Анатомия промпта для Claude 4.6

1. Задача (Task)

Определи, чего ты хочешь, и как выглядит успех:
"Я хочу [TASK], чтобы [SUCCESS CRITERIA]."
Без ролей типа "веди себя как сеньор-эксперт".

2. Контекстные файлы (Context Files)

Загрузи контекстные файлы со своей экспертизой и правилами:
"Сначала прочитай эти файлы полностью перед тем, как отвечать: [filename .md] - [что внутри]."
ИИ вырос. Не нужно объяснять все в промпте. Вынеси это в файлы.

3. Референс (Reference)

Покажи ИИ ровно то, что ты хочешь. Загрузи пример.
Потом задай паттерны, тон и структуру как правила. Без "сделай что-то похожее" и надежды, что ИИ сам догадается.

4. Краткое ТЗ (Brief)

Это единственная часть, которую вы набираете с нуля. Все остальное это файлы.
"Тип вывода + длина. Чего НЕ должно быть по звучанию. Что значит успех."

5. Правила (Rules)

Контекстный файл хранит твои стандарты, вкус и аудиторию.
Промпт: "Прочитай его полностью перед стартом. Если ты собираешься нарушить одно из моих правил, остановись и скажи мне."

6. Диалог (Conversation)

Мы 3 года промптили ИИ. Теперь он промптит нас.
Промпт: "НЕ начинай выполнять задачу. Задай мне уточняющие вопросы (используй инструмент 'AskUserQuestion'), чтобы мы вместе пошагово уточнили подход."

7. План (Plan)

Claude прочитал твои файлы до того, как написал хоть слово.
Промпт: "Перед тем как что-то писать, перечисли 3 правила из моего контекстного файла, которые важнее всего для этой задачи. Потом дай план выполнения."

8. Выравнивание целей (Alignment)

Ничего не происходит, пока вы оба не видите одну и ту же цель. Это заменяет старую эпоху промптинга.
Промпт: "Начинай работу только после того, как мы согласуемся."

Вчера ставил Qwen 3.5 на телефон, а сегодня решил посмотреть что потянет мой комп

Проверял через llmfit — пишешь одну команду в терминале и он показывает какие модели запустятся на твоём железе.

Определяет RAM, CPU и GPU, оценивает каждую модель по 4м параметрам: качество, скорость (tok/s), совместимость с памятью и размер контекста.

В базе 206 моделей: Llama, Qwen, DeepSeek, Mistral и другие.

Для каждой подбирает лучшую квантизацию которая влезет в память и оценивает скорость.

В plan mode можно глянуть какое железо нужно для конкретной модели.

[Рекомендую тул]

@tips_ai #tools

LiteParse — парсер документов, чтобы агенты точнее читали текст с PDF, Word, Excel, PowerPoint и картинок.

Обычно Claude Code читает PDF через pypdf или pdfplumber и каждый раз пишет для этого новый Python скрипт.

Тут LiteParse делает это одной командой. Парсит локально, быстро и без GPU.

Подойдет, если хотите, чтобы агент мог быстро прочитать PDF и работать дальше, а если нужно разобрать что-то визуально, то сделает скриншоты.

Для простых доков хватит, для сложных таблиц, нужно решение поточнее, например их облачный LlamaParse или olmOCR 2 на своем GPU.

Установка: npm i -g @llamaindex/liteparse

Использовать командами:
• lit parse document.pdf
• lit screenshot document.pdf

Есть еще skill для Claude Code и GitHub

@tips_ai #tools

Есть public-apis — старый репозиторий с огромной базой бесплатных API на любую тему.

Финансы, новости, погода, спорт, ML, развлечения.

Там у каждого API указан тип доступа:
• No auth: бесплатно, без регистрации
• apiKey: нужно получить ключ, есть с free тарифами и лимитами
• OAuth: нужна авторизация, часть платные

Можно скормить весь список AI-агенту и попросить найти что пригодится под твои задачи, найдёт то, что сам бы пропустил.

@tips_ai #tools

Портировал CTranslate2 под мак (чипы Apple Silicon), чтобы можно было транскрибировать текст локально. На этой основе сделал библиотеку metal-faster-whisper [1], и приложение для локального транскрибирования текста CT Transcriber [2].

В последнем можно не только текст расшифровать, но еще и подключить LLM-ку, чтобы задать дополнительные вопросы.

[1] https://github.com/vsevolod-oparin/metal-faster-whisper/
[2] https://github.com/vsevolod-oparin/ct-transcriber-macos/

holaOS Beta 0.1

Открытый «компьютер с агентами» - среда для долгой работы с ИИ, а не разовых чатов. Поможет вести долгосрочные проекты с ИИ без потери контекста.

• хранит контекст, правила и историю по каждому рабочему потоку
• разделяет задачи на несколько рабочих пространств (Multi Workspaces)
• запускает под‑агентов для параллельной обработки сложных задач (Sub Agents)
• интегрируется с Gmail, GitHub, LinkedIn, Reddit, Google Sheets
• запускает автоматизацию по расписанию или событию

Работает на десктопе (#macOS Apple Silicon, в разработке - Windows и Linux), код открыт (Modified Apache 2.0), свыше 5 000 звёзд на GitHub.

Гитхаб

#agent #desktop #orchestrator