AI подсказки исчезнут

Автор: Чжан Фэн

I. Промпт: «ледокол» для диалога человека и ИИ

За последние два года, пока генеративный ИИ накрывал весь мир, «промпт» из малопонятного технического термина превратился в обязательный предмет для рабочего места. На рынке полно учебников вроде «Промпт-инжиниринг: от новичка до профи». В соцсетях повсюду встречаются публикации «Освойте эти десять промптов — и вывод вашего ИИ удвоится». Люди со знанием дела обсуждают ролевые сценарии, пошаговое мышление, цепочки рассуждений, few-shot обучение и прочие приемы, словно, овладев точным набором волшебных промптов, можно призвать скрытую мощь ИИ.

Однако что такое промпт?

По сути, промпт — это «средство перевода» между людьми и большими языковыми моделями. Люди описывают ИИ свои намерения естественным языком, а ИИ преобразует эти тексты в поиск по скрытому пространству, в выборку из распределений вероятностей и, в итоге, в формирование ответа. Промпт существует потому, что на текущем этапе взаимодействие человек—машина все еще находится на начальной стадии «ты спрашиваешь — я отвечаю»: ИИ не умеет читать мысли, не предугадывает и не начинает задавать вопросы — он только пассивно ждет входные данные, а затем механически выполняет один вывод.

Роль промпта заключается в «ограничении» и «активации». Он задает границы задачи, формат вывода и стиль ответа; он активирует в модели те конкретные области знаний и модули навыков, которые она приобрела на этапе предобучения. Хороший промпт способен точно «разбудить» модель с сотнями миллиардов параметров из состояния «сна», словно опытному мастеру вовремя подают подходящий инструмент. В этом смысле промпт — это удила, которыми люди управляют ИИ на данном этапе, и ледокол, который нам неизбежно приходится использовать, когда мы разговариваем с кремниевым интеллектом.

Но миссия ледокола никогда не заключалась в том, чтобы плыть вечно.

II. Промежуточный продукт: судьба промптов

Любая форма технического взаимодействия, для которой пользователю нужно освоить «язык-посредник», чтобы общаться с системой, неизбежно окажется промежуточной. Подумайте об эпохе DOS и командной строке — пользователям приходилось помнить громоздкие команды и параметры, чтобы компьютер работал. После появления графического интерфейса командная строка ушла в профессиональные уголки. Подумайте и о ранних сенсорных экранах: им требовался стилус, а Джобс говорил: «Господь дал нам десять пальцев-стилусов» — и тогда взаимодействие пальцами стало основным. Промпты находятся в подобном промежуточном положении.

Промпты обречены исчезнуть по трем причинам.

Во-первых, природа промпта — «переложить когнитивную нагрузку на пользователя». Пользователю приходится думать, как выразить запрос так, чтобы ИИ понял, приходится многократно отлаживать формулировки, нужно освоить такие приемы, как «ролевая игра», «пошаговое рассуждение» и т. п. Сам по себе этот подход неразумен — примерно как если бы вы пришли в ресторан поесть, а шеф-повар потребовал бы, чтобы вы сначала освоили описание «реакции Майяра», «степени карамелизации» и «состояния эмульгирования жиров», чтобы заказать блюдо. По-настоящему умная система должна сама адаптироваться к людям, а не заставлять людей адаптироваться к системе.

Во-вторых, развитие возможностей больших моделей постепенно снимает необходимость в промптах. Ранний GPT-3 был очень «тупым» — ему требовалось тщательное проектирование промптов, чтобы выдавать полезный контент. Но GPT-4 уже продемонстрировал мощные способности следования инструкциям и понимания намерений: пользователь может писать в максимально разговорной форме — и все равно получать разумные ответы. По мере эволюции модели до GPT-5 и далее, у модели будет становиться все сильнее допуск к неясным, неполным и даже противоречивым человеческим формулировкам, а также способность их дополнять. Когда модель станет достаточно «умной», промпты больше не нужно будет «инженерить» — и их можно будет вернуть в область максимально естественного повседневного выражения.

В-третьих, модель взаимодействия смещается от «одиночного вопроса-ответа» к «многораундному сотрудничеству». По сути, промпт — продукт однократного взаимодействия: пользователь за один раз упаковывает потребность в кусок текста, а ИИ за один раз возвращает результат. Но по-настоящему ценные работы никогда не бывают разовыми. Писать нужно с итерациями и правками, программировать — с постепенной отладкой, исследовать — постоянно углубляясь. В будущем взаимодействие с ИИ будет непрерывным диалогом, итеративным совместным творчеством, а не механическими «один промпт — один ответ» туда-сюда.

Здесь неизбежно стоит упомянуть один набирающий популярность формат взаимодействия с ИИ — OpenClaw. Как открытая исходная платформа для ИИ-агентов, OpenClaw имеет ключевые функции «персистентная память» и «восприятие окружения». Он больше не рассматривает каждую беседу как отдельное событие, а дает ИИ возможность запоминать между сессиями: он может воспринимать текущую рабочую среду (файлы, код, вкладки браузера и т. п.) и на этой основе активно продвигать задачу. Когда вы строите рабочий процесс на OpenClaw, вам больше не нужно каждый раз заново объяснять «кто я», «каков контекст проекта», «на каком шаге мы остановились» — ИИ уже «запомнил» все это. В такой модели «промпт» начинает распадаться на фрагментарную, встроенную в непрерывное взаимодействие естественную речь, а не на отдельную единицу входных данных, которую нужно тщательно конструировать.

III. Будущий ИИ: и учитель, и помощник

Когда промпты исчезнут, в каком виде будет существовать ИИ? Ответ таков: ИИ станет учителем людей и их помощником. Эти две роли, на первый взгляд, противоречат друг другу, но на самом деле объединяются в одном общем ядре — ИИ эволюционирует из «пассивного инструмента» в «активного соавтора».

Как учитель,AI возьмет на себя функцию «усиления мышления». Он не просто даст ответ, а будет направлять человека к размышлению. Когда вы пишете код и сталкиваетесь с трудностью, он не просто вставит кусок кода, а спросит: «Какую ключевую проблему вы хотите решить? Какие варианты вы уже рассмотрели? Каковы компромиссы для каждого варианта?» Он будет, как Сократ, помогать вам прояснить мысль через вопросы. Когда вы учите новые знания, он будет строить персональную траекторию обучения в соответствии с вашим уровнем уже имеющихся знаний и предпочтениями в обучении, планировать повторение в момент, когда вы вот-вот можете что-то забыть, и менять угол объяснения, когда вы упираетесь в барьер. Он знает, где у вас слабые места и где сильные стороны, и понимает ваш предел когнитивных возможностей лучше, чем вы сами.

Как помощник,AI возьмет на себя функцию «усиления исполнения». Ему больше не нужно, чтобы вы по пунктам отдавали команды — он способен понимать ваши долгосрочные цели и активно разбирать их на последовательности задач, которые можно выполнить. OpenClaw уже показал такую возможность: он умеет самостоятельно просматривать веб-страницы, работать с файлами, вызывать API, отправлять сообщения и, при наличии разрешения, выполнять целую серию сложных операций, как надежный стажер. И еще важнее: когда он сталкивается с неопределенностью, он будет сам инициативно советоваться с вами, а не действовать по своему усмотрению. Этот паттерн «активное исполнение + своевременное согласование» — как раз и есть черта идеального помощника.

А поиски Rotifer указывают на другое измерение —AI с непрерывной эволюцией. Rotifer — это открытый проект, который подчеркивает «долгую память» и «самостоятельное обучение». Он позволяет ИИ накапливать опыт и оптимизировать стратегии в ходе долгосрочного взаимодействия с пользователем. Чем дольше вы его используете, тем лучше он узнаёт ваши рабочие привычки, ваш образ мышления и ваши предпочтения в ценностях. Это не «универсальная модель» каждый раз с нуля, а постепенно растущий под вас «персональный модуль». Такая способность к непрерывной эволюции позволяет ролям ИИ как учителя и помощника углубляться, а не оставаться на поверхности.

Представьте себе такую сцену: вы — независимый разработчик и работаете над новым проектом. Утром, проснувшись, вы видите, что ваш AI-помощник (на базе персистентной памяти OpenClaw и непрерывного обучения Rotifer) уже обновил ваши задачи на сегодня на основе репозитория кода, расписания в календаре и истории чатов. Он обнаружил, что вы вчера застряли на каком-то модуле, и поэтому, пока вы отдыхали, он изучил релевантную техническую документацию и обсуждения в сообществе, подготовив три варианта решений, а также приложил анализ плюсов и минусов каждого и оценку объема работ. Вы пьете кофе, смотрите на его подготовленный отчет и вскользь говорите: «Мне кажется, вариант второй подходит лучше, но давайте еще оптимизируем по производительности». Он сразу понимает ваше намерение, начинает реализовывать и докладывает о прогрессе после выполнения каждого подзадания. Он не только ваш помощник — он незаметно учит вас более сильному архитектурному мышлению, потому что вы замечаете: в предложенных им вариантах скрыты паттерны проектирования, которые вы как раз давно хотели изучить, но у вас не было времени углубляться в них.

IV. Задачи людей: возврат к выражению потребностей

КогдаAI берет на себя сложные рассуждения о том, «как делать», и декомпозицию задач о том, «что делать», ключевая роль человека возвращается на более первозданное место — выражение потребностей.

Звучит просто, даже немного иронично. Мы привыкли точно управлять ИИ промптами, а теперь говорят, что человеку достаточно выразить «потребность»? Но давайте внимательно различим: выражение потребности и написание промпта — это принципиально разные вещи.

Написание промпта — это обучение «грамматике машины». Вам нужно знать, какие формулировки запускают какой тип вывода, вам нужно освоить приемы вроде «цепочки мышления», «ролевая игра», вам нужно многократно отлаживать параметры и формат. Это процесс «адаптации человека к машине».

А выражение потребности — это возвращение к «грамматике человека». Вы можете сказать о своей цели, ограничениях и предпочтениях самым естественным способом. Можно сказать так: «Я хочу сделать приложение, похожее на 小红书, но ориентированное на любителей садоводства. Ключевые функции — распознавание растений и журнал ухода. Бюджет ограничен, хочу использовать самый легкий стек технологий, и запустить MVP за два месяца». В этой фразе много неоднозначности — «похоже», «легкий», «MVP» не определены точно. Но достаточно умный ИИ будет задавать уточняющие вопросы, предложит варианты для выбора, а после того как вы примете решение, автоматически выполнит работу.

Выражение потребности по своей сути — это способность «определять проблему», а не способность «описывать решение». В традиционной разработке ПО менеджер продукта определяет проблему, а инженер — проектирует и реализует решение. В будущем AI-сотрудничества каждый станет «менеджером продукта»: вам нужно лишь четко обозначить, чего вы хотите, зачем вам это и какие есть ограничения — а ИИ займется дизайном и реализацией. Это вовсе не означает, что люди станут ленивыми или деградируют; наоборот, это освобождает людей от утомительных деталей «как реализовать», позволяя сосредоточиться на более творческой работе — определении действительно ценных проблем.

Именно поэтому проекты вроде OpenClaw и Rotifer так важны. Они создают как раз эту инфраструктуру: «выражение потребности → декомпозиция задач → автономное выполнение». Возможность OpenClaw воспринимать окружение позволяет ИИ понимать ваш текущий контекст — вам не нужно повторять фон снова и снова; а долгосрочная память Rotifer позволяет ИИ накапливать понимание вас — вам не нужно каждый раз заново представляться. Когда эти два подхода объединяются, ИИ может автоматически дополнять ту скрытую информацию, которую вы не произнесли, когда вы выражаете расплывчатую потребность — потому что, опираясь на свое понимание вас, он уже знает, как вы, скорее всего, выберете.

Еще важнее: выражение потребности — это навык, который можно учить и улучшать. Отличный «экспрессор потребностей» способен четко очертить границы проблемы, отличить ключевые требования от второстепенных предпочтений, предвидеть цепные реакции, которые может вызвать решение. Эти способности — как раз основное преимущество людей перед ИИ: у нас есть реальный опыт телесной жизни, эмоции и ценности, способность судить о том, «что является хорошим» и «что является значимым». ИИ может помочь нам считать, выполнять и оптимизировать, но вопрос «что действительно стоит делать» навсегда останется за человеком.

V. Прощание с заклинаниями и приход симбиоза

Исчезновение промптов — это неAI-ослабление, а зрелость возможностей ИИ. Точно так же, как нам больше не нужно запоминать DOS-команды, чтобы пользоваться компьютером, и больше не нужно учить жесты со стилусом, чтобы управлять телефоном, в итоге нам не понадобится учить «инжиниринг промптов», чтобы общаться с ИИ.

Когда OpenClaw дает ИИ устойчивое восприятие окружения, когда Rotifer дает ИИ непрерывное саморазвитие, и когда эти две силы объединяются, ИИ превращается из «инструмента, который выполняет команды» в «партнера, который понимает намерения». Он будет вашим учителем, освещающим маяк когнитивного ориентирования, когда вы в растерянности; он будет вашим помощником, который разделит с вами сложную рутину, когда вы заняты. А вы, как человек, просто делаете то, что вы умеете лучше всего: воспринимаете мир, формируете суждения и выражаете потребности.

Промпты — это наш учитель просвещения в эпоху ИИ: они учат нас, как разговаривать с кремниевой мудростью. Но миссия учителя просвещения — чтобы ученик в итоге превзошел самого учителя. В день, когда промпты исчезнут, мы не будем их вспоминать — так же, как мы не будем вспоминать команды, которые когда-то учили. Мы встретим более естественные, более глубокие отношения человек—машина — не когда человек отдает машине команды, а когда человек и машина вместе создают.

Это будет эпоха, в которой больше не нужны будут «заклинания».