TL;DR
Question-mode — режим взаимодействия с LLM, где модель не генерирует идеи за вас, а задаёт вопросы, которые заставляют вас думать самостоятельно. Вместо "вот 3 улучшенных варианта" → "а что если использовать принцип работы датчиков в другом контексте?". Работает в два этапа: сначала LLM помогает найти альтернативные направления через вопросы и аналогии из других областей, потом помогает развить выбранную идею через уточняющие вопросы.
Проблема классического подхода: когда LLM сам генерирует или улучшает идеи (model-led режим), качество растёт, но идеи становятся похожими друг на друга. Эффект гомогенизации: все начинают думать в одном направлении, которое задала модель. Плюс теряется ощущение авторства — "это не моя идея, это AI придумал". А когда LLM просто даёт советы (suggestion-mode), люди их часто игнорируют или поверхностно используют, не углубляясь.
Question-mode решает это через активное вовлечение: вы делаете основную творческую работу, а LLM направляет ваше мышление через вопросы. Результат: идеи качественнее, разнообразнее (даже растёт разнообразие в процессе!), и вы чувствуете, что это ваша идея. Когнитивная нагрузка выше, но это хорошо — вы реально думаете, а не просто принимаете то, что выдала модель.
Схема метода
ЭТАП 1 — ПОИСК АЛЬТЕРНАТИВ (Novelty Phase):
Действие: LLM задаёт вопросы + предлагает аналогии из других областей
Вы: Генерируете 2-3 альтернативных направления
Вы: Выбираете одно для развития
ЭТАП 2 — РАЗВИТИЕ ИДЕИ (Elaboration Phase):
Действие: LLM задаёт целевые вопросы для конкретизации
Вы: Сами развиваете идею, отвечая на вопросы
Результат: Финальная проработанная идеяОба этапа — в одном диалоге. LLM ведёт вас через процесс, но не делает работу за вас.
Пример применения
Задача: Вы делаете ребрендинг локального кофейного бренда "Кофеварофф". Сейчас позиционирование размытое — "качественный кофе для всех". Нужна острая, запоминающаяся идея.
Промпт:
Помоги развить идею через вопросы, а не готовые ответы.
ЭТАП 1 — Найти альтернативные направления:
Моя текущая идея: "Кофеварофф — качественный кофе для офисных работников"
Задавай вопросы и предлагай аналогии из ДРУГИХ сфер (не кофе, не еда),
которые помогут мне увидеть неочевидные направления.
Не давай готовых вариантов — помоги МНЕ их придумать.
После этого я выберу одно направление, и мы перейдём к этапу 2.Результат:
LLM задаст 3-5 вопросов типа: "Какие бренды из совершенно других категорий вызывают у тебя ассоциацию с состоянием, которое даёт кофе?", "Если бы Кофеварофф был не напитком, а местом — что бы это было?", предложит аналогию: "Spotify для музыки = создание персональных плейлистов под настроение. Как перенести этот принцип на кофе?".
Вы сами придумаете 2-3 направления (например: "кофе как ритуал переключения", "кофе-антистресс для выгоревших", "кофе как статус для тех, кто не спит"). Выберете одно.
В этапе 2 LLM спросит: "Кто конкретно твоя аудитория в этом направлении?", "Какой конкретный момент в их дне ты хочешь занять?", "Что должно измениться в их восприятии после контакта с брендом?". Вы сами отвечаете, развиваете идею.
Финал: у вас есть проработанное позиционирование, которое ощущается вашим, потому что вы сами его создали через диалог.
Почему это работает
Слабость LLM: Когда модель сама генерирует идеи, она усредняет. Она выдаёт то, что статистически "правильно" на основе обучающих данных. Результат: идеи качественные, но похожие друг на друга. Эффект гомогенизации — все начинают мыслить в одном коридоре, который задала модель.
Сильная сторона LLM: Модель отлично задаёт контекст, знает разные домены, умеет находить аналогии из неожиданных областей, формулирует вопросы, которые открывают новые углы зрения.
Как метод использует силу: Question-mode держит вас в роли автора, а LLM — в роли собеседника, который расширяет ваше мышление. Вы генерируете контент сами, опираясь на свой контекст и экспертизу (которых у LLM нет), но модель подсвечивает слепые зоны и стимулирует мышление через кросс-доменные аналогии.
Рычаги управления промптом:
- Домены для аналогий: "Используй аналогии только из [музыки/спорта/архитектуры]" → можете направить LLM в нужную область для вдохновения
- Глубина вопросов: "Задавай только 1-2 вопроса" VS "Задавай 5-7 вопросов до тех пор, пока я не найду неожиданное направление" → регулируете глубину исследования
- Фокус этапа 2: "В этапе 2 сосредоточься на практической реализации" VS "сосредоточься на эмоциональном воздействии" → меняете направление проработки
- Формат вопросов: "Задавай open-ended вопросы" VS "Задавай вопросы с конкретными примерами" → управляете стилем диалога
Если убрать вопросы и оставить только аналогии — получится suggestion-mode (который не работает). Если убрать двухфазность — потеряете структуру. Структура "вопросы + аналогии + два этапа" критична.
Шаблон промпта
Помоги развить идею через вопросы, а не готовые решения.
ЭТАП 1 — Поиск альтернативных направлений:
Моя текущая идея: {опишите вашу начальную идею в 1-2 предложениях}
Задачи на этом этапе:
- Задавай вопросы, которые помогут МНЕ увидеть альтернативные направления
- Предлагай аналогии из {укажите домены: "других сфер бизнеса" / "технологий" / "природных процессов" / etc}
- НЕ давай готовых вариантов — стимулируй моё мышление
Я сгенерирую 2-3 альтернативных направления и выберу одно.
---
ЭТАП 2 — Развитие выбранной идеи:
После того как я выберу направление, задавай целевые вопросы, чтобы помочь мне:
- Конкретизировать {аудиторию/механику/ценность/etc}
- Проработать {практическую реализацию/уникальность/и т.д.}
- Найти {ограничения/возможности/etc}
Твоя роль — НЕ генерировать решения, а направлять моё мышление через вопросы.Что подставлять:
{опишите вашу начальную идею}— ваша текущая идея в 1-2 предложениях{укажите домены}— из каких областей брать аналогии (чем дальше от вашей темы, тем неожиданнее ассоциации){аудиторию/механику/ценность}— что конкретно нужно проработать на этапе 2
🚀 Быстрый старт — вставь в чат:
Вот шаблон question-mode для развития идей через диалог.
Адаптируй под мою задачу: [опишите свою задачу].
Задавай вопросы, чтобы заполнить поля и настроить под мой контекст.
[вставить шаблон выше]LLM спросит про вашу идею, про желаемый фокус, про домены для аналогий — потому что для эффективной работы метода нужно понять вашу специфику. Модель возьмёт паттерн "вопросы + аналогии + два этапа" и адаптирует под вашу задачу.
Ограничения
⚠️ Когнитивная нагрузка: Question-mode требует больше умственных усилий, чем просто получить готовый ответ. Если задача простая ("назови столицу Франции") или вы уже выгорели — это избыточно. Метод для ситуаций, где нужна глубокая проработка и оригинальность.
⚠️ Требует готовности думать: Если вы хотите быстро получить результат без размышлений, вопросный режим будет раздражать. Model-led быстрее, но жертвует разнообразием и вашим авторством.
⚠️ Не для всех типов задач: Метод показал эффективность в креативных задачах (идеи, концепции, стратегии). Для чисто исполнительских задач ("отформатируй таблицу", "исправь грамматику") это избыточная структура.
⚠️ Зависит от вашей экспертизы: Вопросы LLM могут расширить мышление, но финальное качество всё равно зависит от вашего знания контекста. В незнакомой области вопросы могут завести в тупик.
Как исследовали
Исследователи собрали 486 человек из Великобритании через Prolific и дали им творческую задачу: придумать новое применение для автомобильных датчиков (адаптация Alternative Uses Test). Участников случайно распределили в 5 групп: question-mode (LLM задаёт вопросы + даёт аналогии), suggestion-mode (LLM даёт советы), model-led (LLM сам переписывает идеи), vanilla ChatGPT (обычный чат), контроль (без AI).
Логика дизайна: Все группы с LLM сначала генерировали идею сами, потом взаимодействовали с моделью по своему сценарию. Это важно — исследователи проверяли эффект режима взаимодействия, а не просто "AI vs без AI".
Что измеряли:
- Качество идей — 4 эксперта из автопрома оценивали оригинальность и полезность (Consensual Assessment Technique — золотой стандарт оценки креативности)
- Разнообразие — семантическую дистанцию между идеями через эмбеддинги (OpenAI text-embedding-3-large)
- Perceived ownership — насколько люди чувствуют идею "своей" (опросник из 5 пунктов)
Неожиданные находки:
- Suggestion-mode провалился почти по всем метрикам. Казалось бы, давать советы = помогать, но люди их либо игнорировали, либо поверхностно применяли без глубокой проработки.
- Vanilla LLM (обычный чат) дал высокое разнообразие идей, но не улучшил качество и снизил ownership. Парадокс: отсутствие структуры → широкий диапазон, но нет системного улучшения.
- Model-led дал самое высокое качество, но за это пришлось заплатить: идеи стали на 9% менее разнообразными внутри группы, а люди чувствовали себя меньшими авторами.
Ключевой инсайт для практики: Исследование показало, что гомогенизация — не неизбежное свойство LLM, а следствие дизайна взаимодействия. Question-mode не только сохранил разнообразие, но увеличил его на 7% в процессе работы (within-subject анализ). Это значит, что правильно построенный диалог может активно расширять пространство идей, а не сужать его.
Проверяли на GPT-4.1 через API, но принципы универсальны — работают в любом LLM с достаточными возможностями.
Ресурсы
Partnering with Generative AI: Experimental Evaluation of Human-Led and Model-Led Interaction in Human-AI Co-Creation
Sebastian Maier, Manuel Schneider, Stefan Feuerriegel
LMU Munich & Munich Center for Machine Learning (MCML)
Адаптации и экстраполяции
💡 Адаптация для текстовой работы (статья, питч, сценарий):
Классический question-mode заточен под идеи, но легко адаптируется под текст:
Помоги развить [статью/питч/сценарий] через вопросы.
ЭТАП 1 — Найти неочевидные углы:
Мой текущий тезис: {основная мысль текста}
Задавай вопросы, которые помогут МНЕ увидеть:
- Альтернативные структуры повествования
- Неожиданные аналогии из {других жанров/форматов}
- Слабые места в логике
Не предлагай готовых формулировок — стимулируй моё мышление.
ЭТАП 2 — Проработка деталей:
После выбора направления, задавай вопросы для конкретизации:
- Какие примеры усилят тезис?
- Где читатель может "выпасть" из текста?
- Какие возражения нужно предусмотреть?Пример: Пишете статью про выгорание в IT. Вместо "перепиши текст лучше" → LLM спрашивает: "Какие бренды из совершенно других сфер решали проблему выгорания своих клиентов? Как их подход можно применить к IT-специалистам?". Вы сами находите неожиданный угол (например, фитнес-индустрия и принцип "прогрессивной перегрузки"), LLM задаёт вопросы, как встроить это в текст.
🔧 Техника: Добавить критическую роль → острее проработка
Оригинальный question-mode ведёт к проработке, но может быть "мягким". Если нужна жёсткая критика идеи:
ЭТАП 2 — Развитие через критику:
После выбора направления, войди в роль {скептика/инвестора/конкурента}.
Задавай вопросы С ПОЗИЦИИ КРИТИКА:
- "Почему это не сработает в реальности?"
- "Где слабое место, которое убьёт идею?"
- "Что упущено из виду?"
Помоги МНЕ самому найти и закрыть эти дыры, не давая готовых решений.Эффект: Вопросы становятся острее, вы прорабатываете не только сильные стороны, но и защиту от провала. Полезно для бизнес-идей, стратегий, решений с высокими ставками.
💡 Экстраполяция: Question-mode + Self-Refine для итераций
Комбинация: question-mode (для генерации) + self-refine цикл (для улучшения):
ЦИКЛ:
1. Question-mode → Я генерирую идею через твои вопросы
2. Ты как критик оцениваешь идею по [критериям]
3. Если оценка <8/10 → новый раунд вопросов для улучшения
4. Повторяем до достижения 8/10 или 3 цикловПрименение: Для задач, где нужна итеративная шлифовка (питч инвесторам, ключевое сообщение бренда, формулировка ценности продукта). Вы не просто один раз ответили на вопросы — вы проходите несколько раундов, каждый раз углубляя проработку.