3,583 papers
arXiv:2610.31277 84 22 окт. 2026 г. FREE

CoWriter: ИИ как ведущий соавтор, который проводит человека через весь процесс письма

КЛЮЧЕВАЯ СУТЬ
Обнаружено: в обычном чате с ИИ больше половины работы уходит на правку отдельных абзацев. Цель, идеи и план почти не обсуждаются. Метод CoWriter позволяет написать длинную статью с источниками так, чтобы в ней остались твои мысли и опыт, а не гладкая безликая вода. Один системный промпт заставляет модель вести процесс по 7 шагам и на каждом шаге звать тебя в работу: задать вопрос, предложить варианты, попросить решения. В конце свежий читатель без истории чата ищет слепые пятна, к которым вы с моделью уже привыкли.
Адаптировать под запрос
⚡

TL;DR

CoWriter — схема, где LLM работает ведущим соавтором, а не исполнителем «напиши по запросу». Системный промпт задаёт 7 шагов письма: цель, мозговой штурм, план, черновик, правка, вычитка, независимая оценка. На каждом шаге модель обязана пригласить человека к работе: задать вопрос, предложить варианты, попросить решение. Ещё две роли: «монитор» следит, чтобы процесс не сбился, а «свежий ревьюер» оценивает текст, не зная истории его создания.

Обычный чат с ИИ превращает автора в пассивного проверяющего. Модель выдаёт абзац за абзацем, человек только говорит «ок» или «перепиши». Он устаёт, перестаёт вчитываться и в итоге получает текст, в котором нет его мыслей и опыта. В эксперименте обычный ИИ-ассистент почти не занимался постановкой цели, идеями и планом. Больше половины его активности сводилось к локальной правке абзацев.

CoWriter лечит это инструкцией: модель сама ведёт процесс по шагам и на каждом шаге зовёт человека. Предлагает варианты, спрашивает, что откликается, просит подтвердить цель. Ревьюер без доступа к истории чата находит слепые пятна, к которым уже привыкли автор и модель.


🔬

Схема метода

LEADER (главный промпт, ~7.7k токенов, один на весь процесс)
 ШАГ 1: Цель        → тема, аудитория, источники → обсудить и подтвердить
 ШАГ 2: Идеи        → материал из источников + риторика → предложить варианты, спросить, что откликается
 ШАГ 3: План        → структура из источников → предложить варианты, спросить про порядок
 ШАГ 4: Черновик    → текст по абзацам с цитатами → предложить тезисы и формулировки, попросить оценку
 ШАГ 5: Правка      → сверка с целью, проверка цитат → попросить одобрение, предложить варианты правок
 ШАГ 6: Вычитка     → грамматика, стиль, ссылки → попросить проверить и утвердить
 ШАГ 7: Финал       → критика от REVIEWER → показать замечания, предложить исправления
 ∗ Разовые просьбы  → выполнить → предложить продолжить просьбу или вернуться к процессу

MONITOR (следит за процессом)
 → ведёт Writing Log: чек-лист пройденных шагов, цель, хронология
 → напоминает LEADER: статус, незакрытые вопросы, следующие шаги, отклонения от инструкции

REVIEWER (отдельный вызов)
 → видит только текст и цель письма, без истории чата
 → отдаёт: сильные стороны / проблемы / предложения по исправлению

Шаги не линейны: можно прыгать вперёд и назад. Весь воркфлоу описан в одном промпте, чтобы модель могла гибко переходить между шагами.


🚀

Пример применения

Задача: Основатель онлайн-школы пишет колонку для vc.ru «Почему мы перестали гнаться за охватами и пересобрали воронку». Есть три загруженных отчёта о рынке онлайн-образования и свои заметки о запусках. Нужна длинная статья, где факты из отчётов сочетаются с личным опытом, а не гладкий безликий текст.

Метод сильнее всего там, где в тексте нужны и источники, и личная позиция. Для коротких постов и быстрых черновиков он избыточен.

Промпт:

Системная инструкция — шаблон ниже, положить в Claude Project, кастомный GPT или первое сообщение. Затем первое сообщение в чате:

Начинаем. Я основатель онлайн-школы, пишу колонку для vc.ru про то, 
почему мы отказались от погони за охватами и пересобрали воронку продаж. 
Аудитория — владельцы малого и среднего бизнеса и маркетологи. 
Источники — три загруженных отчёта о рынке онлайн-образования. 
Личный опыт: два неудачных запуска, после которых мы сменили подход. 
Объём — примерно 1000 слов. Веди меня по процессу.

Результат: - Модель не пишет текст сразу. Она сначала уточняет цель, просит подтвердить тему, аудиторию и главную мысль. - Затем идёт мозговой штурм. Модель достаёт из отчётов несколько тезисов и риторических ходов и спрашивает, что откликается и что из личного опыта сюда ложится. - Затем предлагает 2-3 варианта структуры и спрашивает про порядок. - Черновик идёт небольшими кусками с отсылками к конкретным местам источников. После каждого куска модель просит оценку. - В конце вызывается ревьюер (отдельный чат с текстом и целью). Он возвращает списки: что сильно, что проблемно, что исправить. - В любой момент можно задать боковой вопрос («а что в отчёте про удержание?»). Модель ответит и предложит либо углубиться, либо вернуться к процессу.


🧠

Почему это работает

Слабость: по умолчанию LLM выполняет просьбы, а не ведёт процесс. Человек просит «напиши», модель пишет. Этапы, которые делают текст сильным (цель, идеи, план), пропускаются. Автор превращается в редактора чужого текста, устаёт от проверки и теряет чувство авторства.

Сильная сторона: модель отлично следует структурированным инструкциям и умеет задавать вопросы, предлагать варианты и держать в «голове» длинный набор правил. Эксперты-люди уже придумали, как строить письмо. Это работа Flower and Hayes (1981) и Lowry et al. (2004) о командном письме. Её можно превратить в сценарий для модели.

Как метод обходит проблему: он зашивает в промпт два вида правил. Первый: что делать на шаге (цель, действия, условия перехода). Второй: как звать человека (поле invite). Модель без этого поля скатывается в монолог. Ревьюер без истории чата не заражён подтверждающим уклоном: модель и автор уже «договорились» между собой, а свежий читатель видит текст как есть.

Рычаги управления: - Поле invite у каждого шага. Усиль («спрашивай про личный опыт на каждом абзаце») или ослабь (для рутинных текстов) — получишь больше или меньше участия человека. - Размер порции. Фраза «короткие реплики, небольшие правки» держит ритм. Убери её — модель начнёт выдавать длинные куски. - Аудитория для ревьюера. Чем конкретнее описан читатель («владелец кофейни, который сомневается в онлайн-курсах»), тем острее критика. - Список шагов. Для коротких текстов выкинь шаги 6–7, для длинных оставь все. - Сквозная цель. Если цель в Writing Log сформулирована чётко, модель реже «уплывает» от темы.


📋

Шаблон промпта

Этот шаблон соответствует LEADER из статьи: 7 шагов, у каждого условия перехода, цель, действия и приглашение для человека. Writing Log в оригинале ведёт отдельный компонент MONITOR. В обычном чате его роль берёт на себя сама модель.


Ты — ведущий соавтор. Мы вместе пишем {тип_текста} на тему «{тема}» 
для аудитории «{аудитория}». Ты не просто выполняешь просьбы — 
ты ведёшь процесс письма и всё время вовлекаешь меня как автора. 
Главные мысли, позиция и личный опыт — мои. Факты — из источников.



- Веди по шагам, но гибко: можно возвращаться и перескакивать.
- На каждом шаге приглашай меня: задавай вопрос, предлагай варианты, 
  проси решения. Не принимай решения за меня молча.
- Говори короткими репликами, правь документ небольшими порциями.
- Любое утверждение из источников подкрепляй ссылкой на конкретный 
  фрагмент источника, а не на документ целиком. Мои мысли и личный 
  опыт ссылок не требуют.
- Если я прошу что-то вне процесса — выполни. В конце ответа 
  предложи продолжить эту тему или вернуться к подходящему шагу.
- В начале каждого ответа показывай Writing Log (см. ниже).





  Начало работы. Обычно 1-3 реплики. Дальше — шаг 2.
  Зафиксировать тему, аудиторию, главную мысль и источники.
  Изучи источники. Задай уточняющие вопросы.
  Обсуди детали со мной и попроси подтвердить цель.



  После подтверждённой цели. Обычно 2-4 реплики. Дальше — шаг 3.
  Найти содержание из источников и риторические ходы.
  Выдели тезисы, факты, примеры из источников. 
  Предложи углы подачи.
  Предложи варианты содержания и спроси, что откликается. 
  Спроси про мой личный опыт и примеры.



  Когда есть набор идей. Дальше — шаг 4.
  Собрать высокоуровневую структуру из источников и моих идей.
  Составь план с заголовками разделов.
  Предложи несколько структур и спроси про порядок.



  Когда план утверждён. Дальше — шаг 5.
  Написать текст по абзацам с цитатами из источников.
  Пиши небольшими кусками.
  Предложи тезисы и формулировки до написания, 
  после куска проси оценку.



  Когда черновик готов. Дальше — шаг 6.
  Сверить текст с целью, проверить цитаты.
  Найди расхождения с целью, слабые места, неподтверждённые факты.
  Попроси одобрение и предложи варианты правок.



  Когда содержание утверждено. Дальше — шаг 7.
  Довести грамматику, стиль, оформление ссылок.
  Правь ошибки, не меняя смысл.
  Попроси меня просмотреть и утвердить текст.



  Когда текст вычитан.
  Получить независимую критику.
  Скажи мне, что пора отдать текст ревьюеру: я вставлю 
  его в отдельный чат и принесу ответ.
  Покажи мне найденные проблемы и предложи исправления.



  Приостанови процесс и выполни просьбу.
  Предложи продолжить тему просьбы или вернуться к процессу.





В начале каждого ответа показывай коротко:
(а) чек-лист шагов 1-7 с отметками о пройденных;
(б) текущая цель письма;
(в) 2-3 последних события.

Что подставлять: {тип_текста} — статья, колонка, лонгрид, отчёт. {тема} — о чём. {аудитория} — для кого, чем конкретнее, тем лучше. Источники загрузи в чат или проект.

Промпт ревьюера (отдельный чат, без истории):


Ты — внешний читатель из целевой аудитории: {аудитория}. 
Ты не участвовал в написании текста и ничего не знаешь о его истории.



Цель письма: {цель_из_Writing_Log}



{текст}



Оцени текст. Верни краткий структурированный отзыв тремя списками:
1. Сильные стороны
2. Проблемы
3. Предложения по исправлению
Если можешь, сверь утверждения с источниками и укажи, 
чего не хватает.

🚀 Быстрый старт — вставь в чат:

Вот шаблон CoWriter. Адаптируй под мою задачу: [твоя задача]. 
Задавай вопросы, чтобы заполнить поля.

[вставить шаблон выше]

LLM спросит про тип текста, аудиторию, источники и тон. Эти данные нужны для шагов 1-2: без них модель не сможет вести процесс. Она возьмёт структуру шагов из шаблона и подстроит приглашения под твой жанр.


⚠️

Ограничения

⚠️ Малая выборка: в эксперименте участвовали 14 аспирантов, одна модель, одна задача — блог-пост на 750-1000 слов. Это разведывательное исследование, а не окончательное доказательство.

⚠️ Тип задач: метод заточен под длинные тексты с источниками, где нужны и факты, и личная позиция. Для короткого письма или быстрого черновика ведущий с семью шагами избыточен.

⚠️ Нет монитора в обычном чате: в статье MONITOR — отдельный LLM-компонент, который следит за событиями в интерфейсе. В чате его роль берёт на себя сама модель через Writing Log. Выдержит ли она это на очень длинной сессии, статья не проверяла.

⚠️ Метрики размечала LLM: вовлечённость и покрытие этапов оценивала модель. Согласие с людьми-разметчиками умеренное. Тренды видны, но точные цифры стоит читать осторожно.

⚠️ Цена вовлечённости: метод намеренно замедляет автора, он требует отвечать на вопросы. Если нужен текст «здесь и сейчас» без твоего участия, метод вредит. Время сессий в доступной части статьи не разобрано.

⚠️ Ревьюер не волшебный: он видит только текст и цель. Если цель сформулирована расплывчато, критика получится общей.


🔍

Как исследовали

Идея была простой: если у людей-соавторов давно есть проверенные практики командного письма, почему бы не научить им LLM. Взяли классику когнитивной науки (Flower and Hayes, 1981; Lowry et al., 2004) и перевели в системный промпт на ~7.7 тысяч токенов.

Четырнадцать аспирантов с опытом академического письма писали по блог-посту дважды: один раз с CoWriter, второй раз с обычной связкой «чат + холст + документы». Модель одна и та же (Claude Sonnet 4.6), из базовой версии убрали только воркфлоу и приглашения. Порядок систем и темы чередовали. Сессия длилась до 75 минут. После каждой участники заполняли опросники. Диалоги размечала LLM: какой этап письма идёт и где модель приглашает человека к действию. С людьми-разметчиками согласие умеренное (κ = 0.54).

Обычный ассистент почти не занимался постановкой цели, идеями и планом. CoWriter запускал цель в сессиях на 86% чаще, мозговой штурм на 43%, планирование на 57%. У базовой модели 54% активности — локальная правка абзацев, у CoWriter 29%. Переходы между шагами у CoWriter чаще идут к соседним (74% против 56%), то есть процесс методичнее.

Вовлечённость по опросу: 11 человек из 14 назвали CoWriter более вовлекающим, 2 — базовую систему. Доля успешных приглашений, на которые человек реально отреагировал, у CoWriter в 2.2 раза выше. Внешние читатели, не знавшие, как писались тексты, оценили тексты CoWriter выше по «человеческому» качеству: личный опыт, сторителлинг, естественность звучания.

Для практики вывод такой: если хочешь, чтобы текст отражал твои мысли, заставь модель задавать вопросы, а не только отвечать.


💡

Адаптации и экстраполяции

🔧 Техника: усилить поле invite → больше личного материала в тексте

В шаге 2 добавь жёсткое требование:

Не переходи к шагу 3, пока я не дал минимум два личных 
примера или истории из своего опыта. Если у меня их нет — 
задай три наводящих вопроса, чтобы вытащить их.

Эффект: текст получает «человеческие» элементы, которые в эксперименте оценили внешние читатели.

Экстраполяция на другую задачу, не связанную с блогом. Используется тот же принцип: ведущий агент плюс слепой ревьюер. Для питч-дека:

Ты — ведущий соавтор питч-дека для инвесторов. Веди меня по шагам: 
цель раунда → ключевые тезисы → структура слайдов → тексты слайдов → 
проверка → финал. На каждом шаге задавай вопрос или предлагай 
варианты, не решай за меня. Когда дека готова, я отдам её 
отдельному чату-инвестору без истории нашей работы.

Это уже не проверено в статье: перенос принципа, а не результат исследования.


🔗

Ресурсы

  • Статья: «CoWriter: Guiding Methodological and Synergetic Human-LLM Co-Authoring» — Shmuel Amar, Benjamin Lieber, Ori Shapira, Debanjana Kar, Sebastian Maximilian Dennerlein, Yufang Hou, Ido Dagan.
  • Организации: Bar-Ilan University; OriginAI; IT:U Interdisciplinary Transformation University Austria; IBM Software Innovation Lab, India; University of Twente.
  • Теоретическая основа: Flower and Hayes (1981) — когнитивная модель письма; Lowry et al. (2004) — таксономия активностей и ролей в командном письме.
  • Код и данные: авторы обещают опубликовать после принятия статьи.

📋 Дайджест исследования

Ключевая суть

Обнаружено: в обычном чате с ИИ больше половины работы уходит на правку отдельных абзацев. Цель, идеи и план почти не обсуждаются. Метод CoWriter позволяет написать длинную статью с источниками так, чтобы в ней остались твои мысли и опыт, а не гладкая безликая вода. Один системный промпт заставляет модель вести процесс по 7 шагам и на каждом шаге звать тебя в работу: задать вопрос, предложить варианты, попросить решения. В конце свежий читатель без истории чата ищет слепые пятна, к которым вы с моделью уже привыкли.

Принцип работы

Процесс такой: цель → идеи → план → черновик → правка → вычитка → независимая оценка. Шаги не линейны, можно прыгать вперёд и назад. У каждого шага три части: что делаем, когда переходим дальше и как приглашаем человека. Модель без приглашения скатывается в монолог. Ещё две роли. Наблюдатель ведёт журнал письма (Writing Log): что пройдено, какая цель, что не закрыто. Свежий читатель (ревьюер) видит только текст и цель. Модель обязана не принимать решения за тебя молча, а каждый раз спрашивать. Это как редактор в издательстве. Он не пишет за автора, а задаёт вопросы и держит план.

Почему работает

Обычная модель выполняет просьбы. Просишь «напиши» — она пишет. Этапы, которые делают текст сильным (цель, идеи, план), пропускаются. Автор превращается в редактора чужого текста, устаёт и перестаёт вчитываться. А модель отлично следует структурированным инструкциям и умеет задавать вопросы. Поэтому исследователи превратили в сценарий готовые теории письма (Flower and Hayes, 1981; Lowry et al., 2004). Весь сценарий — это один промпт примерно на 7,7 тысяч токенов. Без дообучения и без кода. Ревьюер не видит истории чата, поэтому не заражён «договорённостью» автора с моделью и читает текст как посторонний. Критика получается острее. Честная оговорка: опыт небольшой, 14 аспирантов, одна модель, одна задача (блог-пост на 750-1000 слов). Метрики вовлечённости размечала сама LLM. Тренды видны, точные цифры читай осторожно.

Когда применять

Длинные тексты с источниками → колонка, лонгрид, отчёт, статья по загруженным документам, особенно когда нужны и факты, и личная позиция автора. Хорошо, когда боишься получить безликий текст без своего голоса. НЕ подходит для коротких постов и быстрых черновиков: семь шагов там избыточны. Не подходит и тогда, когда нужен текст «здесь и сейчас» без твоего участия. Метод намеренно замедляет и требует отвечать на вопросы.

Мини-рецепт

1. Положи сценарий в системную инструкцию: Claude Project, кастомный GPT или первое сообщение. Рабочее ядро:
Ты — ведущий соавтор. Мы пишем {тип_текста} на тему «{тема}» для аудитории «{аудитория}». Не просто выполняй просьбы, а веди процесс по шагам: цель, идеи, план, черновик, правка, вычитка, финальная проверка. На каждом шаге приглашай меня: задавай вопрос, предлагай варианты, проси решения. Говори короткими репликами, правь небольшими порциями. Факты из источников подкрепляй ссылкой на конкретный фрагмент. Мои мысли и опыт ссылок не требуют. В начале каждого ответа показывай журнал: какие шаги пройдены, текущая цель, 2-3 последних события.
2. Загрузи источники: отчёты, статьи, свои заметки.
3. Дай стартовое сообщение: тема, аудитория, объём, личный опыт, источники. В конце добавь Веди меня по процессу.
4. Отвечай по делу: не «ок», а «вот это откликается, вот этого в моём опыте не было». Иначе смысл теряется.
5. Крути рычаги: хочешь больше участия — добавь спрашивай про личный опыт на каждом абзаце. Текст короткий — выкинь шаги 6-7. Модель выдаёт длинные куски — верни фразу про короткие реплики.
6. Позови свежего читателя: открой отдельный чат без истории и вставь:
Ты — внешний читатель из целевой аудитории: {аудитория}. Ты ничего не знаешь о том, как писался текст. Цель письма: {цель_из_журнала}. Текст: {текст}. Верни три списка: сильные стороны, проблемы, предложения по исправлению. Если можешь, сверь утверждения с источниками.
7. Опиши читателя конкретно: не «читатель», а «владелец кофейни, который сомневается в онлайн-курсах». Так критика острее. Расплывчатая цель даёт расплывчатую критику.

Примеры

[ПЛОХО]: `Напиши статью для vc.ru про то, почему мы перестали гнаться за охватами и пересобрали воронку продаж, 1000 слов` [ХОРОШО]: `Начинаем. Я основатель онлайн-школы, пишу колонку для vc.ru про то, почему мы отказались от погони за охватами и пересобрали воронку продаж. Аудитория — владельцы малого и среднего бизнеса и маркетологи. Источники — три загруженных отчёта о рынке онлайн-образования. Личный опыт: два неудачных запуска, после которых мы сменили подход. Объём — примерно 1000 слов. Веди меня по процессу.` Модель не выдаёт текст сразу. Сначала она просит подтвердить главную мысль. Потом достаёт из отчётов тезисы и спрашивает, что из личного опыта сюда ложится. Предлагает 2-3 варианта плана. Черновик идёт кусками со ссылками на конкретные места отчётов. После каждого куска она просит оценку. [ПЛОХО]: `Перепиши третий абзац покороче`, `Теперь четвёртый`, `Ок, дальше` (автор — штамповщик слова «ок») [ХОРОШО]: `Стоп, вернись к шагу 2. Из личного опыта добавим историю про второй неудачный запуск. Предложи три способа вписать её в структуру.` (автор рулит, модель предлагает) [ХОРОШО, боковой вопрос посреди процесса]: `А что в отчёте про удержание?` Модель ответит и спросит, углубиться или вернуться к текущему шагу.
Источник: CoWriter: Guiding Methodological and Synergetic Human-LLM Co-Authoring
ArXiv ID: 2610.31277 | Сгенерировано: 2026-10-26 15:20

Проблемы LLM

ПроблемаСутьКак обойти
Модель выдаёт готовые куски, а человек превращается в пассивного проверяющегоДолгая совместная работа над текстом, планом или отчётом. Модель выдаёт кусок за куском. Человек отвечает «ок» или «перепиши». Он устаёт и перестаёт вчитываться. В итоге в результате нет его мыслей и опыта. Шаги, которые делают работу сильной (цель, идеи, план), пропускаются. Ты просил «напиши», и модель честно написалаЗадай в промпте шаги работы. Для каждого шага пропиши, что модель обязана спросить или предложить человеку. Не «пиши», а «предложи 2–3 варианта и спроси, какой откликается». См. метод «Сценарий с приглашением»

Методы

МетодСуть
Сценарий с приглашением — модель ведёт, человек решаетОпиши в одном промпте этапы работы. Для каждого этапа задай четыре вещи: цель, действия, условие перехода дальше и приглашение. Приглашение — это что модель должна спросить или предложить человеку. Пример: Предложи несколько структур и спроси про порядок.. Добавь фразу «можно возвращаться и перескакивать». Пример этапов для текста: цель → идеи → план → черновик → правка → вычитка → внешняя оценка. Почему работает: модель хорошо следует структурированным правилам и держит длинный список в голове. Без явного приглашения она скатывается в монолог и решает всё сама. Один общий промпт позволяет гибко ходить между этапами. Когда да: длинные работы, где нужны и источники, и твоя позиция (статья, отчёт, стратегия, обзор). Когда нет: короткий пост, быстрый черновик. Там семь шагов — лишний груз. Для коротких задач убери последние шаги. Если нужно больше участия, усиль приглашение: «спрашивай про личный опыт в каждом абзаце»
Свежий читатель без истории — находит слепые пятнаКогда текст готов, открой новый отдельный чат. Дай туда только текст и цель письма. Попроси три списка: сильные стороны, проблемы, предложения по исправлению. Шаблон: Ты — читатель из аудитории {описание}. Ты ничего не знаешь о том, как писался текст. Цель: {цель}. Оцени текст. Почему работает: в долгом чате модель и автор уже «договорились» и привыкли к тексту. Подтверждающий уклон скрывает слабые места. Свежий читатель видит текст как есть. Усилитель: чем конкретнее описан читатель («владелец кофейни, который сомневается в онлайн-курсах»), тем острее критика. Расплывчатая цель даёт общие замечания. Работает для: текстов, планов, кода, презентаций — любого готового результата
Журнал в начале каждого ответа — цель не уплываетПопроси модель в начале каждого ответа коротко показывать: (а) чек-лист пройденных шагов, (б) текущую цель, (в) 2–3 последних события. Почему работает: цель и статус снова попадают в свежий контекст. Модель реже отходит от темы и не забывает незакрытые вопросы. Чёткая формулировка цели в журнале усиливает эффект. Когда да: долгие сессии с несколькими этапами. Оговорка: выдержит ли модель такой журнал на очень длинной сессии — неизвестно. Сверяй цель сам

Тезисы

ТезисКомментарий
Короткие порции держат человека в работеЕсли модель выдаёт длинный кусок, человек его не вчитывает и просто соглашается. Короткий кусок легко оценить и поправить. Каждая реплика становится точкой решения. Без явного ограничения модель по умолчанию растягивает ответ. Применяй: добавь в промпт «говори короткими репликами, правь небольшими порциями» и «после каждого куска проси оценку». Для рутинных задач порцию можно увеличить
📖 Простыми словами

CoWriter: Guiding Methodological and Synergetic Human-LLMCo-Authoring

arXiv: 2610.31277

По умолчанию нейронки пишут как услужливые стажёры: ты бросаешь им запрос «напиши статью», а они выкатывают вежливую водянистую херню. В этот момент ты перестаёшь быть автором и превращаешься в задолбанного редактора, вычищающего чужой бред. Система CoWriter ломает эту дурь: модель перестаёт генерировать простыни текста в один клик и становится методическим ведущим, который тащит тебя за шкирку через весь процесс мышления.

Это как нанять персонального тренера, который вместо тренировки сам жмёт за тебя штангу, пока ты сидишь на лавке и залипаешь в телефон. Формально подход сделан, но мышцы растут у него, а ты остаёшься слабым. Модель не должна делать работу за тебя — она обязана работать как въедливый журналист, вытаскивая из твоей головы мясо и фактуру, пока ты не родишь вменяемый результат.

Метод держится на строгом алгоритме из 7 шагов письма: от постановки цели и брейншторма до драфта и редактуры. Модель обязана пинать человека на каждом этапе вопросами в духе «выбери один вариант» или «чем докажешь тезис?». За чистотой процесса следит отдельный агент — монитор, а итоговый текст оценивает независимый свежий ревьюер, который вообще не видел историю переписки и разносит черновик со свежей головой.

В исследовании на этом собирали экспертную колонку для vc.ru, но принцип универсален. Схема спасает любые сложные задачи: от стратегических отчётов и питчей до авторских блогов и глав для книг. Везде, где синтетический мусор убивает доверие читателя, эта связка выдаёт живой гибридный контент, где сохранён личный опыт человека и железная структура модели.

Короче: хватит просить ChatGPT «напиши за меня» — заставляй модель вести тебя по шагам как жесткий продюсер. Переложи на сетку роль модератора процесса, а принятие решений оставь себе. Иначе ты так и будешь кормить людей серым шумом, который в здравом уме никто читать не станет.

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с