126 lines
11 KiB
Markdown
126 lines
11 KiB
Markdown
# AI Fluency — Персональный план
|
||
|
||
## О курсе
|
||
|
||
Пройден курс «AI Fluency Framework Foundations» от Anthropic, основанный на 4D‑фреймворке: Delegation, Description, Discernment и Diligence (ответственное и безопасное использование AI).
|
||
Курс помогает выстроить практичный, этичный и безопасный подход к работе с AI‑системами, чтобы использовать их эффективно, осознанно и с учётом ограничений моделей.
|
||
|
||
---
|
||
|
||
## Персональные цели
|
||
|
||
### Домен 1: Delegation (Делегирование)
|
||
|
||
- **Текущий уровень**: 3/5
|
||
- **Цель**: 4/5 к концу семестра
|
||
|
||
**Фокус:** научиться осознанно решать, какие части задач в ML/CV и учёбе отдавать AI, а какие оставлять себе как критически важные (дизайн, финальные решения, проверка).
|
||
|
||
**Действия:**
|
||
|
||
- Составить список типовых задач (кодинг, ресерч, подготовка отчётов, работа с ботами/агентами) и пометить, что можно делегировать AI, а что лучше делать самой.
|
||
- Определить критерии «AI‑подходящих» задач: рутинность, повторяемость, работа с текстом/кодом без чувствительных данных, приемлемый риск ошибки.
|
||
- Практиковать делегирование ежедневно: минимум 3 задачи в день (например, «сгенерировать черновик кода», «структурировать конспект», «сделать список идей экспериментов»).
|
||
- Раз в две недели пересматривать список делегируемых задач и обновлять его, исходя из опыта (что AI делает хорошо, а где чаще ошибается).
|
||
|
||
---
|
||
|
||
### Домен 2: Description (Описание)
|
||
|
||
- **Текущий уровень**: 3/5
|
||
- **Цель**: 5/5 к концу семестра
|
||
|
||
**Фокус:** выработать чёткий, системный стиль промптов, особенно для кода, CV‑тасок и учебных задач.
|
||
|
||
**Действия:**
|
||
|
||
- Изучить и применять техники Chain‑of‑Thought, Few‑shot и Role‑prompting для сложных задач (разбор статьи, дизайн пайплайна, генерация кода с комментариями).
|
||
- Создать 5–10 шаблонов промптов для типовых задач:
|
||
- объяснение сложной темы в ML/DL;
|
||
- генерация скелета кода (PyTorch / TensorFlow);
|
||
- проектирование CV‑пайплайна (OCR, детекция, сегментация);
|
||
- подготовка конспекта и плана подготовки к экзамену;
|
||
- идеи для AI‑агентов/ботов и их шагов.
|
||
- При каждом запросе следовать структуре: **контекст → задача → формат ответа → критерии качества → ограничения**.
|
||
- Вести небольшой лог «удачных промптов» с пометками, что именно сработало (примеры, роль, структура, уточняющие вопросы).
|
||
|
||
---
|
||
|
||
### Домен 3: Discernment (Оценка)
|
||
|
||
- **Текущий уровень**: 2/5
|
||
- **Цель**: 4/5 к концу семестра
|
||
|
||
**Фокус:** сделать критическую оценку AI‑ответов встроенной привычкой, особенно для кода, технических объяснений и выводов по статьям.
|
||
|
||
**Действия:**
|
||
|
||
- Всегда проверять технические ответы:
|
||
- запускать предложенный код на маленьком тестовом примере;
|
||
- сверять ключевые факты с документацией, статьями или другими источниками;
|
||
- просить AI объяснить решение шаг за шагом и проверять логику.
|
||
- Вести журнал минимум 10 случаев, когда AI ошибся или сгенерировал «галлюцинацию», и фиксировать паттерны: в каких задачах и формулировках это чаще происходит.
|
||
- Для важных решений (архитектура модели, дизайн пайплайна, выбор метрик) всегда сравнивать несколько вариантов: свои идеи, идеи AI и внешние источники.
|
||
- Раз в неделю делать «разбор полётов» 2–3 AI‑ответов: что было полезно, что рискованно, как можно было задать задачу лучше.
|
||
|
||
---
|
||
|
||
### Домен 4: Diligence (Ответственность и Итерации)
|
||
|
||
> В курсе Diligence связывают с ответственным использованием AI и осознанной итерацией: не останавливаться на первом ответе, учитывать риски, конфиденциальность и собственную ответственность за результат.
|
||
|
||
- **Текущий уровень**: 2/5
|
||
- **Цель**: 4/5 к концу семестра
|
||
|
||
**Фокус:** не брать первый ответ как финальный, работать итеративно и при этом помнить про этику, приватность и рамки использования.
|
||
|
||
**Действия:**
|
||
|
||
- Не останавливаться на первом ответе AI: задавать уточняющие вопросы, просить альтернативные подходы, пробовать другие формулировки промптов.
|
||
- Использовать технику «уточняющих вопросов»: «какие есть альтернативы?», «покажи пошаговое объяснение», «какие ограничения и риски у этого подхода?».
|
||
- Вести журнал итераций для 5–10 задач: *промпт → ответ → уточнение → улучшенный результат* и анализировать, какие уточнения сильнее всего повышали качество.
|
||
- Соблюдать базовые правила ответственности:
|
||
- не загружать приватные датасеты и закрытый код;
|
||
- не использовать AI для обхода академической честности (не просить «сделать работу за меня»);
|
||
- по возможности помечать, где именно в работе помогал AI, если это важно для контекста (университет, команда).
|
||
|
||
---
|
||
|
||
## Таймлайн (на 3 месяца)
|
||
|
||
| Период | Фокус | Ожидаемый результат |
|
||
|--------------|------------------------------|---------------------------------------------------------------------|
|
||
| Неделя 1–2 | Delegation + Description | Список делегируемых задач, 5–7 шаблонов промптов. |
|
||
| Неделя 3–4 | Discernment | Журнал анализа 10 AI‑ответов с ошибками/рисками. |
|
||
| Месяц 2 | Diligence + Итерации | 3 улучшенных рабочих процесса с AI (учёба, код, CV‑задачи). |
|
||
| Месяц 3 | Все домены | Итоговая самооценка 4D‑компетенций, обновлённый план на следующий семестр. |
|
||
|
||
---
|
||
|
||
## Self‑Assessment (кратко)
|
||
|
||
| Компетенция | Уровень (1–5) | Комментарий |
|
||
|----------------------------------------|---------------|------------------------------------------------------------|
|
||
| Prompt Engineering / Description | 3 | Базовые промпты работают, но нет полностью системного стиля. |
|
||
| Discernment (критическая оценка AI) | 2 | Часто есть доверие к ответу, даже если проверка минимальна. |
|
||
| Delegation (что и как отдавать AI) | 3 | Уже делегирую рутину, но не всегда делаю это осознанно. |
|
||
| Diligence (ответственность, этика, итерации) | 2 | Понимаю риски, но не всегда явно проговариваю рамки и не всегда достаточно итераций. |
|
||
| Интеграция AI в рабочий процесс | 2 | Использую AI эпизодически, а не как стабильную часть процесса. |
|
||
|
||
---
|
||
|
||
## Ресурсы и метрики прогресса
|
||
|
||
**Ресурсы:**
|
||
|
||
- Материалы курса AI Fluency от Anthropic.
|
||
- AI Fluency Framework (документация и описания 4D).
|
||
- Документация к используемым фреймворкам (PyTorch, TensorFlow, библиотеки CV, инструменты для агентов).
|
||
- Статьи и гайды по prompt engineering, AI‑агентам и ответственному использованию AI.
|
||
|
||
**Метрики прогресса:**
|
||
|
||
- Снижение времени на типичные задачи (код, конспект, поиск информации) при сохранении или повышении качества.
|
||
- Рост доли задач, где AI встроен в процесс (а не используется «от случая к случаю»).
|
||
- Улучшение самооценки по 4D‑компетенциям каждые 3 месяца.
|
||
- Количество реальных артефактов: библиотека промптов, один или несколько AI‑агентов, рабочий LLM‑пайплайн под учебные/проектные задачи. |