# Личный план развития AI Fluency

## 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.

---

## 2. Delegation: что и как я буду делегировать ИИ

### 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.

---

## 3. Description: как я буду описывать задачи ИИ

### Правила хорошего промпта

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).  

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».

### Практические шаблоны запросов

- 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».

---

## 4. Discernment: как я буду оценивать ответы ИИ

### 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.

---

## 5. Diligence: этика, безопасность и ответственность

### Работа с данными

- 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.