Как мы учились говорить с ИИ: от заклинаний к делегированию

Как мы учились говорить с ИИ: от заклинаний к делегированию

Ещё пару лет назад нас учили, что с нейросетью нужно общаться как с нерадивым стажёром: дать роль, расписать шаги, добавить «Let's think step by step» и молиться, чтобы не ушла не туда. Сегодня это вызывает улыбку. Технология сделала рывок, и наши привычки за ней не всегда поспевают. Хочу поделиться тем, что изменилось, и что теперь реально работает.

📜 «Эра заклинаний» (2022–2024)

Промпт-инжиниринг как отдельная дисциплина возник потому, что ранние LLM были слабыми и одноходовыми — каждая задача требовала «идеального» запроса. Мы осваивали role-based prompting («ты — финансовый аналитик»), few-shot («вот пример, сделай так же») и chain-of-thought, заставляя модель проговаривать шаги. Это работало, но требовало почти шаманского мастерства.

⚙️ Переходный период (2025)

В какой-то момент мы поняли: важнее не пошаговый алгоритм, а среда. Появился Context Engineering — подход, в котором ключевую роль играет не формулировка отдельного запроса, а то, какой «багаж знаний» модель несёт с собой. Системные правила, документы, память — всё это стало важнее одноразового «заклинания».

🚀 Сегодня (2026): эра целеполагания и делегирования

Главный тренд последних месяцев — делегирование не шагов, а целей. Модели обзавелись reasoning «под капотом» и научились сами выстраивать маршрут к результату. Попытка навязать им пошаговый план теперь только мешает — нейросеть находит более короткий путь, чем тот, что мы ей расписали. Рынок это подтверждает: по данным LangChain, уже больше половины организаций запустили AI-агентов в продакшн. Мы перестаём быть «промпт-инженерами» и становимся «архитекторами контекста».

💎 Что реально работает сегодня

Вот три приёма, которые я проверила на себе — они реально улучшают результат:

1. Формулируйте конечную цель, а не маршрут
Вместо «сделай шаг 1, потом шаг 2, потом шаг 3» скажите: «Мне нужен анализ рынка газа по этим данным. Учти сезонность и последние новости EIA. Формат: краткий вывод, три фактора, рекомендуемое действие». Остальное модель сделает сама.

2. Управляйте контекстом через Скиллы (Skills)
Опишите один раз свою торговую систему, стиль, ограничения — и сохраните как «Скилл». Дальше одна фраза «Используй мой скилл «Торговая система NG»» заменяет десять абзацев объяснений. Для регулярных задач — незаменимая вещь.

3. Общайтесь как с коллегой
Голосовой ввод, естественная речь, уточняющие вопросы — всё это работает лучше, чем выверенные «заклинания». Живой диалог с моделью — это итеративный процесс: уточнили, переспросили, поправили. Именно так рождается самый точный результат.

🔥 И напоследок

Самое забавное, что старый добрый «Prompt Engineering» по-прежнему работает — просто теперь мы называем это «Context Engineering». Суть не в том, чтобы забыть всё, чему мы научились, а в том, чтобы сместить фокус с «как правильно спросить» на «какую среду создать, чтобы получить нужный результат».

А как вы общаетесь с нейросетями? Делитесь лайфхаками в комментариях — мне правда интересно.

---

Мой трейдерский дневник и ежедневная аналитика:
NG: Вход по Системе | AI Аналитика — t.me/ngtorg