Серия «Словарь ИИ»

◽ Понятие
Слово «роль» пришло из французского rôle и исторически связано со свитком, на котором записывали текст для актёра. В театре роль обозначает образ персонажа. В жизни и работе этим словом называют функцию человека, его участие в общем деле и ожидаемое поведение

◻️ В ИИ
Роль задаёт позицию, с которой модель должна выполнять задачу: редактор, преподаватель, критик или собеседник. Она помогает направить стиль ответа, способ объяснения и внимание к определённым деталям. При этом назначение роли само по себе не гарантирует точность результата

◻️ В промптологии
Работа с ролью начинается с понимания, какая помощь нужна пользователю. Иногда нужен автор, иногда внимательный читатель, иногда оппонент, способный оспорить доводы. Пользователь выбирает эту позицию и уточняет действия: что проверить, чему уделить внимание и по каким критериям оценивать результат. В ходе диалога роли можно менять, рассматривая одну задачу с разных сторон

◻️ Пример
Один и тот же текст можно предложить модели в трёх ролях. Редактору: «Убери повторы, сохрани основную мысль». Читателю: «Отметь, что будет непонятно человеку без подготовки». Критику: «Найди слабые доводы и неподтверждённые утверждения». Материал остаётся прежним, но каждая роль задаёт свой предмет внимания и помогает увидеть разные возможности для доработки

◽ Понятие
Итерация восходит к латинскому iteratio, что означает повторение. Так называют отдельный шаг повторяющегося процесса. В вычислениях результат предыдущего шага может становиться основой следующего

◻️ В ИИ
В работе с генеративным ИИ итерация это один цикл доработки результата. Пользователь оценивает ответ, уточняет запрос и получает новую версию. Модель учитывает переданные уточнения и доступный контекст, поэтому диалог позволяет последовательно корректировать содержание, форму и подробность ответа

◻️ В промптологии
Ценность итерации определяется тем, что пользователь понял и изменил после предыдущего ответа. Для этого нужны критерии: что уже подходит, чего не хватает и что следует сохранить. Умение увидеть недостаток и сформулировать конкретную правку становится частью компетентности пользователя. Так развивается и результат, и понимание самой задачи

◻️ Пример
Пользователь просит составить письмо поставщику и получает общий черновик. После оценки добавляет конкретику: «Укажи заказ №17 и попроси подтвердить дату отгрузки». Затем уточняет форму: «Сократи, сохрани номер заказа и просьбу». Каждый цикл доработки становится новой итерацией, а общий текст постепенно превращается в короткое письмо по делу

◽Понятие

Prompt [промпт] восходит к латинскому prōmptus, связанному со значениями «готовый», «доступный», «вынесенный вперёд». В английском языке слово получило значения подсказки, побуждения и сигнала к действию. В театре prompter подсказывает актёру реплику, а в компьютерных интерфейсах prompt стал обозначать приглашение системы к вводу команды

◻️ В ИИ

Промпт это информация, которую пользователь передаёт генеративной модели для получения результата. Он может содержать вопрос, инструкцию, исходные данные, контекст, примеры, ограничения и требования к форме ответа. Именно с промпта начинается конкретная генерация

◻️ В промптологии

Промпт это не готовая формула и не набор «правильных слов». Его качество определяется тем, насколько пользователь понимает свою задачу, умеет сформулировать цель, передать необходимый контекст и развивать взаимодействие после первого ответа. Один и тот же промпт в руках разных пользователей может стать началом совершенно разной работы

◻️ Пример

В русскоязычной среде иногда пишут «промт», опуская букву «п». Отсюда появляются «промты», «промт-инженерия» и другие производные. Однако исходное английское prompt содержит сочетание mpt, поэтому в профессиональной терминологии используется форма «промпт»

◽Понятие

Галлюцинация — слово, пришедшее из медицины, где так называют восприятие образов или ощущений без внешнего источника. В общем смысле это появление того, чего нет в реальности, но что воспринимается как существующее

◻️ В ИИ

Галлюцинация — убедительный, но фактически неверный ответ модели: выдуманные факты, ссылки, события или детали. Это связано с принципом генерации наиболее вероятного продолжения, а не с проверкой истины как у человека

◻️ В промптологии

Работа с галлюцинациями начинается ещё на этапе постановки задачи. Пользователь задаёт рамки, определяет требования к проверке, просит указывать источники, ограничивает допущения и добавляет необходимый контекст. Это помогает снизить риск выдуманных ответов

◻️ Пример

Пользователь просит найти книгу несуществующего автора. Модель может уверенно создать название, описание и даже детали издания. Но при проверке оказывается, что такой книги нет. Уточнение условий и требование подтверждаемых источников переводят ответ из красивой выдумки в проверяемый результат

◽Понятие
Температура восходит к латинскому temperatura — «соразмерность, правильное сочетание». В физике это величина, характеризующая тепловое состояние тела. В переносном смысле словом «температура» часто обозначают степень напряжённости, активности или накала процесса

◻️ В ИИ
Температура — параметр генерации, который влияет на выбор следующего токена. Низкая температура делает ответы более устойчивыми и предсказуемыми, высокая — увеличивает разнообразие и вероятность менее очевидных продолжений

◻️ В промптологии
Температура меняет характер ответа под задачу пользователя. Когда нужен точный, ровный и воспроизводимый результат, полезен более сдержанный режим. Когда важны идеи, варианты и неожиданные ходы, больший разброс может оказаться продуктивнее

◻️ Пример
Один и тот же запрос: «Придумай название для кофейни» при низкой температуре даст несколько близких и довольно ожидаемых вариантов. При высокой температуре ответы станут заметно разнообразнее: среди них появятся более смелые, необычные и иногда странные названия

◽Понятие

Benchmark [бе́нчмарк] — английское слово, первоначально связанное с геодезией: так называли закреплённую контрольную отметку, относительно которой измеряли высоту. Позже бенчмарком стали называть эталон или точку отсчёта для сравнения.

◽В ИИ

Бенчмарк — стандартизированный набор задач, данных и метрик, на котором проверяют возможности моделей. Он позволяет сравнивать модели по отдельным характеристикам: рассуждению, программированию, работе с текстом, изображениями и другим типам задач.

◽В промптологии

В реальном взаимодействии результат работы модели начинает зависеть от пользователя. Одна и та же модель раскрывает разные возможности при разной постановке задачи, контексте и организации диалога. Поэтому итог определяется уже не только характеристиками модели, но и компетентностью самого пользователя.

◽Пример

Бенчмарки регулярно меняют лидеров: сегодня впереди одна модель, завтра другая. Пользователь может постоянно перескакивать вслед за рейтингами, а может годами работать в одной системе, накапливая собственные приёмы, привычки и понимание её поведения. В долгой дистанции этот опыт иногда даёт больше, чем очередные несколько пунктов в таблице.

◽Понятие

Контекст — слово, пришедшее через европейские языки от латинского contextus, то есть «связь», «соединение», «сплетение». В общем смысле контекст — это окружение слова, фразы, действия или события, которое помогает правильно понять их смысл.

◽В ИИ

Контекст — вся информация, которую модель учитывает при ответе: запрос пользователя, предыдущие сообщения, инструкции, примеры, загруженные данные и другие материалы в пределах контекстного окна.

◽В промптологии

Контекст — это управляемая среда запроса. Пользователь не просто задаёт вопрос, а собирает вокруг него нужные сведения, ограничения, роли, примеры и условия, чтобы направить ответ модели.

◽Пример

Запрос «Напиши письмо» даёт общий результат. Запрос «Напиши вежливое письмо заказчику о переносе сроков на 3 дня без признания вины» уже содержит контекст и поэтому даёт более точный ответ.