Ты делегируешь не задачу, а надежду

Я использую AI каждый день и устал от одной штуки — результат непредсказуемый. Час итераций, простыня на полстраницы с ролями, со «step by step», с «think carefully», и в итоге сидишь и переписываешь сам. Длина не лечит, магические слова не лечат. Промпт — не молитва. Проблема в том, что ты не подумал, что вообще хочешь получить.

После часа итераций сидишь и думаешь: я что вообще делегировал — задачу или надежду на то, что само сложится?

Раньше думать было дешевле, чем делать

Раньше делать было дорого — час дизайнера, день аналитика, неделя разработки — и совещание с ТЗ были копейками. Сейчас наоборот: пять вариантов анализа за тридцать секунд, обсудить задачу — час пятерых человек. Думать стало дороже, чем делать.

И тут включается второе. Раньше плохую постановку ловили на подходе — дизайнер переспрашивал, аналитик уточнял, разработчик возвращал с вопросами. AI не уточняет: берёт твой запрос, додумывает половину контекста и возвращается с гладким ответом не про твою задачу. Когда индустрия пишет, что AI ускорил работу в десять раз, я хочу спросить — какую именно. Производство годного результата он не ускорил. Он ускорил производство правдоподобного.

Карта задачи

Решение — конкретный фреймворк, и тут нечем хвастаться: я ничего не изобретал. Это базовый бизнес-анализ — As-Is, To-Be, Gap. Тот же подход, по которому пишут техзадания подрядчикам и проектируют процессы. Я применил его к одной маленькой штуке — постановке промпта.

Четыре вопроса до того, как открыл чат.

Вход. Что у меня уже есть? Данные, документы, наблюдения, контекст. То, что не выписал, AI не получит — додумает.

Этапы. Какие шаги нужны от входа до результата? Не «анализ», а конкретно: собрать, структурировать, сравнить, сделать выводы. «Проанализируй» — это не шаги, это ожидание.

Выход каждого этапа. Что получаю после каждого шага? Таблицу, список, текст с такой-то структурой. Не описал — этап непонятен.

Финальный результат. Как выглядит готовая работа и как ты поймёшь, что она готова — критерий приёмки, не ощущение «вроде ничего».

На примере: «проанализируй конкурентов» — это не задача, а просьба к Деду Морозу.

Вход — пять компаний, ссылки, наша гипотеза о позиционировании, заметки с продаж.

Этапы — собрать факты, сравнить, найти пустые сегменты, оценить пригодность.

Выход каждого этапа — таблица в markdown, матрица пересечений, список белых пятен с обоснованием, оценка по каждому.

Финал — документ из четырёх блоков с приёмкой на каждом шаге. Только теперь пишутся четыре промпта — по одному на этап, с одной ролью на каждый. Не один большой, а конвейер с приёмкой между шагами.

Чтобы не держать четыре вопроса в голове, я собрал из них пскилл для Claude. Внутри он устроен как пайплайн из семи этапов, и каждый закрывает конкретную дырку, через которую обычно вытекает время.

Что под капотом?

Этап -1: валидация запроса. Скилл классифицирует, что пришло на вход: нужен промпт для повторного использования или одноразовый результат — это разные задачи. Здесь же — детектор multi-output: если на выходе нужно ≥3 независимых вариантов, активируется отдельная подсистема, потому что обычная генерация схлопывается к одному модальному ответу в трёх обёртках.

Этап 0: As-Is → To-Be → Gap. Та самая карта задачи. Не «опиши задачу» в свободной форме, а три явных секции: что есть сейчас, как должно быть, что между ними. Если хотя бы одна не заполняется — скилл задаёт прямые вопросы и не идёт дальше.

Этапы 1–2: скоринг полноты и уточняющие вопросы. По чек-листу из восьми обязательных элементов — цель, аудитория, формат, тон, ограничения, контекст и т.д. — считается, сколько уже в запросе и сколько отсутствует. От результата зависит, сколько вопросов задавать: если 4–5 из 5 есть, идём напрямую, если 0–1 — расширенное интервью. Вопросы — максимум четыре, всегда с вариантами ответа, не open-ended.

Этап 2.5: Confirmation Gate. Это ключевая часть — стоп-ворота. Перед тем как генерировать промпт, скилл показывает структурированное резюме того, что понял: As-Is, To-Be, Gap, формат, аудитория, constraints. И ждёт явного «да». Без этого не идёт дальше.

Здесь решается главная проблема всех AI-инструментов — они не уточняют. Стоп-ворота это ломают: монолог превращается в диалог, и до генерации ты успеваешь увидеть, что AI понял задачу не так — на этапе резюме, а не на этапе готового результата. Карта задачи — это идея. Confirmation Gate — механизм, который заставляет идею работать.

Этап 3: структурирование по CRISP. Финальный промпт собирается по фреймворку Context-Role-Instructions-Style-Parameters в XML-разметке: <context> с As-Is/To-Be, <role>, <instructions> пошагово, <style>, <constraints> с обязательными MUST include и NEVER include. XML — потому что Anthropic в собственной документации показывает, что Claude парсит структурированную разметку точнее, чем сплошной текст.

Этапы 4–6: оптимизация и валидация. Здесь применяются конкретные приёмы: явные негативные ограничения («NO generic advice, NO obvious statements»), few-shot — 1–3 примера разнообразного контекста, Chain of Thought только там, где нужен, и убран там, где не нужен (для креатива и фактов CoT мешает). На выходе промпт прогоняется через чек-лист из 5-second test, completeness, actionability, efficiency, testability.

И отдельный механизм для итерации, если результат не устроил — gradient approach из статьи Pryzant et al. «Automatic Prompt Optimization» (https://arxiv.org/abs/2305.03495). Логика простая: identify failure mode → generate specific feedback → update prompt. Например, вывод получился generic — fix не «улучши», а «добавь требование: минимум 2 конкретные метрики, общие фразы вроде «AI improves efficiency» без цифр = fail». Промпт корректируется не «ощущениями», а явным контр-правилом против конкретного failure.

Что снаружи скилла

Я ничего не изобретал. CRISP и XML-разметка — Anthropic Prompt Engineering Guide. As-Is → To-Be — базовый бизнес-анализ из консалтинга. Confirmation Gate как паттерн — DSPy из Стэнфорда (BootstrapFewShot, MIPROv2). Gradient approach — Pryzant et al. Skill-формат — Anthropic Claude Skills. Я склеил эти куски в одну рабочую конструкцию вокруг карты задачи. Если кто-то скажет «это всё уже было» — он прав. В этом и фишка: рабочее редко бывает новым.

Скилл устроен как костыль для привычки — пользоваться, пока карта задачи и стоп-ворота не станут автоматическими. Когда сам, без помощника, начнёшь задавать AI вопрос «покажи, как ты понял задачу, прежде чем делать» — скилл станет не нужен.

В этом и есть итог. AI не кнопка «бабло». Это рычаг — он умножает то, что ты в него закладываешь. Если закладываешь продуманную постановку — умножает её. Если закладываешь «ну ты разберись» — умножает и это, только в виде гладкого текста, который выглядит как ответ.

Мы все умеем ставить задачи. Делаем это годами — для подрядчиков, в спринтах, в брифах. Появление AI почему-то сбило этот навык: кажется, что раз модель умная, можно говорить с ней через ощущения, а не через ТЗ. Не работает. Карта задачи — это не новая методология. Это напоминание про привычку, которую мы знаем, но забываем применить, когда чат слишком быстро отвечает.

Так что вопрос в начале — задачу ты делегируешь или надежду — рабочий тест. Если до промпта не отвечается на четыре вопроса карты задачи, ты пишешь не ТЗ, а молитву. И AI не виноват, что она не сбылась.

Скилл выложу в комментариях — формат для Claude, но логика переносится в любой инструмент. Если будете пробовать, расскажите, на каком из четырёх вопросов чаще всего спотыкаетесь — мне самому это интересно.