惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园_首页
T
Threat Research - Cisco Blogs
GbyAI
GbyAI
Y
Y Combinator Blog
美团技术团队
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
博客园 - 【当耐特】
S
SegmentFault 最新的问题
IT之家
IT之家
Recent Announcements
Recent Announcements
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
阮一峰的网络日志
阮一峰的网络日志
T
The Blog of Author Tim Ferriss
Martin Fowler
Martin Fowler
Microsoft Azure Blog
Microsoft Azure Blog
V
Visual Studio Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
U
Unit 42
WordPress大学
WordPress大学
博客园 - Franky
L
LangChain Blog
人人都是产品经理
人人都是产品经理
小众软件
小众软件
博客园 - 叶小钗
罗磊的独立博客
酷 壳 – CoolShell
酷 壳 – CoolShell
大猫的无限游戏
大猫的无限游戏
云风的 BLOG
云风的 BLOG
Vercel News
Vercel News
雷峰网
雷峰网
腾讯CDC
Google DeepMind News
Google DeepMind News
博客园 - 三生石上(FineUI控件)
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
Help Net Security
Help Net Security
C
Check Point Blog
Hacker News - Newest:
Hacker News - Newest: "LLM"
N
News and Events Feed by Topic
V2EX - 技术
V2EX - 技术
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Schneier on Security
Schneier on Security
博客园 - 聂微东
A
Arctic Wolf
H
Heimdal Security Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Recent Commits to openclaw:main
Recent Commits to openclaw:main
T
The Exploit Database - CXSecurity.com
C
Cyber Attacks, Cyber Crime and Cyber Security
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Google DeepMind News
Google DeepMind News

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Как работает промт: почему нейросеть делает что хочет, а не что вы просите
TehnoBlog (S · 2026-04-28 · via Все публикации подряд на Хабре

Часто происходит так, что вы пишете запрос для нейросети, но результат вас совсем не устраивает. Либо она не так отвечает на вопрос, либо просто как будто вас не понимает. А если вы пытаетесь сгенерировать картинку, то получаете человека тремя ногами и семью пальцами.

Знакомо. И это происходит не потому что нейросеть глупая или вам не везёт. Это происходит по конкретным причинам, которые можно устранить. Разбираем по порядку.

Как работает промпт

Как работает промпт

Как вообще работает промт — простым языком

Нейросеть — это не поисковик и не человек. Она не «понимает» вас в привычном смысле. Она предсказывает: какой текст или изображение с наибольшей вероятностью является правильным ответом на ваш запрос.

Грубо: вы даёте подсказку — модель достраивает. Чем точнее подсказка, тем точнее достраивание.

Когда вы пишете «нарисуй красивую девушку» — нейросеть не знает: какой возраст, стиль, фон, освещение, настроение, эпоха, реализм или арт. Она выбирает наиболее «среднее» по своим обучающим данным. Отсюда и получается что-то усреднённое, предсказуемое и часто не то.

Промт — это не просто запрос. Это техническое задание для алгоритма. И как любое ТЗ, оно должно быть конкретным.

Но это только половина проблемы. Вторая — вы могли выбрать не ту нейросеть для своей задачи.

Причина 1: не та нейросеть

Это самая частая и самая недооценённая ошибка.

Люди находят одну нейросеть, привыкают к ней — и используют для всего подряд. Как если бы вы ездили на велосипеде и на работу, и на дачу за 200 км, и с ребёнком в поликлинику. Технически можно. Но это не лучший инструмент для каждой задачи.

DeepSeek отлично справляется с простыми вопросами, поиском информации, базовыми текстами. К тому же у него есть весомое преимущество - он бесплатный. Но как только задача усложняется — длинный документ, многоходовая логика, сложный анализ — начинаются проблемы. Модель теряет контекст в середине разговора, путается в деталях, выдаёт уверенный, но неправильный ответ. Для серьёзной аналитики, юридических или финансовых задач это критично.

Альтернатива для сложных задач — Claude. Он удерживает контекст длинных диалогов, рассуждает последовательно, честно говорит когда не знает. Разница становится очевидной именно на сложных многоступенчатых задачах.

Stable Diffusion — мощный генератор изображений с открытым кодом. Но у него есть хорошо известные проблемы: лишние пальцы на руках (классика жанра), путаница с количеством людей в кадре, тенденция делать всех персонажей похожими друг на друга, неожиданные азиатские черты лица там, где их не просили. С деталями — особенно с руками, ушами, зубами — до сих пор есть вопросы.

Пример того как ошибается Stable Diffusion

Пример того как ошибается Stable Diffusion

Альтернатива — Nano Banana Pro. Справляется с тонкими деталями и сложными сценами значительно лучше: правильно считает пальцы, разделяет людей в кадре, сохраняет уникальность персонажей. Если нужен реалистичный портрет или сложная сцена с несколькими людьми — разница очевидна с первой генерации.

Всё это — и Claude, и Nano Banana Pro, и другие инструменты — доступно на Study AI в одном месте. Не нужно регистрироваться в пяти разных сервисах.

Причина 2: неправильно составлен промт

Допустим, вы выбрали правильную нейросеть. Но всё равно получаете не то.

Скорее всего, дело в промте.

Вот типичные ошибки:

Слишком коротко. «Напиши пост про кофе» — и что? Для кого? В каком тоне? Какая длина? Что должен почувствовать читатель? Нейросеть не знает — и делает что-то среднее.

Нет контекста. «Переведи это письмо» без объяснения кому оно, в каком стиле, насколько формально — даёт формальный перевод по умолчанию, хотя вам нужен живой дружеский тон.

Нет ограничений. Если не сказать «без эмодзи», «без воды», «не более 200 слов» — получите то, что нейросеть считает нормой. А её норма и ваша могут сильно расходиться.

Задач сразу несколько. «Напиши пост, придумай заголовок, предложи три варианта и оцени каждый» — лучше разбить на отдельные запросы.

Лайфхак: попросите Claude написать промт за вас

Это проще, чем кажется.

Особенно для генерации изображений или видео — там промты технически сложные, и хороший результат сильно зависит от правильных терминов.

Схема простая:

Мне нужно сгенерировать [что именно] в нейросети [название].
Помоги составить подробный профессиональный промт.
Вот что я хочу получить: [описание своими словами].

Claude знает как разговаривать с Midjourney, Nano Banana, Kling, Sora. Он добавит нужные технические параметры, правильные слова для стиля и освещения, структуру которую модель «поймёт» лучше.

Сложная задача? Пишите на английском

Большинство нейросетей обучены преимущественно на английском контенте. Это означает, что на английском они работают точнее, богаче и технически грамотнее — особенно для генерации изображений и видео.

Для текстов на русском — Claude справляется хорошо на любом языке. Но если вы генерируете визуал в Midjourney или видео в Sora — английский промт даёт заметно лучший результат, чем русский той же смысловой нагрузки.

Как писать промпт для видео

Как писать промпт для видео

Причина 3: вы не так работаете с видео

Отдельная история — видеогенерация. Это самый требовательный к качеству промта формат.

Sora 2 от OpenAI — сейчас один из самых мощных инструментов для генерации видео. Но люди, которые впервые его открывают, часто разочарованы. Результат либо слишком абстрактный, либо движения неестественные, либо сцена совсем не та.

Почему. Потому что промт для видео — это не промт для картинки. Здесь важна не только сцена, но и движение.

Что работает в промте для Sora 2:

Описывайте движение явно. Не «девушка в кафе» — а «девушка сидит у окна кафе, медленно поднимает чашку кофе, смотрит в окно, за окном идёт дождь». Камера статична. Сора должна знать что двигается, что нет, и в каком направлении.

Указывайте поведение камеры. «Медленный долли-зум», «статичный кадр», «плавный облёт вокруг объекта», «съёмка с руки» — Sora понимает эти термины и применяет. Без указания — камера двигается как придётся.

Задавайте длительность и ритм. «5-секундный клип», «плавный переход», «динамичный монтаж» — это влияет на результат.

Описывайте освещение и атмосферу. «Золотой час», «неоновый свет ночного города», «мягкий студийный свет» — Sora генерирует под это атмосферу.

Пример слабого промта:

Девушка идёт по улице

Пример сильного промта для Sora 2:

Young woman in a long beige coat walking slowly along a wet cobblestone street 
in Paris at dusk. Gentle rain. Warm lights from café windows reflect in puddles. 
Camera follows her from behind at medium distance, slow smooth tracking shot. 
Cinematic, melancholic mood. 24fps, film grain.

Заметьте — на английском. И с описанием движения, камеры, атмосферы и технических параметров.

Если придумать такой промт самому сложно — опять же, Claude справится за 30 секунд.

Ещё одна вещь, о которой мало говорят

Нейросети улучшаются — но не все одинаково быстро.

Инструмент, который был лучшим полгода назад, сегодня может уступать конкуренту. И наоборот. Поэтому важно не привязываться к одной модели навсегда, а держать под рукой несколько и выбирать под задачу.

Именно так устроен Study AI: все ключевые инструменты — Claude, Nano Banana Pro, Kling, Midjourney и другие — в одном интерфейсе. Попробовали один, не подошёл — переключились на другой. Без новых регистраций и подписок.

Заключение: подведем итоги

Получили плохой результат — задайте себе три вопроса:

Та ли это нейросеть для моей задачи? Текст, изображение, видео — у каждого формата свои лучшие инструменты.

Достаточно ли конкретен мой промт? Контекст, стиль, ограничения, детали — чем больше, тем точнее результат.

Может стоит попросить Claude помочь с промтом? Особенно для сложных визуальных задач — это экономит время и нервы.

Нейросеть не читает мысли. Но с правильным промтом она делает именно то, что вы хотите — и даже лучше.

Попробовать Claude, Nano Banana Pro и другие нейросети на Study AI