Я всё объяснил, а получил банальность. Переписывать промпт с нуля?
Не всегда. Первый ответ — не экзамен модели и не готовый продукт. Это ещё и диагностика: он показывает, какую часть задачи система поняла иначе или не увидела вовсе.

Люди часто выбирают одну из крайностей:
• принимают первый гладкий ответ;
• бесконечно нажимают «сгенерировать ещё».
Новые варианты из той же постановки обычно повторяют ту же поломку. Улучшение начинается с её названия.

Не просите «лучше». Сначала определите, что именно не работает, затем измените один элемент задачи и сравните результат.

Не стирайте запрос и не начинайте с чистого листа.
Первый ответ показывает, как модель поняла:
• действие;
• аудиторию;
• масштаб;
• контекст;
• форму;
• критерии;
• границы.
Если его удалить, исчезнет единственная обратная связь. Следующий запрос снова станет угадыванием.
Положите рядом три вещи:

1. исходный запрос;
2. полученный ответ;
3. собственное объяснение, чем он не устраивает.

Формулировка может быть живой и раздражённой: «пишет как пресс-релиз», «всё правильно, но нечего забрать», «снова выдумал детали», «так могло быть про любую организацию». Потом её можно перевести в рабочий диагноз.

Ответ может быть:
• слишком общим;
• фактически ненадёжным;
• не о той аудитории;
• без позиции;
• неверного масштаба;
• слишком длинным;
• формально правильным, но бесполезным;
• чужим по голосу;
• неподходящим для следующего действия.
«Мне не нравится» недостаточно для следующей итерации.

Пусто и обще
В ответе правильные слова, но нет фактуры, различий и решений.
Возможные причины:
• входной материал пуст;
• тема слишком широка;
• не выбрано направление;
• модель должна сама придумать опыт и позицию.
Здесь помогают недостающий материал, «матрёшка» и послойные вопросы.
Содержание есть, форма не та
Мысли полезны, но результат нельзя использовать: не тот объём, жанр, порядок, степень подробности или технический формат.
Здесь нужен разобранный образец и явные параметры формы. Не «сделай как здесь», а «начинается с ситуации, затем показывает три шага, каждый шаг подкреплён фрагментом».
Я сам не знаю, чего хочу
Любой вариант кажется не тем, но критерий отказа не формулируется.
Не нужно изображать точное техническое задание. Переведите модель в режим разведки: попросите несколько принципиально разных направлений, риски каждого и вопросы, от которых зависит выбор.
Я не понимаю язык инструмента
Задача ясна, но неизвестно, какие параметры принимает конкретный генератор, редактор или сервис.
Используйте чат как переводчика: опишите нужный результат обычным языком и попросите собрать запрос под конкретный инструмент. Проверьте параметры по документации, а не по уверенности ответа.

ИИ не добывает ваш опыт из воздуха. Если не хватает конкретики, добавьте:
• факты;
• цитаты;
• наблюдения;
• исходный черновик;
• примеры;
• реальные вопросы аудитории;
• ограничения ситуации.
Иногда проблема не в запросе, а в пустом входе.

Вместо:
Напиши сильную статью.
попросите:
Из этих заметок выдели три противоречия. Для каждого покажи фрагменты, на которых оно основано. Не пиши статью.
Большую задачу легче контролировать через последовательные операции.
Приём «матрёшка»
Когда вы знаете критерий выбора, но не знаете финальную форму, двигайтесь слоями:

1. попросите десять направлений;
2. выберите одно;
3. запросите пять ходов внутри него;
4. выберите ход;
5. только затем собирайте результат.

На каждом слое решение принимает человек. Новая генерация не просто повторяет предыдущую, а работает в уже суженном пространстве.

Пример показывает направление. Антипример обозначает границу.
Важно объяснить, почему пример хорош, а не просто приложить текст. Иначе модель может перенести внешнюю форму и потерять функцию.

Если модель вынуждена угадывать, полезнее остановить генерацию:
Какие данные тебе нужны, чтобы выполнить задачу без общих предположений? Задай не больше пяти вопросов.
Вопросы обнаруживают пробелы быстрее, чем десятая версия текста.
В материалах курса этот приём связан с практикой Александра Ларьяновского: модель сначала не отвечает, а задаёт вопросы по одному, пока не накопится достаточно конкретики. Экспертом остаётся человек; чат временно выполняет работу интервьюера.
Такой режим полезен, если тема вам знакома, но вы пока не видите, что в ней главное.

Иногда структурированный бриф обедняет задачу. На экране остаётся сухая строка, хотя в голове есть конфликт, раздражение, неудачные попытки и скрытые ограничения.
Расскажите всё как есть:
• что произошло;
• что уже пробовали;
• что не устраивает;
• чего опасаетесь;
• какой вариант точно не нужен;
• что пока невозможно решить.
Затем попросите модель не выполнять задачу, а извлечь из рассказа:
• возможную настоящую задачу;
• противоречия;
• недостающие данные;
• несколько направлений;
• вопросы для выбора.
Это не способ переложить постановку задачи. Это способ сначала увидеть собственный материал.

Для проверяемой операции можно запросить:
• на какой фрагмент опирается вывод;
• какие правила были применены;
• что осталось неизвестным;
• какие альтернативы рассматривались;
• где ответ наиболее ненадёжен.
Объяснение модели тоже требует проверки, но делает скрытые допущения заметнее.

Если одновременно заменить аудиторию, формат, тон, объём и задачу, невозможно понять, что помогло.
Сделайте две версии с одним различием и сравните по заранее заданному критерию.
Ведите короткий журнал:
Версия — Диагноз — Что изменили — По какому критерию сравниваем — Результат
Без записи диалог быстро превращается в ощущение «кажется, стало лучше». С записью появляется переносимый метод.

Диалог пора завершать, если:
• результат уже пригоден для следующего шага;
• дальнейшая ручная правка быстрее;
• ИИ стабильно не справляется с типом решения;
• на входе не хватает данных;
• цена проверки выше возможной экономии.
Количество итераций не является показателем качества работы.
Назначьте предел заранее:
• три круга;
• пятнадцать минут;
• одна попытка с новым материалом;
• одна попытка с новой формой.
Когда предел достигнут, есть три нормальных решения:

1. взять пригодную часть и закончить руками;
2. вернуться к исследованию, потому что не хватает материала;
3. признать, что операция не подходит этому инструменту.

Остановиться — не значит проиграть модели. Значит перестать оплачивать эксперимент временем, которое уже дороже результата.

В разработке Mediatrek тестировался бот, который по ответам человека рекомендовал обучающие модули.
Технически механизм работал: собирал ответы, сопоставлял их с вариантами и выдавал маршрут. Но часть людей оставалась недовольна. Их реакция была примерно такой:
Бот не понимает всей сложности моей индивидуальной ситуации.
Можно было бесконечно улучшать формулировки рекомендации. Но диагноз находился раньше.
Человек приходил не только за списком модулей. Он хотел, чтобы кто-то понял противоречия его профессиональной ситуации: опыт есть, но он не складывается; хочется сменить роль, но не начинать с нуля; задача выглядит как контентная, а упирается в устройство команды.
Короткая анкета не добывала этот контекст. Модель заполняла пробелы типовой логикой и возвращала аккуратный ответ. Новая генерация на тех же данных не могла стать индивидуальнее.
Из этого следовали разные решения:
• использовать механику как продажную воронку, где она помогает человеку увидеть поле вопросов, но не обещает точную диагностику;
• добавить живой разговор там, где действительно заявлено индивидуальное понимание;
• изменить обещание результата;
• не выдавать рекомендацию за готовый профессиональный маршрут.
Это пример неудачи, которую нельзя вылечить словами «будь внимательнее» или «учти всю сложность». Нужно изменить вход, масштаб задачи или роль инструмента.

Покажите модели запрос и плохой ответ, но запретите немедленно переписывать:
Не улучшай ответ. Сначала поставь диагноз.
Мой исходный запрос:
[текст]
Полученный ответ:
[текст]
Что меня не устраивает:
[опишите своими словами]

1. Определи тип неудачи: пусто и обще; содержание есть, форма не та; я не определил результат; задача не подходит этому инструменту.
2. Покажи, какое место запроса привело к этой поломке.
3. Назови один параметр, который стоит изменить следующим.
4. Дай проверяемый признак, по которому я сравню новую версию со старой.
5. Отдельно скажи, каких данных в принципе нет и нельзя получить новой формулировкой.

Диагноз модели тоже не является истиной. Его ценность в том, что он заставляет выбрать следующую операцию вместо бесконечного «ещё раз».

Возьмите один слабый ответ и проведите три разные итерации:

1. добавьте недостающий материал;
2. сузьте действие;
3. добавьте критерий или антипример.

Версия — Что изменили — Что стало лучше — Что не исправилось — Сколько времени ушло
В конце сформулируйте личное правило остановки.
Для второй части практики возьмите другой неудачный ответ и определите его диагноз: «пусто», «не та форма», «не знаю, чего хочу» или «не понимаю инструмент». Выберите приём именно под диагноз. Если результат не изменился по заданному критерию, вернитесь и исправьте диагноз, а не усиливайте тот же приём.

Набор приёмов доращивания результата и понимание, когда следующая генерация уже невыгодна.

• Поломка названа конкретно.
• Добавлен реальный материал.
• Большая задача разделена.
• Изменяется один параметр за раз.
• Версии сравниваются по критерию.
• Есть правило остановки.
• Учтено время всех итераций.
• Приём выбран по типу неудачи.
• Сохранён журнал изменений и сравнений.

Первый ответ полезен не только содержанием. Он показывает, где задача осталась неопределённой. Но профессиональная работа начинается с диагноза, а не с бесконечной генерации.

• A07 Почему текст ИИ получается пластмассовым
• A03 Как проверить результат ИИ
• A02 Как поставить ИИ рабочую задачу