BESPOKE: как правильно персонализировать ответы LLM через пользовательский контекст

ChatGPT не помнит тебя. Каждый чат с нуля — объясняешь что маркетолог, что любишь таблицы, а получаешь generic-ответ уровня студента. Query-specific персонализация позволяет создавать профиль под каждый запрос — модель учитывает бэкграунд точечно, а не размазывает по всем темам. Фишка: для каждого запроса собирай отдельный контекст — не всю историю (2870 сессий = шум), а 3-5 релевантных кусков. Для работы — профессиональный опыт, для досуга — личные интересы. +10-15 пунктов к качеству персонализации.