Transcript of Prompt Engineering at the Next Level | Building an AI agent in n8n that conducts iterative debates.

Привет, друзья. Сегодня дипломированный физрук в моём лице будет вещать вам о научном подходе в промтнженерии. Но прошу дать мне шанс досмотреть видео до конца. И в этом видео я расскажу, каким образом вы сможете в своих автоматизациях с помощью промта увеличить качество ответа на 8% и уменьшить стоимость апи запросов на 60%. И всё это благодаря исследованию двух китайских специалистов. э, на базе которого я построил AI-агента для своего ассистента Спрута. Э, вот он называется он у меня анализатор. Вот его скромный вид, таким образом он выглядит. А я обязательно с вами поделюсь данным исследованием и данным шаблоном автоматизации у себя в Telegram-канале, ссылка на которой будет внизу. А теперь давайте я расскажу вам кратко о исследовании и о том, как оно работает. Суть этого исследования заключается в том, что эти два китайских специалиста придумали метод, который позволяет прямо внутри промпта создать дебаты нескольких агентов, ну, в данном случае четырёх, которые, ээ, имеют каждый свою позицию, своё мнение и дебатируют между собой. Ну, а в споре, как мы все знаем, рождается истина. То есть после, значит, проигрывания, грубо говоря, этого сценария в промте, после ответа лэмки получается очень классный структурированный, аргументированный ответ, который позволяет нам экономить токены. То есть потому как это всё происходит в одном лишь запросе в наш ЛМ, в нашу модельку. То есть это всё происходит, вся эта деятельность происходит в промте. Это классный способ, который позволяет получать действительно крутые ответы. Я это проверил и обязательно сейчас вам всё покажу. Ну, прежде всего, я хочу сказать о том, что м крайне редко я вижу информацию о том, как люди делают под свои агенты, под свои автоматизации промпты. И в этом видео я покажу вам, как я лично делаю все инструкции для своих автоматизаций, для своих агентов. Давайте покажу на примере как раз этого исследования. То есть, смотрите, мы пользуемся все определёнными, значит, модельками, да? Модельки у нас либо там GPT, как здесь, и у данных значит моделек есть, э проекты. Вот так и Perplexity, которым я сейчас в основном пользуюсь. Мне он сейчас больше нравится. Я расскажу, почему. В нём также есть возможность создавать проекты, но здесь они называются пространство. И здесь как раз в это в этом пространстве вы можете наполнять информацией, значит, вот это пространство. И исходя из этого информации, из этого контекста, мы получаем все те сведения, которые нам нужны. То есть, э, сама моделька, она будет анализировать всё то, что мы в неё загрузили, и на основании, ээ, этого контекста выдавать нам, ээ, крутые ответы, в том числе и промты. Как же наполнить контекст? Э контекстом я называю либо какие-то исследования, либо Jon файлы автоматизации, к которой вы хотите, э, написать про МТ. Да, сейчас есть возможность у облачной версии пользоваться агентом, который самостоятельно генерирует вам workflow. Но, э, новички достаточно сложно понимают логику работы и как раз вот эти пространства с этими workflow могут вам для этой автоматизации, да, ну, расписать логику как раз этой работы этой автоматизации и написать тот промт агента, который вы хотите. То есть вы можете загрузить сюда. Вот в данном случае у меня что загружено? Давайте посмотрим. Два файла. Это PDF с исследованием и анализатор - это тот агент, тот JSON, который я собрал на основании данного исследования. Вот. И далее я могу по данному исследованию и по данной автоматизации, значит, каким-то образом анализировать и, значит, спрашивать у модельки всю информацию, которая мне нужна. пространство Perplexity. Есть возможность выбрать ту модельку, с которой мы будем общаться. В GPT же нет, там только вот, значит, получается унаевские модели, больше ничего. То есть здесь же мне нравится то, что я могу выбирать, с кем мне вести диалог. Вот. И в данном случае Gemini для меня работает более чем адекватно. Вот. И далее вы можете по загружной информации как раз спрашивать у модельки свои вопросы. Ну, в данном случае я как раз спрашивал по поводу данного исследования. Дай краткую формулировку интроспекции. То есть это процесс самонаблюдения, когда человек или система анализирует собственные мысли, рассуждения и умозаключения. То есть в контексте искусственного интеллекта и большинства языковых моделей интроспекция означает способность системы анализировать, критически оценивать свой собственный процесс мышления для улучшения конечного результата. То есть каким образом? Ну вот как раз создавая тех самых агентов внутри самого промта, которые спорят между собой, ээ ну и, значит, каким-то образом они приходят к какому-то решению. Давайте сделаем запрос к нашему пространству, и пусть оно вытащит нам как раз тот самый промпт-код из данного замечательного исследования. Вытащи, пожалуйста, мне тот самый промпт-код из исследования. Вот. Ну и в данном случае, как видите, наше пространство обращается к тому PDF-файлу, который мы загрузили с исследованием, и вынимает оттуда информацию по коду. Кстати, очень логика вся эта похожа на как раз, э, работу автоматизации NTEN, где мы агента просим куда-то что-то заглянуть, посмотреть. То есть то же самое всё. А вот вот он нам, получается, показывает, каким образом, да, логика рассуждений, как выглядит этот промт, что является ядром и так далее. Ну вот в данном случае как раз мы видим, что значит у нас два дебатёра, да, так скажем, две роли. Это агент А и агент Б. И первичный анализ они делают, результат какой-то, да, то есть этого анализа, дебаты раундов 10 максимально. То есть, ну, всё вот здесь вот расписано как раз на каком шаге модель должна думать, как гента, затем как бы. Ну, короче, вот вся суть вот этого, значит, кода, промткода, она здесь указана. Вот. Но мы вернёмся как раз э к тому методу, как я добываю из этого всего промт для агента. В данном случае я изначально делаю всегда промт для эбостранства как для Perplexти, либо это будет значит проект для GPT. То есть я сначала всё, э, формирую, э-э, именно там, потому что тестировать как раз всю эту информацию, как агент будет отвечать, э лучше, ну, проще вот прямо здесь, значит, либо в модельке Perplexity, либо в модельке от Open, а уже дальше я это всё переношу в автоматизацию. Так вот, э, получив вот этот код, да, из исследования, каким образом он работает, да, то есть я понял, что мне необходимо сделать не два значит ээ агента, э, дебатёра, ну, те самые как раз модели, которые будут вступать в диалог и определять, значит, правильность там их суждений каждого из них. А мне их нужно четыре. Вот я я придумал, что мне надо четыре. А, а, вот как раз параметров дебатов, это раунды я сократил до пяти. После чего на основании вот этого исследования я попросил, значит, у нас пространство создать для самого себя промпт, который будет по моему запросу как раз автоматически писать вот такой промт-код. Вот. То есть, что мне нужно было сделать? мне нужно было автоматизировать суть исследования. То есть исследование было э вот с такой-то идеей, и мне эту идею нужно было воплотить и автоматизировать, чтобы я не подставлял каждый раз, да, вот в этот промт кто из агентов будет там, не знаю, кинологом, а кто будет там психологом и так далее. А мне нужно было, чтобы это делала сама моделька. И для самой же себя, самого себя это пространство написало мне промт. Давайте я вам его покажу. Вот здесь в настройках как раз инструкция для ответов, да, тот самый промт. Значит, какая суть, что ты, да, эксперт по методологии рассуждения, основанный на интерактивных дебатах. Это вот та самая суть исследования. Когда я прошу тебя, проведи интерактивный анализ гипотезы, твоя задача - взять мою гипотезу, подобрать три-четыре релевантных эксперта с разными, но значимыми точками зрения и сгенерировать для меня полный структурированный промт с использованием приведённого ниже шаблона. И шаблон. Шаблон - это как раз вот тот самый, значит, ответ от этого агента, который я хочу получать. Вот. То есть готовы про, да? Роль, то есть роль твоя задача вступить, выступить в роли структурированного кода и так далее. Ээ значит ээ фазы все необходимые, э какие каким образом должны выглядеть значит модели, агенты, точнее, агент А, агент B, агент C, агент D. То есть, как я сказал, мне нужно было четыре для того, чтобы, ну, прямо максимально круто работал данный промт-код. И раунды три, да, вот здесь в данном случае три раунда. В автоматизации же, которые я сделал, я методом тыка определил, что лучше всего это пять раундов сделать. Вот. И, значит, как они взаимодействуют? Э, значит, каждый агент формулирует свою основную позицию, потом они начинают каким-то образом спорить, да, в в каждом из раундов. определять, кто там прав, кто не прав. Значит, кто-то может свою своё мнение изменить и так далее. То есть, ну, тут интересно интересно это всё работает. Можно, допустим, значит, с вами попробовать на примере, как это работает. Давайте сделаем вот такой вот запрос. Сделай промпт тире, если и способен изменять свои алгоритмы и цели, может ли он достичь свободной воли. И отправляем на обработку данного пространства. Ну вот, как видите, он заходит в информацию. У него есть свой проб, на самом деле, которым он следует, но он всё равно зашёл в те файлы, которые у нас загружены в данное пространство, и сейчас готовят для нас ответ. Ну, как правило, это происходит небыстро, потому что, ну, тут, ээ, требуется определённое время для рассуждений. Давайте подождём. А, ну, в данном случае у меня ещё подключены там выходы в интернет и так далее. То есть он ещё источники смотрит, скорее всего, подбирая для моего ответа необходимые ну, роли дебатёров. Вот готовый промт для замены. То есть вот, пожалуйста, то есть тот самый промт, который мы, значит, получили исходя из нашего запроса. Что у нас? Это структурированный код рассуждений, моделирующий интерактивный цикл общественно-экспертных дебатов. Ты должен интерпретировать его как строгий набор инструкций для проведения глубокой рефлексии, где каждый новый раунд исполняет тот итог предыдущего в качестве входных данных для эволюции анализа. То есть здесь очень всё сложно и классно структурировано. Вот смотрите, вот агент А, личность технооптимист и философ трансгуманист. То есть он самостоятельно придумывает, исходя из запроса, роли тех дебатёров, да? То есть они, ну, должны быть релевантные, то есть и понятные. Вот второй дебатёр - это дебатёр - это нейробиолог и когнитивист. Ну и у каждого, опять же, из данных агентов есть свой фокус. То есть фокус, допустим, этого, э, последнего, который я сказал- это сравнение механизмов работы Ии с биологическими основами создания создания и воли человека, поиск необходимых и достаточных условиях. Агент С - это личность, специалист по этике и безопасности, и Д - это философ, ээ, детерминист, специалист по метафизике. Вот. И что происходит далее? Фаза, значит, настройка и параметров дебатов. Вот здесь у нас три раунда. Повторюсь, в автоматизации, которую я с вами поделюсь, также в Telegram-канале, скачивайте её, там пять раундов. То есть он ещё интереснее работает. Аэ цикл, фаза первая, цикл общественно-экспертных обсуждений. А значит, в данном случае, в первом раунде агенты представляют свои базовые позиции, то есть базовые позиции агента А, B, C и D. Каждый из них, значит, определяет на основании своей позиции какую-то какую-то информацию. Вот. А далее идёт критика, да? То есть углублённая критика. Значит, кто-то, значит, агент э агент Б должен критиковать агента А, агент С должен критиковать агента Б и так далее, да? То есть потому что именно в споре, да, рождается та самая истина. То есть, по сути, мы получили тот самый промт, внутри которого уже заложены те самые дебаты и обсуждения, и которые как раз нам и помогают получить более точный ответ. Плюс ещё он более экономичный. Вот вообще, значит, я могу попросить у него сейчас выполнить этот промт для того, чтобы получить очень крутой ответ. Давайте мы это и сделаем. Выполни, пожалуйста, этот промт. Провод написано, но не так ничего, агент поймёт. Вот. Далее получается исполнение ответа нашего пространства по данному промту. То есть, м, какая была моя задача? Первое - это практически применить данное исследование в моём агенте. Пром для этого агента мне помогает писать это пространство, у которого в контексте есть это исследование. А, ну и далее, фактически я просто могу взять, значит, промт этого пространства и переместить этот промт в своего агента на N1, что я и сделал. То есть в вашем же случае, да, пока, значит, ищем, пока идёт ответ, я могу как пример ещё, да, пояснить. В вашем же случае вы можете загружать в, значит, источники э данного пространства какую-либо информацию, какие-то, значит, свои, э, хотелки, да, то есть какие вы планируете подключать инструменты, как вы видите работу этого агента. Может быть, у вас есть какой-то, значит, также документы, которые необходимы для написания промтаго агента. И впоследствии это пространство проанализирует эти все ваши документы и составит для этого агента, зная те самые источники, зная те самые инструменты. Оно, а, это пространство создаст вам очень классный промт, который вы также можете скопировать и вставить своего аген своего агента на N. Вот и всё. Вот. Значит, на основании вашего запроса я выполнил симуляцию интерактированного анализа по заданной методологии. Ниже представлены результаты сгенерированного в соответствии со структурой Промткод. Значит, ээ анализ и, ну, в конце он обязательно ещё и матрицу социальных рисков и возможностей даёт, да? То есть, ну, здесь достаточно сложный такой был запрос. можно гораздо, э, проще там, если жизнь на Марсе, да, там расписать и так далее, то есть и э ответ будет более понятный. Вот здесь же ээ ответ тот, который вы бы не получили написав обычный запрос обычной лэмки. То есть здесь мощный, э, очень подробный и ответ, который как раз затрагивает все возможные проблемы, да? То есть, если же мы возьмём, давайте прямо попробуем, возьмём просто этот запрос и вставим просто в эмлэмку, мы получим совсем другой ответ. Пусть даже это будет думающая модель. Вот. Ну, также философию здесь приплетает, да, таким образом, так, способен к самонастройке и даёт ему пол свободу воли. Ну, то есть здесь этот ответ на запрос, он будет гораздо суше и бывает, что и неверный ответ. Вот, то есть я проверял, смотрел, то есть из промпт-кода получается гораздо интереснее и полнее ответ. Вот, э, так вот, что хотел я. То есть понятно дело, что пространство работает как тот же самый GPTс. И если мне что-то нужно, да, из сложных там ответов, гипотез и так далее получить классный ответ, я могу обращаться к данному пространству. Но мы лёгкими путями не ходим, да? То есть я хочу, чтобы это всё было у меня в Телеграме. Я хочу, чтобы это всё работало через моего ассистента спрута. Э, тем самым у меня появилась идея создать такую автоматизацию. Вот. И она у меня получилась там буквально за 2 часа я её создал. То есть вот у меня у моего спрута появился вот такой агент. Назвал я его анализатор. Э, наверное, можно было другое какое-то название придумать, более логичноя, но мне проще, ну, когда я общаюсь со своим спртом, мне проще там сказать ему: "Спроси у анализатора, э, значит, ээ как какой-то вопрос, да, задай ему какой-то вопрос, там проверь гипотезу определённую". Вот. И вот таким образом как раз выглядит сама автоматизация. Автоматизация достаточно простая, но эффективная. Здесь три головы, то есть три AI. Соединены они последовательно. Первый агент имеет как раз промпт, тот самый промпт, который у нас присутствует в пространстве, да, которое мы делали в пространстве, э, на основании исследования. Вот, то есть здесь заложена вся необходимая информация от ролли до того, каким образом, значит, участвуют у нас агенты в дебатах. Вот их здесь видно, что четыре штуки. И, э, здесь настройка параметров дебата дебатов. Здесь как раз можно увидеть, что раундов пять. Вот. То есть здесь всё расписано. Значит, далее идёт агент, который исполняет этот промт. То есть это агент, который проводит эти дебаты по данному промту. Ну, достаточно тоже простой промт. Указано, что, э, значит, каким образом он должен делать. Ну и последний агент - это агент, который резюмирует ответ предыдущего для того, чтобы он был более лаконичный, понятный и не такой большой. Э, далее, что происходит с этими ответами? Ну, прежде всего, да, конечно, мы, значит, пользуемся триггером subwflow, который запускается по запросу нашего, э, основного ассистента спрута, когда мне нужно какую-то гипотезу проверить или ещё что-то, да, какой-то вопрос задать, я его спрашиваю уточни у анализатора такой-то вопрос. Значит, он проходит вот сюда в эту ноду. Ну, опять же, но две запускает. Первое - это техническое сообщение, то, что анализатор начинает работу. И вторая нода, она добавляет к запросу частичку "Сделай промт". Это для того, чтобы мне дополнительно не говорить, значит, Спруту, что нужно сделать промт на такую-то тему. Я просто ему тему говорю. Вот. Далее, значит, как я уже сказал, делается прот, отвечает на него агент и записывается всё в результат. И вся эта информация у нас уходит в Google таблицу, которая вот здесь вот по запросу, промту дебат и результат у нас уходят соответствующие колонки. Здесь с этим здесь здесь красная подсвечена, потому что можно два пути ээ два пути есть создания сообщений. Либо я сюда пишу ему, да, то есть вписываю, либо мне задаёт, значит, вопрос, ему задаёт вопрос Спрут. Вот, соответственно, здесь два варианта прихода данного сообщения. Вот. И всё это уходит, как я уже сказал, в Google таблицу. Google таблица выглядит таким образом. То есть колонка запрос, колонка промт, колонка дебаты и результат. Э значит, всё это уходит именно сюда. А, да, кстати, таблица та же самая, которая используется у меня во всех агентах. То есть я просто создаю дополнительные вкладки. Вот вкладка анализатора. Вот у меня недавно добавилось, как и, соответственно, этот агент. А вот, то есть здесь сохраняются все ответы каждого агента плюс запрос. Это очень удобно, когда хочется почитать более, так скажем, внятно. Ну, то есть на иногда на телефоне через Telegram не очень удобно. То есть я зайду с компьютера вот сюда, то есть немножечко увеличу и начинаю смотреть, значит, каким образом логика эта была осуществлена. Ну вот в данно в данном агенте, в каждом из агентов. Вот. Ну что, наверное, можно сделать тест и проверить, как он работает. Так, зададим ему вопрос прямо вот здесь вот, изменив вот этот вот запрос, просто ставим новый. Способен так вот таким образом. Способен ли и в будущем уничтожить человечество, если его цели будут расходиться с человеческими интересами? Вот сохранить. И когда мы нажмём сейчас на тест сюда вот, э, запуск workкфлоу, у нас пройдёт, значит, это сообщение и через все вот эти ноды и на выход. Если вам, э, значит, ну, эта автоматизация, опять же скажу, будет в Telegram-канале. Внизу ссылочка будет в описании. Если вы этот агент захотите, значит, у себя настроить и он будет не как супагент работать, вы можете эту ноду заменить на ноду чат или Telegram. Вот. И общаться с ним уже по-другому. Единственное, что вам нужно будет, наверное, поменять что-то посмотреть э поводу сохранения в таблице, если изменится путь. Вот. Давайте мы запустим, значит, у нас тест. Так, ну вот запустился наш workflow. Здесь техническое сообщение пришло. Анализатор готовит ответ. Здесь, соответственно, прошёл, значит, запрос с прибавлением Сделай промт вот сюда. Jon Query - это красным подсвечено, потому что оно сработает тогда, когда спрут сам будет вопросы ему задавать. Вот отработал первый агент и передал свой ответ, да, свой промт уже написанный. э под конкретный запрос он передал значит свой запрос следующему агенту. Сейчас следующий агент уже отвечает на конкретный вот этот значит промт э промткод который написан по как раз исследованию и значит готовит уже свой ответ. Кстати, пока всё, значит, пока исполняется вот этот вот эта автоматизация, я хочу сказать, что изначально я добавил вот сюда, видите, тут две ниточки, так скажем, ведут к этой ноде. Сначала здесь была просто 4.1 модель, а потом я, когда начал играться, смотреть на ответы, могу сказать уверенно, что модель 4.1 вот с данным, э, промптом, который написан по исследованию, да, он работает очень классно, и ответы практически не отличаются от модельки 4А1. То есть 4А1 mini, она, так скажем, менее умная, так скажем, модель, да. Но отрабатывает она с этим промтом, как будто она м думающая, да? То есть вот это вот как раз вот этим достигается вот этим промтом достигается классный ответ даже от достаточно слабых моделей, которые не дают особо широкого, глубокого ответа. Здесь же прям правда получаются. И я думаю, что такие с помощью такого промта, наверное, даже ещё слабее модельки дешевле выбирать и получать нормальные ответы. То есть тем самым мы просто экономим. Не просто экономим токены на нескольких запросах, потому что такой ответ можно получить только общаясь с моделью, ну, задавая несколько запросов по А. Мы первое, мы делаем эту модель умнее, потому что она рассуждает прямо внутри этого промта. Плюс экономим токены. Во-первых, это потому что моделька меньше кушает по по деньгам, да, так скажем, меньше стоит. Ну и запросов получается, ну, у меня здесь больше запросов три, потому что я хочу такие ответы получать, и я хочу и собирать этот промт, и отвечать на него, плюс ещё резюмировать. Поэтому, как бы, у меня здесь, э, за ответ-то по токенам небольшая экономия, но по качеству ответа 100%, да. Вот, то есть у нас всё это отработало. Здесь, смотрите, мм обязательно я вставляю вот данную ноду код. То есть обратите внимание, что первый, значит, у нас ответ уходит отдельно, сообщение уходит. Ну и от последующего, значит, от самого последнего тоже дополнительно идёт сообщение. То есть два сообщения он мне присылает. И у каждого вот этого, у каждой веточки есть вот эта нодакод. Она как раз что делает? Она убирает всёвсёвсё ненужное, э, что не пропускает Telegram, потому что, как правило, с таким промптом получается достаточно большой ответ, и он просто не может ээ Telegram, ну, нормально Telegram его принять. То есть он всё время ругал ругался. Этот код классный, я его давно очень написал, и он отсекает всевсевсе необходимые вещи. Вот видите, что он делает? То есть он всё экранирует. Всё, всё, короче, делает ответ, который идеально подходит под Telegram. Вот. Плюс он ещё что делает? Он разделяет большое сообщение. Как можете здесь видеть, здесь три итема, видите, проходит. То есть он большое сообщение, ответ от агента, разделил на три итема, которые пропускают Telegram, потому что там определённо там что-то 4.000 символов. Вот он их, короче, делит. Вот. И каждый этот ответ записывается у нас в м э в Так, да, Google Sheets. Ну давайте сначала посмотрим, что Да, видите, пришло четыре сообщения, как здесь в Telegram. Первое сообщение, которое это ответ на промт. Оно разделилось на три, потому что достаточно большое. Ну вот здесь можно наблюдать как раз по экспертам итерации, да, как я уже говорил, их здесь пять итераций. Вот четыре и пять. И каждая с со своим, а рассуждением, со своими, значит, какими-то ступенями, так скажем, да, где-то происходит критика, где-то они соглашаются с чем-то, резюмируют и так далее. То есть, и вот так здорово оно всё заходит вот сюда. Ну и, соответственно, э последнее сообщение - это резюме. Вот. А как раз в табличку добавляется всё. Давайте мы обратимся к ней и на последний ответ. Вот этот последний ответ. Способенные ли в будущем уничтожить человечество, если его цели будут расходиться и так далее. Да, давайте я вам отсюда я себя уберу. Вот так вот. Э, и что мы тут видим? То есть он поставил вот здесь вот промт написал, да, где он расставил всё необходимое, какие роли, какие агенты и так далее. Вот он сразу же подобрал нам агентов. Первое - это эксперт по искусственному интеллекту. У него фокус технической возможности и риски развития. И второй агент - это этический философ, и фокус у него на этические аспекты взаимодействия человека. Третье - это социолог-аналитик, социальные последствия внедрения ей и политический стратег. У него уже фокус на политические управленческие риски регулирования ИИ. И вот дальше пошло таким образом они должны формулировать свою позицию, далее консенсусы, найти ээ так противоречия, ну всёвсёвсё по данному исследованию, по данному промкту. И здесь мы видим этот ответ, да, если мы вот так вот сделаем. И тут пошли итерации, да, то есть эксперт посун интеллекту указывает, что технически и обладает потенциалом, способным привести к катастрофическим сценариям. ээ это его цели будут радикально расходиться с челове человеческими интересами особенно при отсутствии надёжных механизмов контроля ограничений и так далее. Э далее, вот смотрите, да, эксперт по этическому интеллекту критику критически отмечает, что позиция этического философа излишне оптимистическая. То есть в данном случае вот как раз здесь вы можете про посмотреть их взаимодействие, да, и вот как раз дебаты их. Ну и впоследствии они всё-таки, да, пройдя через эти итерации, они сходятся в финальном анализе и, значит, в дальнейшем также пишут матрицу социальных рисков и возможностей. В данном случае матрица социальных рисков и возможностей, так как Telegram табличку вот ту, которую я хочу, не пропускает, ээ в промте заложено на то, что он должен отвечать текстом. Ну и тем самым и так всё понятно. То есть вот стресс сценарий, стресс сценарий два, стресс сценарий три. То есть опять же всю информацию мы получаем. Вот. Ну и, соответственно, следующее. Ну он не сильно короткий получился, но пол полное такое э описание более концентрированное, да? Ну и написано более, так скажем, понятным ээ понятном оформлении. То есть опасность того, что искусственный интеллект в будущем способен уничтожить человечество при несовпадении его целей с человеческими интересами является реалистично и так далее. То есть здесь он уже, э, свой ответ не подсвечивает в данном ответе не подсвечивает всех агентов, которые участвовали в дебатах, а просто такой структурированный полный ответ. А таким образом работает, значит, у нас данная автоматизация. Обязательно берите её в Телеграме, у меня в Telegram-канале. А она работает достаточно надёжно. Я вот уже, не знаю, балуюсь с ней день. Вот получаю классные ответы. Ну давайте просто ради интереса, да, если мы возьмём тот же самый запрос, да, вот так вот мы возьмём и отправим его нашему спруту, да, тот агент, который работает просто на джиптишке 41, да, мы вот так вот вставляем, а готовит ответ. То есть просто сравним, да, те ответы, которые 41 с помощью данного промта генерирует, и просто ответ GPT 41. Вот смотрите, вопрос в том, способен ли искусственный интеллект будущем мечтой человечества при расхождении его цели человеческими интересами является предметом активных дискуссий среди учёных, философов ттатта теоретически, если и будет обладать высокой - автономией и мощностью его цели будут конфликтовать с интересами людей. Тра-та-та-та-та. Если хотите, могу, короче, вот вот разница, да, вот вот это вот два маленьких э предложения, да, и вот целый расписанный аргументированный вывод, который мы получаем с помощью данного данной автоматизации, данного суперпромпта, так скажем, да, э именно с точно такой же моделькой. А вот, э, поэтому, да, берите, пользуйтесь. Если будут какие-то вопросы, пожалуйста, обращайтесь. Интересно послушать ваше мнение о данной автоматизации. Очень интересно подумать, может, с вами вместе в Телеграме отпишитесь, каким образом можно разогнать данную автоматизацию и во что-то её превратить. Потому что идеи они есть, но хочется, чтобы, так скажем, найти что-то очень прикольное, классное, где это применимо, то есть максимально максимально ну круто и чтобы был результат интересный, да, то есть это важно. Вот поэтому, друзья, всем хороших, классных автоматизаций. Учитесь писать промты. Это очень перспективная тема. Надеюсь, что это видео было вам интересно. Можете отблагодарить меня подпиской на канал. Обязательно задавайте вопросы и ставьте лайки, если хотите. Всё, друзья, пока.