AI Fluency

Нашла отличный базовый курс про LLM от Anthropic: понятный английский, короткие видео, задания на попробовать и порефлексировать.

Нравится, что это именно системный подход на основе 4D — delegation, description, discernment и diligence. Большинство курсов про введение в LLM и то, как его применять для личных целей фокусируются только на description — как писать промпты. А тут и зачем использовать, и как оценивать результаты, и вопросы этики и безопасности. А еще ровно та глубина погружения в технические штуки, чтобы понять ограничения технологии.

Много думаю над темой делегирования. С точки зрения авторов курса она делится на три большие части:

🔴Automation — система делает что-то самостоятельно
🔴Augmentation — мы делаем вместе с LLM что-то, как со-творцы
🔴Agency — LLM работает по нашим настройкам (например используя роль)

Заметила, что когда говорят об использовании LLM для личных и рабочих целей, первая мысль — автоматизация. Напишем правильный промпт, получим результат, скопируем и вуаля задача сделана.

Но для большинства реальных сложных задач, это так не работает. Те же тест-кейсы чаще всего показывают на простой форме авторизации, но для более сложный требований с неопределенностью, нетривиальной бизнес-логикой и техническими решениями это работает гораздо хуже.

Augmentation и agency при этом сильно недооцениваются. LLM не дает готового ответа, но ее можно использовать как источник идей, как критика, как способ подумать и посмотреть с разных точек зрения и из разных ролей.

Автоматизировать же можно не всю задачу, а какой-то ее шаг. Например привести тест-кейсы под общий формат, упростить их согласно идеям доступности в документации.

А еще, чтобы с LLM работать эффективно надо очень хорошо понимать, что ты хочешь получить, максимально подробно рассказать контекст. Может быть эффект уточки — пока объясняла, сама поняла :)

#АI