Как ставить задачу ИИ-агенту: пять приёмов инженера Anthropic

Тарик Шихипар из Anthropic, один из тех, кто делает Claude Code, выступил с лекцией о работе с моделями нового поколения. Главная мысль: агент почти всегда ошибается не в том месте, где вы боялись, а там, где вы вообще не думали давать указание. Ниже разбор его подхода и пять приёмов, которые переносятся на любую модель и любую работу, не только на код.

Почему модель умнеет скачками, а не плавно

Шихипар начал с примера, который ходил по соцсетям. Спросите у чат-модели, у каких покемонов имя заканчивается на «aw». Модель знает наизусть все тысячу имён и всё равно отвечает неправильно.

Дайте той же модели возможность выполнить код, и она справится: выгрузит список, отфильтрует по окончанию, вернёт двоих. Знания были те же, изменился способ ими пользоваться.

Отсюда вывод, который стоит держать в голове при любой постановке задачи. Модель ограничена не столько своими знаниями, сколько обвязкой, в которую вы её поместили. В Anthropic это называют скрытым запасом возможностей: он есть почти всегда, просто до него не дотянулись.

Тот же принцип сломал ранние представления о работе с кодом. Казалось, что решение — впихнуть в модель всю кодовую базу, для чего нужно окно на сто миллионов токенов. Оказалось, достаточно дать модели руки: возможность самой открывать файлы и искать нужное. Из этой мысли и вырос Claude Code.

Карта и территория: где агент спотыкается

Дальше идёт центральная метафора лекции. Ваш промпт, план и спецификация — это карта. Настоящая кодовая база, реальные ограничения и чужие решения внутри неё — территория.

Каждый раз, когда агент встречает на территории то, чего нет на карте, ему приходится решать самому. Шихипар называет такие места неизвестными. Это не ошибки модели, это точки принятия решений, которые вы ей не передали.

Четыре квадранта: что вы знаете о собственной задаче

Чтобы разобраться, чего в задании не хватает, Шихипар раскладывает знание на четыре части.

Промпт обычно покрывает только левый верхний угол. Всё остальное модель достраивает сама, и именно там рождается результат, который вас не устраивает. Хорошая новость в том, что вытаскивать эти углы можно той же моделью.

Пять приёмов, чтобы вытащить недосказанное

Проход по слепым зонам. Прежде чем ставить задачу, попросите модель пройтись по теме и найти подводные камни: «я делаю такое-то изменение, посмотри вокруг и скажи, чего я мог не учесть». Работает не только с кодом. Шихипар так разбирался с цветокоррекцией при видеомонтаже, потому что модель знает о предмете больше него.

Варианты вместо описания. Когда вы не можете объяснить словами, чего хотите, просите несколько заведомо разных версий: «сделай четыре совсем непохожих варианта оформления, я отреагирую». Это честный способ работать с тем, что узнаёшь только когда увидишь.

Интервью наоборот. Дайте контекст и попросите модель задать вам вопросы. Ключевая деталь в формулировке: пусть сначала спрашивает о том, ответы на что изменят структуру решения, а не о мелочах вроде названий.

Референс вместо технического задания. Готовый пример объясняет замысел быстрее любого описания. Можно дать код из другого проекта или на другом языке, можно просто макет: «вот как должно получиться, разберись и сделай похоже у меня».

Заметки и разбор после. Попросите агента записывать, где он принимал решение за вас. Потом по этому списку видно, куда его унесло и почему. Сам Шихипар в конце просит модель устроить ему маленький опрос по сделанной работе, чтобы не потерять понимание собственного проекта.

Про ощущение, что что-то отняли

В лекции есть честный кусок, который редко попадает в такие выступления. Шихипар рассказывает, как вернулся к коду своего прежнего стартапа и за несколько часов сделал то, на что раньше ушли бы недели. И одновременно с радостью почувствовал потерю.

Ему нравилось держать всю систему в голове и вращать её мысленно. Но он же помнит бессонные ночи над багами и проекты, которые всё равно провалились. Вывод у него такой: назад дороги нет, выход только вперёд, и главное — не выпускать происходящее из рук.

«Будьте менее разумными»

Финальная мысль про компромиссы. Мы привыкли выбирать: быстро, качественно или дёшево. Привычка расставлять приоритеты родилась из того, что ресурсов всегда не хватало.

Шихипар предлагает перестать решать это заранее в голове и дать реальности самой показать, где проходит граница. Его собственный пример: презентацию к этой лекции он собрал за четыре часа накануне вечером.

И тут же оговорка, которую стоит запомнить отдельно. Создавать стало проще, создавать ценность проще не стало. Скорость даёт больше попыток, а не готовый результат.

Как применить это завтра

Возьмите задачу, которую собирались поставить модели, и сделайте два лишних шага. Сначала попросите найти в ней слепые зоны, потом попросите задать вам три вопроса, ответы на которые меняют решение. На это уходит пара минут, а переделок становится заметно меньше.

Приёмы работают в обычном чате с любой моделью. Посмотреть, что доступно сейчас, можно в tenzor — в таблице моделей для чата видно цену и сильные стороны каждой.

Что дальше почитать

• Как создать ИИ-агента без программирования — база знаний, правила работы, внешние инструменты.
• Нейросеть для кода — как писать и разбирать код в чате.
• Что такое промпт — из чего складывается хорошая постановка задачи.

Источник: лекция «A Field Guide to Fable» на конференции AI Engineer, русский перевод на YouTube.