О чём вебинар
На семинаре разберем, как использовать современные языковые модели не только как универсальный чат, а как практический инструмент для работы с текстом и повторяющимися рабочими задачами.
Участники увидят, как сформулировать более точные запросы к LLM: задавать роль, контекст, формат результата, ограничения, примеры и критерии качества. Разберем, как применять языковые модели для анализа текста, суммаризации, рерайта, подготовки писем, инструкций, обучающих материалов, протоколов встреч и других рабочих материалов.
Отдельный блок будет посвящен переходу от разовых промптов к собственным ИИ-ассистентам. На практике участники спроектируют мини-ИИ-ассистента под конкретную рабочую задачу: определят его роль, сценарий работы, ограничения, формат ответа и критерии проверки результата. Также будет показан пример уже работающего ассистента, чтобы участники увидели, как такая логика выглядит в реальном применении.
Цели вебинара:
Показать, как языковые модели можно применять в рабочих сценариях, связанных с текстом, знаниями, требованиями, коммуникациями и обучающими материалами.
Дать участникам понятную структуру качественного промпта: роль, задача, контекст, входные данные, формат результата, ограничения, примеры и критерии оценки итогового ответа.
Разобрать продвинутые приемы промпт-инженерии: zero-shot, few-shot, использование примеров, антипромпт, пошаговую постановку задачи и проверку результата по заранее заданным критериям.
Объяснить, чем обычный чат с языковой моделью отличается от специализированного ИИ-ассистента и ИИ-агента.
На практике показать, как спроектировать мини-ИИ-ассистента под конкретную рабочую задачу и какие элементы нужно заложить в его инструкцию.
Предварительная подготовка:
Желательно, чтобы участники заранее:
имели базовый опыт общения с любой языковой моделью: ChatGPT, GigaChat, Claude, YandexGPT или аналогами;
подготовили 1 рабочую задачу (желательно выбрать из тех, которые повторяются), для которой хотели бы спроектировать ИИ-ассистента: ведение социальных сетей, анализ информации, маркетинг, и т.д.;
при возможности имели доступ к выбранной языковой модели во время семинара.
Если доступа к LLM нет, участник все равно сможет выполнить практику как проектирование сценария и инструкции для будущего ассистента.
Содержание
1. Языковые модели как инструмент работы с информацией: анализ текстов, резюмирование, подготовка материалов, и поиск по базе знаний.
2. Структура качественного промпта: роль, задача, контекст, входные данные, формат ответа, ограничения, примеры и критерии качества.
3. Продвинутые приемы промпт-инженерии: zero-shot, few-shot, использование примеров, антипромпт, пошаговая постановка задачи, проверка результата по критериям.
4. LLM для текстовых задач: суммаризация, выделение ключевых идей, рерайтинг под стиль и аудиторию, подготовка рабочих материалов.
5. LLM и аудио: транскрибация, субтитры, протоколирование встреч, обзор практических инструментов.
6. Настройка поведения модели: стиль, тон, длина ответа, уровень детализации, ограничения поведения и адаптация под разные задачи.
7. ИИ-ассистенты: чем специализированный ассистент отличается от обычного чата и AI-агента.
8. Практика: проектирование мини-ИИ-ассистента под рабочую задачу участника и демонстрация примера работающего ассистента.
Другие разделы
Бизнес-аналитик
Технический писатель
HR-менеджер
