GPT менеджерам. 720 промптов повышающих производительность в 1000 раз

GPT менеджерам. 720 промптов повышающих производительность в 1000 раз

Вячеслав Мустакимов

Приведены примеры формулировки запросов-инструкций (Промпт-инжиниринг, Prompt engineering для GPT). Примеры даются в системной последовательности, сопровождаются рекомендациями, способствующими практическому применению при написании исследований, решении задач, кейсов по менеджменту.Отдельное внимание уделено оригинальности текста (антиплагиат), защите от детекторов, выявляющих генеративный текст ИИ, что исключает статус: «Внимание, документ подозрительный».

GPT менеджерам. 720 промптов повышающих производительность в 1000 раз

Вячеслав Мустакимов

© Вячеслав Мустакимов, 2023

ISBN 978-5-0060-4200-1

Создано в интеллектуальной издательской системе Ridero

ОТ АВТОРА

Тридцать лет назад, будучи студентом, я искал пособие, в котором в сжатой и понятной форме излагается техника быстрого написания исследовательской работы. Скоростной методики не нашлось, зато были классические правила: набрать тонну литературы, почитать источники, расставить в книжках закладки, сделать выписки, конспекты, скомпилировать текст, вычитать и связать логически.

Идея разработки технологии скоростного написания работ нашла свое продолжение в 2009 г. К этому времени в рамках деятельности научного объединения «ГУМАНИТАРИЙ» была собрана довольно приличная научная электронная библиотека (ЭБ), которая, по объему фонда, в несколько раз превосходила классические университетские библиотеки.

Компания «СерчИнформ» ныне ведущий российский разработчик средств информационной безопасности, резидент Инновационного центра «Сколково», входящая в АРПП «Отечественный софт» и НП «Руссофт», в 2008—2010 гг. разрабатывала локальную поисковую систему промышленного класса: стресс-тестирование поисковика проводили на базе фонда ЭБ НИО «ГУМАНИТАРИЙ» (рис. 1).

Рисунок 1 – Пресс-релиз СёрчИнформ

В 2010 г. идея скоростного написания научных исследований получила свое развитие с новой силой.

«СерчИнформ» не только предлагал возможность разнообразного поиска в локальных файлах, но и реализовывал функцию «поиска похожих» – поиск больших текстов на основании маленьких. Используя продукт СерчИнформ, мы научились извлекать необходимые данные из текстовых неструктурированных массивов, добавляя к заимствованиям библиографическую запись. Это позволяло компилировать теоретические разделы исследований за считанные часы.