ai-fluency/plan.md

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.