Нейросети для работы с текстом: рерайт, резюме, перевод

Рерайт, резюме и перевод выглядят как одна работа, но настраиваются по-разному. С рерайтом справляются большие чат-модели вроде Claude и ChatGPT, если дать им образец тона и запретить отсебятину. Для резюме на первое место выходит размер окна контекста и жёсткая инструкция опираться только на переданный текст, иначе модель дополнит документ тем, чего в нём никогда не было. Перевод надёжнее собирать в два прохода: специализированный движок типа DeepL или Яндекс Переводчика делает основу, а языковая модель вторым заходом правит терминологию и тон под твою аудиторию.

Живые примеры таких связок каждый день лежат в закрытом канале ИИмперии: разборы из практики, готовые промпты, шаблоны ролей цифровых сотрудников.

Какие задачи с текстом нейросети закрывают лучше всего?

Лучше всего получается там, где у тебя уже есть исходник. Рерайт, сокращение, перевод, вычитка, смена тона, переупаковка одного текста в другой формат - у модели есть опора, и выдумывать ей особо негде. Тяжелее идёт текст с нуля, где нужны твои цифры, собственные случаи и личное мнение. Начинай с первой группы.

На этом делении ты экономишь кучу нервов. Человек открывает чат, пишет «напиши пост про мой бизнес», получает вату и решает, что нейросети не работают. Материала он при этом не дал никакого. Из готовой статьи спокойно выходит пять постов, а стенограмма созвона сворачивается в протокол минут за десять. С английским лендингом история такая же: русская версия собирается за один проход.

По сути все три - одна операция: берёшь текст и выдаёшь другой текст с тем же смыслом. Отличаются они тем, что именно остаётся неизменным. Рерайт сохраняет смысл и перекраивает форму под другой канал; в резюме от исходника остаётся главное, а остальное вылетает; при переводе меняется только язык, всё прочее обязано уцелеть.

С них удобно начинать ещё по одной причине: результат проверяется глазами за минуту. Сверил с исходником - совпало или нет, гадать о правоте модели не придётся. Если ты только присматриваешься к тому, с каких задач начинать автоматизацию рутины, текстовая тройка будет самой безопасной точкой входа: ошибка стоит дёшево и видна сразу.

Чем рерайт нейросетью отличается от «перепиши своими словами»?

В школе рерайт сводился к замене слов синонимами. У нейросети это пересборка текста под другую задачу: разом меняются читатель, канал, длина и тон. Попросишь просто «перепиши» - получишь школьный вариант: те же мысли, чуть другие слова, ноль пользы.

Разницу делает бриф. Допустим, есть статья на 4000 знаков в блоге, и тебе нужен из неё пост в Telegram. Плохая формулировка звучит как «перепиши этот текст короче»: модель сожмёт равномерно, выкинет по чуть-чуть отовсюду, и получится обрубок.

В рабочем брифе ты описываешь четыре вещи: кто читает, где читает, что должен сделать после и чего в тексте быть не должно. «Сделай из этого пост в Telegram для владельца небольшого бизнеса. Первая строка - цепляющая мысль, заголовок не нужен. Длина до 1200 знаков. Главная мысль одна, остальное выкинь. Без эмодзи, без списков, без слова «важно». Обращение на ты».

Результат по первой формулировке уходит в корзину, и текст приходится писать заново руками. Развёрнутый бриф чаще всего требует только беглой вычитки: поправил пару слов - и отправляй в канал.

Есть и второй слой. Модель не знает твоего голоса, пока ты его не показал. Формулировка «пиши живо и по-человечески» ей ничего не даёт: у неё своё представление о живом. Три твоих старых текста в промпте с пометкой «вот так я пишу, держи этот ритм и лексику» меняют картину целиком - стиль доходит до модели через примеры.

Если ты постоянно переписываешь за моделью одно и то же, причина почти всегда в брифе. Фреймворк 4D как раз про то, как перестать чинить результат и начать чинить постановку.

Какие инструменты брать под рерайт?

Большая чат-модель здесь обходит любой специализированный «рерайтер». Claude и ChatGPT держат длинный контекст, понимают инструкции про тон и работают с образцами твоих текстов. Сервисы-уникализаторы заточены под обход антиплагиата и по дороге портят смысл. Если ты ещё не разбирался, что такое Claude и чем он живёт, начни с него - под длинные тексты он собран удачнее.

Инструмент	Что делает лучше всего	Когда не подходит
Claude	Длинные тексты, следование сложным инструкциям, аккуратный тон, работа с файлами	Когда нужен прямой доступ к свежему интернету без настройки
ChatGPT	Быстрые итерации, много форматов на выходе, голосовой ввод черновика	Когда нужна предельная аккуратность в длинном документе без правок
GigaChat / YandexGPT	Российский контур, оплата в рублях, интеграции с локальными сервисами	Сложные многошаговые инструкции и тонкая стилистика
Встроенный ИИ в редакторе (Notion, Word, Google Docs)	Правки по месту, не выходя из документа	Полная пересборка текста под другой канал
Уникализаторы и «синонимайзеры»	Формальная уникальность	Практически всегда: смысл плывёт, тон исчезает

Между двумя первыми выбирай по привычке и по типу задач - строчка в рейтинге тут решает мало. Я собрал сравнение Claude и ChatGPT под конкретные задачи, там снимается большая часть вопросов. Правило простое: чем длиннее текст и чем больше в брифе ограничений, тем заметнее преимущество модели, которая держит инструкции до последнего абзаца.

Отдельно про встроенный ИИ в редакторах. Он хорош для мелочи: сократить абзац, поправить формулировку, разобрать простыню на список. Пересобрать статью в серию постов он не сможет - у него нет ни твоего брифа, ни твоих образцов, он видит только выделенный кусок.

При нулевом бюджете работать всё равно можно: бесплатные режимы есть у всех больших моделей. Сколько именно в них помещается, сервисы внятной цифрой не публикуют, условия меняются каждые несколько месяцев, поэтому смотри лимиты в своём аккаунте. Что из бесплатного реально тянет рабочие задачи, я разбирал отдельно - вот здесь.

Эта статья закрывает один участок: три текстовые задачи и инструменты под них. В общей картине работа с текстом - только один цифровой сотрудник из восьми, и в одиночку он так и останется ручным помощником. Чтобы увидеть картину целиком, можно забрать бесплатное обучение - доступ приходит на почту, материал открывается сразу.

Как собрать промпт на рерайт, который не придётся править?

Рабочий промпт складывается из пяти блоков: роль, исходник, задача, ограничения, образец. Пропустишь блок - модель додумает его за тебя. Чаще всего пропускают ограничения: человек говорит, что хочет получить, и молчит о том, чего быть не должно. Оттуда в текст и заползают канцелярские заходы, дежурные вводные обороты и бодрый нейтральный тон, который потом вычищаешь руками.

1. Роль. «Ты редактор, который переупаковывает материалы блога в посты для Telegram». Одна строка. Роль включает нужный словарь: редактор режет, копирайтер, наоборот, добавляет объём, а корректор вообще не лезет дальше ошибок.
2. Исходник. Вставляй текст целиком и помечай границы: «Исходный текст между тройными кавычками». Без границ модель путает материал с инструкцией и начинает переписывать сам бриф.
3. Задача. Что на выходе, в каком формате, какой длины, для кого. Длину задавай в знаках или абзацах: со счётом слов модели справляются плохо.
4. Ограничения. Список запретов. Что не менять ни при каких условиях: цифры, названия, имена, цитаты. Какие слова и конструкции не использовать. Нужно ли сохранить заголовки. Самый ценный блок - и его почти все пропускают.
5. Образец. Один-три твоих текста с пометкой «держи такой ритм» работают сильнее любого описания стиля прилагательными.

Когда эти пять блоков повторяются у тебя каждый день, вынеси их в отдельный документ и подключай один раз вместо копирования в каждый чат. Так появляется база знаний для нейросети: тон, запреты, продукты, типичные формулировки. Собираешь однажды - дальше новый чат не начинается с пересказа того, кто ты и что продаёшь.

Промпт легко проверить на живом человеке: дай его коллеге вместо модели. Если коллега понял задачу без уточняющих вопросов, промпт готов. Вопросы вроде «а для кого?» и «а насколько коротко?» означают, что модель тоже не поняла, только вместо вопросов она молча додумает.

Официальные рекомендации Anthropic по постановке задач модели говорят примерно о том же наборе: явная роль, размеченные границы данных, примеры желаемого результата, прямые ограничения.

Резюме или пересказ: почему модель сбивается именно тут?

Разница между резюме и пересказом сидит в приоритетах. Резюме выкидывает лишнее и оставляет то, ради чего ты вообще открыл документ, тогда как пересказ равномерно ужимает всё подряд. По умолчанию модель делает второе - идёт по тексту сверху вниз и жмёт каждый кусок одинаково. На выходе получается ровная простыня без акцентов, из которой непонятно, за что хвататься первым.

Чтобы получить резюме, ставь задачу от решения, которое тебе предстоит принять. Вместо глагола «сократи» опиши, чего ты не знаешь: «меня не было на этом созвоне, мне нужно понять: о чём договорились, кто что делает и к какому сроку, что осталось нерешённым». Три вопроса вместо одного глагола меняют выход целиком.

Заготовка, которую я держу под рукой:

• Суть в трёх предложениях. Что это за текст и о чём он.
• Решения. Что решено окончательно, списком.
• Задачи. Кто, что, к какому сроку. Если срок не назван - так и пиши.
• Открытые вопросы. Что обсуждали, но не закрыли.
• Риски и возражения. Что прозвучало тревожного.
• Прямые цитаты. Две-три ключевые фразы дословно, чтобы можно было проверить.

Последний пункт делает половину работы по контролю качества. Обязал модель давать дословные цитаты - она реже придумывает: сочинить точную фразу тяжелее, чем пересказ своими словами, да и подделка вылезает при первой же сверке поиском по исходнику.

Второе обязательное ограничение звучит так: «опирайся только на переданный текст, не добавляй общие знания, если чего-то нет - пиши «в тексте не сказано»». Без этой фразы модель охотно дополнит протокол созвона тем, как «обычно бывает» в таких случаях. Злого умысла тут нет, так устроена генерация: модель достраивает связный текст, и пробел для неё - место, которое положено заполнить. Природу этого явления разбирают в обзоре галлюцинаций в генерации текста, и главный практический вывод оттуда простой: чем плотнее ты привязываешь ответ к переданному источнику, тем меньше модели остаётся места для фантазии.

Регулярное резюме потом превращается в рутину, которая идёт сама. Ежедневная сводка на одной странице - тот же приём, только источники подтягиваются без тебя, а ты читаешь готовое утром.

Какие инструменты брать под резюме?

Первое, на что смотреть, - размер окна контекста и умение работать с файлами: чат, куда влезает PDF на сто страниц целиком, выигрывает у того, куда текст приходится вставлять кусками. Дальше по важности идёт честность - способность сказать «в тексте этого нет» вместо красивой выдумки.

Инструмент	Под что	Где спотыкается
Claude	Длинные документы, договоры, стенограммы, несколько файлов сразу	Очень большие таблицы лучше давать отдельно и явно просить не считать в уме
ChatGPT	Смешанные источники, быстрые выжимки, дальнейшая работа с результатом	На очень длинных документах может терять середину
Gemini	Большие объёмы и связка с документами Google	Тон и стилистика требуют больше правок
Расшифровщики созвонов со встроенной выжимкой	Протоколы встреч, автоматизм	Качество расшифровки русской речи сильно зависит от звука
Встроенные «Summarize» в браузере и почте	Быстро понять, стоит ли читать	Для решений не годится, деталей не даёт

Если текст всё равно не влезает, ищи в нём смысловые швы: главы, дни, темы участников. Резать по счётчику знаков хуже - разрыв попадает в середину мысли, и обе половины теряют смысл. Сделай резюме каждого блока по одному шаблону, потом собери резюме из резюме, передав модели только выжимки. Двухэтажная схема даёт результат ровнее, чем попытка запихнуть всё разом.

С документами, у которых есть юридические последствия, схема другая. Там нужна вычитка с указанием конкретных мест, а короткая выжимка только вредит: она сглаживает ровно то, из-за чего ты и полез в текст. Я разбирал это в материале про то, как вычитать договор с помощью Claude - модель показывает пункты, на которые нужно посмотреть человеку, а вердикт выносишь ты.

Резюмируешь то, что лежит в открытых вкладках? Посмотри на возможности расширения Claude в браузере: меньше копипасты, меньше шансов потерять кусок текста по дороге.

Разбор случая: часовой созвон превращается в три документа

Возьмём типичную ситуацию: часовая встреча с подрядчиком, расшифровка на 40-50 тысяч знаков, из неё нужны протокол для себя, письмо участникам и короткий пост в блог без внутренней кухни. Руками это вечер, по шагам - около получаса.

Шаг первый, чистка расшифровки. Сервисы распознавания уверенно ломают имена, названия продуктов и профессиональные термины. Первым делом прогоняю замену по списку: «исправь в этом тексте только распознавание следующих слов: [список], остальное не трогай, структуру и порядок реплик сохрани». Без ограничения «остальное не трогай» модель заодно причешет речь, и цитаты станут непригодны для сверки.

Шаг второй, резюме по шаблону. Тот же список из шести пунктов выше, плюс запрет на внешние знания. Отдельно прошу помечать, кто что сказал, если в расшифровке есть разделение по спикерам.

Шаг третий, сверка. Беру три цитаты из блока «Прямые цитаты» и ищу их в расшифровке обычным поиском. Если все три нашлись дословно, резюме можно доверять. Промах хотя бы по одной означает, что блок «Решения» придётся перечитать руками: дальше пойдёт цепочка, и ошибка на этом шаге размножится по всем трём документам.

Шаг четвёртый, письмо. На вход идёт готовое резюме; расшифровку на этом шаге я больше не открываю. «Сделай письмо участникам встречи: деловой тон, до 1500 знаков, структура - что решили, кто что делает и к какому сроку, что осталось открытым. Обещаний, которых нет в исходнике, не добавляй». Последняя фраза нужна каждый раз: модель любит закруглять письма фразами вроде «мы оперативно подготовим все материалы», хотя про сроки никто не договаривался.

Шаг пятый, пост. Тоже из резюме. Задача здесь противоположная письму: вытащить одну мысль, полезную постороннему читателю, и вычистить всё, что относится к конкретному клиенту. Финальную проверку на конфиденциальность делаю глазами - ни одна модель не знает, какое название в твоей отрасли считается чувствительным.

Вся экономия держится на двух вещах: резюме считается один раз и дальше служит входом для остальных шагов, а проверка стоит на том шаге, где ошибка ещё дешёвая.

Какой инструмент выбрать для перевода?

Короткий бытовой перевод вытянет любой переводчик. Если текст увидит клиент, надёжнее связка из двух проходов: специализированный движок даёт точную основу, языковая модель вторым заходом правит терминологию, тон и связность. Один проход через большую модель без движка тоже работает, но тогда внимательнее сверяй цифры и имена.

Инструмент	Сильная сторона	Когда не подходит
DeepL	Живые формулировки в европейских языках, глоссарии терминов	Редкие языковые пары, узкая отраслевая лексика без глоссария
Яндекс Переводчик	Русский как исходный или целевой язык, перевод страниц и видео	Тонкая стилистика маркетингового текста
Google Переводчик	Охват языков, скорость, перевод на лету	Длинные связные тексты, где важен единый тон
Claude / ChatGPT	Перевод с задачей: «под российского читателя», «сохрани иронию», объяснение выбора слов	Огромные объёмы без подготовки: дороже и медленнее движка
Переводчик внутри CAT-систем	Командная работа, память переводов, единая терминология	Разовые задачи: настройка дороже самой задачи

Два прохода выигрывают по понятной причине. Движок обучен на параллельных текстах, он реже теряет куски и точнее в терминах, зато переводит предложение за предложением и не держит задачу целиком: лендинг и инструкция выглядят для него одинаково, а про обращение на «ты» он не в курсе.

Модель, наоборот, помнит задачу от первого абзаца до последнего, но по дороге способна незаметно «улучшить» смысл. Поэтому ставь её второй: «Вот оригинал, вот машинный перевод. Сверь, исправь термины по глоссарию, приведи к единому тону для российского предпринимателя, обращение на ты. Числа, имена и названия не меняй. Покажи список своих правок отдельно».

Список правок в конце - ключевой пункт: вместо чтения всего текста ты просматриваешь двадцать строк изменений и решаешь по каждой отдельно.

Глоссарий заводи сразу, даже если в нём десять строк: как переводится название твоего продукта, тарифов, ключевых терминов. Иначе один и тот же термин в трёх абзацах будет назван тремя разными словами. Носитель языка замечает такое первым делом. В движках вроде DeepL и Google Cloud Translation глоссарий поддерживается на уровне сервиса, и это дешевле, чем каждый раз объяснять терминологию в чате.

Как проверить перевод, если языка не знаешь?

Работают три приёма: обратный перевод, сверка чисел и живой носитель на выборке. Первый устроен просто - другая модель переводит результат назад на русский, и ты читаешь, не поехал ли смысл. Цифры, имена, названия и ссылки я потом прохожу глазами отдельным заходом. Для публичного текста имеет смысл найти носителя языка: несколько прочитанных им абзацев экономят репутацию.

Обратный перевод ловит грубые смысловые сдвиги, а вот тон остаётся вне его досягаемости. Текст бывает переведён безупречно по смыслу и звучит при этом как инструкция к утюгу. Тон замечает человек - или выдают косвенные признаки: слишком длинные предложения, канцелярские связки, отсутствие сокращений там, где живой язык их требует.

Что проверяй всегда, на любом языке:

• Числа и единицы. Особенно там, где меняется разделитель дробной части и формат дат.
• Имена и названия. Модель любит транслитерировать бренд, который транслитерировать нельзя.
• Ссылки и адреса. Иногда в переводе они молча пропадают.
• Юридические формулировки. Оферта, гарантии, условия возврата - сюда без юриста нельзя.
• Устойчивые выражения. Поговорки переводятся буквально и выглядят дико.

И держи в голове честную границу: модель не отвечает за последствия. Она не знает, что в этой стране такая формулировка в рекламе запрещена, и не чувствует, что шутка про еду прозвучит обидно. Подробнее про такие границы - в материале о том, чего нейросеть не умеет. Объясняться с клиентом за неудачную фразу поедет живой человек.

Сколько это стоит на старте?

На старте расходы нулевые. Бесплатных режимов больших моделей обычно достаточно, чтобы попробовать все три задачи на своих текстах и понять, что вообще получается. Конкретные лимиты у каждого сервиса свои, публикуются невнятно и меняются, так что смотри их в своём аккаунте. Платный тариф одного чат-инструмента имеет смысл тогда, когда ты упираешься в потолок регулярно или когда нужны длинные документы и файлы.

Порядок расходов такой. Платный тариф чат-модели обходится в стоимость нескольких обедов в месяц. Переводчик с глоссарием держится примерно в той же вилке, но подписываться на него стоит, только когда переводы идут потоком. Всё остальное на старте можно пропустить: отдельные сервисы «ИИ-копирайтинга», надстройки, подписки на агрегаторы.

Считать выгоду в деньгах на старте бессмысленно - ты ещё не знаешь свой объём. Куда полезнее другая метрика: сколько текстовых задач за неделю уезжает на вечер, потому что днём до них не дошли руки. На мой взгляд, если таких набирается несколько подряд, платный тариф себя окупает, хотя это зависит от того, во что ты оцениваешь свой вечер.

Есть и статья расходов, про которую забывают: твоё время на настройку. Первая неделя уходит на сборку промптов и образцов, сама работа начинается позже. Вложение разовое, собранный бриф потом служит месяцами. Для российского контура полезно заранее посмотреть, какие ИИ-инструменты доступны без танцев с оплатой - половина вопросов про «а как платить» снимается на этом шаге.

Что обычно возражают

«Текст получится неуникальным». Технически рерайт твоего же материала уникален: модель формулирует заново, совпадений по фрагментам не остаётся. Настоящая проблема тоньше - узнаваемый машинный ритм: симметричные пары предложений, дежурные связки, ровная бодрая интонация без пауз. Лечится списком запретов и образцами твоих текстов; переход на другой сервис тут ничего не меняет.

«Поисковики накажут за ИИ-текст». Google в собственном разъяснении про контент, созданный ИИ пишет, что смотрит на качество и пользу материала, а способ производства его не занимает. Накажут за пустой текст, собранный ради объёма, и с человеческой рукой это не связано никак.

«Я быстрее напишу сам». Для короткого письма чаще всего так и есть: пока опишешь задачу, успеешь написать. Порог окупаемости начинается там, где задача повторяется: один раз собранный бриф работает потом каждую неделю. Сравнивать тут стоит месяц писем с месяцем прогонов, потому что сопоставление одного письма с одним промптом ничего не показывает.

«Нельзя загружать клиентские данные». Здесь всё решает конкретный сервис и тариф. У бизнес-планов больших моделей обычно есть режим, при котором переписка не идёт в обучение, и это описано в справке провайдера. Дополнительные варианты: обезличить текст перед загрузкой (заменить имена и суммы на метки), держать чувствительное в модели, которая крутится на своём железе, или просто не отдавать наружу те категории документов, по которым у тебя есть обязательства перед клиентом.

«Модель всё равно наврёт». Наврёт там, где ей оставили пустое место. На текстовых задачах с исходником пространства для выдумки мало, а требование цитат превращает проверку в поиск по документу.

Где эти инструменты ломаются?

В пяти предсказуемых местах: выдуманные детали в резюме, потеря середины длинного текста, плавающая терминология, чужой тон и тихая порча цифр. Менять модель тут почти бесполезно - все пять лечатся другой постановкой задачи и проверкой на выходе, которая занимает меньше минуты.

Выдуманные детали. Появляются там, где в исходнике пробел. Помогает запрет добавлять внешние знания и требование писать «в тексте не сказано». Проверяй по цитатам.

Потеря середины. На очень длинных текстах начало и конец обрабатываются лучше середины. Спасает нарезка на блоки и двухэтажное резюме.

Плавающая терминология. Один термин называется по-разному в разных абзацах. Закрывается глоссарием в промпте и финальным проходом: «приведи термины к единому виду по этому списку».

Чужой тон. Модель скатывается в свой нейтрально-бодрый язык. Тут работают образцы твоих текстов и список запрещённых слов. Запреты действуют сильнее, чем описание желаемого.

Тихая порча цифр. Самый опасный пункт из пяти: модель округлит, переставит или «поправит» число, и в глаза это не бросится. Лечится прямым запретом трогать цифры и отдельной сверкой числовых значений руками. Если чисел много и они в таблицах, у тебя уже другая задача: смотри, как устроен разбор таблиц и формул, где работа с числами вынесена в отдельный процесс.

Нет способа проверки - не отдавай задачу. Это единственное правило, которое я тут держу жёстко.

Что делать, когда результат вышел мусорным?

Первым делом загляни в промпт: там почти всегда не хватает ограничений или образца. Следом проверь исходник - в него часто затекает мусор вроде навигации сайта, подписей и обрывков интерфейса. До смены инструмента дело обычно не доходит вовсе. Ручная переписка за моделью не чинит ничего: следующий прогон выдаст ровно то же самое.

1. Проверь исходник. Скопировал страницу целиком - получил вместе с текстом меню, баннеры и футер. Модель честно пересказала и их тоже.
2. Добавь запреты. Выпиши пять формулировок, которые тебя бесят в результате, и запрети их прямо. Самая быстрая правка с самым заметным эффектом.
3. Покажи образец. Один твой текст в промпте меняет тон сильнее, чем абзац прилагательных.
4. Разбей задачу. Одна просьба - одно действие. «Сократи и переведи и сделай три варианта заголовка» разваливается; три отдельных шага работают.
5. Попроси план до текста. «Сначала дай структуру в пять пунктов, я подтвержу, потом пиши». Ловит расхождение до того, как потрачен целый прогон.
6. Только теперь меняй модель. Те же пять блоков в другой модели дают тот же мусор - значит, дело было в постановке.

Когда одна и та же правка повторяется третий раз, переноси её в сохранённый регламент: в чате ей уже тесно. Тут текстовые задачи перестают быть задачами и становятся ролью, у которой есть свой участок, инструменты и правила. Что это значит на практике, я разбирал в материале про то, что такое цифровой сотрудник.

Как связать рерайт, резюме и перевод в один контур?

Связка появляется, когда выход одной задачи становится входом другой. Стенограмма созвона превращается в резюме, из резюме вырастает письмо клиенту, а его потом переводят для иностранного партнёра. Шаги остаются отдельными, у каждого своя проверка, но бриф и глоссарий общие на всех. Этим система и отличается от трёх разрозненных промптов в заметках.

Шаг	Вход	Что делает	Проверка
1	Расшифровка встречи	Резюме по шаблону: решения, задачи, открытые вопросы	Сверка цитат с расшифровкой
2	Резюме	Письмо участникам, тон деловой, до 1500 знаков	Глаза: нет ли чужих обещаний
3	Письмо	Перевод для иностранного партнёра, два прохода	Список правок + сверка цифр
4	Резюме	Пост в блог: одна мысль, без внутренней кухни	Проверка на конфиденциальность

Ключевое тут - общий документ с контекстом. Один файл, где написано, кто ты, что продаёшь, как называешь продукты, каким тоном говоришь и чего не пишешь никогда. Подключаешь его к каждому шагу - и четыре разных выхода звучат одним голосом. Без такого файла на каждом шаге тебе отвечает новый стажёр, который впервые слышит про твою компанию.

Сначала обкатай контур руками, и только потом переноси в автоматику. Карта возможностей автоматизации бизнес-процессов помогает понять, какие участки вообще стоит трогать первыми.

Когда результат каждого шага приходится сохранять и переиспользовать, пригодится механика из разбора про артефакты в Claude: ответ перестаёт быть сообщением в чате и становится документом, который правят.

С чего начать на этой неделе?

Начни с одной задачи - той, что повторяется чаще остальных и отнимает больше времени. Обычно это резюме входящего: письма, созвоны, документы. Собери под неё пять блоков промпта, прогони на трёх реальных текстах и посмотри, сколько правок осталось делать руками. Три задачи сразу брать не надо, они начнут мешать друг другу.

1. День первый. Выпиши три текстовые задачи, которые повторяются у тебя каждую неделю. Выбери одну.
2. День второй. Собери промпт: роль, исходник, задача, ограничения, образец. Ограничения пиши списком запретов.
3. День третий. Прогони на трёх настоящих рабочих текстах. Записывай, что пришлось править руками.
4. День четвёртый. Перенеси повторяющиеся правки в промпт. Теперь это версия два.
5. День пятый. Заведи документ с контекстом бизнеса: тон, продукты, запреты, глоссарий. Подключи к промпту.
6. Выходные. Ничего не делай. Проверь в понедельник на свежую голову - увидишь то, чего не видно в процессе.

На выходе у тебя одна собранная задача и понимание, как подступаться к следующим. Звучит скучнее, чем «внедрить ИИ», и в этом вся суть. Чтобы сразу прикинуть, что можно отдать дальше, посмотри разбор про семь задач, которые закрывает ИИ-ассистент в малом бизнесе: текстовая тройка стоит там в начале списка.

Открытый чат с хорошим промптом живёт ровно столько, сколько держится твоя привычка его открывать. У контура с общим контекстом, регламентами и проверками запас прочности больше: сменится модель - бриф, глоссарий и способы проверки останутся на месте, переносить придётся только оснастку.

Источники

• Anthropic: руководство по промптингу Claude - официальные рекомендации по постановке задач, включая работу с примерами и ограничениями.
• Anthropic: обзор моделей Claude - характеристики моделей и размеры окна контекста.
• OpenAI: руководство по генерации текста - как устроены запросы к модели и что влияет на качество выдачи.
• OpenAI: как используются данные пользователей - справка о том, когда переписка идёт в обучение и как это отключить.
• DeepL: документация для разработчиков - параметры перевода, глоссарии, работа с файлами.
• Google Cloud Translation: документация - возможности машинного перевода и настройка терминологии.
• Google Search: разъяснение про контент, созданный ИИ - позиция поиска по текстам, написанным с помощью моделей.
• Yandex Cloud: сервис перевода - документация по переводу в российском контуре.
• Yandex Cloud: генеративные модели - описание работы с YandexGPT.
• Сбер: документация GigaChat - официальное описание российской языковой модели и её ограничений.
• Google: документация Gemini API - параметры моделей и работа с длинным контекстом.
• Survey of Hallucination in Natural Language Generation (arXiv) - научный обзор природы выдуманных фактов в генерации текста.
• GPT-4 Technical Report (arXiv) - отчёт о возможностях и ограничениях больших языковых моделей.