Контекст для AI: 5 ошибок и тактик, которые работают
Когда ты работаешь с Claude или ChatGPT, большую часть времени ты не пишешь новый текст — ты собираешь контекст. Правильный контекст — это 80% успеха промпта. Неправильный контекст — это 80% фрустрации.
За это время работы с AI и обучения других я увидел пять главных ошибок, из-за которых люди получают средние результаты вместо великолепных. И несколько тактик, которые работают всегда.
Ошибка №1: Ты собираешь контекст "на всякий случай"
Большинство начинают с энтузиазма: грузят в контекстное окно Claude весь транскрипт, все документы, все статьи по теме. 27 Мегабайт текста. И потом удивляются, когда AI даёт обобщённый ответ вместо решения конкретной задачи.
Почему это ошибка: AI видит не "главное", а весь шум одновременно. Это как попросить совет у человека, а потом кричать в него через мегафон 200 разных историй одновременно.
Что работает: Сначала определи целевое состояние — конкретный результат, который тебе нужен. Например: "Я прихожу на встречу подготовленным" или "Я генерирую коммерческое предложение для клиента за 15 минут". Когда есть цель, ты собираешь именно тот контекст, который ей помогает — не больше, не меньше.
Ошибка №2: Ты не определяешь, что ты не знаешь
Люди пишут промпт и надеются, что AI сам поймёт, что им нужно. Но контекст работает как рецепт — если забыл указать ингредиент, блюдо не получится.
Я видел пример: человек сказал AI "подготовь встречу", а потом удивился, почему ответ был средним. Потому что AI не знал: это встреча с незнакомцем или с клиентом? Это переговоры или презентация? 30 минут или 2 часа?
Что работает: Напиши список вопросов о целевом состоянии. Для встречи это может быть:
- Кто я? (опыт, роль, контекст)
- Что я не знаю об этом состоянии? (неопределенность)
- Как это добиться? (путь решения)
- Какой контекст поможет? (информация, память, данные)
Ошибка №3: Ты смешиваешь контексты вслепую
Здесь я вижу противоположную ошибку: люди боятся экспериментировать. "А вдруг я дам неправильный контекст?" Но контекст работает как алхимия — ты не всегда знаешь, что получится, пока не попробуешь.
Есть концепция "контекстной алхимии" — когда ты берёшь два разных куска информации и смешиваешь их. Например: профиль моей компании + типовые контракты + новый клиент = готовое коммерческое предложение. Или: ценности + история взаимодействий с родителями = план разговора.
Что работает: Смешивай смело, но результаты проверяй быстро. Один участник поделился опытом: "Я не бояюсь экспериментировать. У меня есть контекст A, B, C. Я набросаю один вариант, поговорю с Claude, получу результат. Не туда? Новый набор контекста и заново. Это интерактивный процесс."
Не ожидай, что с первого раза получится идеально. Первый вариант — это ещё не финал, это черновик для уточнения.
Ошибка №4: Ты не отсекаешь лишнее
Когда контекста слишком много (даже релевантного), AI начинает считать все варианты сразу. Это как когда человек пытается слушать три разговора одновременно — концентрация падает.
Участница из курса обнаружила: "Контекста может быть невероятное множество — лекции, каналы про AI, примеры моделей. Как выбрать, что нужно, а что отсечь?"
Что работает: Используй принцип фрактала. Один хороший, структурированный контекст лучше, чем 10 случайных. После первого результата ты можешь взять этот результат как новый контекст и уточнить его ещё раз — чище, яснее. Контекст со временем становится лучше, как когда ты переписываешь текст.
[VERIFY] Это подход, который Сергей Харбаров демонстрировал на примере папки с Claude, где он загружает "всё подряд" для конкретной задачи, но потом отшлифовывает результаты итеративно.
Ошибка №5: Ты забываешь про человеческий контекст
Есть твёрдый контекст — факты, данные, документы, которые AI легко обрабатывает. И есть мягкий контекст — эмоции, личные истории, принципы, которые человеку даже сложно сформулировать.
Люди часто загружают только твёрдый контекст. Но самые полезные результаты получаются, когда ты добавляешь мягкий: "Я люблю писать тексты, потому что хочу, а не потому что надо" или "Мне важны отношения, а не только результаты".
Что работает: Начни с личного кейса, который близок тебе. Не с задачи компании, не с того, что "рынок требует", а с того, что тебе интересно. Один спикер на курсе сказал: "Те практики, которые работают, развиваются через личную историю. Через кейсы, которые близки мне как человеку, а не как выполнение работы."
Когда контекст близок тебе эмоционально, результат всегда сильнее.
Практическая тактика: От задачи к результату
Вот простой фреймворк, который реально работает (использовал лично, видел, как работает у других):
1. Целевое состояние Сформулируй четко: какой результат тебе нужен? Не "сделать лучше", а "я прихожу на встречу подготовленным" или "я генерирую идеи для контента за 20 минут".
2. Неопределенность Запиши, что ты не знаешь. "Я не знаю уровень аудитории", "Я не понимаю, какой тон нужен", "Я не знаю, сколько времени есть".
3. Контекст Собери три типа контекста:
- Документы, файлы, примеры (твёрдый контекст)
- Профили, истории, принципы (мягкий контекст)
- Предыдущие результаты похожих задач (опыт)
4. Промпт Напиши в Claude или ChatGPT: "Вот целевое состояние: [...]", "Вот контекст: [...]", "Вот что мне не ясно: [...]". И попроси: "Помоги структурировать подход".
5. Итерация Первый результат редко идеален. Возьми его, уточни, добавь детали, спроси у AI: "Что здесь не срабатывает?" и начни заново.
Кейс: Подготовка к воркшопу
Сергей Харбаров (один из авторов подхода) поделился своим примером. Целевое состояние: "Я готов провести воркшоп на 80 человек".
Он не знал: какой уровень участников, сработает ли формат, хватит ли времени на практику.
Контекст, который он собрал:
- Профили участников прошлых потоков (из базы)
- Чаты обсуждений (из Telegram)
- Транскрипты похожих воркшопов (лежали в Obsidian)
- Примеры работ участников (из задач)
Он загрузил всё это в Claude и спросил: "На основе этого контекста, как мне подготовиться к воркшопу?" И получил результат, который он мог сразу использовать.
Главное открытие из этого кейса: контекст есть всегда, просто нужно его обнаружить. Даже если кажется, что информации нет, она есть — в чатах, в профилях, в истории. Нужно только собрать и структурировать.
Главный инсайт
Один участник кратко сказал суть: "Это сильно снижает стресс. Раньше была серия вопросов 'Как вообще подступиться к этому?' Теперь есть понятный workflow: определи цель, собери контекст, скорми AI, получи первый результат, уточняй дальше."
Контекст для AI — это не магия и не наука. Это ремесло. И как любое ремесло, оно учится через практику, ошибки и итерации.
FAQ
Q1: Сколько контекста достаточно для хорошего результата?
Лучше меньше, но качественнее. Один хорошо структурированный документ часто работает лучше, чем 10 случайных. Сначала определи целевое состояние, потом собирай только релевантный контекст. Потом его уточняй — как фрактал, слой за слоем.
Q2: Нужно ли давать AI роль в промпте?
Да, обычно помогает. "Ты — опытный менеджер продукта" или "Ты — дизайнер с опытом в SaaS" помогает AI более точно понять, откуда нужно смотреть на задачу. Но это не обязательно — иногда лучше просто четко описать контекст.
Q3: Что делать, если контекста слишком много?
Не бойся экспериментировать. Напиши один вариант промпта с частью контекста, посмотри результат. Не подходит? Добавь другую часть контекста и попробуй снова. Это интерактивный процесс.
Q4: Где брать контекст, если его нет?
Контекст есть всегда. Даже для встречи с незнакомцем можно посмотреть его профиль в LinkedIn, общих знакомых, предыдущие проекты. Для задачи — есть похожие примеры, статьи, транскрипты. Нужно только обнаружить.
Q5: Как не потеряться в "долине отчаяния" на второй неделе обучения?
Это нормально. Все проходят через фрустрацию, когда первый энтузиазм сталкивается с реальностью. Главное — продолжать работать. К четвёртой неделе всё начинает укладываться, практики прилипают, промпты пишутся легче. Продолжай бежать.