ChatGPT для работы

Понять, с чем мы разговариваем

Начнём без технической подготовки. На примерах распознавания картинки, составления письма и поиска ответа разберём, что называют искусственным интеллектом. Объясню, почему ИИ — широкое понятие, а чат — только один из способов им пользоваться.

Большая языковая модель, или LLM, создаёт ответ на основе полученных данных и закономерностей, усвоенных при обучении. Она может продолжить короткую мысль, написать план или предложить объяснение. Это не гарантирует правильность фактов: правдоподобное продолжение и достоверное знание — разные вещи.

На одном письме и одном вопросе сравним доступные версии ChatGPT, DeepSeek, Grok, Claude и Gemini. Посмотрим на понятность ответа, работу с файлами, поиск и удобство уточнений. Я покажу, как выбирать под задачу, без обещания одного вечного победителя. Доступные функции и тарифы проверим перед занятием.

Нарисуем простую схему: пользователь → приложение → модель; рядом — память, файлы и инструменты. ChatGPT — продукт вокруг моделей. Если он находит страницу или создаёт файл, в результате участвует не только генерация текста. Эта карта поможет дальше отличать возможности модели от возможностей подключённого инструмента.

Выбрать способ работы под задачу

Продолжим знакомство с ИИ. Объясню разницу между названием приложения, выбранной моделью и режимом её работы. Отдельно разберём Thinking, reasoning и «рассуждение»: эти слова обозначают дополнительную обработку задачи, а не человеческое мышление или гарантию верного ответа.

Сначала попросим исправить короткое письмо, затем — составить расписание с несколькими ограничениями. Сравним быстрый режим и более глубокий разбор: где ожидание оправдано, а где не даёт заметной пользы. Зафиксируем требования к ответу до сравнения, чтобы не выбирать только по длине и уверенности текста.

Покажу, почему включённое рассуждение не заменяет поиск свежих сведений и не даёт доступа к вашим файлам. Обсудим лимиты и стоимость: подписка, выбранная модель и отдельное использование API могут оплачиваться по-разному.

Когда длинная задача перестаёт помещаться в разговор

Дополнительно разберём контекст — сведения, которые модель получает для текущего ответа, — и токены, небольшие части текста, используемые при его обработке. На длинной переписке увидим, почему важное условие может потеряться. Подготовим краткую сводку фактов и решений для продолжения работы. Здесь нужно управлять уже не одним запросом, а материалами всей задачи.

От пустого окна чата — к первому полезному ответу

Начнём с самого начала: где написать сообщение, как прочитать ответ и задать следующий вопрос. Опыт работы с ИИ не нужен. Я покажу всё на экране и объясню незнакомые слова по ходу занятия.

Возьмём обычную задачу: написать организатору мероприятия и узнать, можно ли перенести участие на другую дату. Сначала попросим ChatGPT составить письмо. Затем добавим дату, причину переноса и желаемый тон. Сравним ответы: что изменилось после уточнений и какой вариант можно использовать.

Покажу, как попросить объяснить непонятную фразу, сократить текст или предложить другой вариант. Разберём, когда продолжать тот же разговор, а когда начать новый, чтобы не смешивать разные задачи.

На этом же письме посмотрим, где чат может ошибиться: например, придумать условия переноса, которых мы ему не сообщали. Отделим черновик от готового письма: проверим факты, уберём лишние личные сведения и решим, что уточнить у организатора. Сам текст ответа ещё не означает, что письмо кому-то отправлено.

В конце обсудим, с какой вашей небольшой задачи удобно начать: объяснить непонятный текст, составить список дел или подготовить сообщение. Вы будете понимать, как начать разговор, попросить правку и проверить ответ перед использованием.

Дать достаточно сведений и попросить конкретную правку

Бывает, что просишь «напиши письмо клиенту», а получаешь вежливый, но бесполезный текст. Я покажу, каких сведений не хватает чату и как добавить их обычными словами, без специальных команд.

Разберём пример: заказ задерживается, и нужно сообщить об этом клиенту. Укажем, что произошло, какие сроки уже известны и что мы можем предложить. Отдельно скажем, чего обещать нельзя. Попросим короткое письмо, в котором сначала объясняется ситуация, а затем предлагается следующий шаг.

Сравним общее задание и задание с подробностями. Если точной даты ещё нет, попросим не придумывать её, а задать нам вопрос или оставить место для уточнения. Посмотрим, какие сведения нужно дать заранее, а какие можно добавить в продолжении разговора.

Доведём черновик до подходящего ответа: уберём канцелярские обороты, смягчим резкую фразу, сократим вступление. Вместо «сделай лучше» будем указывать, что именно не подходит. После правок проверим, сохранились ли даты, факты и нужная просьба. Так получится задание, которое можно использовать для похожего письма.

Когда выполнить все пожелания одновременно нельзя

Продолжим тот же пример: клиент требует доставку завтра, а подтверждённый срок — через три дня. Одной правкой текста это не решить. Нужно определить, какие обещания допустимы и что предложить вместо невыполнимого требования.

Я покажу, как попросить ChatGPT найти противоречие и подготовить варианты ответа с разными условиями. Выберем допустимый вариант и проверим, не вернулось ли невозможное обещание после смягчения тона. Здесь сложнее само решение: приходится расставлять приоритеты, а не только подбирать слова.

Найти подтверждение конкретного ответа

ChatGPT может написать убедительно и при этом ошибиться. Разберём ответ на простой вопрос: можно ли забрать заказ в пункте выдачи в воскресенье. Выделим, что именно нужно проверить: адрес, часы работы и дату, к которой относится информация.

Я покажу, как попросить указать источник, открыть его и найти нужную строку. Проверим, что страница относится к нашему пункту выдачи, а расписание не устарело. Само наличие ссылки не означает, что она подтверждает ответ.

Разберём и неудачную проверку: ссылка не открывается, расписания на странице нет или оно касается другого адреса. В таком случае пометим ответ как неподтверждённый и решим, где узнать точные сведения. Повторный вопрос «ты уверен?» не заменяет проверку.

В конце разложим ответ на три части: что подтверждено, что только предполагается и чего мы пока не знаем. Эту же проверку можно применять к датам, характеристикам товаров и другим сведениям, от которых зависит ваше решение.

Если источники расходятся

Дополнительно сравним два предложения об одной услуге: в первом указана цена за месяц, во втором — за год, а часть возможностей оплачивается отдельно. Обе цифры могут быть верными, но прямое сравнение даст неверный вывод.

Приведём цены к одному периоду, выпишем включённые услуги и отметим неизвестные условия. Если после этого сведения всё ещё расходятся, посмотрим на даты и запросим уточнение. Сложность здесь в том, что нужно проверить связь между несколькими фактами и только потом делать вывод.

Найти ответ на конкретный вопрос

После знакомства с проверкой ответов разберём, как искать сведения о нужной услуге или товаре. Уточним регион, срок, бюджет и обязательные условия. Я покажу разницу между ответом из знаний модели и результатом поиска в интернете.

Соберём несколько подходящих страниц, откроем их и выпишем подтверждённые условия. Рекламное описание отделим от собственных выводов. В результате получим короткое сравнение со ссылками и вопросами, на которые пока нет ответа.

Когда нужен обзор, а не первая подходящая ссылка

Для более широкого вопроса составим план исследования: что выяснить, какие источники нужны и когда поиск можно считать достаточным. Рассмотрим доступные режимы подробного исследования. Сложность — в охвате темы: пять похожих пересказов ещё не дают пяти независимых подтверждений.

Сопоставим выводы, отметим противоречия и проверим самые важные числа по первичным материалам. Подготовим рекомендацию, в которой видно, на каких условиях она верна и какие новые сведения могут её изменить.

Собрать из нескольких материалов понятный итог

Представьте: после встречи остались заметки, затем пришло письмо клиента с изменениями. Нужно понять, о чём договорились и что делать дальше. Я покажу, как поручить ChatGPT собрать это в короткую сводку и проверить её по исходным текстам.

Для этой темы нужно уже уметь вести разговор с чатом и проверять отдельный ответ. Начинаем сразу с нескольких материалов: важно различить, кто что предложил, что подтвердили и какие условия позже изменились. Поэтому разбор начинается со среднего уровня сложности.

На учебных заметках и письме выделим решения, ответственных и сроки. Для каждого пункта попросим указать, из какого материала и какой фразы он взят. Если срок не назван, оставим «не указан»; если действие лишь предложили, не будем записывать его как согласованное.

Проверим, что попало в сводку, а что потерялось. Например, слова «сделаем к пятнице, если получим данные во вторник» нельзя сокращать до «сделаем к пятнице». Если письмо противоречит заметкам, выделим расхождение и вопрос, который нужно задать участникам.

Отдельно посмотрим на сам файл: все ли страницы доступны, читаются ли строки таблицы, не пропущен ли фрагмент при копировании. Красивая сводка не поможет, если в неё изначально попала только половина документа.

На основе проверенной сводки подготовим ответ клиенту: подтверждённые договорённости, следующие действия и вопросы без ответа. Получится понятный итог, в котором каждую существенную деталь можно найти в исходных материалах.

Из списка строк — в ответ на рабочий вопрос

Нужно уже уметь передавать файл и проверять ответ по исходнику. Возьмём учебную таблицу расходов: разберём названия столбцов, даты, валюты и пустые значения. Уточним вопрос — например, почему расходы выросли, — прежде чем просить график.

Покажу, как обнаружить повторяющиеся строки, числа в виде текста и несовпадающие единицы. Сохраним исходную таблицу и отдельно подготовим исправленную копию. Затем посчитаем итоги по категориям и проверим несколько строк вручную.

Попросим создать файл с формулами и диаграммой. Откроем его, проверим пересчёт и подписи осей. Сложность темы в том, что убедительное объяснение должно совпасть с вычислениями; вывод «продажи растут» проверим по периоду и составу данных.

Если две таблицы описывают одних и тех же людей по-разному

Дополнительно объединим два списка по устойчивому идентификатору. Проверим дубли, отсутствующие совпадения и ситуацию, когда одному человеку соответствуют несколько строк. Здесь легко незаметно удвоить суммы, поэтому сверим число записей и общие итоги до и после объединения.

Сначала определить, что должен понять читатель

Возьмём короткие заметки о проекте. Определим, кому нужен отчёт, какое решение предстоит принять и какие сведения должны быть видны сразу. Я покажу, как получить план документа, убрать повторы и сохранить точные числа.

Превратим проверенный текст в несколько слайдов. Выберем заголовки, наглядные примеры и места для иллюстраций. Откроем готовый документ и презентацию, проверим читаемость, переносы строк и возможность редактирования.

Когда презентация должна следовать шаблону компании

Дополнительно разберём образец оформления: какие элементы повторяются, где менять содержание, как вписать длинный текст без уменьшения шрифта до нечитаемого размера. Сложность — сохранить одновременно смысл, фирменное оформление и удобство просмотра после экспорта.

Собрать материалы одной задачи в одном месте

На примере подготовки мероприятия покажу, как отделить задачу от случайных разговоров. Соберём описание, даты и исходные материалы. Запишем понятные постоянные инструкции: для кого готовим тексты, какой тон используем и какие сведения нельзя выдумывать.

Разберём различие между историей разговора, материалами проекта и памятью приложения. Посмотрим, что доступно в выбранной среде, и проверим, действительно ли новый разговор использует нужные сведения. Важные договорённости сохраним явно.

Если правила изменились по ходу работы

Дополнительно поменяем дату и аудиторию мероприятия. Найдём старые сведения, обновим основной документ и попросим проверить зависимые материалы. Здесь сложнее сохранить согласованность: добавленная новая фраза не всегда отменяет старую инструкцию.

Выбрать инструмент по нужному результату

Я покажу короткие демонстрации: найти сведения, разобрать файл, подготовить документ, создать изображение и получить простую страницу через Sites. Для каждой разберём, что модель пишет сама, а какой результат получается через отдельный инструмент.

Добавим на карту плагины для внешних сервисов, навыки с повторяемыми инструкциями и Scheduled для запуска работы позже. Посмотрим, как узнать, что инструмент действительно выполнил действие, и где открыть результат.

В конце выберем инструменты для нескольких личных задач. Обсудим, почему наличие функции в обзоре не означает доступность в любом аккаунте: проверим среду, тариф и разрешения до практического занятия.

Найти расширение для своей задачи

Плагин добавляет возможности: например, работу с почтой, файлами или повторяемыми действиями. Я покажу каталог и объясню разницу между установкой плагина и подключением вашего аккаунта в стороннем сервисе.

Разберём группы примеров: Gmail и Outlook для писем, Google Drive и облачные хранилища для файлов, календарь для встреч, Slack и Teams для обсуждений, GitHub для разработки. Отдельно посмотрим инструменты для документов, таблиц, презентаций и Sites. Состав каталога проверим на занятии.

Для каждого примера ответим на простой вопрос: какую работу он убирает из ручного копирования и нужен ли он для разовой задачи. Выберем один учебный плагин, установим его и проверим появление нужной возможности.

Понять, что именно разрешено подключению

Подключим учебный аккаунт и проверим доступные действия. Разберём чтение, изменение и отправку, отзыв доступа и повторный вход. Здесь сложнее не установка, а полномочия: плагин может работать от имени конкретного пользователя, и найденный документ ещё не даёт разрешения отправить его другим.

Повторять нужные шаги без длинного объяснения каждый раз

Нужен опыт решения одной знакомой задачи в чате. Возьмём подготовку итогов встречи: определим входные материалы, шаги проверки и вид результата. Разберём, чем готовый шаблон сообщения отличается от навыка — сохранённой инструкции, которую агент использует для подходящей работы.

Составим небольшой навык: когда его применять, какие вопросы задать и как оформить решения. Проверим на обычных заметках, на неполных и на противоречивых. Исправим места, где он начинает додумывать сроки или делает лишнее.

Объясню, как навыки связаны с плагинами и почему сохранённая инструкция сама по себе не подключает почту и не запускается по расписанию. Получится повторяемый способ работы с ясными границами.

Когда навык начинает запускать инструменты

Объясню MCP — способ описать инструменты и подключить их к агенту. Навык задаёт порядок работы, а подключённый MCP-сервис предоставляет конкретные действия и данные. На одном поиске по документам покажу, где проходит эта граница.

Добавим получение исходных материалов из подключённого сервиса. Определим допустимые действия и остановку при недостающем доступе. Сложность появляется из-за зависимости от внешних данных: навык должен сообщить о сбое, а не выдать неполный результат за готовый.

От длинной переписки — к понятному следующему действию

Нужно уже уметь разбирать письма и понимать разрешения плагина. На учебной почте подключим Gmail, найдём цепочку по отправителю, теме и периоду. Проверим, что в разбор попали последние ответы, а не отдельное старое письмо.

Выделим просьбы, договорённости и вопросы без ответа. Подготовим черновик в тоне переписки, проверим адресата, копию, упоминания вложений и обещанные сроки. Отдельно посмотрим, что выбранное подключение действительно умеет делать с черновиком.

Если доступна отправка, я покажу её на учебном адресе после проверки содержания. Если нет, разберём ручную передачу готового текста. Результат — проверенный ответ и понимание разницы между подготовленным сообщением и доставленным письмом.

Когда письмо пытается изменить поручение

Разберём письмо с вложенной инструкцией переслать документы неизвестному адресату. Отделим чужой текст от разрешения владельца аккаунта. Этот случай сложнее, потому что чтение переписки может быть связано с последующим действием и раскрытием данных.

Согласовать встречу и проверить запись в календаре

После обзора подключений начнём с отдельного учебного календаря. Разберём, как задать дату, длительность, часовой пояс и участников. Покажу, почему фраза «в пятницу после обеда» требует уточнений.

Сопоставим доступные сведения о занятости и предложим варианты. Если чужой календарь недоступен, не будем считать человека свободным. Подготовим название, описание и место встречи, а затем проверим детали до создания события.

На доступных действиях подключения покажу создание и перенос учебной встречи. Откроем календарь и убедимся, что время записалось правильно. Обсудим приглашения: изменение события может затронуть участников, а запись в одном календаре не подтверждает их согласие.

Если встреча повторяется каждую неделю

Изменим один экземпляр повторяющейся встречи и сравним это с изменением всей серии. Проверим исключения, смену часового пояса и отмену. Здесь сложнее область действия: одна команда может изменить не одну, а много будущих встреч.

Найти именно тот материал, который нужен

Нужно уже уметь читать документы с ИИ. На учебном диске найдём файл по названию, папке и дате. Сравним текущую версию с копией и проверим, кому принадлежит документ. Разберём, почему похожее название не означает одинаковое содержание.

На доступных возможностях подключения подготовим сводку из Google Docs, используем числа из Sheets и соберём материалы для Slides. Для каждого действия отдельно проверим, можем ли мы читать исходник, редактировать его или только создать отдельный результат.

Откроем получившиеся материалы в Google и сверим изменения. Если прямое редактирование конкретного формата недоступно, заранее согласуем работу через экспорт и импорт. Итогом станет нужный файл в понятном месте, а не только сообщение «готово».

Когда файл должен увидеть другой человек

Разберём доступ по ссылке и доступ конкретному участнику, наследование прав от папки и риск открыть лишние материалы. Сложность здесь в круге читателей: наличие ссылки у вас не доказывает, что коллега сможет открыть файл или что его увидит только он.

Собрать всё нужное к одной встрече

Этот разбор опирается на работу с Gmail, Google Calendar и Google Drive. Возьмём учебную встречу с клиентом: из календаря узнаем время и участников, из писем — последние договорённости, из файлов — предложение и расчёты.

Я покажу, как задать границы поиска, чтобы не смешать разных клиентов. Составим памятку: цель встречи, подтверждённые факты, открытые вопросы и ссылки на исходники. Отметим, где сведения отсутствуют и что нужно уточнить лично.

Проверим памятку по трём источникам и подготовим черновик повестки. Сложность — в соединении материалов: каждый по отдельности может быть верным, но относиться к другой дате или другому обсуждению.

Если одно из подключений перестало отвечать

Разберём частичный результат: календарь доступен, а письма нет. Определим, что можно подготовить, что нельзя утверждать и как сообщить о пробеле. Это подготовка к автоматизации: незаметно пропущенный источник опаснее явно остановленной задачи.

Попросить вернуться к задаче позже

Начнём с напоминания на конкретную дату. Я покажу Scheduled — раздел запланированных задач, — и объясню разницу между «напомни мне» и «выполни работу и пришли результат». Проверим время, часовой пояс и место, где появится уведомление.

Создадим учебную задачу, откроем её настройки и убедимся, что расписание сохранено. Затем изменим время, приостановим повторение и разберём удаление. Отдельно проверим первый запуск: обещание в сообщении ещё не означает созданную задачу.

Когда по расписанию нужно готовить результат

Настроим еженедельную сводку из заранее определённых материалов. Сначала проверим инструкцию вручную, затем зададим период, формат ответа и поведение при отсутствии новых данных. Сложность — в самостоятельном запуске без ваших текущих уточнений.

Разделим облачное выполнение и работу с локальными файлами: для локального запуска нужны доступный компьютер и работающая среда. Проверим доступные инструменты, журнал запуска и условия остановки. Возможности зависят от выбранной среды и аккаунта.

Проверять источник по понятным правилам

После темы Scheduled возьмём список задач или страницу с обновлениями. Определим, что важно: новый срок, появление конкретной записи или изменение статуса. Сохраним исходное состояние и сравним его со следующим.

Составим уведомление: что изменилось, откуда это известно и нужно ли действие человека. Если изменений нет, задача должна молчать. Проверим учебные случаи: новое событие, повтор той же записи и временная недоступность источника.

Разберём различие между регулярной проверкой и запуском по событию, если он поддерживается подключением. Настроим момент окончания наблюдения и посмотрим журнал. Здесь нужно учитывать время и историю, а не только один ответ.

Когда повторный запуск может сделать действие дважды

Смоделируем сбой после отправки уведомления. Определим, как помнить уже обработанную запись и отличать повтор от нового события. Сложность — восстановить работу без повторных писем, встреч и других действий.

Получать готовый результат в своём Telegram

Нужно понимать расписания и назначение подключений; код учебного примера я объясню по шагам. Разберём Telegram-бота как отдельную программу: он не получает автоматически вашу личную переписку. Не будем предполагать наличие встроенного Telegram-плагина в ChatGPT.

Я покажу создание бота через BotFather, получение токена и начало диалога с ботом. Токен — ключ доступа к боту; сохраним его в настройках запуска, а не в тексте страницы или общем документе. Отправим тестовое сообщение только в свой учебный чат.

Передадим боту подготовленную сводку через небольшой учебный сценарий, созданный с помощью Codex. Объясню, где запускается сценарий и как он обращается к Telegram Bot API. Запуск по расписанию подключим только в среде, где этот сценарий действительно может выполняться.

Когда бот принимает команды и должен работать постоянно

Добавим одну команду для получения последней сводки и ограничим пользователей. Разберём хранение результата, повтор сообщения после сбоя и необходимость работающего сервера. Здесь бот становится небольшим сервисом; подробную сборку такого сервиса продолжим в разделе разработки.

Объяснить, какую картинку вы хотите увидеть

Возьмём обложку для объявления о мастер-классе. Определим, где она будет использоваться, кто главный в кадре, что происходит и где оставить место под текст. Я покажу, как задать понятный сюжет и получить первый вариант.

Сравним короткую просьбу и описание с важными деталями. Генерация и текста, и изображений дополняет недосказанное. Поэтому «из малого сделать много» — полезная метафора, но не отдельный закон только для текста. Длинный запрос для картинки не обязателен; точность нужна там, где случайный выбор испортит замысел.

Разберём композицию простыми словами: что ближе, что дальше, где главный предмет, откуда свет. Выберем пропорции и проверим, не обрежется ли важное при размещении. Получим картинку и список конкретных правок.

Когда детали запроса спорят друг с другом

Добавим слишком много предметов и несовместимые пожелания к ракурсу. Найдём, что мешает прочитать изображение, и расставим приоритеты. Сложность здесь не в длине текста, а в согласованности визуальных требований.

Использовать текстовую модель как помощника в постановке задачи

После первого знакомства с картинками возьмём короткую идею: «обложка про спокойную работу с ИИ». Попросим ChatGPT сначала задать вопросы об аудитории, месте использования и настроении, а затем предложить несколько визуальных решений.

Выберем решение и поручим модели раскрыть его: главный объект, действие, окружение, композиция, свет, цвет и обязательные ограничения. Отделим ваши требования от её предложений. Ненужные подробности уберём, чтобы они не отвлекали от главного.

Покажу рабочую цепочку: короткая идея → уточнения → согласованный замысел → запрос для генератора → изображение → проверка. Это и есть приём «распаковки»: модель помогает дописать задание за нас, но мы проверяем, не изменился ли смысл.

Когда описание хорошее, а изображение всё ещё не подходит

Попросим текстовую модель сравнить результат с перечнем требований и предложить точечную правку. Её оценку также проверим глазами: она может не заметить дефект. Сложность — переводить визуальную проблему в конкретное изменение, а не каждый раз переписывать запрос целиком.

Изменить нужное и сохранить удачное

Нужно уже понимать композицию и уметь описывать картинку. Возьмём готовое изображение и явно укажем, что менять: фон, предмет или цвет. Назовём детали, которые должны остаться прежними. Сравним редактирование исходника с созданием нового варианта.

Разберём референс — изображение-образец. Уточним, что берём из него: расположение предметов, цветовую гамму или характер освещения. Несколько образцов назначим на разные роли, чтобы не просить смешать всё без разбора.

Проверим мелкие дефекты: лишние части предметов, неверные отражения, изменившееся лицо, опечатки. Для точной надписи сравним генерацию текста внутри картинки с добавлением текста в редакторе. Сохраним исходник и удачные промежуточные версии.

Когда небольшая правка меняет всю сцену

Разберём ограничения точного сохранения деталей и постепенное накопление изменений. Выберем, когда вернуться к предыдущей версии, когда разделить работу на части, а когда закончить правку обычным редактором. Сложность — удержать несколько неизменных требований одновременно.

Сделать несколько картинок частью одного набора

После редактирования отдельных изображений соберём серию для трёх публикаций. Определим постоянные признаки: цвета, формат, персонажа или товар, характер фона. Сначала выберем образец, затем будем менять по одной сцене.

Для каждого изображения сохраним описание и использованные образцы. Сравним весь ряд рядом: не меняются ли пропорции предмета, одежда и настроение. Подготовим согласованный набор и отметим, какие детали генератор не удерживает точно.

Когда требуется узнаваемый предмет во всех ракурсах

Разберём вид спереди, сбоку и в действии. Составим список постоянных признаков и проверим каждый ракурс. Сложность — согласованность между разными генерациями; одинаковый запрос не гарантирует одинаковый объект, поэтому обсудим монтаж и использование готового исходника там, где точность обязательна.

Довести изображение до пригодного файла

Возьмём подготовленную картинку и разместим её в учебном макете страницы и публикации. Проверим обрезку на телефоне, место для заголовка и читаемость важных деталей. Объясню различие между количеством пикселей, пропорциями и размером файла.

Подготовим нужные варианты, проверим прозрачный фон на светлой и тёмной подложке, дадим файлам понятные имена. Убедимся, что экспорт открывается и не потерял детали. Этот разбор начинается со среднего уровня, потому что оцениваем уже не отдельную картинку, а её работу в конкретном макете.

Установить приложение и понять, где находятся данные

Я покажу установку официального приложения на поддерживаемую систему, вход в аккаунт и основные настройки. Проверим доступные функции именно для вашей системы. Подготовим учебную папку и разберём, как передать файл и где искать сохранённый результат.

Объясню важное различие: приложение установлено на компьютере, но это не означает, что модель работает на нём или что ей не нужен интернет. Отдельно разберём, где хранятся файлы и где выполняются действия в выбранном режиме.

Когда нужен доступ к папке или работа без облачной модели

Посмотрим границы доступа к локальному проекту и запросы разрешений. Затем обзорно сравним облачную модель с отдельно запускаемой открытой моделью: требования к памяти, скорость, настройка и качество. Сложность — в устройстве среды; установка ChatGPT и развёртывание локальной LLM являются разными задачами. Полное администрирование локальных моделей в этот курс не входит.

Перейти от объяснения к работе с проектом

Нужно уметь вести задачу в чате и ориентироваться в файлах компьютера. Сравним три вида работы: обсуждение идеи в Chat, подготовку законченного материала в Work и разработку с техническими инструментами Codex. Границы возможностей могут пересекаться; важен способ работы и контроля, а не только название.

Возьмём маленькую страницу с текстом. Попросим Codex объяснить её устройство, предложить план и изменить один элемент. Посмотрим список изменённых файлов и запустим результат. Разберём, чем сообщение об успешной работе отличается от проверки в браузере.

Покажу, как сообщить о неверном результате: описать ожидаемое поведение, привести шаги и попросить исправление. Обзорно разберём приложение, командную строку и расширение редактора. Получится первый опыт работы с проектом, без требования писать код с нуля.

Когда агент предлагает выполнить команду

Разберём рабочую папку, зависимости и разрешения на запуск. Перед изменением важных данных определим последствия и способ восстановления. Сложность — в реальных действиях на компьютере: правдоподобное объяснение команды не заменяет понимания того, что она изменит.

Не потерять работающий вариант

После знакомства с Codex откроем небольшой проект. Объясню, где находятся содержание, оформление и настройки запуска. Разберём терминал как место запуска команд, а Git — как способ хранить историю изменений.

Сохраним рабочее состояние, внесём одну правку и посмотрим разницу. Затем разберём неудачное изменение и восстановим нужную версию без удаления полезной работы. Проверим запуск после восстановления. Этот навык понадобится до создания собственных сайтов и сервисов.

Увидеть весь путь создания сайта

Я покажу Sites — инструмент создания и размещения сайтов в ChatGPT. На примере личной страницы пройдём от описания задачи к результату, который можно открыть в браузере. Разберём, чем страница отличается от приложения, которое хранит данные и выполняет действия.

Определим посетителя, цель страницы и одно главное действие. Сравним страницу услуг, портфолио, калькулятор и внутренний список задач. Выберем посильный первый проект и материалы, которые нужно подготовить. Отдельно объясню разницу между просмотром результата и публикацией по доступной другим ссылке.

Собрать страницу, которой можно пользоваться

Нужны навыки постановки задачи и понимание обзора Sites. Возьмём страницу специалиста или небольшого мероприятия. Опишем посетителя, его вопрос и действие, которое он должен суметь выполнить. Подготовим тексты, изображения и контакты без выдуманных отзывов и фактов.

Получим первую версию в Sites, проверим смысл каждого блока и внесём правки по одной. Я покажу, как описывать визуальную проблему через место и ожидаемый результат. Подключим подготовленные изображения и проверим, не ухудшили ли они читаемость.

Откроем страницу на узком экране, пройдём по ссылкам и проверим работу с клавиатуры. Если на странице есть форма, отдельно убедимся, что происходит после нажатия кнопки: красивое поле не означает сохранённую заявку. Результат — проверенная страница, готовая к обсуждению публикации.

Когда правка одного блока ломает другой

Посмотрим изменения файлов через Codex и найдём общие стили или поведение, которые затронула правка. Сохраним рабочую версию и повторно проверим затронутые места. Сложность — в связях внутри сайта, а не в количестве команд для генерации.

Проверить сайт так, как его увидит посетитель

Нужен готовый учебный сайт из предыдущего разбора или ваш небольшой проект. Перед размещением проверим содержание и круг посетителей. Я объясню, что такое хостинг, адрес сайта и домен, и где смотреть действующие условия Sites.

Опубликуем согласованную учебную версию и откроем её отдельно от среды разработки. Проверим страницы, картинки, ссылки и выбранный способ доступа. Если нужен свой домен, разберём порядок настройки и проверим поддержку в выбранном размещении до оплаты.

Внесём небольшое обновление и убедимся, что посетитель видит новую версию. Сохраним способ возвращения к рабочему состоянию и список периодических проверок. Стоимость домена, хостинга и внешних сервисов обсуждается отдельно от занятий.

Если после обновления потерялись данные

Разберём различие между откатом кода и восстановлением сохранённых записей. Перед изменением хранилища нужна отдельная проверка и резервная копия. Здесь последствия затрагивают уже не только внешний вид страницы.

Сделать инструмент, который помнит ваши записи

Нужно уже уметь проверять сайт и работать с файлами проекта. Выберем небольшой личный список задач. Опишем поля, добавление записи, изменение статуса и фильтр. Сначала разберём пример на учебных данных, затем поручим сборку Sites или Codex в подходящей среде.

Объясню различие между тем, что видно в браузере, программой на сервере и местом хранения данных. Проверим сохранение после обновления страницы и повторного открытия. Пустой ввод, длинный текст и неверная дата должны давать понятную реакцию.

Пройдём основной сценарий и несколько ошибок. Посмотрим, что записалось на самом деле, и как восстановиться после неудачной правки. Итог — небольшой учебный сервис с проверенными действиями и понятными ограничениями.

Когда сервисом пользуются два человека

Добавим разделение записей по пользователям и проверим, что чужие данные недоступны. Разберём одновременное изменение одной записи и резервную копию. Сложность резко возрастает из-за общих данных; учебный пример не объявляем готовым коммерческим продуктом без дальнейшей проверки.

Соединить две программы понятным запросом

Нужен опыт работы с небольшим сервисом и его настройками запуска. API — способ, которым программы запрашивают данные или действия друг у друга. На учебном примере разберём адрес, передаваемые поля и полученный ответ; объясню JSON как запись данных с названиями полей.

Добавим к списку задач одну функцию: предложить короткое название по длинному описанию. Я покажу подготовку запроса к модели, сохранение ключа в настройках сервера и вывод результата в интерфейсе. Подписка на приложение и расходы API учитываются отдельно.

Проверим пустой ответ, неверный ключ, недоступность сервиса и превышение лимита. Ограничим размер запроса и расходы учебной демонстрации. Получится связь между приложением и моделью, работу которой можно проверить по конкретному запросу.

Когда ответ модели управляет следующими действиями

Потребуем поля заранее определённого вида и проверим их перед использованием. Отдельно разберём повторные запросы и действия, которые нельзя незаметно выполнить дважды. Сложность — переход от текста к данным, от которых зависит поведение программы.

Увидеть, что добавляет «обвязка»

Вернёмся к карте из начала курса и разберём её подробнее. LLM генерирует ответ по входным данным. Агентная система вокруг неё задаёт цель и правила, предоставляет инструменты, хранит состояние и организует следующие шаги. Слово «обвязка» удобно для объяснения этой системы, но важно понимать, что именно в неё входит.

На примере подготовки встречи проследим цикл: получить задачу, выбрать действие, обратиться к инструменту, прочитать результат и решить, что делать дальше. ChatGPT уже включает такие дополнительные возможности; название модели само по себе не описывает весь продукт.

Сравним обычный сценарий с заранее заданными шагами и агента, выбирающего следующие действия по ситуации. Обсудим, когда предсказуемой инструкции достаточно и зачем ограничивать самостоятельность. Для этого обзорного разбора программировать не нужно.

Когда одна роль ещё не делает помощника агентом

Сравним просьбу «будь моим секретарём» с системой, у которой есть доступ к календарю, правила подтверждения и сохранённый результат. Уточним, где заканчивается имитация роли и начинается выполнение действий. Сложность — в проверке реальных возможностей и условий остановки.

Собрать помощника по учебным документам

Нужно понимать устройство агента и простой вызов API. Выберем узкую задачу: отвечать на вопросы по учебной папке и указывать источник. Определим, что помощник умеет, чего не должен делать и как поступает, если ответа нет.

С помощью Codex соберём небольшую программу с моделью и инструментом поиска по материалам. Посмотрим, как запрос инструмента выполняется программой и возвращается модели. Ограничим число шагов, время и объём данных, чтобы задача могла завершиться.

Добавим уточняющий вопрос при неоднозначности и сохранение готового ответа. Проверим обычный запрос, отсутствие сведений и недоступный файл. Получится учебный агент с одной полезной функцией и видимым ходом работы.

Когда агенту нужен второй инструмент

Добавим подготовку сообщения для учебного Telegram-бота или запись результата в сервис. Разделим подготовку и разрешённое действие, проверим адресата и сохранённый статус. Сложность — передача результата между инструментами и восстановление после частичного выполнения.

Проверить помощника до передачи реальной задачи

Нужен уже работающий учебный агент. Составим набор проверок: правильный вопрос, неполные данные, противоречащие документы, недоступный инструмент и просьба выйти за пределы задачи. Для каждой заранее запишем допустимый результат.

Разберём журнал шагов: что модель получила, какой инструмент вызвала и что вернулось. Проверим, не принимает ли агент инструкцию внутри документа за поручение владельца. Добавим остановку при повторяющихся ошибках и ограничение времени и расходов.

После изменения инструкции повторим набор проверок и сравним качество. Здесь сразу сложный уровень: нужно оценивать не один ответ, а поведение системы в разных условиях. Обсудим, когда один агент проще нескольких и какие дополнительные проверки потребуются при разделении работы между ними.

Проверить весь путь от исходных данных до результата

Это итоговый разбор для тех, кто уже умеет работать с подключениями, расписанием или своим агентом. Выберем один законченный сценарий: например, еженедельную сводку из документов с доставкой в учебный Telegram-чат. Используем только те части, которые нужны этой задаче.

Определим источники, порядок шагов и проверки перед отправкой. Запишем, кто отвечает за актуальность файлов, исправление ошибок и доступ к сервисам. Проведём обычный запуск и запуск с отсутствующим материалом; результат не должен выглядеть полным, если часть данных потерялась.

Передадим инструкцию другому участнику и проверим, может ли он повторить работу, остановить её и найти результат. Обсудим обновление настроек, смену ответственного и отзыв доступа.

Сравним весь труд с прежним способом: подготовку, выполнение, проверку и исправления. Получится проверенный учебный сценарий и решение, что можно применять дальше, а что ещё требует доработки. Итоговый разбор проходит на занятии; обязательного домашнего проекта или экзамена нет.