За полчаса можно понять новую область: как быстро с помощью ИИ построить когнитивную структуру?

Заголовок: «Поделюсь глубокой исследовательской методикой Prompt, которой я пользуюсь уже 2 года, за полчаса помогу понять любой незнакомый предмет.»

Автор: Цифровая жизнь Казк

Источник:

Репост: Mars Finance

Пару дней назад я закончил конференцию, а вчера на выходных пообедал с другом, и во время разговора он вдруг положил вилку и посмотрел на меня и сказал: «Не братан, ты как так всё понимаешь?»

Я ответил: «Я не понимаю всё.»

Он спросил: «Чувствую, что ты можешь поговорить обо всём: о Harness, о Claude Code, о психологии, о Killing Floor 2, о Ктулху, а ещё ты находишь время играть в покемонов popakia, а сколько у тебя вообще часов в сутки?»

Я немного ошарашился.

Потому что, честно говоря, болтовня и хвастовство — это одно, я действительно не считаю, что всё понимаю, я просто очень любопытен к многим вещам, и у меня есть способ быстро разобраться в новом для меня предмете.

Он снова спросил: «Какой способ?»

Я сказал: «Это моя собственная исследовательская рамка, дополненная ИИ, за полчаса можно сделать отчёт на 1-2 тысячи слов, который поможет очень быстро войти в тему.»

Он снова положил вилку.

И сказал: «Напиши об этом.»

И вот появилась эта статья…

Я не знаю, будет ли она полезна всем, но для меня это действительно метод, который я разработал ещё три года назад, когда работал в финансовой сфере, для исследования компаний и отраслей. Потом пришёл ИИ, появились разные методы глубокого анализа, и я немного доработал свою методику, упаковал её в Prompt, предназначенный для глубокого исследования с помощью ИИ, который подходит для изучения любых предметов. Честно говоря, это один из самых удобных инструментов за последние два года.

Не могу сказать, насколько глубоко эта методика раскрывает тему, но она помогает быстро построить достаточно полную когнитивную структуру, а затем углубляться в неё.

Ранее я называл этот подход…

Горизонтально-вертикальный анализ.

Давайте я расскажу, что это такое.

На самом деле очень просто — две оси.

Первая — вертикальная. По временной оси. Восстановить полную историю предмета: как он появился, кто его создал, что происходило в промежутке, почему в какой-то момент произошёл взрыв или резкое изменение направления. Если разобраться с этой линией, можно понять его историю и причинно-следственные связи.

Вторая — горизонтальная. В текущий момент времени сравнить его с другими объектами в той же области. Чем он отличается от конкурентов? Почему пользователи выбирают его, а не другие? Какое у него место в общем тренде? Понимание этого помогает понять его позицию и отличия.

Самое важное — пересечь эти две оси.

Вертикальная показывает, как он развивался, горизонтальная — где он сейчас. Пересечение даёт уникальную картину, которую невозможно увидеть, рассматривая только одну ось. Например, его текущие преимущества — это результат решений, принятых три года назад. Или его слабости — это последствия первоначально разумных решений, ставших бременем.

Вертикаль — глубина времени, горизонталь — ширина в текущем моменте, итог — оценка.

Вот и всё.

Это самый удобный для меня метод за последние два года.

Он основан на классических подходах из социальных наук и лингвистики.

В лингвистике есть очень известные аналитические подходы, предложенные Саусюром — диахронный и синхронный анализ.

То есть, чтобы исследовать что-то, можно смотреть с двух сторон: одна — как оно развивалось во времени, другая — как выглядит сейчас, в конкретный момент, в системе и сравнении.

В социальных науках есть похожие подходы — продольное и поперечное исследование. Продольное — отслеживание изменений объекта, поперечное — анализ его состояния в конкретный момент и сравнение с другими.

Я взял эти академические идеи, добавил бизнес-стратегические подходы и создал универсальную исследовательскую рамку, которую можно запускать с помощью ИИ.

Сейчас есть две версии — Prompt и Skill.

Обе открыты на моём Github:

(ссылки)

Версия Prompt отлично работает с ИИ, умеющими глубокое исследование, например ChatGPT DeepResearch, Claude DeepResearch, экспертные режимы Doubao, DeepSeek и др. Я специально оптимизировал стиль подачи, использовал навыки писательства Казка, чтобы отчёт был читаемым, а не казался сложной для понимания «нечитабельной книгой».

Вот Prompt — копируйте, кому нужно, или скачивайте с Github:

Очень просто — после слова «исследуемый объект» просто замените его на нужный вам предмет.

Например, популярный Hermes Agent, Harness, CLI, или влияние на SaaS рынка от Anthropic и так далее.

Даже можно исследовать «Мир Лок-Ворлд», «Мир Honor of Kings», военные конфликты Ирана и США, переменчивость Трампа и так далее.

Что угодно.

Возьмём пример с недавно популярным Harness + Claude DeepResearch.

Я немного изменил Prompt, вставил Harness, включил режим глубокого исследования Claude.

Отправил.

Claude спросил, что такое Harness, я добавил пояснение.

И всё — началось.

Через 13 минут готов отчёт по Harness.

Могу сказать, что вертикальный анализ получился очень хорошим: история, ключевые моменты, дата появления, взлёты и падения.

Объяснение взрыва в нужное время — логично.

Горизонтальный анализ — сравнение с Prompt Engineering, Context Engineering и Agent Engineering.

Любой, кто понимает Agent, не усомнится в профессионализме сравнения. Быстро можно понять отличия.

И финальный раздел — будущее развитие.

Общий объём отчёта — около 10 тысяч слов. Поверьте, если вы интересуетесь Harness и хотите максимально быстро и полно понять всё о нём, этот отчёт лучше большинства обзорных статей.

Полный, понятный.

Объект исследования — продукт, например Cursor, Claude Code, Hermes Agent; компания, например Anthropic, ByteDance; концепция, например MCP, RAG; или человек — ключевая фигура в отрасли.

Prompt подстраивается под тип объекта, выделяя важное: для продукта — версии и функции, для компании — финансирование и бизнес-модель, для человека — карьерный путь и коллеги.

Если вы обычно пользуетесь Cowork, Claude Code или Codex, я создал для этого методики Skill — hv-analysis, тоже открыта на Github.

Установите — скажите Agent «помоги исследовать xxx», и он выполнит по рамке.

Эта версия ещё умеет искать информацию в сети, подключена к arxiv API, ищет научные статьи, генерирует PDF-отчёт с хорошим оформлением и понятным стилем, чуть более свободный и насыщенный, чем Prompt.

Конечно, есть ограничения.

Это не панацея.

Она помогает быстро построить полную картину, но не заменит глубокого самостоятельного исследования.

Информация, собранная ИИ, хоть и стала значительно точнее, всё равно может содержать ошибки.

Поэтому не стоит воспринимать отчёт как окончательный вывод — это скорее карта, на основе которой можно идти дальше.

К тому же качество отчёта зависит от используемых моделей и инструментов. Поддержка DeepResearch даёт лучший результат, потому что ИИ реально ищет и проверяет информацию, одна сессия — минимум 10 минут.

Если же используете обычный поисковый ИИ, результат может быть хуже.

Мой подход — после получения отчёта быстро просматриваю его, формирую рамку, а затем углубляюсь в интересующие моменты.

Это сочетание AI-отчёта и самостоятельных исследований — гораздо эффективнее, чем начинать с нуля.

В этом мире, где есть ИИ, не обязательно тратить много времени на поиск — проще и быстрее.

Иногда я думаю, что в эпоху ИИ главное — не информация, а ваше любопытство.

Если говорить о моих знаниях и профессионализме — не уверен, что я особенно много знаю, я просто очень любопытен.

Постоянно возникают вопросы: «Как это произошло? Почему сейчас? Как связаны эти вещи? Чем занимались раньше?»

Если я не нахожу ответ — мне плохо. Не знаю, есть ли у вас такое ощущение, но мне важно знать «сейчас, немедленно» — я должен получить ответ.

Информация — как поток, ИИ снижает стоимость её получения до минимума.

Но задать правильный вопрос, выбрать точку зрения, организовать разрозненные сведения — это уже не ИИ сделает за вас, а вы сами.

Этот метод — мой собственный вопросительный каркас. Когда сталкиваюсь с чем-то новым, мне не нужно думать, с каких сторон его изучать — рамка уже есть.

Вертикально — время, горизонтально — пространство, итог — оценка. Три шага — и структура готова.

Это позволяет мне не тратить три дня на сбор информации, а за полчаса построить картину, а оставшееся время — наблюдать, как всё складывается, и внезапно понять: «Аha! Так вот почему!»

Этот момент — самый кайф.

Честно говоря, не уверен, подходит ли этот метод всем.

Но если у вас тоже часто возникают вопросы и вы устали искать информацию — попробуйте.

Древние греки говорили, что философия начинается с удивления.

Я считаю, что исследование тоже — начинается с искреннего любопытства. Методы и инструменты — потом. Главное — желание понять.

Без любопытства даже лучшие методики — пустой звук.

А с ним — даже простая рамка поможет найти ответы.

Теперь всё стало быстрее, чем раньше.

И это даёт возможность охватить больше.

Оставайтесь любопытными.