Этот класс — концентрат практики по реальному, «рабочему» использованию ChatGPT 5. Разберём экосистему моделей (Instant, Thinking Mini, Thinking, Pro и Legacy-линейку), логику роутинга запросов и то, как вручную «поджигать» нужную мощность под задачу. Покажем, как строить сильные промпты из шести элементов (задача, контекст, примеры, персона, формат, тон) и как за счёт персонализации (глобальные настройки, проекты, чаты) получать релевантные ответы без бесконечных повторов вводных.
Дальше — инструменты. Пошагово пройдёмся по Think (рассуждения), Search (поиск с анализом), Deep Research (глубокие исследования), Canvas (точечное редактирование больших текстов), Agent Mode (автоматизация действий в веб-интерфейсах) и RAG через @Files (работа с собственными документами). На каждом шаге — реальные сценарии: от подбора товара и сравнительных обзоров до редакторских правок, автоматизации рутины и сборки своих баз знаний. Отдельный блок — проверка качества ответов ИИ: как ловить галлюцинации, проверять источники и не попадаться на «агрегаторов» с сомнительными моделями.
Посмотрев этот класс, вы:
- Различать модели (Instant/Thinking/Pro) и выбирать нужную под задачу.
- Настроить персонализацию: глобальные инструкции, проекты и чаты.
- Собирать сильные промпты из 6 элементов и переиспользовать удачные примеры.
- Применять Think, Search и Deep Research по месту, экономя лимиты.
- Редактировать большие тексты в Canvas точечно, без перегенерации.
- Подключать свои файлы через @Files (RAG) и грамотно организовывать проекты.
- Проверять ответы ИИ (логика, источники, свежесть) и безопасно пробовать Agent Mode.
Содержание:
- Трейлер класса
- Основные вопросы по поводу LLM
- Типичное использование LLM
- Что может улучшить работу с LLM?
- Использование разных моделей
- Персонализация
- Инструменты для работы с LLM. Think (Рассуждения)
- Search (Поиск в Сети)
- Deep Research (Исследование)
- Canvas
- Agent mode (Режим ассистента)
- RAG (Retrieval-Augmented Generation)
- Проверка работы ИИ
