Паттерны взаимодействия человек-LLM: как тип задачи определяет структуру диалога

После 4 раундов диалога с LLM эффективность проседает. 72% коротких чатов (до 4 раундов) идут линейно — пользователь решает быстро, шаг за шагом. В длинных чатах (больше 4 раундов) 61% превращаются в дерево — появляются ответвления, возвраты к старым темам, модель начинает плыть. Фишка: тип задачи определяет какую структуру диалога выбирать. Анализ 19,507 реальных программистских диалогов с ChatGPT и Claude выявил три базовых паттерна: линейный (каждый раунд продолжает предыдущий), звезда (независимые ветки от центральной темы) и дерево (иерархическое ветвление с подветками). Рефакторинг кода работает лучше в линейном паттерне (пошаговые улучшения в одном чате). Дизайн сложной системы — в дереве (разные чаты для компонентов). Исследование вопроса — в звезде (разные аспекты одной темы параллельно).