Prompt Fatigue (Усталость от Промптов и Исчерпание Формулировок)

1. Обзор концепции и системная проблема

В начале эйфории от генеративного ИИ бытует тезис: "Английский язык стал новым языком программирования". Однако на практике тысячи разработчиков столкнулись с фундаментальным сопротивлением человеческой психики: думать и формулировать мысли разговорным языком для описания строгих математических систем чрезвычайно трудно.

Prompt Fatigue (Усталость от Промптов) — это состояние когнитивного истощения, когда разработчик ловит себя на мысли: "Мне физически легче открыть файл и написать эти 10 строк собственноручно, чем снова объяснять ассистенту, чего я от него хочу".

Главные драйверы усталости от промптов:

• Семантическое сопротивление: Потребность постоянно думать: "Как построить фразу так, чтобы модель не поняла ее двусмысленно?".
• Эффект сломанного телефона: Многократное повторение одних и тех же контекстных рамок ("мы используем Tailwind v4, а не v3!").
• Потеря ощущения тактильного контроля: Инженер перестает ощущать прямой физический контакт с материалом кода, превращаясь в уставшего оператора колл-центра.

Цикл Prompt Churn (Усталость от Промптов):
[Намерение: добавить валидацию] ---> [Промпт 1: "Добавь проверку email"]
                                         |
                                         v
[Модель добавила регулярку, но стерла импорты] <--- [Раздражение]
                                         |
                                         v
[Промпт 2: "Верни импорты назад и оставь регулярку!"]
                                         |
                                         v
[Модель изменила логику функции] <--- [Острая фрустрация]
                                         |
                                         v
[Вывод: "Проще было написать руками за 20 секунд"]

2. Архитектурная таксономия и ментальная модель

Градация интерфейсов взаимодействия по уровню когнитивного сопротивления:

1. Уровень высокого трения (Interactive Conversational Chat):
   • Работа через свободное окно чата без структуры. Наивысший риск усталости из-за непредсказуемости поведения модели и необходимости каждый раз печатать длинные предложения.
2. Уровень среднего трения (Inline In-place Prompts — ⌘K):
   • Выделение конкретной области кода с короткой глагольной инструкцией ("extract component", "add try-catch"). Снижает напряжение, поскольку контекст ограничен выделением.
3. Уровень низкого трения (Voice-to-Text Dictation — Superwhisper / Wispr):
   • Проговаривание мыслей вслух со скоростью 150 слов/мин без напряжения пальцев. Модель локально распознает речь и формирует четкий текст.
4. Уровень нулевого трения (Spec-Driven & Declarative Rules):
   • Использование системных инвариантов: .cursorrules, CLAUDE.md, заранее написанные TypeScript-интерфейсы. Модель выполняет код без каких-либо промптов на естественном языке.

3. Технический пайплайн и внутренняя механика

Матрица выбора: Когда промптить, а когда кодить руками

Протокол устранения повторных промптов через Persistent Rules

Если вы поймали себя на том, что во второй раз объясняете модели одно и то же правило, немедленно экстрагируйте его в файл конфигурации репозитория:

<!-- .cursorrules или AGENTS.md -->
## Project Engineering Invariants
- Никогда не удаляй комментарии @deprecated без явной команды.
- Используй исключительно safeParse() из библиотеки Zod.
- Все компоненты должны быть Server Components по умолчанию.
- Если компонент требует состояния, добавляй директиву 'use client' на первой строке.

После этого ни одно из этих правил больше никогда не нужно писать в чате руками.

4. Практические инженерные сценарии в продакшене

01. Замена текстового набора промптов на локальное голосовое введение

Разработчик ощущает боль в запястьях и истощение от набора сотен символов промптов в день. Он устанавливает Superwhisper (локальная модель Whisper на базе Metal/GPU на Mac). Вместо набора текста он зажимает горячую клавишу и за 10 секунд наговоривает задачу в микрофон естественным тоном. Скорость постановки задач возрастает в три раза, а физическая и когнитивная усталость падает почти до нуля.

02. Осознанное возвращение к ручному кодингу ("Zen Programming")

После двух недель непрерывной борьбы с галлюцинациями агентов во время сложной интеграции инженер закрывает чат с ИИ на целый день. Он самостоятельно реализует чистый алгоритм на чистом TypeScript, получая удовольствие от каждого символа, полной тишины и восстановления контроля над системой.

03. Использование тестов вместо промптов для исправления багов

Вместо того, чтобы 5 раз переписывать промпт "исправь баг, когда пользователь передает пустой массив", инженер просто пишет один failing unit-тест в Vitest:

it("should return empty array when input is empty", () => {
  expect(parseData([])).toEqual([]);
});

И передает агенту команду из двух слов: "Make tests pass". Модель ориентируется на компилятор и исправляет код с первой попытки.

5. Подводные камни, типовые ошибки и безопасность

1. "Промптинг до посинения" (The Sunk Cost Prompting Trap): Потратив 20 минут на попытки заставить модель сгенерировать правильный CSS-глексбокс или регулярное выражение, инженер не может остановиться из-за сожаления о потраченном времени. Правило стоп-лоса: если модель не дала корректного результата с двух попыток, прекратите диалог и напишите код руками.
2. Паралич из-за попытки написать "идеальный промпт": Тратя 15 минут на формулирование трехстраничного "идеального промпта" для задачи, реализация которой руками занимает 5 минут. Не усложняйте промпты там, где нужна простая действие.
3. Эмоциональное выгорание от антропоморфизации: Попытки спорить с моделью, раздражаться или чувствовать обиду на "глупость" алгоритма сжигают реальные ресурсы нервной системы. Помните: LLM — это просто математическая матрица прогнозирования следующего токена, а не живой человек.