TL;DR
Воркшоп-промптинг — это протокол работы с LLM по схеме "один принцип за раз": вводишь правило, просишь создать текст под это правило, критикуешь, добиваешь до ревизии, а в конце просишь модель сформулировать усвоенный принцип своими словами. Эта формулировка становится контекстом следующей сессии. Повторяешь десятки раз — и из универсальной модели вырастает "цифровой автор" с узнаваемым голосом.
Главная проблема при работе с LLM на длинных творческих проектах: модель "забывает" предыдущие сессии. Каждый раз всё заново. Можно накидать примеры в стиле, но без систематической работы стиль плавает — то слишком сухо, то слишком витиевато, то клише лезут. Нет накопления.
Метод решает это через явную передачу памяти: в конце каждой сессии модель сама записывает, что усвоила. В начале следующей — этот конспект загружается обратно. Принципы накапливаются слоями: сначала простые (не используй клише, варьируй пунктуацию), потом сложные (создавай оригинальные метафоры, работай с аллюзиями). Семь месяцев по такой схеме — и в слепом тесте 50 гуманитариев не смогли отличить стихи AI от стихов признанных поэтов.
Схема метода
Метод работает серией сессий, каждая — отдельный разговор с LLM.
ПОДГОТОВКА: Загрузи "конспект предыдущих сессий" в начало промпта
→ Если первая сессия — пропусти этот шаг
ШАГ 1: Введи ОДИН принцип
→ Объясни что это + зачем + как выглядит в хорошем тексте
ШАГ 2: Попроси создать текст под этот принцип
→ Модель генерирует черновик
ШАГ 3: Давай критику → проси ревизию
→ Повторяй пока результат не устроит
→ (Несколько итераций в одной сессии — это норма)
ШАГ 4: Попроси модель сформулировать принцип своими словами
→ Сохрани этот текст — он пойдёт в контекст следующей сессии
СЛЕДУЮЩАЯ СЕССИЯ: Загрузи всё, что накопилось → вводи новый принцип
Каждая сессия = один принцип + черновики + критика + "конспект для следующего раза".
Пример применения
Задача: Ты ведёшь Telegram-канал о личных инвестициях и хочешь, чтобы AI писал в твоём голосе — не как энциклопедия, а как умный друг, который объясняет рынок без занудства. Сейчас каждый текст звучит по-разному.
Промпт (Сессия 1 — стартуешь с нуля):
Ты — соавтор Telegram-канала про личные инвестиции.
Мы будем работать по принципу творческого воркшопа:
я ввожу один принцип стиля за раз.
ПРИНЦИП СЕССИИ 1: Без финансового официоза.
Ни слова "волатильность", "инвестиционный горизонт", "диверсификация"
без объяснения живым языком. Каждое сложное понятие —
через бытовую аналогию или конкретный пример из жизни.
ЗАДАНИЕ: Напиши пост (150–180 слов) о том,
почему не стоит паниковать, когда рынок падает на 10%.
После того как мы доработаем текст, сформулируй принцип
этой сессии своими словами — коротко, как правило для себя.
Результат:
Модель выдаст черновик поста. Ты критикуешь — "вот здесь опять умничает", "тут слишком тревожно". Просишь ревизию. После 2–3 итераций — просишь "сформулируй принцип". Получишь что-то вроде: "Сложные термины всегда переводятся в бытовые аналогии. Читатель — умный человек без экономического образования, не студент ВШЭ". Это и есть "сессионный конспект" — в следующий раз вставишь его в начало промпта перед новым принципом.
После 8–10 сессий накопится пласт принципов, и любой новый пост будет узнаваемо "твоим".
Почему это работает
LLM не имеет памяти между разговорами. Каждый новый чат — это модель без истории. Можно дать примеры стиля, но они работают как "ориентир", а не как усвоенное правило. Без накопления — нет стабильного голоса.
При этом LLM отлично работает с явным контекстом: если в начале разговора лежат сформулированные правила — модель их соблюдает последовательно. Это и есть сильная сторона, которую метод использует напрямую.
Ключевой трюк — модель сама записывает принцип своими словами. Это не случайность. Когда модель формулирует правило, она делает его максимально совместимым с тем, как сама же будет его читать в следующий раз. Это плюс: конспект не надо переводить с человеческого на "модельный".
Рычаги управления: - Количество принципов за сессию → одному новичку хватает одного. Можно ускорить и давать два, но риск размытия выше - Глубина критики → чем конкретнее ("вот это предложение — клише, вот почему"), тем точнее ревизия - Порядок принципов → начинай с базовых (тон, лексика), потом сложные (структура, ритм, подтекст) - Объём конспекта → если принципов накопилось много, можно попросить модель "сжать конспект, сохранив суть": длинный контекст работает хуже
Шаблон промпта
Первая сессия:
Ты — соавтор {тип контента: рассылка / канал / блог / сценарий}.
Мы работаем по принципу воркшопа: один принцип стиля за раз,
итеративная доработка, без спешки.
{Если есть — вставь конспект предыдущих сессий}
ПРИНЦИП ЭТОЙ СЕССИИ: {формулировка одного правила}.
Примеры хорошего применения: {1–2 примера}.
Примеры нарушения: {1–2 анти-примера}.
ЗАДАНИЕ: {конкретное задание с ограничениями по объёму}.
После итогового текста — сформулируй принцип этой сессии
одним коротким правилом, как запись в блокноте.
Плейсхолдеры:
- {тип контента} — что именно создаёшь: посты в TG, email-рассылка, тексты для сайта, скрипты
- {конспект предыдущих сессий} — собранные формулировки принципов из прошлых сессий (пусто в первый раз)
- {формулировка одного правила} — конкретный стилистический принцип, не "пиши хорошо"
- {конкретное задание} — тема + объём + дополнительные ограничения
🚀 Быстрый старт — вставь в чат:
Вот шаблон воркшоп-промптинга для выработки устойчивого стиля.
Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит какой тип контента ты создаёшь, есть ли примеры твоего голоса, с какого принципа начать — потому что без этого она не сможет настроить первый принцип точно под тебя. После ответов получишь готовую первую сессию.
Ограничения
⚠️ Строгие формальные структуры: Метод плохо работает там, где нужна жёсткая структура с планированием вперёд — рифма, классический метр, строгие схемы рифмовки. LLM генерирует текст последовательно и не умеет "смотреть на конец строфы" при написании начала. Для свободного стиля — работает. Для жёстких форм — нет.
⚠️ Долгий конспект деградирует: Когда накопившийся список принципов становится очень длинным, модель начинает хуже соблюдать принципы из начала списка. Периодически нужно просить "сжать конспект до главного".
⚠️ Эффект зависит от качества критики: Если обратная связь размытая ("не то, перепиши") — ревизия тоже будет случайной. Метод требует формулировать что именно не так и почему.
⚠️ Накопление принципов ≠ гарантия: Принципы задают направление, но не заменяют вкус. Выбор лучшей версии из нескольких вариантов — остаётся за человеком.
Как исследовали
Команда из Bar-Ilan University и Reichman University провела семимесячный проект в формате настоящего поэтического воркшопа с GPT-4. Четырнадцать сессий по ~2 часа каждая. Никакого дообучения — только промпты, критика и итерации. Они шли от простого к сложному: сначала учили избегать клише и варьировать пунктуацию, потом работали с метафорами и библейскими аллюзиями. На каком-то этапе попросили модель выбрать себе имя и сгенерировать автопортрет — модель назвала себя Наоми Эфрон.
Чтобы проверить результат, провели слепой тест: 50 гуманитариев (студенты и выпускники) оценивали по 6 стихотворений — 3 от состоявшихся поэтов, 3 от Наоми Эфрон. Участники не знали о пропорции. Итог: человеческие стихи называли "человеческими" в 54% случаев, стихи AI — в 52%. Оба интервала включали 50% — то есть статистически это случайное угадывание. Не хуже, не лучше. Затем коммерческое издательство опубликовало полный сборник стихов Наоми Эфрон. Что интересно: классическую рифму и метр модель так и не освоила — это оказался потолок метода. Но в современном верлибре показала полную неотличимость.
Адаптации и экстраполяции
🔧 Техника: ускоренный воркшоп за один разговор
Если 7 месяцев — явно не твой масштаб, можно провести сжатый воркшоп в одном длинном чате. Вводишь принципы последовательно, давая по 2–3 ревизии на каждый. Это не заменит глубокую работу, но за час можно выработать 5–6 устойчивых правил стиля.
🔧 Техника: конспект принципов как системный промпт
Когда накопишь 10+ принципов — оформи их как системный промпт (в Claude это System prompt, в ChatGPT — Custom Instructions). Тогда не нужно вставлять контекст вручную каждый раз: воркшоп-результат живёт в настройках и работает во всех разговорах.
🔧 Экстраполяция: воркшоп для "редактора", а не "автора"
Тот же протокол работает в обратную сторону. Вместо "научи писать" — "научи критиковать". Каждая сессия — один принцип оценки текста. В итоге получаешь AI-редактора, который знает твои стандарты качества и применяет их последовательно, а не угадывает что ты имеешь в виду.
Ресурсы
Работа: Creating a digital poet — Vered Tohar, Tsahi Hayat, Amir Leshem. Bar-Ilan University & Reichman University, Israel, 2025.
Опубликованный сборник: Naomi Efron, The Eloquent Muse's Notebook of Poems (E-vrit, 2025). doi:10.71766/xxsk-wh36
Контакт: amir.leshem@biu.ac.il