Серия «Промптинг»

Хорошего собеседника часто узнают по тому, сколько ему не нужно объяснять. Он помнит прежние разговоры, связывает отдельные темы и понимает короткую реплику. Когда похожим образом отвечает нейросеть, появляется ощущение, что она знает больше, чем содержится в самом вопросе

◽Внутри одного чата такое продолжение привычно. Если обсуждалось несколько тем, а последние сообщения посвящены одной, короткий вопрос обычно воспринимается в её рамках. Его смысл складывается из слов и окружающего диалога. Пользователь может опустить часть пояснений, потому что они уже присутствуют в контексте

◽В системах с памятью эта связь может выходить за пределы текущего разговора. Пользователь обсуждает книги разных направлений в отдельных чатах, затем задаёт общий вопрос о работе над книгой. Название ещё не прозвучало, но ответ уже касается одного из ранее обсуждавшихся замыслов. Возникает ощущение непрерывного общения, хотя сам диалог начался заново

◽За ощущением понимания с полуслова стоит несколько составляющих взаимодействия:

💠Текущий диалог
🔹Запрос, предыдущие сообщения и инструкции задают ближайшее окружение вопроса. Именно здесь пользователь формулирует текущую задачу, но часть её условий может оставаться невысказанной

💠Память между разговорами
🔹Сохранённые сведения помогают учитывать предпочтения, прежние решения и обсуждавшиеся задачи. Когда они возвращаются для подготовки ответа, они дополняют текущий контекст и сокращают необходимость повторных объяснений

💠Актуальность прошлого
🔹Предыдущие разговоры могут относиться к разным направлениям работы. Недавно обсуждавшаяся книга выглядит естественным продолжением общего вопроса, но пользователь уже мог переключиться на другой замысел. Знакомая тема не обязательно остаётся текущей

💠Предположение о намерении
🔹Нейросеть связывает формулировку вопроса с доступными сведениями и достраивает недостающий смысл. При удачном совпадении это воспринимается как понимание с полуслова. При ошибке получается подробный ответ на задачу, которую пользователь сейчас не ставил

◽Память делает взаимодействие непрерывнее: сведения из прежних разговоров дополняют текущий запрос и сокращают пояснения. Но верные сведения о прошлом ещё не гарантируют правильного понимания новой задачи. Поэтому управление контекстом включает и проверку того, совпадает ли достроенный нейросетью смысл с намерением пользователя

___

〽Мы ценим собеседников, которым не нужно всё объяснять заново. Но понимание с полуслова всегда оставляет вторую половину фразы за собеседником. И чем убедительнее он её достраивает, тем легче забыть проверить, именно это ли мы собирались сказать

▫️Чтобы разобраться, как нейросети работают на практике, удобнее всего начать с простого примера. Допустим, модель получает изображение с нарисованной цифрой «5». Её задача — распознать, что изображено, и выдать ответ. За этой, на первый взгляд, очевидной операцией скрывается весь механизм: от обработки пикселей до финального выбора. И на таком примере хорошо видно, как модель превращает данные в осмысленный результат.

Процесс по этапам:

Входной слой: обработка данных

• Картинка переводится в числа: каждый пиксель — это значение яркости (например, от 0 до 255). Все эти пиксели передаются в нейросеть как длинный список чисел.

• Входной слой принимает эту информацию и передаёт дальше — на скрытые уровни.

• Важно, что пиксели обрабатываются не по отдельности, а в совокупности: так сеть улавливает не отдельные точки, а общую структуру изображения.

Скрытые слои: фильтрация признаков

• Нейросеть состоит из нескольких скрытых уровней, каждый из которых постепенно уточняет восприятие изображения. Это как цепочка фильтров: от простого к сложному.

• Признаки низкого уровня

  Первый скрытый слой распознаёт базовые элементы — горизонтальные и вертикальные линии, углы, контуры, короткие дуги. Сеть словно чувствует, что в изображении есть вертикальная палочка и изогнутая линия — знакомые элементы цифры «5».

• Комбинации признаков

  На следующем уровне простые формы складываются в более сложные фигуры: полукруги, соединения линий, характерные изгибы. Сеть начинает понимать, что это не просто линии — а часть общей фигуры.

• Образ класса

  Финальные слои собирают общую конфигурацию: верхняя часть — прямая линия с углом, нижняя — изогнутый полукруг. Вместе они формируют узнаваемую структуру цифры «5» — даже если почерк кривой, а изображение шумное, ключевые элементы остаются на месте.

Выходной слой: принятие решения

• На финальном этапе сеть сравнивает все признаки, которые удалось собрать, и оценивает, на какую цифру больше всего похоже изображение. У каждого варианта — от 0 до 9 — своя вероятность. Например: «5 — 90 %, 6 — 5 %, 3 — 3 %».

• Модель выбирает тот вариант, где уверенность выше всего. В данном случае — «5».

▫️Чтобы распознавать цифры, нейросеть сначала обучают: ей показывают тысячи изображений с правильными ответами. После каждого сравнения она считает, насколько ошиблась, и подстраивает внутренние параметры — так называемые «веса». Это влияет на то, какие признаки считать важными, а какие — второстепенными. Постепенно сеть начинает лучше выделять устойчивые элементы, характерные для каждой цифры: изгибы, углы, расположение частей. Именно поэтому она узнаёт даже «кривые» пятёрки — не запоминает изображение, а учится видеть суть.

___

Разобрав один простой пример, становится легче воспринимать и более сложные сценарии работы ИИ. За красивым выводом стоит предсказуемая внутренняя логика — и именно её важно освоить.

В английском prompt получил целую палитру значений. Как глагол — «побуждать, подсказывать к действию»; как прилагательное — «готовый, быстрый, немедленный»; как существительное — «подсказка, сигнал, напоминание». Эта многозначность отражает исходную латинскую идею готовности и доступности.

В театральной традиции prompter — суфлёр, подсказывающий актёрам реплики. От этого значения произошло и компьютерное prompt: в 1970-х так стали называть символы вроде C:> или $ в терминалах, которые сигнализируют пользователю о готовности системы принять команду. По сути, терминал «подсказывает», что ждёт ввода — и этот принцип лёг в основу последующих технологических интерпретаций.

Сегодня слово охватывает широкий спектр контекстов: в лингвистике — «наведение или подсказка», в театре — «суфлёрская реплика», в интерфейсах — «сообщение для ввода или подтверждения». В машинном обучении до эпохи больших языковых моделей prompt значил просто «подсказку» или «условие» — особенно в задачах, где у модели было лишь пару примеров для понимания задачи.

В русском языке prompt чаще всего передают как «подсказка», «запрос», реже — «инструкция», однако в ИТ-контексте доминирует англоязычная форма «промпт». Произносится как /prɒmpt/ в британском и /prɑːmpt/ в американском английском, а в русском заимствовано без изменения ударения. От слова образованы prompting (процесс подсказки), prompter (суфлёр, подсказчик) и prompted (инициированный подсказкой).

___

Этимологический путь слова раскрывает его ключевую суть: prompt во всех своих значениях обозначал механизм инициирования — от латинского «вынесения наружу» до современного «запуска процесса». На протяжении веков в нём сохранялась идея готовности к действию и стимуляции ответа, что и сделало этот термин органичной основой взаимодействия с языковыми моделями.

В ГОСТ Р ИСО/МЭК 18004-2015, как и в международном ISO/IEC 18004, никакой «динамической природы» не описано. Там только структура кода, размещение данных и коррекция ошибок.
То есть даже если сайт выдает «статический» код — это может быть ссылка на редиректор агрегатора. А уже там включается логика, аналитика и ограничения.
Часто такие сайты ставят лимиты на количество сканирований, требуют регистрацию, вставляют рекламу или могут просто закрыть доступ к вашему коду. Сегодня он работает — завтра ведёт на заглушку. Всё, что завязано на внешний сервис, — не в вашей зоне контроля.

Поэтому сделать QR-код самостоятельно — надёжнее, а ИИ поможет.

Инженерный метод

Вот такой подход использую я: поэтапный диалог с моделью (на примере GPT-4o). Это даёт гибкость, возможность уточнять детали на ходу и адаптировать результат под задачу.

User
Сгенерируй QR-код для ссылки https://t.me/Promptology

ChatGPT
Вот сгенерированный QR-код для ссылки https://t.me/Promptology:
Скачать QR-код 🧾

User
Выдай разрешение 1000х1000

ChatGPT
Вот QR-код в разрешении 1000×1000 пикселей:

Скачать QR-код (1000×1000) ✅

User
Разукрась его в синий цвет RAL 5000

ChatGPT
Вот QR-код, окрашенный в синий цвет RAL 5000 (RGB: 0, 56, 101):

Скачать QR-код в RAL 5000 🔵

User
Добавь в центр небольшой логотип моего канала

ChatGPT
Готово! Логотип добавлен в центр QR‑кода.

Скачать QR‑код с логотипом 🌀

User
Разукрась в красный цвет RAL 3000, а логотип пусть будет в кружке

ChatGPT
Готово! QR‑код теперь в красном цвете RAL 3000, а логотип помещён в аккуратный круглый медальон.

Скачать итоговый QR‑код 🔴

User
Встрой его на пузо телепузика и выдай картинкой

ChatGPT
Готово! Вот изображение телепузика с встроенным QR‑кодом на пузе.

Скачать картинку 📸

Но это не единственный способ. Вы можете использовать другие модели и подходы — принцип остаётся тем же. Чётко сформулируй, что хочешь — получишь нужный результат.

Универсальный шаблон

Вот универсальный шаблон инженерного промпта для генерации QR-кода через GPT — с возможностью кастомизации:

Сгенерируй QR-код для [ТИП ДАННЫХ: ссылка / Wi-Fi / контакт / текст и т.д.], 
формат: [PNG / SVG], 
размер: [в пикселях, например 1000×1000], 
цвет: [чёрно-белый / hex / RAL + описание], 
логотип: [да / нет], 
если да — логотип [какой, где разместить, размер, фон], 
отступы: [нужны / без отступов], 
оформление: [дополнительно: рамка, градиент, стилизация и т.д.].

Пример универсальнного запроса

Сделай QR-код для ссылки https://t.me/Promptology, формат PNG, размер 1000×1000, цвет RAL 6000 (зеленый), без отступов, с логотипом по центру (круглый)

___

Создавать QR-коды с помощью GPT — просто. Один промпт или серия уточнений — и ты получаешь нужный результат без сервисов и ограничений. Главное — понимать, что именно хочешь, и чётко это формулировать. Всё остальное — дело техники.

QR-код придумали в Японии ещё в 1994 году. Его разработала компания Denso Wave — изначально для того, чтобы быстро отслеживать автозапчасти на производстве. Он был гораздо вместительнее и устойчивее к повреждениям, чем обычный штрихкод.

Со временем QR-коды вышли за рамки заводов. Их начали использовать в логистике, на упаковке, в документации. Но по-настоящему массовыми они стали в 2010-х — с распространением камер в телефонах и особенно во время пандемии. Когда важно было сократить физический контакт и упростить обмен данными, QR стал очевидным решением: меню в кафе, пропуска, анкеты, учебные материалы, онлайн-оплата — всё через квадратный код.

В России новый виток случился позже — когда Visa и Mastercard ушли, а Apple Pay перестал работать. На смену им пришла СБП — Система быстрых платежей. Оплата по QR-коду внезапно стала не только удобной, но и почти единственной универсальной альтернативой. Сегодня QR используется на кассах, в приложениях банков, в чеках и в терминалах.

Что такое QR-код (простыми словами)

QR-код — это просто картинка, в которой зашит текст. Самый частый вариант — ссылка. Например:

Кроме ссылки, в QR-код можно зашить:

• номер телефона — при сканировании откроется окно вызова;

• текст сообщения;

• Wi-Fi-настройки — и смартфон предложит подключиться к сети;

• визитку с именем, e-mail и кнопкой «Сохранить контакт»;

• и многое другое.

Внутри — обычный текст, только в другом виде. Всё, что в нём есть, — это строка, которую распознаёт устройство.

Как работает QR-код

Когда ты сканируешь QR-код, смартфон просто считывает зашифрованную строку и предлагает действие, если он её распознаёт.

Вот как это происходит:

1 📷 Камера находит три характерных квадрата по углам — это точки ориентации.

2 🔲 Затем программа читает остальную сетку — в ней зашиты данные.

QR-код внутри — это не просто узор, а строго организованная система. Каждая чёрно-белая «клетка» несёт смысл: часть текста, служебную информацию, или контрольную проверку на случай повреждения.

Структура кода включает:

• данные (то, что зашито — ссылка, номер, текст);

• служебные зоны — чтобы код читался в любом положении;

• коррекцию ошибок — чтобы работал даже с разрывами, пятнами или логотипом по центру.

Вся эта информация разбивается на блоки, кодируется в биты, а потом размещается по сетке — не просто слева направо, а по сложному зигзагообразному маршруту, снизу вверх и столбиками. Это помогает сохранить надёжность даже при частичной потере изображения.
Именно поэтому QR-коды «живут», даже если в них вставить логотип или закрасить часть центра.

3 📱 Смартфон распознаёт, что именно это за данные — и предлагает соответствующее действие:

• если это ссылка — открыть в браузере;

• если номер — позвонить;

• если Wi-Fi — подключиться;

• если контакт — сохранить.

QR-код сам по себе ничего не исполняет. Он не кнопка и не приложение. Это просто способ передать данные.