Методологическая работа с ChatGPT: прикладной методолог вопрошает всемирного главного методолога
В методологии нам важна эволюция методов, непрекращающийся (open-ended) процесс улучшений методов и освоения мастерами в этих новых и новых методах новых и новых ниш, при этом ещё и создание этих новых ниш. В жизни сосуществуют и старые, и новые методы, а ещё и старые и новые представления о SoTA. Создатели часто не осознают, что там SoTA, а что -- уже нет. Скажем, вот тут мы разбирали, что "инновации" это слово предыдущего десятилетия, а lean startup было как раз перед этими инновациями -- https://ailev.livejournal.com/1740125.htmlМетодов очень много, людям уже в голове всего этого не удержать. Поэтому людям рекомендуется проходить наши курсы, в том числе "Методологию" (https://aisystant.system-school.ru/lk/#/course/methodology/), чтобы разобраться с самим понятием метода, практики, вида труда, культуры, метододологии, способа работы (и там далее ещё длинный ряд синонимов, под которыми скрывается метод в его отличии от работы). Можно оставить надежду в том, чтобы разобраться со всеми этими методами, например, методами инженерии. С какими-то примерами -- да, но пока вы будете разбираться с примерами, SoTA уже убежит далеко-далеко.Так что главным методологом планеты сегодня является даже не Гугл (вы бы погуглили, но что там искать?! с чего начать?!), а ChatGPT, с которым можно разговаривать. Сегодня модель o1 уже достаточно надёжна, чтобы наносить непоправимую пользу в методологической работе на её первых шагах. В целом метод вопрошания ChatGPT о методе такой:-- просить на английском (там литературы побольше, искать будет на языке запроса)-- просить дать timeline развития какой-то идеи, которая "на слуху" (вам надо зацепиться за какую-то предметную область, обычно люди помнят про что-то из середины этого таймлайна или даже самого начала -- самое древнее обычно и есть самое вспоминающееся), по каждому пункту таймлайна попросить, на какую критику он отвечает и какую критику вызывает, а ещё попросить примеры — это всё в одном вопросе. -- поругать, что таймлайн обрывается на древних методах (скажем, десять лет назад) и попросить добавить более современные пункты.-- не забывать гуглить по ключевым терминам после получения ответов, ибо ответ вызывает обычно ощущение "всё понял", но это заблуждение.Например, сначала пишем в новом или даже старом контексте: Give a timeline of the key both traditional and state-of-the-art (SoTA) methods, methodologies, frameworks, approaches of test-driven methodologies (e.g. TDD, BDD, ATDD) of quality assurance for enterprise software. Present the timeline with each methodology characterised with following: Method Name, Time of Emergence, Description, Criticism, Response to Previous Critique, Example, and Recent Advances.Затем чистим тамошнее бла-бла-бла: This is contaminated with non test-driven methodologies (e.g. DevOps not necessarily test-driven). Purge all not test-driven methodologies from the timeline and add more test-driven ones like TDD, BDD, ATDD.Затем: This timeline ends in 2010s. What was with test-driven development methodologies after this? Add more about 2020s methodologies to the timeline.Затем: What are trends of 2020s in test-driven methodologies? Give examples for these trends and give criticism of them.И продолжать уточнять, пока не получите представление о предметной области, что там новое, что старое, в чём критика. Например, вы поняли, что тест-ориентированные методы -- это что-то из методов для quality assurance. Спрашиваете: What are trends of 2020s in quality assurance methodologies? Затем возвращаетесь к основной теме (ChatGPT помнит контекст, поэтому расшифрует these trends в новом запросе): Give example methodologies of test-driven development for these trends and give criticism of them.Главное, чтобы эти примеры не оставили ощущения "магического заклинания", в котором можно только предметную область поменять в приведённом примере, и всё отлично сработает. Нет, не так. У вас будет чуть другой контекст, чуть другая версия модели, чуть другая предметная область, чуть другая дата cutoff -- и всё не сработает. Или вы не очень хорошо будете представлять, что такое метод -- и просто утонете в выдаваемой информации, там же на выходе длинные сложные лонгриды, хотя и структурированные.Основная идея тут -- говорите, как с методологом. И понимайте, что если вы попросите "у меня вот такая ситуация, подскажи мне метод, которым мне работать" -- эта нежить даст ответ, но это будет самый распространённый на планете (то есть старый и неэффективный) метод, а не нужный вам SoTA-метод. AI-агент умный, в режим методолога переходит без указания роли (тем более, что такая роль ещё не слишком устоялась). Переключение в этот режим происходит, когда в текст вставляешь длинный ряд синонимов метода и описаний метода (тут не получится быть онтологом и требовать различать методы и их описания, у современных AI-агентов с типами огромные сложности, если это не программный код. Ну ровно как у простых программистов). Вам надо хоть что-то понимать в том, что спрашиваешь: задать какие-т
В методологии нам важна эволюция методов, непрекращающийся (open-ended) процесс улучшений методов и освоения мастерами в этих новых и новых методах новых и новых ниш, при этом ещё и создание этих новых ниш. В жизни сосуществуют и старые, и новые методы, а ещё и старые и новые представления о SoTA. Создатели часто не осознают, что там SoTA, а что -- уже нет. Скажем, вот тут мы разбирали, что "инновации" это слово предыдущего десятилетия, а lean startup было как раз перед этими инновациями -- https://ailev.livejournal.com/1740125.html
Методов очень много, людям уже в голове всего этого не удержать. Поэтому людям рекомендуется проходить наши курсы, в том числе "Методологию" (https://aisystant.system-school.ru/lk/#/course/methodology/), чтобы разобраться с самим понятием метода, практики, вида труда, культуры, метододологии, способа работы (и там далее ещё длинный ряд синонимов, под которыми скрывается метод в его отличии от работы). Можно оставить надежду в том, чтобы разобраться со всеми этими методами, например, методами инженерии. С какими-то примерами -- да, но пока вы будете разбираться с примерами, SoTA уже убежит далеко-далеко.
Так что главным методологом планеты сегодня является даже не Гугл (вы бы погуглили, но что там искать?! с чего начать?!), а ChatGPT, с которым можно разговаривать. Сегодня модель o1 уже достаточно надёжна, чтобы наносить непоправимую пользу в методологической работе на её первых шагах.
В целом метод вопрошания ChatGPT о методе такой:
-- просить на английском (там литературы побольше, искать будет на языке запроса)
-- просить дать timeline развития какой-то идеи, которая "на слуху" (вам надо зацепиться за какую-то предметную область, обычно люди помнят про что-то из середины этого таймлайна или даже самого начала -- самое древнее обычно и есть самое вспоминающееся), по каждому пункту таймлайна попросить, на какую критику он отвечает и какую критику вызывает, а ещё попросить примеры — это всё в одном вопросе.
-- поругать, что таймлайн обрывается на древних методах (скажем, десять лет назад) и попросить добавить более современные пункты.
-- не забывать гуглить по ключевым терминам после получения ответов, ибо ответ вызывает обычно ощущение "всё понял", но это заблуждение.
Например, сначала пишем в новом или даже старом контексте: Give a timeline of the key both traditional and state-of-the-art (SoTA) methods, methodologies, frameworks, approaches of test-driven methodologies (e.g. TDD, BDD, ATDD) of quality assurance for enterprise software. Present the timeline with each methodology characterised with following: Method Name, Time of Emergence, Description, Criticism, Response to Previous Critique, Example, and Recent Advances.
Затем чистим тамошнее бла-бла-бла: This is contaminated with non test-driven methodologies (e.g. DevOps not necessarily test-driven). Purge all not test-driven methodologies from the timeline and add more test-driven ones like TDD, BDD, ATDD.
Затем: This timeline ends in 2010s. What was with test-driven development methodologies after this? Add more about 2020s methodologies to the timeline.
Затем: What are trends of 2020s in test-driven methodologies? Give examples for these trends and give criticism of them.
И продолжать уточнять, пока не получите представление о предметной области, что там новое, что старое, в чём критика.
Например, вы поняли, что тест-ориентированные методы -- это что-то из методов для quality assurance. Спрашиваете: What are trends of 2020s in quality assurance methodologies? Затем возвращаетесь к основной теме (ChatGPT помнит контекст, поэтому расшифрует these trends в новом запросе): Give example methodologies of test-driven development for these trends and give criticism of them.
Главное, чтобы эти примеры не оставили ощущения "магического заклинания", в котором можно только предметную область поменять в приведённом примере, и всё отлично сработает. Нет, не так. У вас будет чуть другой контекст, чуть другая версия модели, чуть другая предметная область, чуть другая дата cutoff -- и всё не сработает. Или вы не очень хорошо будете представлять, что такое метод -- и просто утонете в выдаваемой информации, там же на выходе длинные сложные лонгриды, хотя и структурированные.
Основная идея тут -- говорите, как с методологом. И понимайте, что если вы попросите "у меня вот такая ситуация, подскажи мне метод, которым мне работать" -- эта нежить даст ответ, но это будет самый распространённый на планете (то есть старый и неэффективный) метод, а не нужный вам SoTA-метод.
AI-агент умный, в режим методолога переходит без указания роли (тем более, что такая роль ещё не слишком устоялась). Переключение в этот режим происходит, когда в текст вставляешь длинный ряд синонимов метода и описаний метода (тут не получится быть онтологом и требовать различать методы и их описания, у современных AI-агентов с типами огромные сложности, если это не программный код. Ну ровно как у простых программистов).
Вам надо хоть что-то понимать в том, что спрашиваешь: задать какие-то примеры, перечислить возможные синонимы. И потом гуглить, смотреть на то, что там вообще говорится в выданных текстах. Не верить полностью этому AI, ибо он врёт — а после перепечатки где-нибудь у себя люди это замечают и хихикают (но никто не скажет открыто, все же вежливые).
Каждая буковка в выходном тексте должна быть не скопипастена из ответов AI, а написана своими руками. И тут две выгоды:
-- главная выгода в том, что вы лучше разберётесь в предметной области. Рука ведь не поднимется переписывать термины, которые вы впервые в жизни видите, значения которых не знаете. Поэтому вероятность того, что вы что-то там погуглите и перепроверите -- растёт. Ваш мозг на приличное время (час или даже день, или даже неделю) задержится на обдумывании всех этих методов, которые вам выдали. В разговоре потом это очень пригодится. Если вы просто прочтёте текст выдачи, вы ничему сами не научитесь. Мышление письмом -- это наше всё. Напишите текст, это для себя, это обучение вашей собственной нейросети на добытых у LLM и Гугла данных.
-- ваш стиль хорошо считывается, сразу будет видно, что писали не вы. И стиль нейросеток хорошо считывается, паттерны их выдачи весьма распознаваемы. Кормить людям результаты работы LLM сейчас — моветон, показывает неуважение и "автоматизированный маркетинг", разговор с роботом.
Пример конечного результата по подобной серии запросов -- см. мой текст про эволюцию тест-ориентированной разработки, https://ailev.livejournal.com/1746345.html. В тексте https://ailev.livejournal.com/1740125.html -- там тоже использовался похожий метод общения со всемирным главным методологом. Общения меня, как прикладного методолога со всемирной методологической главной нежитью -- это сегодня штатный способ работы, SoTA. При этом на промежуточном этапе с этими текстами было огромное количество табов с текстами, это был результат гугления -- вопреки обыкновению, я не стал все эти ссылки вносить в текст (их слишком было бы много), но их элементарно погуглить снова, если будет нужно. И в выходных текстах нет ни одной буквы из LLM. И существенным было то, что я как-то разбирался в этих предметных областях ещё до того, как разговаривал с ChatGPT.
Не бойтесь искусственного интеллекта, он помогает.
Методов очень много, людям уже в голове всего этого не удержать. Поэтому людям рекомендуется проходить наши курсы, в том числе "Методологию" (https://aisystant.system-school.ru/lk/#/course/methodology/), чтобы разобраться с самим понятием метода, практики, вида труда, культуры, метододологии, способа работы (и там далее ещё длинный ряд синонимов, под которыми скрывается метод в его отличии от работы). Можно оставить надежду в том, чтобы разобраться со всеми этими методами, например, методами инженерии. С какими-то примерами -- да, но пока вы будете разбираться с примерами, SoTA уже убежит далеко-далеко.
Так что главным методологом планеты сегодня является даже не Гугл (вы бы погуглили, но что там искать?! с чего начать?!), а ChatGPT, с которым можно разговаривать. Сегодня модель o1 уже достаточно надёжна, чтобы наносить непоправимую пользу в методологической работе на её первых шагах.
В целом метод вопрошания ChatGPT о методе такой:
-- просить на английском (там литературы побольше, искать будет на языке запроса)
-- просить дать timeline развития какой-то идеи, которая "на слуху" (вам надо зацепиться за какую-то предметную область, обычно люди помнят про что-то из середины этого таймлайна или даже самого начала -- самое древнее обычно и есть самое вспоминающееся), по каждому пункту таймлайна попросить, на какую критику он отвечает и какую критику вызывает, а ещё попросить примеры — это всё в одном вопросе.
-- поругать, что таймлайн обрывается на древних методах (скажем, десять лет назад) и попросить добавить более современные пункты.
-- не забывать гуглить по ключевым терминам после получения ответов, ибо ответ вызывает обычно ощущение "всё понял", но это заблуждение.
Например, сначала пишем в новом или даже старом контексте: Give a timeline of the key both traditional and state-of-the-art (SoTA) methods, methodologies, frameworks, approaches of test-driven methodologies (e.g. TDD, BDD, ATDD) of quality assurance for enterprise software. Present the timeline with each methodology characterised with following: Method Name, Time of Emergence, Description, Criticism, Response to Previous Critique, Example, and Recent Advances.
Затем чистим тамошнее бла-бла-бла: This is contaminated with non test-driven methodologies (e.g. DevOps not necessarily test-driven). Purge all not test-driven methodologies from the timeline and add more test-driven ones like TDD, BDD, ATDD.
Затем: This timeline ends in 2010s. What was with test-driven development methodologies after this? Add more about 2020s methodologies to the timeline.
Затем: What are trends of 2020s in test-driven methodologies? Give examples for these trends and give criticism of them.
И продолжать уточнять, пока не получите представление о предметной области, что там новое, что старое, в чём критика.
Например, вы поняли, что тест-ориентированные методы -- это что-то из методов для quality assurance. Спрашиваете: What are trends of 2020s in quality assurance methodologies? Затем возвращаетесь к основной теме (ChatGPT помнит контекст, поэтому расшифрует these trends в новом запросе): Give example methodologies of test-driven development for these trends and give criticism of them.
Главное, чтобы эти примеры не оставили ощущения "магического заклинания", в котором можно только предметную область поменять в приведённом примере, и всё отлично сработает. Нет, не так. У вас будет чуть другой контекст, чуть другая версия модели, чуть другая предметная область, чуть другая дата cutoff -- и всё не сработает. Или вы не очень хорошо будете представлять, что такое метод -- и просто утонете в выдаваемой информации, там же на выходе длинные сложные лонгриды, хотя и структурированные.
Основная идея тут -- говорите, как с методологом. И понимайте, что если вы попросите "у меня вот такая ситуация, подскажи мне метод, которым мне работать" -- эта нежить даст ответ, но это будет самый распространённый на планете (то есть старый и неэффективный) метод, а не нужный вам SoTA-метод.
AI-агент умный, в режим методолога переходит без указания роли (тем более, что такая роль ещё не слишком устоялась). Переключение в этот режим происходит, когда в текст вставляешь длинный ряд синонимов метода и описаний метода (тут не получится быть онтологом и требовать различать методы и их описания, у современных AI-агентов с типами огромные сложности, если это не программный код. Ну ровно как у простых программистов).
Вам надо хоть что-то понимать в том, что спрашиваешь: задать какие-то примеры, перечислить возможные синонимы. И потом гуглить, смотреть на то, что там вообще говорится в выданных текстах. Не верить полностью этому AI, ибо он врёт — а после перепечатки где-нибудь у себя люди это замечают и хихикают (но никто не скажет открыто, все же вежливые).
Каждая буковка в выходном тексте должна быть не скопипастена из ответов AI, а написана своими руками. И тут две выгоды:
-- главная выгода в том, что вы лучше разберётесь в предметной области. Рука ведь не поднимется переписывать термины, которые вы впервые в жизни видите, значения которых не знаете. Поэтому вероятность того, что вы что-то там погуглите и перепроверите -- растёт. Ваш мозг на приличное время (час или даже день, или даже неделю) задержится на обдумывании всех этих методов, которые вам выдали. В разговоре потом это очень пригодится. Если вы просто прочтёте текст выдачи, вы ничему сами не научитесь. Мышление письмом -- это наше всё. Напишите текст, это для себя, это обучение вашей собственной нейросети на добытых у LLM и Гугла данных.
-- ваш стиль хорошо считывается, сразу будет видно, что писали не вы. И стиль нейросеток хорошо считывается, паттерны их выдачи весьма распознаваемы. Кормить людям результаты работы LLM сейчас — моветон, показывает неуважение и "автоматизированный маркетинг", разговор с роботом.
Пример конечного результата по подобной серии запросов -- см. мой текст про эволюцию тест-ориентированной разработки, https://ailev.livejournal.com/1746345.html. В тексте https://ailev.livejournal.com/1740125.html -- там тоже использовался похожий метод общения со всемирным главным методологом. Общения меня, как прикладного методолога со всемирной методологической главной нежитью -- это сегодня штатный способ работы, SoTA. При этом на промежуточном этапе с этими текстами было огромное количество табов с текстами, это был результат гугления -- вопреки обыкновению, я не стал все эти ссылки вносить в текст (их слишком было бы много), но их элементарно погуглить снова, если будет нужно. И в выходных текстах нет ни одной буквы из LLM. И существенным было то, что я как-то разбирался в этих предметных областях ещё до того, как разговаривал с ChatGPT.
Не бойтесь искусственного интеллекта, он помогает.
