Skip to main content
Все новости
AI RADARМодели
368•22.07.2026, 07:45•2 мин

Советы Андрея Карпати по работе с LLM

Советы Андрея Карпати по работе с LLM
Коротко о главном30 сек

Андрей Карпати делится своими любимыми методами работы с LLM, предлагая использовать голосовой режим для создания хаотичных монологов.

Советы Андрея Карпати по работе с LLM

Андрей Карпати рассказал об одном из своих любимых способов работы с LLM. Он советует иногда не пытаться формулировать идеальный промпт, а просто надиктовать модели длинный поток мыслей.

Можно включить голосовой режим и минут десять рассказывать всё подряд: с повторами, ошибками, обрывками фраз и скачками между темами. По его словам, LLM хорошо умеют собирать такие хаотичные монологи в связную картину и зачастую формулируют вашу же мысль гораздо чище, чем вы сами.

Иногда такую сессию можно превратить в небольшое интервью на несколько реплик. В результате модель лучше понимает контекст и конечную цель, а дальше вам приходится гораздо реже её поправлять.

Почему это важно

Аналитика

Этот подход позволяет более эффективно использовать LLM, упрощая процесс формулирования запросов и улучшая результаты.

Обсудить в сообществе

Делитесь опытом и мыслями с ИИ-разработчиками

Telegram-сообщество
+5 Points
← Назад к новостям

Связанные материалы экосистемы

Практические гайды, терминология и агентские скиллы

Новость

AI-дайджест за две недели: GPT-6.1 Terra, Gemini 4 Carbon, Mistral Large 4 и изменения тарифов

Свежий обзор новостей AI: обновления LLM, изменения подписок OpenAI и Anthropic, новые world-модели, видео-генераторы и корпоративные детали.

Новость

Исследователи MIT показали, что GPT-6 Astra может улучшать другие ИИ-модели, изменяя их веса

В эксперименте Astra повысила точность Qwen3.5-0.8B на бенчмарке MATH-500 с 7,9% до 48,1%, изменив всего 0,016% весов модели.

Практический гайд

Часть I. Архитектура ИИ-агентов: фундаментальные блоки

Одиннадцать фундаментальных строительных блоков современного ИИ-агента: таксономия моделей, агентный рантайм, техники промптинга, дистилляция, архитектура навыков (skills), память, function calling и FinOps.

Практический гайд

Часть II. Архитектура ИИ-агентов: от модели до памяти и инструментов

Глубокое инженерное погружение: токенизация, KV-кэш, детерминизм сэмплинга, тренировочный стек, квантование, контекстная инженерия, стек безопасности, производственный RAG, ReAct и мультиагентные swarm-системы.