sat_ade/ai-fluency
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

add plan.md

Browse Source
This commit is contained in:
Аделина Саттарова
2026-05-28 16:04:58 +00:00
parent f900d53837
commit f60f3cd860
1 changed files with 150 additions and 80 deletions
Download Patch File Download Diff File Expand all files Collapse all files
plan.md
+150 -80
View File
@@ -1,102 +1,172 @@
# AI Fluency — Персональный план (на основе курса Anthropic)
# Личный план развития AI Fluency
**Курс:** AI Fluency: Framework & Foundations (Anthropic)
**Модель:** Claude 3.7 Sonnet
**Целевой срок:** 3 месяца
## 1. Моя стартовая точка и цели
### Текущий уровень
- Я регулярно использую ИИ‑ассистентов (например, Claude/GPT) для программирования, генерации идей и краткого изложения статей, но делаю это в основном эпизодически, без чётко выстроенного процесса.
- У меня сильный технический бэкграунд в области глубокого обучения и компьютерного зрения, но меньше практики в системном управлении работой ИИ: выборе задач для делегирования, постановке критериев качества и встраивании ИИ в устойчивые рабочие процессы.
- На текущий момент мой уровень можно описать как «tactical assistive»: я использую ИИ как умного собеседника и помощника в IDE, но редко строю вокруг него повторяемые процессы или небольшие «системы» из скриптов, API и агентных пайплайнов.
### Цели на 3–6 месяцев
1. Перейти от разовых запросов к продуманным ИИ‑процессам в учебе и проектах, которые можно повторять и улучшать.
2. Научиться чётко разделять, какие части работы я делегирую ИИ, а какие оставляю за собой, опираясь на 4D‑framework (Delegation, Description, Discernment, Diligence).
3. Собрать личный «AI‑toolbox» для:
- учебы (конспекты, планирование, черновики статей и обзоров);
- программирования (генерация, рефакторинг, тесты, пояснения);
- исследований (литературные обзоры, идеи экспериментов, анализ результатов).
4. Повысить уровень «AI‑безопасности»: ясно понимать, какие данные нельзя передавать ИИ, как распознавать потенциальные галлюцинации и как снижать риски при использовании моделей.
---
## 1. Оценка текущего уровня (4D Фреймворк)
## 2. Delegation: что и как я буду делегировать ИИ
| Компетенция | Текущий уровень (1-5) | Целевой уровень (через 3 мес) | Главная проблема сейчас |
|---|---|---|---|
| **Delegation** | 3/5 | 4/5 | Делегирую простые задачи, но не умею разбивать сложные проекты. |
| **Description** | 3/5 | 5/5 | Промты работают, но с 3-й попытки. Хочу получать годный результат с 1-го раза. |
| **Discernment** | 2/5 | 4/5 | Часто ловлю себя на том, что принимаю ответ ИИ как истину без проверки фактов. |
| **Diligence** | 2/5 | 4/5 | Останавливаюсь на первом ответе и не всегда думаю о безопасности данных. |
### Общий принцип делегирования
- ИИ выполняет: черновую и рутинную работу, вариативные наброски, первичный анализ паттернов в тексте и коде, помощь в генерации идей.
- Я выполняю: формулировку задач и целей, определение критериев качества, итоговую проверку результатов, принятие решений и всё, что связано с этикой, безопасностью и ответственностью.
### Конкретные зоны делегирования
#### Учёба и исследования
- Делегирую ИИ:
- краткое изложение статей, глав книг и лекций с сохранением структуры и основных тезисов;
- генерацию вопросов для самопроверки по прочитанному материалу;
- предложение структур для обзоров литературы, курсовых и исследовательских проектов.
- Оставляю за собой:
- проверку интерпретаций по оригинальным источникам;
- отбор ключевых идей и аргументов;
- финальное написание и редактирование академических текстов.
#### Код и ML‑проекты
- Делегирую ИИ:
- генерацию шаблонов кода, boilerplate и тестов;
- идеи экспериментов, варианты архитектур и гиперпараметров;
- черновые скрипты для препроцессинга данных и базовой аналитики.
- Оставляю за собой:
- дизайн общей архитектуры системы или эксперимента;
- интерпретацию метрик и принятие решений по моделям;
- ревью и рефакторинг кода перед использованием и коммитом.
#### Организация и продуктивность
- Делегирую ИИ:
- разбиение крупных задач на пошаговые действия;
- составление расписания на день/неделю с учетом дедлайнов;
- черновики писем, описаний проектов, резюме и профилей.
- Оставляю за собой:
- расстановку приоритетов и распределение времени;
- принятие решений о нагрузке и дедлайнах;
- утверждение финальных версий писем и описаний.
---
## 2. Персональные цели и действия по доменам
## 3. Description: как я буду описывать задачи ИИ
### Домен 1: Delegation (Планирование и передача задач)
### Правила хорошего промпта
> *Цель:* Научиться раскладывать сложную задачу на «кодзадачу для ИИ» и «кодзадачу для человека».
1. Всегда указывать:
- роль модели (например: «Ты мой AI‑ассистент по Python и ML»);
- цель (чего именно я хочу добиться и к какому сроку);
- контекст (уровень аудитории, формат, объём, тип задания);
- ограничения (язык, длина, стиль, что нельзя делать или предполагать).
- **Текущий уровень:** 3/5
- **Цель:** 4/5 (самостоятельно составлять блок-схему задачи за 5 минут)
- **Конкретные действия:**
1. Составить чек-лист «AI-подходящих задач» (нет важных последствий ошибки, есть четкий паттерн, объем данных большой).
2. Каждый понедельник декомпозировать 1 рабочую задачу: «Что делает Claude? Что делаю я?»
3. Практиковать **«Reverse Delegation»** — просить Claude предложить, какие части его ответа не стоит доверять ИИ.
2. Структурировать запросы:
- шаг 1: просить ИИ задать уточняющие вопросы, если задача сформулирована слишком широко;
- шаг 2: заранее договариваться о формате ответа (список шагов, таблица, код‑блоки, структура документа);
- шаг 3: итеративно улучшать результат через циклы «ревью → правки → уточнение промпта».
### Домен 2: Description (Точное описание и промпт-инжиниринг)
### Практические шаблоны запросов
> *Цель:* Писать промты по шаблону «Роль + Контекст + Формат + Примеры + Ограничения» без пропусков.
- **Текущий уровень:** 3/5
- **Цель:** 5/5 (промт дает нужный результат с первой попытки в 70% случаев)
- **Конкретные действия:**
1. Изучить техники из курса: **Chain-of-Thought** (цепочка мыслей), **Few-shot** (2-3 примера), **Role-prompting** (назначить эксперта).
2. Создать 5 шаблонов промптов для частых сценариев:
- Анализ таблицы / данных
- Рерайт текста под голос бренда
- Генерация идей для контента
- Объяснение сложной концепции простым языком
- Поиск логических ошибок в моем тексте
3. Вести журнал «Удачных / неудачных промтов» с разбором причин.
### Домен 3: Discernment (Критическая оценка результатов ИИ)
> *Цель:* Системно проверять факты и смещения в ответах Claude до того, как использовать результат.
- **Текущий уровень:** 2/5
- **Цель:** 4/5 (автоматически применять 5-пунктовый чек-лист проверки)
- **Конкретные действия:**
1. **Чек-лист Discernment** (распечатать и держать на столе):
- [ ] Все ли цифры и даты совпадают с оригиналом?
- [ ] Нет ли явных галлюцинаций (вымышленных статей, законов, имен)?
- [ ] Не упущены ли важные контраргументы или нюансы?
- [ ] Есть ли в ответе неявные допущения, которые могут быть неверны?
- [ ] Не звучит ли ответ подозрительно гладко (overconfidence)?
2. Завести **журнал галлюцинаций**: записывать, когда и как Claude ошибался, чтобы знать слабые места.
3. Раз в неделю анализировать 3 старых диалога с ИИ через этот чек-лист.
### Домен 4: Diligence (Итерации, безопасность и этика)
> *Цель:* Сделать итеративное уточнение привычкой и никогда не отправлять конфиденциальные данные в ИИ.
- **Текущий уровень:** 2/5
- **Цель:** 4/5 (в 90% сессий — 2+ цикла уточнения, нулевая утечка PII)
- **Конкретные действия:**
1. **Правило трех итераций:** Никогда не заканчивать диалог после первого ответа. Всегда задавать уточняющий вопрос или просить улучшить.
2. Использовать технику **«Description → Discernment → Refined Description»** (как в курсе).
3. Создать **Diligence-памятку**:
- «Что нельзя: имена, адреса, паспортные данные, финансовая отчетность компании, пароли».
- «Что можно: обезличенные метрики, публичные данные, черновики идей».
4. Вести журнал итераций в Notion (промпт → ответ → уточнение → финал).
- Для кода:
«Вот фрагмент кода / ошибка, вот среда и версии библиотек, вот что я уже пробовал и какой результат хочу получить. Предложи решение, объясни, почему оно должно сработать, и укажи, какие места уязвимы для ошибок».
- Для учебы:
«Вот текст/статья/конспект. Выдели 5–7 ключевых идей, сформулируй 5 вопросов для самопроверки, а также отметь, какие утверждения могут быть галлюцинациями модели и требуют проверки по оригиналу».
- Для планирования:
«Я студент, у меня такие-то курсы, дедлайны и ограничения по времени. Составь реалистичный план на неделю с буферами, временем на отдых и возможностью адаптации под изменения».
---
## 3. Таймлайн и измеримые результаты
## 4. Discernment: как я буду оценивать ответы ИИ
| Период | Фокус | Конкретные результаты (к концу периода) |
|---|---|---|
| **Неделя 1-2** | Delegation + Description | ✅ Список из 10 задач, которые можно делегировать. <br> ✅ 5 готовых шаблонов промптов. <br> ✅ Журнал из 7 диалогов с разбором. |
| **Неделя 3-4** | Discernment | ✅ Чек-лист проверки применяется автоматически. <br> ✅ Журнал галлюцинаций содержит 5+ записей. <br> ✅ Нашел и исправил 3 критических ошибки Claude до того, как они ушли в работу. |
| **Месяц 2** | Diligence + Итерации | ✅ В 90% диалогов — 2 или более итераций. <br> ✅ Ни одного случая отправки PII. <br> ✅ 3 рабочих процесса стали короче на 30% благодаря итерациям. |
| **Месяц 3** | Все домены + Интеграция | ✅ Итоговая самооценка: Delegation 4/5, Description 5/5, Discernment 4/5, Diligence 4/5. <br> ✅ Публичный пост / заметка с рефлексией «Как AI Fluency изменил мою работу». <br> ✅ План апгрейда на следующий семестр (например, освоение MCP или fine-tuning). |
### Критерии качества ответов
1. Проверяемость:
- все фактические утверждения (даты, определения, формулы, ссылки, цитаты) я воспринимаю как потенциально ошибочные, пока не проверил их по надёжным источникам;
- отсутствие ссылок или объяснения происхождения факта повышает вероятность галлюцинации.
2. Соответствие задаче:
- ответ должен явно закрывать исходный запрос и соблюдать заданные ограничения по формату, языку, объёму и стилю;
- если ответ размытый, я прошу краткое резюме (executive summary) и список конкретных следующих шагов.
3. Самооценка модели:
- я буду регулярно просить ИИ:
- отмечать области, где он не уверен;
- предлагать, какие части ответа следует отдельно проверить;
- давать альтернативные трактовки, если тема спорная или исследовательская.
### Практики снижения риска ошибок
- Для кода: запускать и тестировать сгенерированный код, писать простые юнит‑тесты и проверять edge‑cases, а не доверять решению «на слово».
- Для учебы: сверяться с оригинальными учебниками и статьями, особенно когда речь идёт о формальных определениях, теоремах и доказательствах.
- Для проектов: при выборе архитектуры, модели или стека решений сравнивать несколько вариантов, а не принимать первый ответ ИИ как окончательный.
---
## 4. Инструменты для отслеживания
## 5. Diligence: этика, безопасность и ответственность
- **Журнал промтов и итераций:** Notion (база данных с тегами по 4D)
- **Чек-лист Discernment:** на стикере на монитор
- **Diligence-памятка:** в закрепленном сообщении в рабочем чате (для команды)
- **Еженедельный 15-минутный ретро:** отвечать на вопросы:
- Где Claude сэкономил мне больше всего времени?
- Где я доверился ему зря?
- Какой домен (D в 4D) сегодня страдал больше всего?
### Работа с данными
> **Примечание:** План составлен на основе курса `ai-fluency-framework-foundations` от Anthropic и примера пользователя. Успешное выполнение плана = сданное задание **«Build a personal AI fluency plan»**.
- Я не буду отправлять в ИИ:
- персональные данные других людей;
- закрытую корпоративную или университетскую информацию без явного разрешения;
- данные, подпадающие под NDA или внутренние политики организаций.
- При необходимости работы с чувствительными данными:
- по возможности использовать локальные или он‑премис решения, либо обезличенные датасеты;
- удалять явные идентификаторы, а не просто «маскировать» их в тексте.
### Этические принципы
- Использовать ИИ как инструмент поддержки обучения, а не как замену собственному пониманию:
- не сдавать сгенерированные тексты как полностью свои академические работы;
- использовать ИИ для генерации структуры, идей и черновиков, но всегда переписывать, дополнять и осмысливать результат самостоятельно.
- Соблюдать прозрачность там, где это важно:
- указывать использование ИИ, если этого требуют правила курса, университета или компании;
- не выдавать ответы ИИ за экспертные рекомендации в чувствительных областях (медицина, право, финансовые решения и т.п.).
---
## 6. Дорожная карта развития AI Fluency
### Горизонт 3 месяца
1. Учёба и практика 4D‑framework:
- пересмотреть и законспектировать ключевые уроки курса «AI Fluency: Framework & Foundations», сформулировать свои правила для каждой из четырёх D (Delegation, Description, Discernment, Diligence);
- раз в неделю проводить короткую ретроспективу: какие задачи я делегировал ИИ успешно, где столкнулся с ошибками или галлюцинациями и как могу улучшить промпты и проверки.
2. Внедрение в учебу:
- для каждого нового задания заранее решать, что делегирую ИИ, а что точно делаю сам;
- вести компактный лог: «задача → промпт → результат → что сработало/что нет и почему».
3. Внедрение в кодинг и проектов:
- настроить стабильный workflow, где ИИ выступает в роли «pair programmer» в IDE и отдельного ассистента по планированию проекта;
- хотя бы для одного ML/AI‑проекта за семестр сознательно построить весь процесс с участием ИИ: от выбора идеи и датасета до финального отчёта.
### Горизонт 6–12 месяцев
- Выйти на уровень «smart tooling / system builder»:
- связать ИИ с другими инструментами (скрипты, API, агентные фреймворки) для полуавтоматических пайплайнов в учебе и исследованиях;
- разработать 1–2 собственных мини‑гайда или небольших воркшопа по практическому использованию AI Fluency для одногруппников или коллег.
- Сформировать устойчивый набор личных «AI‑ритуалов»:
- еженедельное планирование с участием ИИ‑ассистента;
- разбор завершённых проектов с анализом вклада ИИ и качества его работы;
- периодическое обновление собственной «AI‑policy» (что можно и нельзя делегировать, как проверять результаты и управлять рисками).
---
## 7. Краткое текстовое резюме плана (англ., для вставки в форму)
In the next 3–6 months, I plan to develop my personal AI fluency by systematically applying the 4D framework (Delegation, Description, Discernment, Diligence) to my daily study and development workflows. I will delegate routine, exploratory, and drafting tasks to AI while keeping goal‑setting, critical evaluation, and final decisions under my control. I will design clearer prompts by always specifying role, goal, context, and constraints, and I will iterate on outputs using explicit quality criteria. I will apply structured discernment by double‑checking factual claims, testing generated code, and asking AI to highlight its own uncertainties and potential errors. I will follow strict diligence guidelines by avoiding sensitive data, being transparent about AI use where required, and ensuring that AI supports rather than replaces my own learning. Over time, I aim to move from ad‑hoc usage to stable, documented AI‑supported processes in my coursework and ML projects, and to reflect regularly on what works and what needs adjustment.