TL;DR
Four Causes Prompting — техника, которая встраивает философский фреймворк Аристотеля прямо в промпт: после каждого ответа модель сама генерирует 4 вопроса с разных углов — из чего состоит, как устроено, что породило, зачем существует. Вы получаете готовую дорожку для глубокого погружения в тему, не ломая голову над следующим вопросом.
Когда учишь что-то новое через ChatGPT, легко застрять в поверхностном понимании. Вы не знаете, каких вопросов вы не знаете. Пассивный читатель получает ответ → кивает → и молчит. Проблема не в лени — проблема в том, что у него нет структуры для следующего шага. Исследование показало: те, кто умеет задавать хорошие вопросы, усваивают материал на порядок глубже. Остальные застревают на первом слое.
Решение: вместо того чтобы самому придумывать следующий вопрос, заставить модель автоматически генерировать 4 вопроса после каждого ответа — по одному на каждую из Четырёх причин Аристотеля. Модель выступает и учителем, и навигатором одновременно.
Схема метода
Всё работает внутри одного чата, несколько итераций:
ШАГ 0: Задайте исходный вопрос по теме → обычный ответ модели
ПОСЛЕ каждого ответа модель автоматически добавляет блок:
[Материальная причина] → вопрос: из чего это состоит?
[Формальная причина] → вопрос: как это устроено / какова структура?
[Действующая причина] → вопрос: что это породило / как это работает?
[Целевая причина] → вопрос: зачем это существует / какова цель?
ШАГ N: Выбираете один из 4 вопросов → задаёте → получаете ответ + новые 4 вопроса
Шаги выполняются в одном чате. Каждая итерация углубляет понимание по одной из осей.
Пример применения
Задача: Вы хотите разобраться в устройстве маркетплейса Wildberries — не поверхностно, а до уровня "понимаю как бизнес". Обычно читаете пару статей, думаете что поняли — и всё равно остаётесь с белыми пятнами.
Промпт:
Объясни, как устроен бизнес Wildberries: откуда он берёт деньги,
как взаимодействует с продавцами, почему вырос до такого масштаба.
После каждого своего ответа обязательно добавляй блок
"Четыре вопроса для углубления" — по одному вопросу на каждую причину:
🧱 Материальная причина (из чего состоит):
[вопрос про компоненты, элементы, части системы]
📐 Формальная причина (как устроено):
[вопрос про структуру, паттерн, принципы организации]
⚙️ Действующая причина (что движет / создало):
[вопрос про механизмы, процессы, что вызвало это явление]
🎯 Целевая причина (зачем / к чему стремится):
[вопрос про цель, назначение, для кого это выгодно]
После блока вопросов напиши: "Выберите вопрос — или задайте свой."
Результат: Модель даст развёрнутый ответ про бизнес-модель WB, а под ним — 4 конкретных вопроса для продолжения. Например: "Из каких потоков дохода состоит выручка?" / "Как устроена логистическая цепочка между продавцом и покупателем?" / "Какие решения основателей привели к текущей доминации?" / "На какую аудиторию рассчитана модель и почему?"
Вы выбираете самый интересный → снова получаете ответ + 4 новых вопроса. За 5-7 итераций понимание из поверхностного превращается в системное.
Почему это работает
LLM отвечает хорошо, но не знает, что вы не знаете. Обычный диалог с ChatGPT — асимметричный: вы задаёте вопрос, получаете ответ, и снова оказываетесь один на один с пустым полем ввода. Если вы новичок в теме, следующий вопрос — это сложнее, чем кажется.
Аристотель решил эту проблему 2400 лет назад. Четыре причины — это четыре оси, по которым можно понять любое явление. Материальная (состав) + Формальная (структура) + Действующая (механизм) + Целевая (цель) вместе дают полную карту понимания. Они взаимно дополняют друг друга и не пересекаются — идеальная структура для навигации.
Метод передаёт инициативу модели там, где вы слабы. Вам не нужно придумывать правильный вопрос — вы только выбираете из предложенных. Это как иметь опытного тьютора рядом, который после каждого объяснения говорит: "А вот что тебе стоит спросить дальше..."
Рычаги управления: - Количество вопросов → можно оставить только 2 причины для экономии пространства (убрать менее релевантные для вашей темы) - Тон вопросов → добавьте "вопросы должны быть провокационными / практическими / с примерами из России" - Условие выхода → попросите модель добавить "когда вы сможете ответить на все 4 вопроса без подсказок — тему можно считать освоенной" - Глубина → укажите уровень: "вопросы для человека без специальных знаний" или "вопросы уровня эксперта"
Шаблон промпта
Объясни мне {тема}: {конкретный аспект который хочу понять}.
После каждого своего ответа добавляй блок "Четыре вопроса для углубления":
🧱 Материальная причина (из чего состоит):
[вопрос про компоненты, элементы, части {темы}]
📐 Формальная причина (как устроено):
[вопрос про структуру, паттерн, принципы организации {темы}]
⚙️ Действующая причина (что движет):
[вопрос про механизмы, процессы, причины возникновения {темы}]
🎯 Целевая причина (зачем существует):
[вопрос про цель, назначение, для кого {тема} работает]
После блока вопросов пиши: "Выберите вопрос или задайте свой."
Мой уровень знания темы: {новичок / средний / продвинутый}.
Адаптируй сложность вопросов под этот уровень.
Что подставлять:
- {тема} — то, что изучаете: "токеномика Telegram Stars", "как устроен венчурный рынок в России", "принципы работы нейросетей"
- {конкретный аспект} — точка входа: "откуда берутся деньги", "почему это взлетело", "в чём риски"
- {уровень} — ваша точка отсчёта, чтобы вопросы не были ни слишком простыми, ни слишком сложными
🚀 Быстрый старт — вставь в чат:
Вот шаблон Four Causes Prompting для глубокого изучения темы.
Адаптируй под мою задачу: {твоя тема}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит про тему, уровень знаний и конкретный угол интереса — потому что без этого вопросы будут слишком общими и бесполезными. Она возьмёт структуру Четырёх причин и адаптирует под вашу задачу.
Ограничения
⚠️ Простые факты: Метод избыточен для однозначных вопросов — "столица Франции", "как перевести файл в PDF". Четыре причины работают на системных темах с глубиной.
⚠️ Субъективные темы: На вопросах вкуса и личных предпочтений ("какой фильм посмотреть вечером") структура не помогает — там нет объективных "причин".
⚠️ Информационная перегрузка: Если шагов много, 4 вопроса после каждого ответа превращаются в шум. Решение: сократить до 2 причин или просить вопросы только когда нужно.
⚠️ Тестировалось на академических учащихся: Выборка — студенты магистратуры и аспирантуры из Гонконга и США. Насколько техника работает для практических бизнес-задач — отдельный вопрос.
Как исследовали
Команда из Гонконгского университета науки и технологий сначала сделала разведочное исследование: дала 26 участникам прочитать статью про NFT с помощью LLM-чатбота и записала все их вопросы. Потом провела интервью — почему они спрашивали именно так, где застревали, чего не хватало.
Выяснилось кое-что неочевидное: участники разделились на четыре паттерна поведения — от проактивных (сами строили понимание, задавали уточняющие вопросы, синтезировали) до рецептивных (принимали ответ без вопросов, почти не копали глубже). И это напрямую коррелировало с результатами теста: проактивные учились значительно лучше. Разрыв был не в интеллекте — а в умении задавать следующий вопрос.
Тогда исследователи спросили: а можно ли сделать так, чтобы даже рецептивный учащийся получал проактивный опыт — автоматически? Ответом стал CausaDisco и промпт с Четырьмя причинами. В контрольном исследовании 36 человек разделили на две группы: обычный чатбот vs. чатбот с Four Causes. Группа с Four Causes показала более глубокое исследование тем, выше вовлечённость и более комплексные вопросы — даже у тех, кто изначально вёл себя пассивно. Это главный сюрприз: структура надстройки компенсировала природный стиль обучения.
Адаптации и экстраполяции
1. Техника: Четыре причины как инструмент анализа, не обучения
🔧 Смена роли: учёба → анализ бизнеса или идеи
Принцип работает не только когда вы учитесь — он работает когда нужно разобрать любую систему. Хотите оценить стартап? Разобрать стратегию конкурента? Продумать продукт?
Проанализируй {объект анализа} через Четыре причины Аристотеля:
🧱 Материальная: из каких ресурсов, людей, технологий это состоит?
📐 Формальная: какова бизнес-модель, структура, паттерн?
⚙️ Действующая: что движет ростом / что создало этот бизнес?
🎯 Целевая: какую проблему решает, кому служит, к чему стремится?
После анализа — укажи, в какой из четырёх осей самое слабое место.
2. Экстраполяция: Four Causes + критик
Комбинация с принципом двойной оценки: после анализа по Четырём причинам — добавить роль скептика, который ищет уязвимость в каждой из осей.
[Полный анализ по Четырём причинам выше]
Теперь сыграй роль жёсткого инвестора с опытом в этой сфере.
По каждой из четырёх причин найди одну ключевую уязвимость.
Без смягчений — где этот бизнес/идея реально слабы?
Это даёт полный цикл: построить понимание → найти дыры. Полезно перед питчем, перед принятием решения, перед публикацией.
Ресурсы
Название работы: Enhanced Self-Learning with Epistemologically-Informed LLM Dialogue
Авторы: Yi-Fan Cao, Kento Shigyo, Yitong Gu, Xiyuan Wang, Weijia Liu, Yang Wang, David Gotz, Zhilan Zhou, Huamin Qu
Институции: Hong Kong University of Science and Technology, Hong Kong Baptist University, ShanghaiTech University, HKUST (Guangzhou), The University of Hong Kong, University of North Carolina at Chapel Hill
Философская основа: Aristotle's Four Causes (Материальная, Формальная, Действующая, Целевая причины) — классический фреймворк из "Физики" Аристотеля