Kas ir MI?

MI apzīmē mākslīgo intelektu: datorsistēmas, kas dara lietas, ko parasti saistām ar cilvēka domāšanu, piemēram, raksta, tulko, atpazīst seju fotoattēlā vai atbild uz vienkāršā valodā uzdotu jautājumu. Parasta programmatūra seko noteikumiem, ko ierakstījis programmētājs. Sistēmas, ko šodien domājam, teikdami "MI", šādus noteikumus nesaņēma. Tās pašas atrada likumsakarības miljonos fotoattēlu vai miljardos teksta lapu un atbild, paredzot, kas visvairāk der.

Lūk, atšķirība vienā piemērā. Veca surogātpasta filtra pamatā ir cilvēka rakstīts noteikums: ja temata rindā rakstīts "BEZMAKSAS NAUDA", izmet grozā. Iemācīts filtrs saņem miljonu jau sašķirotu vēstuļu un pats atrod pazīmes, arī tādas, ko neviens nebūtu iedomājies pierakstīt. Tas pats darbs, pretējs virziens. Šo otro veidu jūs lietojat jau gadiem, to nesaucot par MI: tālruņa automātiskā teksta pabeigšana, foto lietotne, kas atrod visas jūsu suņa bildes, ieteikumi, kas nosaka, ko skatīsieties tālāk.

Pašas atrastas likumsakarības ir savādākas, nekā šķiet. Neviens neuzrakstīja noteikumu, kā izskatās suns, jo to nevarēja: spalva, četras kājas un mitrs deguns der arī kaķim. Sistēma pati no apakšas veidoja savu izpratni, no malām uz formām un tālāk uz veselu dzīvnieku, un nostiprinājās uz pazīmēm, ko neviens cilvēks nemēdz uzskaitīt. Tas ir vienlaikus tās stiprums un vājums. Tā spēj veikt darbus, kuriem neviens nevarētu uzrakstīt noteikumus, piemēram, atpazīt seju sliktā apgaismojumā un ar jaunu frizūru. Bet, kad tā kļūdās, nav rindas noteikumu, ko atvērt un izlabot. Uzvedība ir izkaisīta pa miljoniem skaitļu, un pat tie, kas to radījuši, nevar norādīt uz konkrēto vietu.

Ideja nav jauna, un lielāko daļu savas vēstures tā gāja pretējā virzienā. Džons Makkārtijs izdomāja terminu 1955. gada priekšlikumā darbnīcai, kas notika Dārtmutas koledžā nākamajā vasarā, un vēl gadu desmitiem pēc tam MI galvenokārt nozīmēja ar roku rakstītus noteikumus un loģiku. Nozare mainījās starp finansējuma vilnēm un garām sausuma periodiem. Mācīšanās no piemēriem par galveno pieeju kļuva tikai aptuveni pēdējos piecpadsmit gados. Nesen mainījās divas lietas. Viena bija spēja, otra pieejamība.

Spējas izmaiņas bija apjoms un dizains, ko Google pētnieki publicēja 2017. gadā un nosauca par transformeru. Agrākie modeļi lasīja tekstu vārdu pa vārdam. Transformers uztver visu fragmentu uzreiz, kas ļauj apmācību veikt paralēli tūkstošiem mikroshēmu un aprīt daudz vairāk teksta nekā agrāk. Iebariniet tam pietiekami daudz teksta un skaitļošanas jaudas, un iegūsiet lielo valodas modeli: sistēmu, kas izlasījusi milzīgu daļu no visa, ko cilvēki jebkad uzrakstījuši, un prot labi paredzēt, kas nāks tālāk. Tas stāv aiz ChatGPT, Claude un Gemini.

Divas parastas lietas šo apjomu padarīja iespējamu, un nevienu no tām neveidoja MI vajadzībām. Internetā bija sakrājies vairāk rakstīta teksta, nekā kāds jebkad varētu ar roku savākt. Un grafikas mikroshēmas, kas veidotas videospēlēm, izrādījās pareizā aparatūra šo modeļu apmācībai, jo abi darbi ir viena un tā pati aritmētika, kas jāveic milzīgu reižu skaitu vienlaikus. Lēts teksts satikās ar lētu paralēlo skaitļošanu, un vecā pieeja ar rokām rakstītiem noteikumiem klusi zaudēja.

Pieejamības izmaiņas ir tās, kas MI atnesa tieši pie jums. Agrīnie lielie modeļi bija neveikli, jo tie pabeidza tekstu, nevis atbildēja uz jautājumiem. Apmācība ar cilvēku atsauksmēm, lai modelis sekotu norādījumiem, teksta pabeidzēju pārvērta par kaut ko tādu, ar ko varēja runāt, un šī ievietošana sarunu lodziņā nozīmēja, ka lietošanai nebija vajadzīgs kods, apmācības dati vai tehniska sagatavošana. ChatGPT publiski atklāja 2022. gada 30. novembrī, un piecās dienās tam bija miljons lietotāju. Jūs ierakstījāt teikumu savos vārdos, un atnāca kaut kas jēdzīgs. Tieši tad visi sāka par to runāt vienlaikus.

Tāda paša veida modeļi kopš tā laika ir turpinājuši augt. Tagad tie lasa jūsu dokumentus, aplūko attēlus, izstrādā uzdevumu solis pa solim pirms atbildes un var pieslēgties jūsu kalendāram, e-pastam un failiem, tāpēc veic vairāksoļu darbus, nevis tikai atbild uz tiem.

Tāpēc saruna šķiet sākusies ar ChatGPT, lai gan pētniecībai ir septiņdesmit gadu. Šīs sastāvdaļas netika izgudrotas 2022. gadā. Tās vienkārši tika nodotas visiem vienlaikus.

Visi šos vārdus ieguva vienlaikus ar rīku, tāpēc tos jauc, kad tie nozīmē pilnīgi ko citu. Trīs no tiem iekļaujas cits citā, un tērzēšanas robots ir lodziņš, kurā rakstāt. Dažiem blakusesošiem terminiem ir tikpat svarīga loma, tāpēc tie ir arī tabulā. Mākslīgais intelekts ir nozare. Mašīnmācīšanās ir tajā izmantotā metode, dziļā mācīšanās ir mašīnmācīšanās veids, kas pārņēmis vadību, un LVM ir viena lieta, kas šādi veidota. Tērzēšanas robots ir logs, kas stāv tam priekšā.

Iedomājieties iekšā liktās kastes kā kastes citā kastē. Tērzēšanas robots nav viena no kastēm, tas ir virsma, caur ko piekļūstat. Aģents ir tas pats modelis, kam dotas iespējas un uzdevums. Vispārējais MI vispār neietilpst šajā struktūrā: tas ir mērķis, un pagaidām galvenokārt vārds pārdošanas tekstos.

Kad kaut kas noiet greizi, cilvēki saka, ka MI ir salūzis, un reti zina, kuru daļu tie domā. Reizēm tas ir slānis ap modeli: meklēšana, kas atrada nepareizu lapu, fails, kas apraujas pirms modelis to paguva izlasīt, rīks, kas atteica bez vārda. Biežāk atbilde nāca no paša modeļa, veidota pēc tā, kas tam tika un netika pateikts. Lai saprastu, kāpēc tā notiek, noder zināt, ko modelis patiesībā dara, atbildot.

Tas pats trikls izskaidro, kāpēc tas uzraksta lietojamu e-pastu un kāpēc tas mierīgā sejā izdomās faktu.

Jūsu tālruņa tastatūra uzmin nākamo vārdu. Valodas modelis dara to pašu, tikai redzot daudz lielāku teikuma daļu. Jūs dodat tam kādu tekstu. Tas izdomā, kāds mazs teksta gabaliņš visdrīzāk seko, pievieno to, no jauna izlasa visu un izvēlas nākamo gabaliņu. Tas atkārtojas, līdz apstājas. Šos gabaliņus sauc par tokeniem, aptuveni četras zīmes katrā, tāpēc īss vārds ir viens tokens, bet garāks sadalās divos vai trijos. Šī ir pamatoperācija, un tā notiek ChatGPT, Claude un Gemini iekšpusē. Liels valodas modelis, jeb LVM, ir modelis, kas veidots tieši šim mērķim. Tam nav datubāzes, kurā kaut ko uzmeklēt. Tas, ko tas zina, ir iecepts tā iekšējos iestatījumos, nevis saglabāts kā ieraksti, ko var izvilkt.

Konkrēts priekšstats par tokeniem palīdz. Vārds "kaķis" ir viens tokens, "neticamība" ir trīs vai četri, un reta zilbju bagāta uzvārds var sadalīties gabalā uz katru zilbi. Modelis nekad neredz burtus tā, kā jūs. Tas redz šos gabalus, tāpēc tas var nepareizi saskaitīt burtus vārdā, vienlaikus uzrakstot ap to gludu rindkopu.

Minēšana tika iemācīta, un tas ir tas, ko sauc par apmācību. Modelim rādīja triljoniem tokenu, un ikreiz, kad tā minējums nesakrita, tā iekšējie iestatījumi tika nedaudz pagrozīti. To atkārtojot mēnešiem ilgi, neiegūstat teksta kopiju. Iegūstat saspiestu izpratni par to, kā valoda mēdz veidoties. Tad otrs posms dara ko citu. Modeli no jauna apmāca ar cilvēku atsauksmēm par to, kuras atbildes cilvēki dod priekšroku, un kodam un matemātikai, vai atbilde patiešām izturēja pārbaudi. Šis otrais posms teksta paredzētāju pārvērš par palīgu, kas atbild jums, un tas ir svarīgi tālākajam.

Šim otrajam posmam ir blakusparādība, ko vērts zināt. Tā kā to vērtē pēc tā, ko cilvēki labprātāk izvēlas, modelis iemācās, ka izklausīties izpalīdzīgam un piekāpīgam saņem labu vērtējumu, tāpēc tas dažreiz mīkstinās pareizu noliegumu vai piekritīs jūsu kļūdainajam pieņēmumam. Uzstājieties pretī savam jautājumam vai lūdziet tam aizstāvēt pretējo viedokli, un bieži saņemsiet labāku atbildi nekā pirmo reizi.

Ar to pietiek, lai iegūtu darbojošos kodu, jo kods ir valoda ar neparasti stingriem paradumiem. Vairums rindu strādājošā funkcijā bija paredzamas no rindām virs tām, un mūsdienu modeļi pārējo apgūst, tos vērtējot pēc tā, vai kods patiešām nostrādāja. E-pasts ir vienkāršāks. Pieklājīgam turpinājumam ir pazīstama forma, un tieši šīs formas atkārtošana modelim padodas vislabāk. Bieži tas ir viss, kas vajadzīgs, tāpēc šie rīki šķiet uzticami, ilgi pirms tie to ir pelnījuši.

Nekas šajā pamatciklā nepārbauda, vai teksts ir patiess. Plūdums un precizitāte rodas no tā paša procesa, tāpēc tie izklausās vienādi. Modelis nav pilnīgi akls pret savu nezināšanu: tā iekšienē ir signāli, kas seko līdzi, vai tas atpazīst uzdoto jautājumu, un tas dažreiz izvairās vai atsakās atbildēt. Taču šie signāli ir neuzticami, un tie sliecas tomēr atbildēt. Tāpēc, kad modelis kaut ko zina, tas izklausās mierīgi un pārliecināti. Kad tam nav ne jausmas, tas bieži izklausās tieši tāpat. Daļa iemesla ir tas, kā šie modeļi tika vērtēti: vairumā pārbaužu pārliecināts minējums saņem labāku vērtējumu nekā "es nezinu", tāpēc minēt ir tas, kas tika ieaudzināts. Parastais vārds šim rezultātam ir halucinācija, kas ir pārāk maigs apzīmējums. Modelis nemelo. Tas rada vistiešāmāko turpinājumu, un ticama izskatā citāta nav tas pats, kas īsts citāts.

Noder saprast, kāpēc izdomāts citāts izskatās tik pārliecinošs. Modelis iemācījās citāta formu tāpat, kā iemācījās visu pārējo: autors, gads, nosaukums, žurnāls, tieši šādā secībā, tūkstošiem reižu. Tāpēc tas var salikt kopā tādu, kas ideāli iederas šajā formā, kaut arī neviena no četrām daļām nenorāda uz ko reālu. Tas pats attiecas uz tiesas lietu, tālruņa numuru, faila ceļu. Tas, ko tas atveido, ir raksts, un raksts ar reāli izskatošamām daļām ir tieši tas, no kā sastāv nepareiza atbilde.

Tāpēc tas, cik pārliecinoši izklausās atbilde, ir vājš, nevis uzticams ceļvedis, vai tā ir pareiza. Modelis, kas izklausās pārliecināts, dažkārt ir tiesnesis, dažkārt izdomā, un tonis starp abiem gadījumiem gandrīz nemainās. Vārdus, datumus, skaitļus, citātus, atsauces, visu, pēc kā gatavojaties rīkoties: pārbaudiet paši. Lūgums norādīt avotus palīdz, un rīks, kas meklē internetā un citē atrasto, ir patiešām cita lieta nekā tāds, kas atbild bezsaistē no atmiņas. Tikai atcerieties, ka arī citātu var pārbaudīt, un bieži vien tas ir vērts. Šis viens ieradums ir lielākā daļa atšķirības starp cilvēkiem, kas no šiem rīkiem gūst reālu labumu, un tiem, kas ar tiem apkaunojas.

Šī robeža iet taisni caur to, ko šie rīki spēj. Pašreizējie modeļi ir stipri visur, kur darbs ir valodas forma. Rakstīšana, pārrakstīšana, tulkošana. Koda rakstīšana un labošana. Desmit lapu piezīmju pārvēršana vienā lapā struktūras, vai jums svešas jomas skaidrošana tādā līmenī, kādā prasāt. Tie ir ātri, un tiem neapnīk desmitajā labojumu kārtā.

Tie ir neuzticami faktos, tā iemesla dēļ, kas minēts iepriekšējā nodaļā: nekas nākamā vārda paredzēšanā nepārbauda, vai vārds ir patiess. Modelis, kas kaut ko nezina, bieži to nepasaka. Tas aizpilda tukšo vietu ar kaut ko, kas izskatās pēc atbildes: ticamu datumu, atsauci uz rakstu, kas neeksistē, pārliecinošu rindkopu par jūsu nozari, kas ir tikai pa pusei pareiza.

Viena lieta, kas cilvēkus mulsina: tas, kā jautājat, maina to, ko saņemat. Tas pats jautājums, izteikts divos veidos, var dot divas dažādas atbildes, un neskaidrs jautājums saņem neskaidru atbildi. Palūdziet apkopot ziņojumu, un saņemsiet plakanu rindkopu, kas varētu aprakstīt jebkuru ziņojumu. Palūdziet trīs punktus, kas interesētu jūsu klientu, vienkāršos vārdos, saglabājot skaitļus, un tas pats modelis dos kaut ko, ko varat aizsūtīt tālāk. Darbs, ko neieliekat jautājumā, iztrūkst arī atbildē.

Un modelis zina tikai to, ko tam parādāt. Ne jūsu failus, ne kalendāru, ne to, ko tam teicāt vakar. Tieši šīs pēdējās nepilnības liek daudziem klusi nolemt, ka šie rīki nav domāti viņu īstajam darbam, un tās vērts apskatīt pa vienai.

Pajautājiet ChatGPT, kas rīt paredzēts jūsu kalendārā. Pats par sevi tas nevar paskatīties. Tas var lasīt tikai to, ko ielīmējat lodziņā. Modelis darbojas uzņēmuma serveros, jūsu kalendārs atrodas jūsu Google kontā, jūsu faili glabājas jūsu datorā, un pēc noklusējuma nekas no tā nav savienots. Jūs saņemat labu sarunu, un uz jūsu galda nekas nemainās.

Reāls savienojums pievieno nevis intelektu, bet sniedzamību. Tas pats modelis, kas minēja par jūsu nedēļu, var atvērt kalendāru, izlasīt projekta mapi un uzrakstīt atbildi ar reāliem skaitļiem.

Katru šādu saiti agrāk veidoja ar roku, atsevišķu integrāciju katram rīka un lietotnes pārim, tāpēc vairums cilvēku nesaņēma nevienu. MCP šo darbu novērsa. Tas apzīmē Model Context Protocol, atklātu standartu, ko 2024. gada 25. novembrī pirmo reizi publicēja un padarīja atklātu Anthropic. Tas dod lietotnei vienu kopīgu veidu, kā pieslēgties jebkuram rīkam. Kāds izveido savienotāju vienreiz, un jebkura lietotne, kas runā MCP valodā, var to izmantot, neatkarīgi no tā, kurš modelis tajā ir iekšā. Gan ChatGPT, gan Claude tagad to atbalsta.

Ietaupījums ir lielāks, nekā šķiet. Agrāk desmit lietotnes, kas katra vēlējās sasniegt desmit rīkus, nozīmēja simts atsevišķu savienotāju, katru uzbūvētu un uzturētu ar roku, tāpēc gandrīz neviens tos neveidoja. Pēc tam tas ir desmit plus desmit: uzbūvē katru pusi vienreiz. Tas ir liela daļa iemesla, kāpēc savienotāji no retuma kļuva par ikdienu.

Anthropic to laida klajā ar dažiem gataviem savienotājiem, tostarp Google Drive, Slack, GitHub un Postgres. Līdz 2026. gadam publiskie saraksti uzskaitīja desmitiem tūkstošu, lai gan tie skaita koda krātuves, nevis atsevišķus strādājošus rīkus, un tie savā starpā nesakrīt ar lielu starpību. Pilns skaidrojums ar avotiem ir rakstā kas ir MCP.

Mans pats iestatījums ir viens savienotājs uz vienu mapi ar vienkārša teksta piezīmēm, kas pieder man. Pirmdien pajautāju, kurus pagājušās nedēļas solījumus neesmu izpildījis, un tā vietā, lai minētu, tas izlasīja mapi un iedeva trīs. Divi bija pareizi.

Piekļuve strādā abos virzienos. Modeli, kas var sūtīt pastu, var piespiest sūtīt nepareizu pastu, un piespiešanu parasti veic kaut kas, ko tas lasa, dokuments vai tīmekļa lapa, nevis jūs pats. Savienojiet pa vienam rīkam, un zināt, ko katrs savienojums drīkst aizskart.

Praktiskā kontrole ir tas, ko katrs savienojums drīkst darīt, nevis tikai to, ko tas var redzēt. Saite, kas var lasīt jūsu kalendāru, bet ne mainīt to, to nevar iztukšot, lai ko modelim teiktu klaiņojošs dokuments. Piešķiriet rakstīšanas tiesības tikai tur, kur patiešām nepieciešamas izmaiņas, un saglabāsiet lielāko daļu sniedzamības ar mazāko daļu riska.

Sniedzamība ir tikai puse no atstarpes. Otra puse ir atmiņa, un tā ir tā, par ko jautā visbiežāk, tāpēc vērts atbildēt vienkārši. Nedaudz. ChatGPT, Claude un Gemini tagad glabā dažas piezīmes par jums starp sarunām. Modelis pats sevī neko neatceras par jums, un šīs piezīmes paliek pakalpojuma sniedzēja pusē, nevis jūsējā.

Pats modelis neko nepārnes tālāk. Atveriet jaunu sarunu, un tas nezina jūsu klientus, jūsu cenas vai to, ko nolēmāt otrdien, ja vien šī informācija netiek atkal tam parādīta.

Viss, ko tas jebkurā brīdī zina par jums, atrodas kontekstlogā: tekstā, kas tam ir priekšā tieši tagad. Iedomājieties tāfeli sanāksmju telpā. Jūsu jautājums, ielīmētais fails, modeļa paša atbildes, viss tiek uzrakstīts uz tāfeles un paliek salasāms, kamēr sanāksme turpinās. Tad to noslauka nākamajai grupai. Garā sarunā tas pat nav skaidrs ieraksts. Kad tāfele piepildās, agrākās daļas tiek apkopotas vai pabīdītas malā, lai atbrīvotu vietu.

Tam ir praktiska ietekme. Garā sarunā modelis var pazaudēt norādījumu, ko devāt pašā sākumā, nevis tāpēc, ka tas tā izvēlējās, bet tāpēc, ka šī tāfeles daļa tika apkopota, lai atbrīvotu vietu. Jūs neko nedarījāt nepareizi, un rīks nav salūzis. Telpai pietrūka vietas, un agrākais raksts tika izmests pirmais.

Tāfelei ir izmērs, mērīts tajos pašos tokenos, par ko runāja iepriekš. Lielākie mūsdienu modeļi vienlaikus uzņem apmēram miljonu tokenu, aptuveni pāris tūkstošus lapu, kas skan dāsni, līdz brīdim, kad notiek noslaucīšana.

Miljons tokenu izklausās pēc tā, ka tur ietilptu viss jūsu bizness. Praksē vienu nekārtīgu PDF eksportu, gada e-pastus vai vienu lielu koda bāzi tas var piepildīt, un viss aiz robežas vienkārši netiek izlasīts. Modelis jūs nebrīdinās, ka tam pietrūka vietas. Tas atbild tā, it kā daļa, ko tas nekad neredzēja, neeksistētu.

Tāpēc demonstrācijas izskatās tik labi. Uzrakstiet limeriku. Saīsiniet šo rindkopu uz pusi. Izskaidrojiet šo rakstu. Viss, kas modelim nepieciešams, atnāk kopā ar pieprasījumu. Jūsu īstais darbs atnāk bez nekā. Noderīga atbilde par jūsu cenām ir atkarīga no zināšanas par jūsu cenām, un neviena no jūsu cenām nav uz tāfeles. Tas galvenokārt nav uzdevuma formulēšanas problēma, un produkts nav salauzts. Tā šīs sistēmas darbojas, kas nozīmē, ka labāka formulēšana vien šo atstarpi neaizpildīs.

Tāpēc cilvēki atkārtojas. Viņi glabā melnraksta dokumentu ar priekšvēsturi un ielīmē to katrā jaunā sarunā, vai pārraksta to pašu skaidrojumu, līdz nolemj, ka rīks ir vairāk apgrūtinājums, nekā vērts.

Atmiņas funkcija šeit palīdz daļēji. Tās pamatā ir piezīmju kopums, ko sistēma raksta par jums un jūsu vārdā ieliek atpakaļ kontekstlogā. To, kas tajās nonāk, lielākoties izlemj pati sistēma, lai gan varat atvērt sarakstu un lasīt vai rediģēt tur esošo. Īstie ierobežojumi ir citur. Piezīmes glabājas pakalpojuma sniedzēja kontā, tajās ir tas, ko sistēma nolēmusi saglabāt, nevis viss, ko jūs zināt, un nekas no tā jums neseko, kad pārejat uz citu rīku.

Kas atstāj svarīgo jautājumu: ja konteksts ir tas, kas MI padara jums noderīgu, kur tam vajadzētu dzīvot?

Piecas lietas, ko vērts pierakstīt, un kāpēc tām jāatrodas atsevišķos failos.

Godīga atbilde: ne pakalpojuma sniedzēja kontā. Tā atmiņas piezīmes ir noderīgas, bet ne jūsējās: tā fails, tā formātā, tā serveros, un pazūd dienā, kad nomaināt rīku. Tāpēc paši izlemiet, ko modelis zina pirms katra jautājuma. Pierakstiet to vienreiz, glabājiet failus savā diskā un norādiet uz šiem failiem, lai kuru modeli lietotu, kad sākas sesija. Tas izklausās pēc viena faila. Tas nav tā. Tie ir šie pieci:

1. Konstitūcija, noteikumi. Kas jūs esat, kā vēlaties, lai MI ar jums runā, un ko tam jāpajautā, pirms rīkoties.
2. Atmiņa, kas tas zina. Jūsu klienti, projekti, lēmumi un to iemesli, failos, ko paši varat izlasīt.
3. Prasmes, procedūras. Darbi, ko vēlaties izpildītus vienādi katru reizi, pierakstīti kā soļi, lai pārstātu tos skaidrot no jauna.
4. Rīki, ko tas var aizskart. Jūsu kalendārs, e-pasts, faili, un kur tam jāapstājas.
5. Fokuss, kas svarīgs tagad. Viena lapa, kas pasaka, pie kā strādājat šonedēļ.

Tiem jābūt atsevišķi, jo tie mainās ļoti dažādā ātrumā. Jūsu noteikumi mainās reti, un katra izmaiņa ir lēmums, kuram apsēdāties. Jūsu fokuss mainās svētdienas vakarā. Turot visus piecus vienā failā, jums nāksies pārrakstīt visu failu, lai pārvietotu vienu rindiņu.

Nevajag visus piecus, lai sāktu. Uzrakstiet vispirms Fokusu: viena lapa, šī nedēļa, pie kā strādājat un kas jums traucē. Ielīmējiet to pirms nākamā jautājuma un paskatieties, vai atbilde kļūst precīzāka. Ja jā, pārējie četri ir tā paša soļa atkārtojums.

Failiem ir kluss pārākums pār pakalpojuma sniedzēja atmiņu. Jūs varat tos atvērt, meklēt tajos, kopēt uz jaunu iekārtu un vārds vārdā redzēt, kas modelim tika pateikts. Kad atbilde iznāk nepareiza, varat atrast rindu, kas to maldinājusi, un mainīt tieši to rindu. Piezīme, apglabāta kāda cita kontā, jums to nedod.

Nekas no tā nav sarežģīti. Vienkāršs teksts jūsu diskā, salasāms bez lietotnes un saprotams jebkuram modelim, ko maksāsiet nākamgad. Modeli jūs joprojām īrējat. Kontekstu vairs neīrējat. Visi slāņi pilnībā.

Sāciet mazāk vērienīgi nekā ar pieciem failiem. Atveriet vienkāršāko teksta redaktoru savā datorā. Ne jaunu lietotni, ne vēl vienu abonementu. Uzrakstiet pusi lapas par sevi, saglabājiet to kā .txt vai .md failu un glabājiet vietā, kur to varēsiet atrast.

Ielieciet tajā četras lietas. Ko darāt un kam. Pie kā strādājat tieši tagad, ar īstiem vārdiem un datumiem. Lēmumus, ko pieņemat vairumā nedēļu. Un to, kā vēlaties saņemt atbildes, ieskaitot divas vai trīs rindiņas par to, ko tam nekad nevajadzētu darīt. Uzrakstiet šo ceturto daļu kā norādījumus: atbildi īsās rindkopās, pajautā man, pirms pieņem kaut ko par manu biznesu, saki, ja nezini.

Lai ceturto daļu padarītu konkrētu, dažas rindiņas varētu skanēt šādi: es vadu divu cilvēku grāmatvedības praksi, mani klienti ir mazi veikali vienā pilsētā, pajautā, pirms pieņem cenu, un nekad neizdomā skaitli. Četras šādas rindiņas virs jūsu jautājuma pārceļ atbildi tālāk nekā jebkāda gudra formulēšana.

Tad ielīmējiet to nākamās sarunas augšpusē, virs paša jautājuma. Tas pats fails darbojas gan ChatGPT, gan Claude, gan Gemini, un tas joprojām darbosies nākamgad, kad nomainīsiet rīku. Uzrakstiet to vienreiz un pārstāsiet to pārrakstīt no jauna. Jūsu fails ir tā konteksta daļa, ko izvēlējāties paši, novietota modelim priekšā ar nolūku, nevis nejauši.

Mans ir apmēram vienas lapas garumā, un tā versija nonāk gandrīz katrā sarunā, ko vedu.

Sākuma faili, tostarp paraugs, ko varat rediģēt rindu pa rindai, ir pieejami /resources. Viss šeit ir bez maksas un nav jāreģistrējas.

Ja gribat uzzināt, kad parādīsies nākamais, ir gaidīšanas saraksts. Tas ir vienīgais šeit, kas prasa e-pastu.