Инструкция · 5 мин

Как заставить ИИ проверять свою работу: готовый список проверки для постов

Anthropic советует дать модели способ проверить результат. Для кода это тесты, для текстов список проверки. Даю готовый и показываю, как подключить

В ролике я обещал готовый список проверки для постов. Он ниже, его можно копировать. Сначала о том, откуда вообще идея.

Что показала Anthropic

25 сентября на официальном канале Claude вышло видео «Building verification loops in Claude Code». За три дня больше 230 тысяч просмотров. Идея из трёх шагов:

  1. Отдай ручные проверки. Всё, что ты проверяешь глазами после ИИ, можно передать ему.
  2. Запиши их правилами. Не «сделай хорошо», а конкретные пункты.
  3. Замкни петлю. Модель делает → проверяет по правилам → правит → и только потом показывает тебе.

В документации Claude Code это вынесено в главные советы: дай модели способ проверить свою работу.

При чём тут тексты

Ролик про код, но механика одна. Программист проверяет, запускается ли программа. Эксперт проверяет, звучит ли пост как он, нет ли выдуманных цифр, есть ли призыв.

Обычно это выглядит так: попросил пост, получил, сам нашёл три ошибки, отправил назад, получил две новые. Круг за кругом, и время уходит твоё. Петля проверки переносит этот круг внутрь модели.

Готовый список проверки для поста

Скопируй и допиши под себя:

Перед тем как показать мне текст, проверь его по списку.
Если хоть один пункт не выполнен, перепиши и проверь снова.

1. Длина: [например, 800–1200 знаков]
2. Первая строка цепляет и понятна без продолжения
3. Нет цифр, фактов и имён, которых нет в моём материале
4. Один призыв в конце, не два
5. Нет фраз: «в современном мире», «важно отметить», «давайте разберёмся», «знакомо?»
6. Нет длинных тире
7. Короткие абзацы, пустая строка между ними
8. Звучит как мои образцы ниже, а не как статья из журнала

Мои образцы: [2–3 своих поста]

В конце напиши, по каким пунктам пришлось переделывать.

Последняя строка полезна: сразу видно, где модель спотыкается чаще всего. Эти пункты стоит усилить.

Как подключить, чтобы не вставлять каждый раз

  • В ChatGPT или Claude в браузере: положи список в инструкции проекта. Он будет применяться к каждому запросу внутри проекта.
  • В Claude Code: оформи список как скилл. Тогда проверка запускается сама. Как написать свой скилл за вечер: свой скилл для Claude.
  • Совсем надёжно: часть пунктов проверяется скриптом, а не моделью. Длину, запрещённые слова и тире машина считает без ошибок, а модель иногда пропускает.

Как это устроено у меня

Описания к рилсам у меня проходят проверку скриптом. Он ловит длинные тире, точки в конце абзацев, штампы и отклонение от длины. Если хоть что-то не так, текст до меня не доходит, модель переписывает. Сегодняшние описания тоже через него прошли: первый прогон вернул все пять, потому что каждое было короче нормы.

Раньше я находил эти ошибки глазами, уже после публикации. Сейчас нахожу их в отчёте, до.

Как понять, что список работает

Прогони через него пять своих обычных запросов подряд. Смотри на отчёт в конце каждого ответа: по каким пунктам модель переделывала.

  • Если один пункт срабатывает каждый раз, значит, это устойчивая слабость. Поставь его в список первым и опиши подробнее, с примером «плохо» и «хорошо».
  • Если пункт не сработал ни разу за пять прогонов, возможно, он не нужен. Короткий список модель выполняет внимательнее.
  • Если ты всё равно находишь ошибки глазами, запиши их новым пунктом. Список должен расти из твоих реальных правок, а не из чужих советов.

Пример из практики

Самые частые пункты, которые у меня срабатывают, скучные: длина и концевые точки. Кажется, мелочь. Но именно по таким мелочам читатель за секунду понимает, что текст писала машина. Поэтому проверка формы окупается сильнее, чем кажется: она убирает всё, что выдаёт нейросеть, и оставляет читателю только мысль. Чем скучнее пункт, тем надёжнее его проверяет скрипт, а не модель.

Где петля проверки не спасёт

Проверка ловит нарушения формы: длину, запрещённые слова, структуру. Она плохо ловит скучную мысль. Модель может выполнить все восемь пунктов и выдать правильный, но пустой текст. Смысл и тему по-прежнему выбираешь ты, проверка только снимает с тебя рутину вычитки.

Список проверки для других форматов

Тот же принцип переносится на всё, что ты регулярно отдаёшь нейросети.

Для описания рилса: длина в нужном коридоре, первая строка отдельно цепляет, одно кодовое слово заглавными в конце, никаких фактов, которых нет в источнике.

Для ответа клиенту: ответ на его вопрос стоит в первой строке, цена и следующий шаг названы прямо, нет обещаний, которые ты не даёшь, тон такой же, как в твоих прошлых ответах.

Для карусели: на каждом слайде одна мысль, текст читается с телефона без увеличения, последний слайд говорит, что делать дальше.

Каждый такой список пишется один раз, а экономит время на каждом следующем тексте. Начни с того формата, который делаешь чаще всего.

Частые вопросы

Модель правда найдёт свои ошибки?

Часть найдёт, особенно если пункт конкретный: длина, запрещённое слово, количество призывов. Размытые пункты вроде «сделай интересно» она проверить не может.

Это работает в ChatGPT?

Да. Список проверки не привязан к модели. Совет Anthropic про Claude Code, но механика общая.

Сколько пунктов ставить?

Начни с 5–8. Длинный список модель начинает выполнять небрежно.

Если хочешь, чтобы проверка шла сама на каждом тексте

У меня такие проверки встроены в весь контент-завод: посты, описания, статьи.

Как собрать так же: [МИКРО-ПРОДУКТ]: [ССЫЛКА-МИКРО]

Это только фундамент. А дальше?

Как собрать первый скилл под себя, построить контент-завод, привести трафик и превратить подписчика в оплату — разбираю по шагам в Telegram. Честный дневник стройки с нуля.

📲 Зайти в канал и идти рядом 🔥