Как писать с LLM. Колонка главреда

Ска­жу сра­зу: я не про­тив ней­ронок. Они дают отличный буст начина­ющим писате­лям, и исполь­зовать LLM в работе мож­но и нуж­но. Но пока что в стро­го огра­ничен­ных областях, где цена ошиб­ки невысо­ка, а слоп не испортит год­ную статью.

Во­обще, в тек­стах «Хакера» всег­да была важ­на имен­но тех­ничес­кая сос­тавля­ющая, а по час­ти литера­тур­ного сти­ля рекомен­дация у нас прос­тая: «пиши так, что­бы было понят­но». Шут­ки‑при­баут­ки и сти­лис­тичес­кие изыс­ки — бонус, за которым мож­но понача­лу не гнать­ся.

И вро­де бы LLM дела­ют как раз то, что нуж­но: обла­гора­жива­ют тех­ничес­кий текст. Увы, если исполь­зовать их без­думно, вый­дет наобо­рот: там, где было по‑милому коряво (что лег­ко испра­вимо, и зачас­тую — без уда­ления милоты), ста­нет серо и без­душно.

Так что если хочешь обма­зать цен­ное иссле­дова­ние сло­пом — валяй, толь­ко, пожалуй­ста, не при­сылай резуль­тат в «Хакер» (нам луч­ше кри­вое, но свое). Если же готов при­менять LLM по делу, то сей­час рас­ска­жу как.

Что получается хорошо

По­мочь обду­мать идею. Ког­да толь­ко пла­ниру­ешь статью, можешь сра­зу обсу­дить ее c любой LLM. Не факт, что она даст осо­бен­но дель­ные рекомен­дации, но какие‑то даст, и это поможет в иссле­дова­нии темы.

Сме­ло пиши зап­росы в духе «накидай при­меры фрей­мвор­ков для того‑то», или «какие сей­час проб­лемы в этой области», или прос­то «оце­ни идею статьи». Даже если прос­то пох­валит (эти под­лизы всег­да хва­лят), ничего тол­ком не посове­товав, это будет при­ятно и даст мотива­цию.

На­ходить фак­тичес­кие ошиб­ки. Загоня­ешь статью целиком в LLM и про­сишь пос­мотреть на пред­мет косяков по тех­ничес­кой час­ти. Да, ChatGPT, Claude и их соб­ратья весь­ма склон­ны при­дирать­ся к мелочам, но, даже если полез­ных находок будет все­го 20–30%, это поможет улуч­шить статью.

Во­обще, глю­ки, опе­чат­ки и нес­тыков­ки были у всех и всег­да. Даже ког­да автор велико­леп­но раз­бира­ется в теме, при перено­се идеи из реаль­ного кей­са в при­мер час­то вылеза­ют ошиб­ки. Так что дать почитать тех­ничес­кое руководс­тво ней­рон­ке — это теперь обя­затель­ный этап.

Бу­дут лег­ко най­дены лиш­ние кавыч­ки и скоб­ки, про­пущен­ные или дела­ющие не то коман­ды и про­чее в таком духе. А в некото­рых слу­чаях мож­но открыть для себя что‑то совер­шенно новое (нап­ример, ког­да исполь­зовал клас­сный тер­мин, не до кон­ца его понимая).

Най­ти мес­та, где мож­но объ­яснить под­робнее. Авто­ру быва­ет слож­но понять, что у читате­лей в голове есть, а что сто­ит рас­ска­зать. Некото­рые пишут сов­сем уж как для себя, не пред­став­ляя, что читатель может сла­бо раз­бирать­ся в теме. LLM прек­расно ловит такие вещи и даже помога­ет с самими справ­ками, хотя сто­ит их потом перепи­сать сво­ими сло­вами.

Ме­тод работы тот же: отправ­ляешь весь текст и про­сишь най­ти мес­та, где может быть неяс­но.

По­мочь перефор­мулиро­вать. Если фра­за не нра­вит­ся, зашел в тупик или хочешь объ­яснить получ­ше, ней­рон­ка может сде­лать это без осо­бых уси­лий и даже пред­ложить десяток вари­антов на выбор. Устра­ивать такие смот­рины для каж­дого абза­ца я бы не совето­вал, но для труд­ных, не дающих­ся и вызыва­ющих прок­расти­нацию учас­тков тек­ста — впол­не оправдан­но.

Глав­ное искусс­тво тут — научить­ся отли­чать слу­чаи, ког­да не дает­ся фор­мулиров­ка, от слу­чаев, ког­да в тек­сте не хва­тало информа­ции. На это LLM может ука­зать или самос­тоятель­но добавить что‑то, а может прос­то помочь скрыть нех­ватку мыс­лей. Так что экспе­римен­тируй и про­буй раз­ные зап­росы. Впол­не может ока­зать­ся, что, подумав над проб­лемой лиш­ний раз, ты най­дешь решение сам.

Сок­ратить. Если кажет­ся, что мно­го написал и смысл затерял­ся в мас­се тек­ста, то LLM поможет. Зачас­тую она даже не прив­носит при этом свой фир­менный стиль, потому что исходник — твои же сло­ва.

На­вес­ти кра­соту. Тут важ­но не давать ней­рон­ке перепи­сывать текст. Сос­тавляй зап­рос так, что­бы она иска­ла толь­ко те мес­та, где есть сти­лис­тичес­кие ошиб­ки (нап­ример, сло­мана струк­тура) или воз­никли три­виаль­ные проб­лемы с орфогра­фией и пун­кту­ацией.

Мо­жешь даже пря­мо ука­зать: «ничего не меняй, если все в поряд­ке». Потому что хороший автор­ский текст лег­ко убить слиш­ком агрессив­ным зап­росом. Загонять статью для это­го луч­ше по одно­му абза­цу или малень­кими час­тями, ина­че у ней­рон­ки будет боль­шой соб­лазн сок­ратить ее, потеряв что‑то тут и там.

При этом LLM все рав­но будет делать сти­лис­тичес­кие и логичес­кие ошиб­ки: уро­вень даже флаг­ман­ских моделей по этой час­ти сей­час не дотяги­вает до опыт­ного лит­редак­тора, но все же выше, чем у сред­него авто­ра тех­ничес­ких ста­тей. Резуль­тат будет на твер­дую чет­верку.

Увы, на этом кей­сы, где LLM мож­но при­менять без серь­езных огра­ниче­ний, закан­чива­ются.

Что получается плохо

Сос­тавлять план статьи. Любой план, написан­ный сов­ремен­ной LLM, выг­лядит при­мер­но так:

1. В целом оче­вид­ная вещь, рас­писан­ная силь­но под­робнее, чем нуж­но.
2. Еще оче­вид­ные вещи.
3. Те­ма для глу­боко­го иссле­дова­ния.
4. Те­ма для кни­ги.
5. Сно­ва что‑то оче­вид­ное.
6. Об­щие сло­ва.

Статья, написан­ная по такому пла­ну, либо бес­конеч­но раз­дува­ется, либо сво­дит кру­тые пун­кты 3 и 4 к оче­вид­ным вещам и общим сло­вам. Так что если будешь писать сам, то намуча­ешь­ся, а если сге­нери­руешь весь текст, то вый­дет бес­полез­ная ерун­да.

За­то такие пла­ны хороши на слу­чай, если ты не хочешь упус­тить в статье что‑то лежащее на повер­хнос­ти. Так что можешь сге­нери­ровать хоть двад­цать пла­нов, попут­но гоняя в голове образ будущей статьи. А потом собира­ешь мыс­ли в куч­ку и пишешь свой финаль­ный вари­ант.

Пи­сать чис­товой текст. Это глав­ное, что не выходит у язы­ковых моделей. Точ­нее, выходит, но так, что луч­ше бы генери­ли горячеч­ный бред в духе GPT-3 (он хотя бы иног­да был необыч­ным).

Ог­ромный соб­лазн — ски­нуть ИИ тех­ничес­кий отчет, замет­ки или рас­шифров­ку ауди­оза­писи и поп­росить перепи­сать. Иног­да резуль­тат быва­ет полезен в качес­тве чер­новика, но здесь есть ловуш­ка: перепи­сать‑то LLM перепи­шет, но в сво­ем очень узна­ваемом сти­ле.

При­чем сами авто­ры час­то это­го не замеча­ют, счи­тая текст впол­не убе­дитель­ным. Если LLM не написа­ла «это не то, это — то» или «это не прос­то что‑то, это что‑то еще», зна­чит, сго­дит­ся. А спис­ки, эмод­зи, жир­ный шрифт и про­чие отбивки мож­но поуда­лять вруч­ную, вер­но? Нет.

Глаз челове­ка, повидав­шего мас­су таких тек­стов, цеп­ляет далеко не толь­ко это. Глав­ная проб­лема — в харак­терном сти­ле, напоми­нающем пло­хой перевод англо­языч­ной деловой перепис­ки (собс­твен­но, LLM стре­мят­ся имен­но к ней). Непол­ные пред­ложения, нас­тоящее вре­мя вмес­то про­шед­шего или будуще­го и — о боги — эти сло­веч­ки!

«Недо­оце­нен­ный», «инту­итив­но», «акку­рат­но», «шум», «боль», «живет» в смыс­ле «находит­ся» и еще мно­жес­тво вещей в таком духе не будут замет­ными, если ими не хре­начить как из дро­бови­ка.

Мо­жет быть, сей­час глаз на это наметан толь­ко у при­дир­чивых редак­торов, но спо­соб­ность видеть слоп может раз­вить кто угод­но. Дос­таточ­но мно­го читать и иног­да общать­ся с LLM, и вот уже прек­расно отли­чаешь, где автор схал­турил.

Что не получается: вести исследование

Тут есть важ­ная ого­вор­ка: LLM под­ходит на роль док­тора Ват­сона, который соп­ровож­дает Хол­мса (это ты!) и отве­чает на его гени­аль­ные идеи баналь­нос­тями. Впро­чем, и они не всег­да бес­полез­ны.

А вот в целиком сге­нери­рован­ном тек­сте не будет ничего прин­ципи­аль­но нового прос­то по опре­деле­нию. Любой жела­ющий может задать свои воп­росы ней­рон­ке сам, а затем получить резуль­тат, под­ходящий под кон­крет­ные усло­вия. Читать статьи для это­го боль­ше не нуж­но.

Ес­ли же ты дела­ешь что‑то цен­ное для челове­чес­тва, то тут от LLM может быть прок в самом раз­ном виде. Соб­рать парамет­ры для коман­ды, написать скрипт на про­бу, даже под­готовить окру­жение или потес­тировать что‑то нес­ложное и накатать отчет. Но про­верять его и встра­ивать в повес­тво­вание — это уже твоя работа.

Итого

Поль­зовать­ся LLM в качес­тве спра­воч­ника, поис­ковика, совет­чика по раз­ным воп­росам — нор­маль­но. Да, есть риск нар­вать­ся на гал­люцина­ции, и важ­но про­верять источни­ки, но в целом это прос­то сов­ремен­ный спо­соб работать.

Пол­ностью надо­ить статью из ChatGPT — кош­марная идея. Не удив­ляй­ся, если в редак­ции даже не отве­тят, ког­да ты ее приш­лешь.

Взять свой текст и поп­росить LLM перепи­сать пок­расивее — тоже пло­хая идея. Текст потеря­ет оттенки автор­ско­го сти­ля, а редак­тору потом будет толь­ко слож­нее отчи­щать мысль от налип­шего сло­па.

В общем, наде­юсь, убе­дил тебя, что таким обра­зом ты толь­ко обес­ценишь свой труд: про­делал кру­тое иссле­дова­ние, а потом рас­тво­рил в ней­рогоне­ве нас­толь­ко, что уже ник­то с уве­рен­ностью не ска­жет, где работал сам, а где LLM накида­ла общих слов.