Телеграм канал «Карты, тексты, два ствола»

Промптинг по методу Few-Shot: клонируем свой авторский стиль

Когда авторы жалуются, что нейросеть пишет слишком картонно и неестественно, проблема обычно в Zero-Shot промптинге — то есть в попытке получить результат без примеров.

Модель пытается подстроиться под среднестатистический текст из интернета и выдает банальщину. Чтобы клонировать свой реальный слог, нужно использовать метод Few-Shot — обучение на примерах прямо внутри чата.

Механика выглядит так. Вы даете модели конкретную задачу, но перед этим пишете: «Изучи три моих текста ниже. Обрати внимание на длину предложений, использование метафор, ритмику и то, как я оформляю абзацы». Дальше вы загружаете эти примеры, четко разделяя их тегами. Важно брать тексты одной тематики и одного формата — например, три коротких поста для Telegram с высокой вовлеченностью.

После этого просите модель провести реверс-инжиниринг вашего стиля и написать, как она его поняла. Если она правильно выделила ваши фишки (например, склонность к иронии или использование коротких рубленых предложений в конце абзаца), даете техническое задание на новый текст: «А теперь напиши пост на тему Х, используя именно этот стиль».

Модель мгновенно перестраивает семантическую матрицу и выдает контент, который практически невозможно отличить от вашего собственного текста.

Погрузитесь в ИТ за 5 дней и получите доступ к высокооплачиваемым вакансиям!

Бесплатный короткий курс для тех, кто хочет не просто понять, чем занимаются айтишники, но и получить реальный опыт работы с ИТ‑системами.

Всего за 5 дней вы освоите ключевые компоненты ИТ‑сферы, разберёте 6 профессий и получите возможность выйти на зарплату 150–250 тыс.

Курс полностью практический. 8 мини‑проектов с реальными задачами, где вы научитесь: писать код, работать с инфраструктурой, разбираться в сетях, облаке и защите данных.

Подойдёт новичкам и тем, кто уже в ИТ. Количество мест ограничено — регистрируйтесь по ссылке и начинайте практику.

Реклама. Информация о рекламодателе по ссылкам в посте.

Автоматизация фактчекинга: как ловить AI на галлюцинациях

Проверять каждую цифру и цитату, которую выдала нейросеть, вручную через обычный поиск — долго. В 2026 году этот процесс автоматизируется через связку LLM и API поисковых систем (например, Google Serper или Perplexity API) внутри рабочих скриптов или специализированных воркфлоу в сервисах вроде Make или n8n.

Логика процесса строится на изоляции утверждений. Сначала вы отдаете готовый текст базовой модели и просите ее выписать в отдельный массив все проверяемые факты: даты, имена, статистику, проценты и ссылки на законы. На этом этапе модель работает просто как синтаксический анализатор, она ничего не выдумывает.

Затем этот массив фактов автоматически отправляется через поисковый API в сеть. Скрипт делает целевые запросы к авторитетным источникам вроде Росстата, профильных министерств или научных баз данных и возвращает ссылки на первоисточники. Финальный шаг — сверка.

Другая изолированная модель сравнивает то, что было в исходном тексте, с тем, что нашел поисковик. Если цифры расходятся хотя бы на один знак, система подсвечивает кусок текста красным. Это экономит часы рутинной работы и гарантирует, что в финальный релиз не улетит выдуманная нейросетью статистика.

ИИ больше не про хобби — он становится обязательным навыком, чтобы оставаться востребованным на рынке труда.

По оценкам экспертов, в ближайшее время до 80% вакансий будут требовать умения работать с нейросетями:
— генерировать визуал, видео, тексты для любых ниш;
— создавать реалистичный ИИ-контент;
— автоматизировать рутину.

Хорошие новости — освоить базовый минимум в создании контента с помощью ИИ можно всего за 3 дня. Вы сделаете ИИ своим рабочим инструментом и сократите рабочее время без потери качества.

Переходите по ссылке и получайте персональный доступ к урокам и бонусным материалам.

Реклама. Информация о рекламодателе по ссылкам в посте.

Как тексты контентной поддержки удерживают клиентов

Когортный анализ делит пользователей на группы по времени их первого действия и отслеживает их Retention Rate — то, как долго они остаются с продуктом через месяц или три. Задача копирайтера в работе с когортами — гасить отток аудитории в критических точках с помощью правильного контента.

В первую неделю после регистрации риск ухода новичков максимален, потому что они не разобрались в продукте. На этом этапе продающие тексты не нужны. Контент онбординга должен быстро привести человека к первому результату. Пишите ультракороткие инструкции в стиле «Как сделать базовую настройку за три клика и получить первые данные».

К четвертой неделе базовые функции изучены, первая эйфория прошла, и интерес начинает падать. Если продолжать слать людям стандартные новости компании, они начнут отписываться. Здесь контент должен усложняться. Смещайте фокус на продвинутые кейсы и показывайте, как ваши постоянные клиенты используют скрытые фичи софта, чтобы экономить бюджет.

Если когортный анализ показывает резкий провал удержания на каком-то конкретном отрезке времени, это маркер для автора. Значит, именно в это время ваш контент перестал закрывать реальные проблемы пользователя. Меняйте тему и адаптируйте пользу под текущий контекст когорты.

Изучите ИИ за несколько вечеров — и начните делать работу вдвое быстрее

Пока одни тратят часы на рутину, другие уже используют ИИ и освобождают время. Навыки работы с ИИ сегодня помогают работать меньше, а зарабатывать больше.

На бесплатном мини-курсе вы научитесь:
— Делать свою работу быстрее
— Делегировать ИИ тексты, аналитику и маркетинг
— Автоматизировать рутинные задачи
— Расти в профессии и карьере

Без сложного кода и бесконечной теории — только практика, мини-проекты и быстрые результаты. Переходите по ссылке и регистрируйтесь бесплатно.

Реклама. Информация о рекламодателе по ссылкам в посте.

Как собрать кастомного GPT-агента под редполитику бренда

Если вы до сих пор каждый раз вбиваете в чат нейросети «пиши в стиле инфостиля без воды», вы тратите время впустую. В интерфейсе OpenAI или Anthropic можно собрать кастомного агента, который будет намертво помнить ToV и глоссарий конкретного бренда. Для этого создается отдельный GPT (раздел Explore GPTs) или проект в Claude.

Главный секрет — не пытаться запихнуть всю редполитику в текстовое окно инструкций, там слишком мало места. Инструкция должна быть короткой и технической: «Ты — ведущий редактор компании Х. Пиши строго по правилам из прикрепленных файлов». А вот в раздел Knowledge (База знаний) нужно загрузить три отдельных документа в PDF или Markdown.

Первый файл — это глоссарий. В нем прописываются жесткие правила: как мы пишем название компании, какие термины используем, а какие слова у нас под строгим запретом.

Второй файл — редполитика с примерами «было/стало» на уровне синтаксиса.

Третий — три эталонных текста, которые заказчик принял вообще без правок. Нейросеть будет использовать их как семантический ориентир. После такой настройки агент перестанет выдавать шаблонный бред и начнет генерировать тексты,