1. Внешний вид

• Пленка или слизь на поверхности — признак начала гниения.

• Пятна, плесень, зеленоватый или серый оттенок — однозначно выбросить.

• Если оболочка сморщилась или подсохла — это не всегда опасно, но вкус и текстура могут пострадать.

2. Запах

• Свежая колбаса пахнет приятно, характерно для своего вида.

• Кислый, тухлый или «аммиачный» запах — верный признак порчи.

3. Консистенция

• Колбаса должна быть упругой.

• Если стала липкой, вязкой, мокрой или слишком мягкой, значит, в ней активно размножаются бактерии.

4. Вкус (только если сомнения минимальные)

• Если что-то кажется кисловатым или горьким — лучше не рисковать и не есть.

5. Сроки и условия хранения

• Варёная колбаса хранится в холодильнике 2–5 дней после вскрытия.

• Копчёная — обычно до 10–15 дней.

• Если колбаса лежала без холодильника больше нескольких часов, особенно летом, её лучше не употреблять.

ПРОВЕРКА ЛАКМУСОВОЙ БУМАЖКОЙ

🔹 Как работает

• Лакмус реагирует на кислотность (pH).

• При порче в колбасе начинают размножаться молочнокислые бактерии и другие микроорганизмы → выделяются кислоты → pH падает.

• Бумажка меняет цвет, и вы можете оценить уровень кислотности по шкале на упаковке.

🔹 Как применить к колбасе

1. Отрежьте тонкий ломтик.

2. Слегка смочите поверхность дистиллированной водой (можно кипячёной, чтобы не вносить «свою» кислотность).

3. Приложите полоску лакмусовой бумаги.

4. Через 1–2 секунды сравните цвет со шкалой.

🔹 Как читать результат

• pH 6,0–6,4 → нормальная свежая колбаса.

• pH 5,5–6,0 → продукт начинает закисать, лучше съесть быстрее.

• pH < 5,0 → идёт активное брожение, продукт испорчен.

🔹 Ограничения

• Лакмус не показывает опасные бактерии (например, кишечную палочку или сальмонеллу), а только кислотность.

• Иногда колбаса может быть испорчена, но pH останется ближе к норме (например, при росте гнилостных бактерий, которые не сильно закисляют среду).

• Поэтому использовать лучше как дополнительный тест вместе с органолептической проверкой (запах, вкус, вид).

⚠️ Важно: даже если колбаса выглядит нормально, но у вас есть сомнения — лучше не рисковать, так как пищевые отравления колбасными изделиями бывают тяжёлыми.

Ну я как обычно пришла хвастаться.:)
Алоказия Red Gray, покупалась малявкой в несколько листьев, за год выросла в мадам с пышными, так сказать, формами, шикарным, залитым серебром и жёстким фактурным листом. Клубни давать не самое любимое её дело, зато пристволовых деток пулять это её любимая история.:)

Если у вас еще нет такой алоказии, срочно приобретайте, она точно должна быть у каждого любителя ароидных. =)

Идёт десятый день, как парализовано движение в московском Нагатино. Никто из чиновников и властей не приезжает в район, никак не комментирует, на контакты не идут. Негодование растёт, и порой доходит до того, что люди на улице криком проклинают тех, кто устроил этот коллапс. Десятый день люди не могут нормально не въехать в район, не выехать. Это же касается и общественного транспорта.

Автобусы есть, их масса. Но все они пустые, в них уже нет смысла. В районе хаос, машины мечутся по дворам в попытках как-то выехать и ещё более усугубляют ситуацию.

Что произошло. Нет, это не цунами или тайфун. Это гораздо хуже. Имя этому апокалипсису - БЛАГОУСТРОЙСТВО. Оно совсем недавно окончилось. В результате адских переделок дорожной сети, всё движение в районе остановилось.

Всё лето в Нагатино шли работы по благоустройству и переустройству дорог, которое закончилось к 1 сентября. И в этот праздничный день никто не смог выехать из района. Сначала думали, что это ажиотаж школьников, а уж на завтра всё устаканется. Но всё это стало повторяться каждый день. Но самое интересное люди обнаружили на дорогах.

126 тысяч населения, тупиковый полуостров. Ранее выезд из района был пять-десять минут. Теперь час. Дело в том, что в силу ряда причин, а это более раннее благоустройство и строительство метро в Нагатинском затоне, осталась только одна реально действующая вылетная дорога из района - Нагатинская набережная. Четырех полос хватало. Но в этом году было принято решение ГЛАВНЫЙ ВЫЕЗД ИЗ РАЙОНА переделать под зону отдыха. Так оно и произошло. Теперь здесь отдыхают водители и их пассажиры.

Действительно, летом гуляющих по набережной огромное количество, оно и понятно, все пустующие участки для прогулок уже застроены. К этим гуляющим подмешивались велосипедисты. И вот они, эти велосипедисты пролоббировали создание вместо проезжей части - выделенную велодорожку. И это бы ещё пол беды. Благоустроители пошли дальше и фактически решили, что Нагатинская набережная должна максимально быть отдана пешеходам, а движение если и оставить, то сделать его на уровне дворового проезда.

Я не знаю как это описать... Но это как если бы московские чиновники решили, что из вылетных московских шоссе нужно сделать спа-центры с ванночками и шезлонгами. Особые извращенцы, наверное бы нашлись испробовать эти элементы адского отдыха, но вот движение бы в столице было парализовано это точно.

Плюс аварии. Аварий столько, сколько за все десятые не было. Каждая авария ещё более усугубляет ситуацию. А на фото то самый столб, про который я месяц назад писал, что после 1 сентября его первого же и собьют. Это те самые ОСТРОВКИ БЕЗОПАСНОСТИ!!!

Сейчас никто не понимает как поступить, пытались наладить мосты с властями города и района - всё в пустую. Первые вообще не выходят на связь. Вторые испугались и носу не показывают, понимают, что народ на взводе. Лишь отдалённые фразы - "Приоритет общественному транспорту". А водители автобусов и трамваев сами не понимают, что произошло и стонут от всех этих приоритетов.

Что будет дальше не знаю. Сейчас у нас образовалась инициативная группа жителей, народ идёт потоком и все хотят куда-то пожаловаться. А куда? В Департамент Транспорта? Мэру? Там только отписки, да ждать их месяц. А этот месяц ещё прожить надо.

Ситуация аховая и мне самому интересно, чем же всё это закончится, ибо так точно не останется, это ж революция будет, ну нельзя же людей оставить без выезда из района. А вот что они будут делать, эти благоустроители не ясно, на попятную точно не пойдут. Сперва будут врать... я собираю их враньё, оно чудесно. Словом давайте следить всей страной за нашим театром абсурда. Тем более, что скоро выделенную велодорожку нужно будет в выделенную лыжню переделывать.

https://dzen.ru/a/aMHDo5O6Pi3x1I6o

группа в ТГ https://t.me/+Av4QHJyWE7hkYWUy

@без рейтинга

Кто рассказывал, что ПУЭ не обязательны? Может, и необязательны, но у технадзора и прокурора мнение иное, и ответственность за нарушение ПУЭ - вполне реальная. 9.11 КоАП предусматривает административную ответственность за нарушение ПУЭ.

На Консультанте даже прямой линк есть, именно на ПУЭ, в тексте. Что бы исключить кривотолки вовсе.

Открываем судебную практику, видим, что суды, внезапно, считают нарушение ПУЭ недопустимым.

Но рукожопам авторитетнее ответ Минэнерго, в котором говорится, что ПУЭ носит рекомендательный характер.

Поэтому про регистрацию в Минюсте и про то, что ПУЭ не подлежат обязательному применению будете рассказывать на допросе у следователя, или при обжаловании судебного решения. Но будет поздно.

В настоящее всем, не смотря ни на что, ПУЭ является самым полным и доступным документом по данной теме. За более актуальными знаниями рекомендую обращаться к СП 256.1325800.2016 (Изм.1-6), который во многом заменил ПУЭ.

Большие языковые модели (LLM) произвели революцию в области искусственного интеллекта, предоставив пользователям возможность взаимодействовать с машинами на естественном языке. В основе этого взаимодействия лежит механизм промптов — текстовых инструкций, которые определяют поведение модели и формируют качество получаемых ответов. Понимание различий между системными и пользовательскими промптами является ключом к эффективному использованию современных языковых моделей.

Архитектура LLM и обработка промптов

Современные языковые модели построены на архитектуре трансформеров, которая использует механизм внимания (attention mechanism) для обработки текстовых данных. Когда модель получает промпт, она проходит через несколько этапов обработки:

Токенизация — входной текст разбивается на токены (слова, подслова или символы). Каждый токен получает числовое представление, позволяющее модели работать с ним математически.

Векторизация — токены преобразуются в многомерные векторы-эмбеддинги, которые несут семантическую информацию о словах и их взаимосвязях.

Self-Attention — ключевой механизм, позволяющий каждому токену «смотреть» на остальные токены в последовательности и взвешивать их важность. Например, в предложении «Я пошёл в банк, чтобы снять деньги» слово «банк» связывается с «деньги», а не с «река».

Предсказание следующего токена — модель генерирует наиболее вероятный следующий токен в последовательности, основываясь на статистических закономерностях, выученных во время обучения.

Системные промпты (System Prompts)

Системный промпт представляет собой специальное сообщение, которое определяет поведение языковой модели на протяжении всего диалога. Он действует как «верхняя половинка сендвича», задавая фундаментальные правила и контекст для взаимодействия.

Основные функции системных промптов

Определение роли и персоны — системный промпт может превратить модель в эксперта в определённой области, например: «Ты — опытный переводчик с 20-летним стажем, специализирующийся на технической документации».

Установка поведенческих рамок — промпт может содержать этические ограничения, правила безопасности или специфические инструкции: «Никогда не предоставляй медицинские советы» или «Всегда отвечай в вежливом тоне».

Контекстуальное погружение — системный промпт создаёт постоянный контекст, который модель учитывает при генерации каждого ответа.

Форматирование выходных данных — можно задать структуру ответов: «Всегда отвечай в формате JSON» или «Заканчивай каждый ответ восклицательным знаком».

Особенности обработки системных промптов

Системные промпты получают особый приоритет в механизме внимания модели. Исследования показывают, что модели уделяют больше «вычислительного внимания» системным сообщениям по сравнению с пользовательскими. Это явление называется Ghost Attention — системный промпт может значительно влиять на выходные данные, иногда даже больше, чем пользовательский запрос.

Системный промпт передаётся модели только один раз в начале сессии и остаётся активным на протяжении всего диалога, что делает его экономически выгодным для длительных взаимодействий.

Пользовательские промпты (User Prompts)

Пользовательский промпт — это конкретный запрос или инструкция, которую отправляет пользователь для получения определённого ответа. Он представляет собой «нижнюю половинку сендвича» и содержит непосредственную задачу, которую должна выполнить модель.

Характеристики пользовательских промптов

Конкретность задачи — пользовательский промпт формулирует конкретный запрос: «Переведи этот текст на английский» или «Объясни принцип работы блокчейна».

Вариативность — в отличие от статичного системного промпта, пользовательские сообщения постоянно меняются в ходе диалога.

Контекстуальная привязка — пользовательский промпт может ссылаться на предыдущие сообщения в диалоге, создавая связанную беседу.

Структурирование пользовательских промптов

Эффективный пользовательский промпт часто включает несколько компонентов:

• Инструкция — чёткое описание желаемого действия

• Контекст — необходимая фоновая информация

• Входные данные — конкретные данные для обработки

• Примеры — образцы желаемого выходного формата

• Ограничения — специфические требования к ответу

Роли в диалоге: System, User, Assistant

Современные API языковых моделей используют структурированный формат с тремя основными ролями:

System — содержит системные инструкции и правила поведения. Эта роль определяет, «кого должна симулировать модель» и как она должна взаимодействовать с пользователем.

User — представляет сообщения от пользователя. Именно через эту роль передаются конкретные запросы и вопросы.

Assistant — содержит ответы модели. В режиме чата предыдущие ответы модели с этой ролью включаются в контекст для поддержания связности диалога.

Пример структуры диалога:

json

[ {"role": "system", "content": "Ты — эксперт по машинному обучению"}, {"role": "user", "content": "Объясни, что такое нейронная сеть"}, {"role": "assistant", "content": "Нейронная сеть — это..."}, {"role": "user", "content": "А какие типы нейронных сетей существуют?"} ]

Взаимодействие системных и пользовательских промптов

Системный и пользовательский промпты работают в синергии, создавая мощный механизм управления поведением модели. Системный промпт обеспечивает постоянный контекст и правила, в то время как пользовательский промпт предоставляет конкретные задачи.

Приоритизация и механизм внимания

Исследования показывают, что существует position bias — модели уделяют больше внимания сообщениям в зависимости от их позиции в последовательности. Системные сообщения, расположенные в начале, получают наивысший приоритет.

Этот эффект особенно заметен в старых моделях типа GPT-3.5 и GPT-4, где порядок сообщений критически влияет на качество ответов.

Контекстное окно и ограничения

Современные модели имеют ограниченное контекстное окно — максимальное количество токенов, которое они могут обработать одновременно:

• GPT-4: до 128,000 токенов

• LLaMA 3.1: 64,000 токенов

• DeepSeek-R1: 32,000 токенов

Длинные системные промпты уменьшают доступное пространство для пользовательского ввода, поэтому важно соблюдать баланс между детализацией инструкций и практичностью использования.

Лучшие практики промпт-инжиниринга

Создание эффективных системных промптов

Чёткость и конкретность — избегайте размытых формулировок. Вместо «Будь полезным» лучше написать «Отвечай кратко, используя профессиональную терминологию и приводя конкретные примеры».

Установка ограничений — чётко определите, что модель не должна делать: «Не предоставляй финансовые советы» или «Не генерируй контент для взрослых».

Примеры поведения — включите примеры желаемых ответов для демонстрации стиля и формата.

Оптимизация пользовательских промптов

Few-shot prompting — предоставление нескольких примеров значительно улучшает качество ответов. Это работает как «обучающий инструмент», показывающий модели желаемый формат выходных данных.

Структурирование запросов — разбивайте сложные задачи на более простые компоненты. Это помогает модели лучше понять требования и дать более точный ответ.

Контекстуальная информация — предоставляйте достаточно контекста для понимания задачи, но избегайте информационной перегрузки.

Итеративный процесс разработки

Промпт-инжиниринг — это итеративный процесс. Успешная работа с LLM требует постоянного тестирования, анализа результатов и улучшения промптов. Документирование экспериментов помогает отслеживать эффективность различных подходов.

Рекомендуется создавать таблицы для отслеживания промптов:

• Название и версия промпта

• Цель эксперимента

• Используемая модель

• Параметры (температура, Top-K)

• Полный текст промпта

• Полученные результаты

Заключение

Понимание работы системных и пользовательских промптов открывает новые возможности для эффективного взаимодействия с большими языковыми моделями. Системные промпты создают фундаментальный контекст и определяют поведение модели, в то время как пользовательские промпты предоставляют конкретные задачи для выполнения.

Ключ к успешному промпт-инжинирингу лежит в понимании архитектуры трансформеров, механизма внимания и принципов работы языковых моделей. Правильное использование ролей, структурирование промптов и итеративный подход к их улучшению позволяют максимально эффективно использовать потенциал современных LLM.

По мере развития технологий искусственного интеллекта, навыки промпт-инжиниринга становятся всё более востребованными. Понимание тонкостей взаимодействия с языковыми моделями открывает путь к созданию более умных, полезных и безопасных AI-систем.

Данный текст создан сервисом Perplexity по запросу: "Напиши статью как работает llm с system and user promt" в целях обучения.

Статья актуальна на 2025 г.