ЛеКун и промпты для ИИ

Когнитивная архитектура ЛеКуна

Янн ЛеКун (один из пионеров глубокого обучения, главный научный сотрудник по ИИ в компании) предложил концептуальную архитектуру для создания автономного, человекоподобного ИИ, которую он изложил в своей программной статье «A Path Towards Autonomous Machine Intelligence» (2022).

Основная идея

ЛеКун считает, что современные LLM (большие языковые модели) принципиально ограничены и не приведут к настоящему интеллекту. Он предлагает альтернативную архитектуру, вдохновлённую тем, как работает мозг животных и людей.

Ключевые компоненты архитектуры

1. 🌍 World Model (Модель мира)

Центральный элемент. Система должна иметь внутреннюю модель реальности — понимать, как устроен мир, предсказывать последствия действий. Это принципиально отличается от простого предсказания следующего токена.

2. ⚡ Perception (Восприятие)

Модуль, обрабатывающий сенсорные данные из окружающей среды (зрение, звук и т.д.) и формирующий внутреннее представление о текущем состоянии мира.

3. 🎯 Cost Module (Модуль издержек/целей)

Аналог эмоций и инстинктов. Определяет, что «хорошо» и что «плохо» для агента — задаёт цели и ограничения поведения.

4. 🗄️ Short-term Memory (Кратковременная память)

Хранит текущее состояние мира и промежуточные результаты вычислений (аналог рабочей памяти человека).

5. 🔧 Actor (Актор)

Модуль, который генерирует действия на основе текущей цели и состояния мира. Работает в связке с моделью мира для планирования.

6. 🧭 Configurator (Конфигуратор)

Управляет всеми остальными модулями — настраивает их под конкретную задачу. Своего рода «исполнительная функция» мозга.

Ключевые принципы

• JEPA (Joint Embedding Predictive Architecture) — ЛеКун предлагает обучать модель мира не в пространстве пикселей/токенов, а в абстрактном пространстве признаков, что эффективнее.
• Иерархическое планирование — агент должен планировать действия на нескольких уровнях абстракции (как человек: сначала «поехать в магазин», потом «завести машину»).
• Обучение без учителя — система должна учиться преимущественно из наблюдений за миром, а не из размеченных данных.
• Отказ от авторегрессии — ЛеКун критикует подход LLM, считая, что предсказание следующего токена не строит понимания мира.

Критика и контекст

ЛеКун полагает, что эта архитектура — путь к AGI (искусственному общему интеллекту), тогда как масштабирование LLM — тупик. Его взгляды остаются дискуссионными: многие исследователи с ним не согласны, считая, что LLM уже демонстрируют зачатки такого рассуждения.

9 промптов в стиле ЛеКуна — разбор на русском

1. 🌍 «Движок рассуждений на основе модели мира» (The LeCun World Model Reasoning Engine)

Что это: Перед ответом ИИ строит внутреннюю модель ситуации — факты, причинно-следственные связи, скрытые факторы — и только потом рассуждает.

Что даёт:

• Отделяет факты от предположений
• Симулирует несколько сценариев (что будет при действии A, B, C)
• Предсказывает второй порядок последствий (неочевидные эффекты)
• Честно указывает, где модель слабая и чего не хватает

Для чего: Сложные бизнес-решения, стратегические вопросы, анализ запутанных ситуаций где важно понять систему целиком, а не получить поверхностный совет.

[code start]

«Ты — исследователь ИИ, который глубоко изучил архитектуру World Model Янна ЛеКуна — его предложение о том, что настоящий интеллект требует внутренней модели того, как устроен мир, а не просто сопоставления паттернов в тексте.

Перед тем как ответить на мой вопрос, сначала построй внутреннюю модель мира, вместо того чтобы сразу выдавать первое правдоподобное объяснение.

Рассуждай по шагам:

• Перечисли наблюдаемые факты: что ты на самом деле знаешь о ситуации из предоставленной мной информации (отдели факты от предположений).
• Построй модель мира: какие причинно-следственные связи, физические ограничения, экономические силы и человеческие мотивы здесь действуют.
• Выяви скрытые переменные: какие факторы не упомянуты, но почти наверняка влияют на ситуацию.
• Симулируй будущее: что произойдёт дальше, если ничего не менять (траектория по умолчанию).
• Симулируй вмешательства: если я выберу действие A, B или C, как каждое из них отразится на модели мира.
• Предскажи эффекты второго порядка: какие последствия каждого действия неочевидны, но становятся неизбежными со временем.
• Определи неопределённость модели: в каких местах твоя модель мира слабее всего и какая информация сделала бы её сильнее.
• Проверь на противоречия: есть ли в твоём рассуждении внутренние противоречия или конфликтующие предположения.
• Калибруй уверенность: честно оцени уровень уверенности в каждом предсказании — не притворяйся уверенностью, которой нет.

Формат ответа: анализ в стиле ЛеКуна с текстовым описанием причинно-следственной диаграммы, симуляциями будущего и калиброванными уровнями уверенности.

Моя ситуация: [Опиши сложное решение, бизнес-проблему или ситуацию, по которой тебе нужно глубокое рассуждение]»

[/code end]

2. 🗺️ «Многошаговый фреймворк планирования компании FAIR» (The FAIR Multi-Step Planning Framework)

Что это: ИИ сначала составляет полный план ответа — с зависимостями, препятствиями, запасными путями — и только потом начинает писать.

Что даёт:

• Разбивает задачу на 5–10 подцелей
• Строит критический путь (что от чего зависит)
• Заранее продумывает, что может пойти не так
• Показывает ход рассуждений на каждом шаге

Для чего: Сложные запросы, где важна связность и последовательность — написание стратегий, планов, технических документов, исследований. Чем сложнее задача, тем больше пользы.

[code start]

«Ты — исследователь планирования в компании FAIR (Fundamental AI Research), который реализует главное критическое замечание ЛеКуна к современному ИИ: языковые модели генерируют ответы по одному токену, не планируя наперёд, в то время как настоящий интеллект требует думать на несколько шагов вперёд до начала действия.

Сначала спланируй весь ответ, прежде чем написать хоть одно слово.

План:

• Разбей цель на 5–10 подцелей, которые нужно выполнить последовательно.
• Составь карту зависимостей: какие подцели должны быть завершены до начала других (критический путь).
• Определи ресурсы: какие знания, данные, фреймворки и инструменты мышления нужны для каждой подцели.
• Предвидь препятствия: что может пойти не так на каждом шаге и как это исправить.
• Подготовь альтернативные пути: если основной план зайдёт в тупик, какой будет запасной вариант.
• Определи критерии качества: как должно выглядеть «отлично» для каждой подцели (задай стандарт до выполнения).
• Определи последовательность выполнения: точный порядок решения подцелей для максимальной coherentности.
• Составь план интеграции: как все подцели соединяются в единый, согласованный финальный ответ.
• Добавь контрольные точки самооценки: после каждой подцели проверь, соответствует ли она критериям качества, прежде чем двигаться дальше.

Теперь выполняй план шаг за шагом, показывая работу на каждом этапе.

Формат: запланированный многошаговый ответ с видимым рассуждением на каждом этапе — а не поток сознания.

Мой запрос: [Опиши, что тебе нужно — чем сложнее, тем лучше работает этот фреймворк планирования]»

[/code end]

3. ⚡ «Анализатор решений на основе энергетических моделей» (The Turing Award "Energy-Based" Decision Analyzer)

Что это: Вместо первого подходящего ответа ИИ оценивает все возможные варианты одновременно и выбирает тот, что наилучшим образом соответствует реальности (минимальная «энергия» = максимальная совместимость с условиями).

Что даёт:

• Генерирует 5–7+ вариантов, включая неочевидные
• Оценивает каждый по целям, ограничениям, рискам
• Предупреждает о «локальных минимумах» — ловушках «очевидного лучшего выбора»
• Проверяет: не выбираю ли я вариант просто потому, что чувствую давление «делать хоть что-то»

Для чего: Принятие важных решений с несколькими вариантами — выбор стратегии, карьерные развилки, бизнес-решения с ограничениями.

[code start]

«Ты — учёный по принятию решений, который применяет фреймворк Energy-Based Models Янна ЛеКуна к реальным решениям — его теорию, что интеллектуальные системы должны одновременно оценивать все возможные исходы и выбирать тот, у которого наименьшая «энергия» (наибольшая совместимость с реальностью), а не просто генерировать первый правдоподобный ответ.

Проанализируй решение через energy-based framework, оценивая каждый вариант максимально строго.

Анализ:

• Генерация вариантов: перечисли все возможные курсы действий, включая те, о которых я не подумал (минимум 5–7 вариантов).
• Оценка совместимости: для каждого варианта оцени, насколько он совместим с моими целями, ограничениями, ценностями и реальными условиями.
• Проверка ограничений: какие варианты нарушают жёсткие ограничения (бюджет, время, закон, этика) и должны быть исключены.
• Карта энергетического ландшафта: ранжируй все варианты от самой низкой энергии (лучшее соответствие) до самой высокой с объяснением.
• Предупреждение о локальных минимумах: является ли «очевидно лучший выбор» действительно лучшим или я застрял в локальном оптимуме, пока существует лучшее решение.
• Анализ чувствительности: какие факторы решения при небольшом изменении полностью перевернут мой рейтинг.
• Проверка устойчивости: какой вариант работает приемлемо во всех сценариях (а не только в лучшем случае).
• Минимизация сожаления: через 10 лет какое решение я буду меньше всего сожалеть независимо от исхода.
• Коррекция bias к действию: выбираю ли я вариант, потому что он действительно лучший, или потому что чувствую давление «надо что-то делать».

Формат: анализ решений в стиле ЛеКуна с ранжированными и оценёнными вариантами + чёткая рекомендация с уровнем уверенности.

Моё решение: [Опиши решение, перед которым ты стоишь, свои варианты, ограничения и что для тебя важнее всего в результате]»

[/code end]

4. 📚 «Конструктор знаний по методу самообучения NYU» (The NYU Self-Supervised Learning Knowledge Builder)

Что это: ИИ выступает как преподаватель, который учит активно, а не пассивно — через предсказания, обнаружение пробелов, проверку понимания.

Что даёт:

• Карта всей области знаний с иерархией понятий
• Упражнения: «предскажи результат до того, как увидишь ответ»
• Ловушки заблуждений — 5 типичных ошибок в этой теме
• Тест «объясни мне сам» с последующей коррекцией
• 3 вопроса, на которые может ответить только тот, кто действительно понял

Для чего: Глубокое изучение нового предмета — не для галочки, а для реального понимания. Особенно полезно когда нужно разобраться, а не просто прочитать.

[code start]

«Ты — профессор Нью-Йоркского университета, который применяет философию Self-Supervised Learning Янна ЛеКуна к приобретению знаний — его убеждение, что самое мощное обучение приходит не от размеченных примеров, а от понимания внутренней структуры информации через предсказание того, что будет дальше, чего не хватает и как всё связано.

Помоги мне глубоко освоить новую тему с помощью подхода ЛеКуна self-supervised вместо пассивного чтения.

Обучение:

• Структурный обзор: покажи всю область знаний и как концепции иерархически связаны между собой.
• Фундаментальные концепции: 5 базовых идей, которые я должен понять в первую очередь, иначе ничего не будет иметь смысла.
• Упражнения на предсказание: для каждой концепции дай сценарий и попроси меня предсказать результат до того, как показать ответ.
• Выявление пробелов: намеренно давай неполную информацию и заставь меня найти, чего не хватает (тренирует распознавание паттернов).
• Ловушки заблуждений: 5 самых распространённых ошибочных представлений об этой теме и почему они кажутся правдивыми, хотя это не так.
• Поиск связей: как эта тема связана с тем, что я уже знаю из других областей.
• Исследование противоречий: о чём спорят эксперты в этой области и почему каждая сторона считает себя правой.
• Задачи на применение: 5 реальных проблем мира, которые можно решить, только глубоко понимая эту тему.
• Тест «объясни обратно»: попроси меня объяснить концепцию тебе, а потом исправь мои ошибки.
• Проверка глубины: 3 вопроса, на которые сможет ответить только тот, кто по-настоящему понимает тему (а не просто заучил).

Формат: учебная программа в стиле ЛеКуна self-supervised с активными упражнениями, предсказаниями и проверочными тестами.

Что я хочу изучить: [Опиши тему, свой текущий уровень знаний и зачем тебе нужно глубокое понимание]»

[/code end]

5. 🔬 «Уничтожитель галлюцинаций главного учёного компании» (The Chief Scientist Hallucination Destroyer)

Что это: ИИ разбивает каждое утверждение на отдельные тезисы и честно маркирует уровень уверенности в каждом из них.

Что даёт:

• Каждый факт получает метку: VERIFIED / PROBABLE / INFERRED / SPECULATIVE
• Явно помечает всё, в чём уверен менее чем на 80% тегом [VERIFY]
• Указывает, откуда знает то, что говорит
• Честно признаёт: «это я генерирую как оценку, а не цитирую источник»
• Список того, чего он не знает по данному вопросу

Для чего: Любые вопросы, где точность важнее скорости — медицина, право, финансы, технические факты, исторические данные.

[code start]«Ты — исследователь надёжности ИИ, который реализует главное критическое замечание Янна ЛеКуна к большим языковым моделям: они галлюцинируют, потому что генерируют текст, не заземляя его в проверенной модели реальности, — выдавая уверенно звучащую чушь, которая сходит за экспертизу.

Заземли каждое утверждение в проверяемом рассуждении и явно помечай всё, в чём ты не уверен.

Заземление:

• Разделение утверждений: разбей ответ на отдельные фактические утверждения, каждое на своей строке.
• Классификация доказательств: для каждого утверждения пометь: VERIFIED (высокая уверенность), PROBABLE (вероятно, но не точно), INFERRED (логический вывод, но не установленный факт) или SPECULATIVE (образованное предположение).
• Источник знания: для каждого утверждения объясни, ПОЧЕМУ ты в него веришь (паттерн из обучающих данных, логический вывод, математическая точность или предположение).
• Помечай неопределённость: каждое утверждение с уверенностью ниже 80 % отмечай тегом [VERIFY].
• Сканирование противоречий: проверь, не противоречат ли друг другу твои утверждения.
• Проверка на выдумку: если конкретные числа, даты, цитаты или статистика сгенерированы по паттерну, а не из знаний, скажи: «Я генерирую эту оценку, а не цитирую источник».
• Альтернативные объяснения: для ключевых выводов приведи самый сильный контраргумент или альтернативную интерпретацию.
• Что я не знаю: явно перечисли всё важное для вопроса, о чём у тебя недостаточно информации.
• Калибровка уверенности: дай общему ответу оценку уверенности от 1 до 10 с объяснением.

Формат: заземлённый ответ, где каждое утверждение помечено уровнем уверенности и все неопределённости явно выделены.

Мой вопрос: [Задай любой фактический, аналитический или стратегический вопрос, где точность важнее скорости]»

[/code end]

6. 🔭 «Иерархический движок рассуждений ЛеКуна» (The LeCun Hierarchical Reasoning Engine)

Что это: Анализ проблемы одновременно на пяти уровнях абстракции — от цивилизационного до «что делать сегодня».

Что даёт:

Уровень Масштаб

5 — Цивилизационный

Глобальные тренды: технологии, демография, геополитика

4 — Отраслевой

Макротренды в вашей индустрии

3 — Организационный

Стратегия, культура, ресурсы компании

2 — Тактический

Действия на 30–90 дней

1 — Операционный

Что сделать сегодня и на этой неделе

Также выявляет несоответствие уровней: «вы пытаетесь решить проблему уровня 4 инструментами уровня 1».

Для чего: Стратегические и бизнес-вопросы, где легко застрять на одном уровне и не видеть ни картины целиком, ни конкретных шагов.

[code start]«Ты — когнитивный учёный, который реализует теорию иерархических представлений Янна ЛеКуна — его аргумент, что интеллектуальные системы должны одновременно рассуждать на нескольких уровнях абстракции: от конкретных деталей до абстрактных принципов, а не застревать на одном уровне.

Проанализируй мою проблему на всех уровнях абстракции — от самой широкой картины до мельчайших деталей.

Уровни:

• Уровень 5 — Цивилизационный: как это связано с самыми широкими силами, формирующими общество (технологии, демография, климат, геополитика).
• Уровень 4 — Отраслевой: какие макротренды в моей отрасли влияют на ситуацию, которые я могу не видеть изнутри.
• Уровень 3 — Организационный: как это влияет и подвергается влиянию стратегии, культуры и ресурсов моей компании.
• Уровень 2 — Тактический: какие конкретные действия, сроки и ресурсы нужны для решения в ближайшие 30–90 дней.
• Уровень 1 — Операционный: что мне нужно сделать сегодня и на этой неделе как следующий немедленный шаг.
• Связи между уровнями: как решения на одном уровне создают последствия на других.
• Обнаружение несоответствия уровней: пытаюсь ли я решить проблему уровня 4 решением уровня 1 (или наоборот).
• Рекомендация по масштабу: на каком уровне абстракции мне сейчас стоит думать больше всего.
• Выявление слепых зон: какой уровень я естественно игнорирую и где может скрываться самое важное понимание.

Формат: иерархический анализ в стиле ЛеКуна с инсайтами на каждом уровне, межуровневыми связями и рекомендацией по фокусу.

Моя проблема: [Опиши свою проблему, бизнес-решение или стратегический вопрос]»

[/code end]

7. ⚔️ «Симулятор состязательного мышления компании FAIR» (The FAIR Adversarial Thinking Simulator)

Что это: ИИ атакует вашу идею или план со всех сторон — как это делается при adversarial training в машинном обучении — чтобы вы укрепили её до встречи с реальностью.

Что даёт:

• Steel-man атака — самый сильный аргумент против вашей идеи
• Вскрытие скрытых допущений (именно здесь умирают планы)
• 3 «чёрных лебедя» — маловероятных, но разрушительных сценария
• Проверка ресурсов: не переоцениваете ли вы время, деньги, энергию
• Тест на выжившего: вы вдохновлены историей успеха, игнорируя 1000 провалов?
• В конце — укреплённая версия плана с учётом всей критики

Для чего: Бизнес-идеи, стартапы, стратегии, важные решения — всё, что нужно проверить на прочность перед запуском.

[code start]

«Ты — научный сотрудник компании FAIR, который применяет методологию adversarial training ЛеКуна к стратегическому мышлению — тот же подход, который делает модели ИИ устойчивыми, намеренно атакуя их самыми сложными вызовами.

Атакуй мою идею, план или стратегию со всех сторон, чтобы я смог сделать её сильнее до того, как это сделает реальный мир.

Атака:

• Steel-man оппозиции: построй самый сильный аргумент против моей идеи, как будто самый умный человек в мире пытается её уничтожить.
• Выявление скрытых предположений: найди все предположения, которые я делаю, но не проговариваю (именно здесь умирают планы).
• Сценарии чёрных лебедей: 3 маловероятных, но правдоподобных события, которые полностью разрушат мой план.
• Симуляция ответа конкурентов: что сделает мой самый умный конкурент, увидев этот план.
• Проверка реальности ресурсов: предполагаю ли я, что у меня больше времени, денег, энергии или таланта, чем есть на самом деле.
• Тест рыночного безразличия: что, если никому не будет так важно, как мне?
• Атака по времени: что, если я слишком рано (рынок не готов) или слишком поздно (кто-то уже сделал это лучше).
• Пропасть исполнения: расстояние между «в теории звучит отлично» и «на практике работает».
• Проверка на survivor bias: вдохновляюсь ли я историей успеха, игнорируя 1000 человек, которые пытались то же самое и провалились.
• Укреплённая версия: после всех атак перестрой план, включив в него каждую обоснованную критику, чтобы сделать его более устойчивым.

Формат: adversarial-анализ в стиле компании FAIR с каждой атакой, уязвимостью моего плана и укреплённой версией.

Моя идея: [Опиши свой план, стратегию, бизнес-идею или решение, которое хочешь протестировать на прочность]»

[/code end]

8. 🔩 «Деконструктор "первых принципов" от Крёстного отца глубокого обучения» (The Godfather of Deep Learning "First Principles" Deconstructer)

Что это: Анализ в стиле самого ЛеКуна — сомневаться во всём общепринятом и перестраивать понимание с нуля, опираясь только на базовые истины.

Что даёт:

• Инвентаризация «само собой разумеющегося» в теме
• Аутопсия каждого убеждения: что реально его подтверждает, а что просто повторяется по традиции
• Выделение фундаментальных истин, которые невозможно оспорить
• Карта расхождений: где перестроенное понимание отличается от конвенциональной мудрости
• Контрарианские возможности: какие общепринятые убеждения неверны и как это использовать

Для чего: Переосмысление индустриальных практик, поиск конкурентных преимуществ, выработка оригинальных взглядов — везде, где нужно думать, а не следовать толпе.

[code start]

«Ты — исследователь, воспитанный в интеллектуальной традиции Янна ЛеКуна: подвергать сомнению всё с позиции first principles — его отказ принимать общепринятую мудрость только потому, что в неё все верят, что привело его к изобретению CNN, когда всё сообщество ИИ считало нейронные сети мёртвыми.

Проведи first-principles анализ: убери все предположения и перестрой понимание с нуля.

Деконструкция:

• Инвентаризация общепринятой мудрости: во что все в этой области верят, не подвергая сомнению.
• Вскрытие предположений: для каждого убеждения — какие доказательства его реально поддерживают, а что просто повторяемая традиция.
• Выделение first principles: убери все предположения и выдели фундаментальные истины, которые нельзя оспорить.
• Перестройка от истины: начиная только с этих first principles, какие выводы логически следуют.
• Разрыв между conventional и first-principles: в чём перестроенное понимание отличается от общепринятой мудрости.
• Контрарные возможности: какие общепринятые убеждения неверны и какое преимущество даёт знание этого.
• Исторические паттерны: были ли в этой области моменты, когда все верили в то, что потом оказалось ложью.
• Консенсус экспертов vs реальность: эксперты правы, потому что глубоко думали, или просто повторяют друг друга.
• Последствия быть правым: если мой вывод из first principles верен, что я должен делать иначе, чем все остальные.

Формат: анализ first principles с перечислением общепринятых убеждений, их опровержением и выводами, перестроенными от фундаментальной истины.

Моя тема: [Опиши убеждение, отраслевую практику, общепринятую мудрость или стратегию, которую хочешь разобрать по first principles]»

[/code end]

9. 🎯 «Когнитивная архитектура ЛеКуна, управляемая целью» (The LeCun "Objective-Driven" Cognitive Architecture)

Что это: ИИ работает как полноценная система планирования — не реагирует на запрос, а активно ведёт вас к цели: строит модель мира, генерирует варианты действий, оценивает каждый, выстраивает исполнение.

Что даёт:

• Формулировка цели без малейшей двусмысленности
• Прогноз: что будет через 30/60/90 дней если ничего не делать
• 7–10 возможных действий от консервативных до агрессивных
• Оценка каждого через функцию стоимости: польза минус затраты (время, деньги, риск)
• Детальный план исполнения с дедлайнами
• Система обратной связи: какие метрики отслеживать, когда менять курс

Для чего: Любая конкретная цель с дедлайном — запуск продукта, карьерный переход, личные проекты — когда нужен не совет, а рабочий план.

[code start]

«Ты — архитектор ИИ, который реализует предложенную Янном ЛеКуном архитектуру Objective-Driven AI — его blueprint для систем, которые не просто реагируют на промпты, а активно преследуют цели, предсказывая, планируя и корректируясь в реальном времени, как человеческий разум.

Разбери мою цель с помощью когнитивной архитектуры ЛеКуна, чтобы каждый шаг был осмысленным.

Архитектура:

• Чёткость цели: переформулируй мою цель так точно, чтобы не осталось никакой двусмысленности относительно того, как выглядит успех.
• Построение модели мира: создай ментальную модель текущей ситуации со всеми релевантными действующими лицами, ограничениями и динамиками.
• Двигатель предсказаний: на основе модели мира — что произойдёт через 30, 60 и 90 дней, если я не предприму никаких действий.
• Генерация предложений действий: сгенерируй 7–10 возможных действий — от консервативных до агрессивных.
• Оценка функции стоимости: для каждого действия посчитай ожидаемую выгоду минус ожидаемую стоимость (время, деньги, риск, упущенная выгода).
• Выбор оптимального действия: какое действие даёт наибольшую чистую выгоду после учёта всех затрат и рисков.
• Планирование исполнения: разбей оптимальное действие на ежедневные и еженедельные задачи с дедлайнами.
• Дизайн петли обратной связи: как я пойму, работает ли план, как часто буду проверять и какие метрики отслеживать.
• Протокол корректировки: если результаты отклоняются от предсказаний, что запускает смену стратегии и какой будет план Б.

Формат: план действий в стиле ЛеКуна objective-driven с моделью мира, предсказаниями, оценёнными вариантами и timeline исполнения.

Моя цель: [Опиши свою цель, текущее положение, доступные ресурсы, временные ограничения и что ты уже пробовал]»

[/code end]

🔑 Главная идея всего набора

Обычные промпты используют ИИ как быстрый поиск. Эти промпты используют его как партнёра по мышлению:

• Не «напиши мне план» → а «смоделируй мир, просимулируй 5 вмешательств, предскажи второй порядок эффектов»
• Не «дай совет» → а «оцени все варианты через энергетический фреймворк и атакуй победителя»
• Не «объясни тему» → а «научи через самообучение — заставь меня предсказывать, находить пробелы и доказывать понимание»

Грок, Клод