Ирине. Я снимаю у неё квартиру с марта
по договору на год, хочу съехать 30 ноября, на три месяца раньше. По договору
предупредить нужно за 30 дней, сегодня 26 октября. Квартиру сдам в том же
состоянии, готов показать её новым жильцам. Тон дружелюбный, без канцелярита,
до 120 слов. Спроси, удобно ли ей встретиться 30 ноября для передачи ключей.

Письмо стало вдвое короче, 45–55 слов, с именем, датой и вопросом про ключи. Шаблонных полей осталось одно, «[Ваше имя]» в подписи.

Но в обоих прогонах модель не написала, что я предупреждаю за 30 дней. Об этом я прямо не просил, а без этой фразы письмо теряет смысл. Во втором прогоне она перешла с Ириной на «ты»: обращение я тоже не указал.

Тогда я дописал в запрос два требования: обращаться на «вы» и прямо написать, что предупреждаю за 30 дней, как в договоре. Добавил и запрет на факты, которых нет в сообщении. Из трёх новых писем все три были на «вы». Срок в 30 дней появился только в одном. В двух других осталось «в соответствии с условиями договора».

В хорошем запросе обычно четыре части:

• Кто и для кого. Кому текст или для чего результат.
• Факты. Даты, суммы, имена, что уже сделано. Всё, что модель не должна придумывать.
• Рамки. Длина, тон, обращение, формат, чего не делать.
• Что сдать. Письмо, таблица, список из трёх вариантов, код.

Длинный запрос пишется минуту. Исправление пустого шаблона заняло бы больше. А то, без чего результат не нужен, стоит назвать отдельной строкой и потом проверить.

Правило 2. Не полагайтесь на проверку той же моделью

Раз модель пропустила 30 дней, я попросил её проверить письма по списку из шести пунктов: дата выезда, срок 30 дней, обращение на «вы», нет лишних фактов, вопрос про ключи, не больше 120 слов. На каждый пункт она должна была ответить «да» или «нет» и процитировать место в письме.

Проверку я запустил двумя способами. В первом модель проверяла письмо в том же чате, где его написала. Во втором в новом чате, где ей дали исходную задачу и письмо.

Результат одинаковый. Оба способа приняли все три письма. В двух письмах, где срока не было, они засчитали за него общую фразу «в соответствии с условиями договора». Оба ни разу не посчитали длину верно: письма на 44–46 слов они называли письмами на 105–119 слов. В одном прогоне модель вместо ответа на пункт про длину просто переписала всё письмо целиком.

Этот опыт показывает поведение одной маленькой локальной модели, другие модели нужно проверять отдельно. Но проверять так, чтобы ошибка проверяющего ничего не стоила, полезно с любой моделью. Подробнее о том, почему модели уверенно ошибаются, я писал в статье про галлюцинации нейросети.

Отсюда то, как я делаю сейчас:

• что можно посчитать, считаю не моделью: длину, суммы, даты, количество строк;
• главное требование нахожу в ответе глазами, а не верю пункту «да» в проверке;
• смысл проверяю другой моделью, а не той, что писала;
• факты, от которых что-то зависит, проверяю сам.

У меня в работе текст, код и решения проходят проверку моделью другого семейства. Если писал Claude, проверяет GPT, и наоборот. Ошибки у них часто в разных местах. Эту статью, к слову, GPT-ревьюер вернул мне с двумя серьёзными замечаниями к первому варианту опыта, и я его переделал.

Правило 3. Давайте материал, а не просите вспомнить

Нейросеть плохо помнит точные вещи: версии программ, цены, лимиты, номера статей закона. Она знает, как они обычно выглядят, и может выдать похожее. Если нужен точный ответ, дайте ей источник: вставьте текст договора, лог ошибки, страницу документации, выгрузку таблицы.

Когда у меня падает сервер, я не спрашиваю «почему не работает Ceph». Я отдаю вывод команд и лог за последний час. Ответ на такой запрос можно проверить: модель ссылается на строки, которые я сам вижу.

Если сервис умеет искать в интернете, просите ссылку на источник и открывайте её. Ссылки модели тоже иногда придумывают.

Правило 4. Новая задача, новый чат

Модель не помнит прошлые разговоры сама по себе. В каждом ответе она опирается на текст текущего чата, который сервис ей передаёт. В длинном чате этого текста много, и модель может упускать детали из начала. Некоторые сервисы сами сокращают старую часть переписки, и тогда детали теряются уже при сокращении. Сколько текста модель держит, зависит от сервиса и тарифа.

Я начинаю новый чат на каждую новую задачу. Если задача длинная, прошу модель написать короткую сводку того, что сделано и что осталось, и вставляю её в новый чат. Как это устроено, я разобрал в статье про контекстное окно.

Правило 5. Решайте, что ИИ не отдавать

Я не отдаю ИИ:

• пароли, ключи и чужие персональные данные. Облачный сервис хранит переписку, и не всегда понятно, где и сколько;
• последний шаг, который нельзя отменить. Оплату, отправку письма, удаление данных, публикацию. Нейросеть готовит, кнопку жму я;
• решения, за которые отвечаю я. Модель может разложить варианты и посчитать, но выбирает человек.

Остальное отдаю почти всё. По моим задачам за месяц больше всего ушло на работу (серверы, код, ТЗ, разбор логов), потом на тексты и контент, потом на бизнес-рутину: реквизиты, настройка оплаты, ответы на предложения. Немного на дом: собака, документы, планы.

Первая задача: пошагово

Если вы только начинаете, пройдите один полный круг на своей задаче:

1. Откройте чат-сервис на его официальном сайте или в приложении.
2. Напишите запрос по четырём частям из правила 1: для кого, факты, рамки, что сдать.
3. Прочитайте ответ и допишите в тот же чат, что исправить: «короче», «на вы», «убери последний абзац», «добавь, что предупреждаю за 30 дней».
4. Найдите в ответе глазами главное требование и все цифры. Сверьте их с исходными данными.
5. Перенесите результат в письмо или документ и отправьте сами.

На письмо арендодателю у меня это заняло пару минут. Через несколько таких задач запрос начинает писаться сам.

Как пользоваться ИИ на работе: пример одного дня

Обычный рабочий день у меня выглядит так. Утром агент присылает сводку задач с доски. Я пишу ему в Telegram пару строк, что делать, он уходит работать и возвращается с результатом и тем, что проверить мне. Тексты для сайта пишет одна модель, проверяет другая, потом я читаю и правлю. Код пишет агент в терминале, тесты запускает он же, ревью делает модель другого семейства.

Начинать так сразу не нужно. Этот порядок вырос постепенно. Сначала был чат и копирование ответов в документ. Потом появились свои инструкции, которые я вставлял в начало каждого чата. Потом агенты, которые сами берут файлы и запускают команды. Как собрать такого агента, я показал в статье как создать ИИ-агента.

Что запомнить

• Пишите задачу как новому сотруднику: кто, факты, рамки, что сдать.
• То, без чего результат не нужен, называйте отдельной строкой.
• Не верьте проверке той же моделью. Главное ищите в ответе сами, смысл давайте проверить другой модели.
• Что можно посчитать, считайте не моделью.
• Давайте источник вместо вопроса «вспомни».
• Новая задача, новый чат.
• Необратимый шаг делает человек.

Все запросы и ответы из этой статьи я получил 26 октября 2026 года на MacBook Pro M1 Pro 16 ГБ, модель qwen2.5:7b-instruct через Ollama 0.40.4, по два-три прогона на каждый опыт. Слова я считал программой, по пробелам, без пояснений модели до и после письма. Другие модели, особенно облачные, ответят иначе, и проверять их нужно отдельно.