Нейросети для работы. Книга-тренажёр

Глава 7. Продвинутая разметка: Тегирование и структурирование данных

Теория

В предыдущих главах мы научились составлять промпты по пятикомпонентной матрице и выстраивать цепочки рассуждений. Но что делать, когда входные данные становятся по-настоящему большими и хаотичными: длинная стенограмма совещания на сорок страниц, неструктурированный массив клиентских отзывов, дамп логов из CRM-системы или смесь из инструкций, ограничений и сырых данных в одном промпте? Модель начинает путаться: она не понимает, где заканчивается ваша инструкция и начинаются данные для анализа, где контекст, а где ограничения. В результате она может проигнорировать часть ограничений, перепутать данные с инструкциями или выдумать факты, которых не было в исходнике. Решение этой проблемы — продвинутая разметка, то есть использование XML-тегов и псевдокода для жёсткого структурирования промпта.

XML-теги, от eXtensible Markup Language, то есть расширяемый язык разметки, — это специальные маркеры, которые заключают фрагменты текста в угловые скобки: открывающий тег, содержимое, закрывающий тег. Например, здесь контекст . Почему это работает? Потому что современные языковые модели обучались на огромных массивах кода, документации и структурированных данных, где XML-теги используются повсеместно для разделения смысловых блоков. Модель «видит» эти теги и понимает, что содержимое внутри них — это отдельная сущность со своей ролью. Когда вы пишете промпт без разметки, модель получает поток текста и вынуждена сама угадывать структуру. Когда вы используете теги, вы даёте модели чёткую карту: вот здесь роль, вот здесь инструкция, вот здесь сырые данные, вот здесь ограничения. Это снижает когнитивную нагрузку на модель и резко повышает точность выполнения задач.

Основные теги, которые вы будете использовать ежедневно, звучат так. Первый — или , внутри которого вы указываете, от лица какого специалиста модель должна отвечать. Второй — , где вы размещаете фоновую информацию о проекте, клиенте, отрасли. Третий — или , содержащий конкретное задание с глаголом в повелительном наклонении. Четвёртый — , где вы перечисляете все ограничения и запреты. Пятый — , внутри которого вы размещаете все сырые данные для анализа: тексты, таблицы, логи, стенограммы. Шестой — , где вы описываете желаемый формат вывода. Седьмой — , если вы используете технику Few-shot. Восьмой — , то есть «черновик», где вы просите модель вести промежуточные рассуждения перед выдачей финального ответа. Девятый — , аналог черновика, но с акцентом на пошаговую логику. Десятый — , где вы просите модель проверить свой ответ на соответствие ограничениям.

Почему именно критически важен? Потому что без него модель не может отличить ваши инструкции от данных, которые нужно обработать. Представьте, что вы загружаете транскрипт совещания и пишете: «Извлеки из этого текста все задачи и укажи исполнителей». Но внутри транскрипта кто-то произнёс фразу: «Не нужно извлекать задачи, просто перескажи обсуждение». Модель может воспринять эту фразу как вашу инструкцию и проигнорировать ваше первоначальное задание. Но если вы поместите транскрипт внутрь тега , модель поймёт, что это данные для анализа, а не команды для выполнения. Это особенно важно для длинных документов, где вероятность случайного совпадения формулировок с вашими инструкциями возрастает с каждой страницей.

Теперь о связи тегирования с архитектурой открытых протоколов подключения инструментов. В семнадцатой главе мы подробно разберём, как агенты подключают внешние инструменты через стандартизированные протоколы. Но уже сейчас важно понимать, что XML-разметка — это мост между естественным языком и машинным кодом. Когда вы используете теги, вы фактически пишете псевдокод, который модель интерпретирует как структурированные команды. Это позволяет создавать сложные промпты, где разные блоки данных обрабатываются по разным правилам: например, данные внутри анализируются с температурой ноль для максимальной точности, а данные внутри обрабатываются с температурой ноль целых восемь для генерации идей. Модель понимает эти различия и применяет разные стратегии к разным блокам.

Для мультимодальных задач разметка расширяется тегами ,

Реальный кейс

Чтобы показать, как разметка решает реальные бизнес-проблемы, расскажу историю продуктовой команды крупного IT-сервиса, которая разрабатывала систему автоматического извлечения задач из стенограмм еженедельных планёрок. Задача звучала просто: загрузить транскрипт совещания и получить список задач с исполнителями и дедлайнами. Команда написала промпт: «Проанализируй следующую стенограмму совещания и извлеки все упомянутые задачи. Для каждой задачи укажи: название, исполнителя, срок выполнения, приоритет. Если задача не имеет чёткого исполнителя или срока, отметь это как „требует уточнения“». На первый взгляд, всё логично. Но результат оказался катастрофическим: модель извлекала не только реальные задачи, но и выдумывала их на основе обсуждения. Если на совещании кто-то говорил: «Мы могли бы запустить новую фичу в следующем квартале», модель заносила это как задачу с исполнителем и дедлайном, хотя это было просто гипотетическое обсуждение. Доля галлюцинированных задач достигала тридцати двух процентов, то есть каждая третья задача в списке была выдумана моделью.

Руководитель продуктовой команды, которого звали Алексей Дмитриевич, решил применить XML-разметку. Он переписал промпт, разделив его на чёткие блоки. Внутри тега он указал: «Ты — опытный проектный менеджер, который ведёт протоколы совещаний». Внутри он написал: «Извлеки из стенограммы только те высказывания, которые являются прямыми поручениями или зафиксированными договорённостями. Не извлекай гипотетические обсуждения, пожелания или общие рассуждения». Внутри он добавил: «Если в высказывании нет чёткого глагола в повелительном наклонении или явного согласия исполнителя, не включай его в список задач. Если сомневаешься, лучше пропустить, чем выдумать». И наконец, внутри он разместил саму стенограмму. Результат превзошёл ожидания: доля галлюцинированных задач упала с тридцати двух процентов до нуля целых семи десятых процента, то есть практически обнулилась. Модель начала пропускать сомнительные фрагменты вместо того, чтобы додумывать их, и список задач стал коротким, но стопроцентно точным. Экономия времени на ручной проверке составила около четырёх часов в неделю на каждого менеджера, а доверие к системе автоматической фиксации задач выросло настолько, что команда перестала вести параллельные записи вручную.

Шаблон кода

Теперь я дам вам эталонный шаблон системного промпта с XML-разметкой, который вы будете адаптировать под свои задачи. Структура звучит так. Первый блок: Ты — [должность, стаж, специализация]. Твой стиль: [конкретный, аналитический, креативный]. Ты всегда [указать ключевые принципы работы] . Второй блок: Ситуация: [описание проекта, клиента, отрасли]. Стадия: [начало, середина, завершение]. Ограничения: [бюджет, сроки, ресурсы] . Третий блок: Твоя задача: [конкретное действие глаголом в повелительном наклонении]. Шаги выполнения: 1. [первый шаг]. 2. [второй шаг]. 3. [третий шаг] . Четвёртый блок: Запрещено: [список запретов]. Обязательно: [список обязательных действий]. Объём: [ограничение по символам или абзацам]. Стиль: [формальный, неформальный, технический] . Пятый блок: [сюда помещаются все сырые данные для анализа] . Шестой блок: Формат вывода: [описание структуры]. Пример: [один-два примера желаемого формата] . Седьмой блок: Перед выдачей финального ответа проведи промежуточные рассуждения в этом блоке. Проверь соответствие ограничениям. Убедись, что все данные взяты из raw_data, а не выдуманы . Восьмой блок: После генерации ответа проверь: 1. Все ли ограничения соблюдены. 2. Нет ли выдуманных фактов. 3. Соответствует ли формат требуемому. Если есть нарушения, исправь их перед финальным выводом .

Этот шаблон работает как конструктор: вы можете добавлять, убирать или модифицировать блоки в зависимости от задачи. Для простых задач достаточно трёх-четырёх блоков: , , , . Для сложных аналитических задач нужны все восемь блоков. Для мультимодальных задач добавляются теги ,

Чтобы проверить качество промпта с разметкой перед отправкой, пройдите мысленный чек-лист из шести вопросов. Первый вопрос: все ли сырые данные помещены внутрь тега ? Если данные смешаны с инструкциями, модель может их перепутать. Второй вопрос: есть ли блок с хотя бы одним ограничением? Если ограничений нет, модель может выдать слишком длинный или слишком общий ответ. Третий вопрос: указан ли формат вывода внутри ? Если формат не указан, модель сама решит, как оформить ответ. Четвёртый вопрос: есть ли блок или для промежуточных рассуждений? Для сложных задач этот блок критически важен, потому что он заставляет модель рассуждать пошагово. Пятый вопрос: есть ли блок для самопроверки? Этот блок снижает риск галлюцинаций и нарушений ограничений. Шестой вопрос: все ли теги правильно закрыты? Незакрытый тег может сбить модель с толку и привести к непредсказуемым результатам. Если хотя бы на один вопрос ответ «нет», промпт не готов к отправке.

Отдельно остановлюсь на технике псевдокода внутри промпта. Псевдокод — это упрощённая запись алгоритма на языке, близком к программированию, но понятном человеку и модели. Например, вы можете написать: «ЕСЛИ в тексте упоминается числовая метрика, ТОГДА извлеки её и укажи единицы измерения. ИНАЧЕ отметь как „метрика не указана“». Модель отлично понимает такие конструкции, потому что обучалась на миллионах строк кода. Псевдокод особенно полезен, когда вам нужно описать сложную логику с условиями, циклами или ветвлениями. Вместо того чтобы писать длинное объяснение на естественном языке, вы формулируете алгоритм компактно и однозначно. Это снижает риск недопонимания и повышает точность выполнения сложных задач.

Практика. Продвинутый уровень. Задание «Из хаоса в космос»

Ваша задача на ближайшие тридцать-сорок минут — превратить хаотичный массив данных в структурированный результат с помощью XML-разметки. Найдите или создайте длинный текст, содержащий смесь из инструкций, данных и обсуждений: это может быть расшифровка голосовой заметки, где вы диктуете задачи, комментарии и мысли вслух; или длинное письмо от клиента, где требования перемешаны с вопросами и эмоциональными высказываниями; или стенограмма совещания, где обсуждение проблем смешано с конкретными поручениями. Сначала отправьте этот текст в модель с простым промптом без разметки: «Извлеки из этого текста все задачи и требования». Посмотрите на результат и оцените, сколько задач модель выдумала или исказила. Теперь перепишите промпт с полной XML-разметкой: используйте теги , , , , , , . Поместите весь хаотичный текст внутрь , а в явно укажите: «Извлекай только те высказывания, которые являются прямыми поручениями или чёткими требованиями. Не извлекай обсуждения, вопросы, пожелания или гипотетические сценарии. Если сомневаешься, лучше пропустить». Отправьте промпт с разметкой и сравните результаты. Запишите в чек-лист прогресса, насколько сократилось количество галлюцинированных задач, какие именно блоки разметки оказались наиболее эффективными и для каких типов хаотичных данных в вашей работе эта техника будет наиболее полезна.

Практика. Экспертный уровень. Задание «Мультимодальная разметка»

Это задание займёт около часа и потребует от вас работы с разнотипными данными. Соберите три типа данных на одну тему: текстовое описание проекта или продукта, изображение схемы, графика или прототипа, аудиозапись обсуждения или голосовой заметки на ту же тему. Ваша задача — написать единый промпт с XML-разметкой, который обрабатывает все три типа данных и выдаёт структурированный результат. Используйте теги , , для разделения модальностей. Внутри каждого тега укажите, что именно нужно извлечь: из текста — ключевые требования и ограничения, из изображения — визуальные элементы и их взаимосвязи, из аудио — устные договорённости и эмоциональную окраску обсуждения. В блоке укажите, как объединить данные из трёх модальностей в единый отчёт. В блоке укажите, что делать при противоречии данных из разных модальностей: например, «Если текстовое описание противоречит изображению, укажи это как несоответствие, требующее уточнения». В блоке попросите модель проверить, все ли три модальности учтены в финальном отчёте. Загрузите все три типа данных и промпт в модель с поддержкой мультимодального ввода. Оцените результат: насколько полно модель объединила данные из разных источников, насколько точно она выявила противоречия, насколько структурированным получился итоговый отчёт. Запишите в чек-лист прогресса итоговый промпт с разметкой, какие именно теги оказались наиболее полезными для мультимодальной обработки и как вы будете применять эту технику в своей ежедневной работе.

На этом седьмая глава завершена. Вы освоили продвинутую разметку с XML-тегами, поняли, почему критически важен для отделения данных от инструкций, получили эталонный шаблон системного промпта и научились превращать хаотичные массивы в структурированные результаты. В следующей главе мы перейдём к обратной задаче: вы узнаете, как определять машинную генерацию в текстах, аудио и видео, какие признаки выдают синтетический контент и как выстроить двухэтапный контроль, чтобы не нанимать «пустых» кандидатов и не покупать несуществующие товары.

Глава 8. Детекция ИИ-контента и критическая оценка

Теория

Мы подошли к рубежу, где технология стала настолько совершенной, что перестала быть просто инструментом и начала имитировать самого создателя. Речь идёт о детекции синтетического контента. Что это такое? Это набор методов и практик, позволяющих отличить работу человеческой психики и моторики от математической аппроксимации, выполненной нейросетью. Почему это важно именно сейчас? Потому что стоимость создания подделки упала до нуля. Любой мошенник или недобросовестный подрядчик может за пять минут сгенерировать голос вашего руководителя, написать безупречный отчёт или смонтировать видеообращение от лица несуществующего эксперта. В корпоративной среде слепое доверие к входящим данным ведёт к финансовым потерям и репутационным кризисам. Понимание механики подделок превращает иллюзию достоверности

Конец ознакомительного фрагмента.

Текст предоставлен ООО «Литрес».

Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.