Я начала писать тексты с ИИ и мне понравилось 😳

Прочитайте до конца прежде чем от меня отписываться 😂

Часть первая — про кейс, потом будут выводы.

Мне регулярно нужно обрабатывать фактуру от кого-нибудь из многочисленных партнёров РР для контентной email-рассылки. Партнёры, конечно, присылают для неё текст, но он почти никогда не соответствует нашему тону, редполитике и моим представлениям о прекрасном.

И вот однажды я пришла с этой задачей в Claude.

Дала текст партнёра ссылкой на гугл-док, ссылку на редполитику РР, описала структуру, тональность, аудиторию, идею рассылки.

Так как у РР ещё задолго до моего прихода была прекрасно описана редполитика, я верила, что при подробной постановке задачи модель сможет мне помочь.

Я ошиблась. Всё-таки редполитика писалась для людей, а не машин. Первый текст, который выдал мне Клод, был ужасен.

Но давать обратную связь на текст — это то, чем я занималась примерно всю свою карьеру. Так что я воспользовалась теми же принципами, которыми руководствовалась при передаче опыта младшим коллегам.

Не переписывать самой, а объяснить, что не так, и попросить переделать.

Мне не нравится заход "расскажем, почему остановились именно на них", потому что дальше мы об этом не рассказываем. Заход нужен либо через потребность ЦА, либо через контекст об РР, а лучше сочетание. Давай зайдем через упоминание этого нашего исследования [ссылка и идея связки с инфоповодом].

Пояснять логику правок, когда дело доходит до них.

Факт, что площадка работает только для гостей мероприятия — не несёт ценности, он лишний. Не тащи фактуру, которая не важна для аудитории. Такие детали можно упомянуть вскользь, но без акцента.

Когда вношу финальные штрихи, которые уже толком не могу объяснить — показывать результат.

Посмотри мой финал: [ссылка на гугл-док]. Проанализируй мои правки, чтобы учесть их в будущем.

Можно подумать, что здесь работа заканчивается. Но на самом деле тут как раз и начинается самое интересное:

Давай соберем скилл на основе этого диалога. Мне регулярно нужно обрабатывать фактуру от партнёров и приводить в соответствие с нашей редполитикой, сегментом аудитории, тоном, предпочтениями, форматом.

Хорошая идея, сказал мне Клод и весьма неплохо обобщил структуру задачи и мои правки, которые я для него успела вербализировать.

Я вообще в восторге от скиллов как чуда программерской мысли. Это сохраняемая и обновляемая инструкция, которую можно вызвать в любом месте короткой командой. Не просто сохранённый промпт: в скилле может быть сложная структура из тела и вложенных файлов (редполитика, чек-листы, примеры), вызов внешних инструментов и других скиллов, собственная память, встроенное самообучение, закреплённый формат снятия контекста с пользователя и выдачи результата. А еще скиллы можно скачивать, бэкапить и ими делиться.

Таким образом, когда я следующий раз пришла в Клод с новой рассылкой, мне не пришлось ничего повторять: я вызвала скилл, приложила фактуру и указала сегмент ЦА.

Результат был уже лучше, но всё ещё очень далёк от совершенства. Прошлась снова по трём шагам выше, дала правки, а в конце — попросила обобщить новые уроки из второго письма и занести в скилл.

Где-то на пятом таком прогоне с боевой задачей я начала чувствовать, что хотя мне и всё еще приходится редактировать генерацию, финальный результат уже нравится мне больше, чем если бы я писала вручную.

Дальше скилл претерпел ещё два скачка эволюции.

1. На курсе по ИИ в коммуникациях нам показали, как оказалось, довольно популярный на просторах интернета скилл Humanaizer. Он «очеловечивает» текст и вычищает из него ИИшные маркеры. Но написан для английского языка: в лоб модель, конечно, перенесёт основные принципы на русский, но нюансы потеряются.

Я дала ссылку на этот скилл Клоду в новом диалоге, попросила адаптировать к русскому языку, верифицировала, дополнила, дала команду интегрировать в мой скилл для работы с рассылками. Так в нём появился отдельный каталог ИИ-оборотов, которые нужно вычищать, с примерами хорошо/плохо на моих кейсах. Про антитезы там два раза, чтобы уж наверняка))

2. Наиля поделилась с нами своим концептом, что такое скиллы и какие у них могут быть неочевидные возможности. Концепт существует не только в формате лендинга, но и в формате скилла skill-architect (можно скачать по ссылке выше).

Я установила его себе и попросила проанализировать мой скилл для работы с рассылками и предложить улучшения. Так у меня в скилле появилась встроенная память с пополняемыми эталонными решениями и шаг с отдельным проходом субагентом «свежими глазами».

Как скилл выглядит сейчас

Это подробнейшая инструкция + 8 вложенных файлов. Основные шаги в рабочем процессе такие.

1. Собери всю фактуру. Она часто разбросана по нескольким документам (анонс + инфопартнёрство + пример + исследование). Прочитай все источники до того, как писать.

2. Изучи ссылки. Любую ссылку из фактуры открой и вытащи конкретику: форматы, условия, цифры, выгоды, изменения с прошлого раза. Отбирай под пользу для сегмента: самые релевантные факты — в тело, остальное — за кнопку; перегруз вреден как и нехватка. Если наткнулся на закрытый документ или видишь его не полностью — попробуй открыть с помощью коннекторов (Google Drive, Firecrawl). Не сработало — сообщи и попроси текст. Не восстанавливай недоступное по догадке.

3. Определи сегмент аудитории (полный список — references/segments.md). Не указан — уточни. Сразу оцени, вся ли фактура релевантна сегменту; часть не касается — скажи.

4. Напиши письмо по структуре и тону ниже.

5. Прогон по редполитике (references/redpolicy.md).

6. Редакторская вычитка по references/editing-checklist.md: повторы (смысловые, лексические, синтаксические), логическая цельность, проверка сочетаемости слов.

7. Анти-ИИ-проход по references/ai-tells.md: вычисти типовые обороты, потом спроси себя — что ещё читается как ИИ, и перепиши. При конфликте приоритет за редполитикой и тоном (см. раздел «Калибровка»).

8. Проверка «свежими глазами» по references/self-check.md — отдельная состязательная проверка готового текста, по возможности отдельным субагентом с чистым контекстом (в этом весь смысл — проверяет не тот, кто писал). Бесспорные замечания внеси, спорные вынеси в заметки.

9. Выведи финал в файл. Сохрани тему, прехедер и текст в .md

10. Дай заметки в конце (см. раздел «Что выносить на решение»).

11. Петля самообучения (см. раздел «Память и самообучение»). Отработай правки пользователя в память.

Мои результаты на практике

Каждое следующее письмо нравится мне больше предыдущего. В старых (в том числе написанных вручную) замечаю пропущенные слабые места, которые модель уже умеет отлавливать.

Мега-ценен 2 шаг, где модель ходит по всем ссылкам: регулярно она достаёт факты, которые обогащают письмо, а вручную я бы наверняка их не заметила. Иногда отлавливает противоречия в фактуре, на которые я обращаю внимание партнёрам, и они пишут «ой, спасибо, что заметила».

Делать хорошие связки с контекстом РР всё еще получается так себе, даже несмотря на то, что я создала отдельный скилл с эталонной базой знаний про РР, к которому модель обращается в процессе работы с письмом. Всё-таки контекст, который знает человек, всегда богаче. Поэтому пока что чаще всего я сначала смотрю на предложение модели, а потом описываю ей свою идею захода.

Экономия во времени есть, но не то чтобы драматическая: помимо работы с заходами и обогащением контекста, я всё равно перепроверяю фактуру, отлавливаю новые шероховатости, допиливаю скилл (сейчас уже основное направление его развития — это вычистка избыточных указаний).

А вот качество стало выше, чем когда я писала сама.

И бонусом — задача адаптации очередной рассылки превратилась из слегка раздражающей в интригующую исследовательскую: а что получится с моей текущей версией скилла, а какие улучшения я придумаю на новом кейсе.

А ещё благодаря всем этим инструкциям модель и для других смежных жанров стала выдавать намного более качественную редактуру. Теперь уже можно спокойно накидать ей поток мыслей для экспертного комментария, попросить стилистически причесать, и за результат не будет стыдно.

Выводы в следующем посте.