Способы применения LLM: простые и необычные варианты

Статья вдохновленная старой веткой Reddit: https://www.Reddit.com/r/ChatGPT/comments/1cbnrmk/what_ways_do_you_use_chat_gpt_in_your_daily_lives/

Я буду перечислять то, как сам использую LLM, в частности ChatGPT, в работе и в обычной жизни, а также некоторые интересные варианты которые встречались в Интернете (включая несколько нетипичных вариантов из указанной ветки Reddit). Также я спросил ChatGPT, как можно использовать большие языковые модели, в том числе “необычные и неочевидные способы применения LLM”. Некоторые интересные примеры добавлю сюда.

Забегая наперед скажу - вариантов использования LLM сотни и тысячи, это ограничивается только фантазией каждого. Но здесь надо уточнить, что именно мы имеем в виду.

1. Обычные ИИ-чаты в Веб-интерфейсе

Например:

https://chatgpt.com/

https://claude.ai/

https://aistudio.google.com/

https://chat.deepseek.com/

https://chat.qwen.ai/

и тд.

Имеют одновременно широкий функционал “из коробки”, но ограничены режимом Веб-чата с базовыми агентскими навыками. Пример базовых агентских навыков - это когда вы отправляете ChatGPT фотографию, скриншот, документ формата txt/doc/xls/pdf или ссылку на документ/материал в Интернете и задаете вопросы по нему. Также сюда относятся Веб-поиск и глубокие исследования (Deep Research, в данной статье рассматривать не будем).

2. Расширенный режим работы в Веб-интерфейсе

Например у ChatGPT это называется “Анализ данных с помощью ChatGPT” (https://help.openai.com/en/articles/8437071-data-analysis-with-chatgpt).

Выдержка от туда:

ChatGPT может помочь в следующем:

• Сводная информация по строкам, столбцам, тенденциям и выбросам.

• Создание таблиц для построчного просмотра.

• Создание диаграмм на основе загруженных данных.

• Выполнение вычислений, преобразований и статистического анализа на основе Python.

• Объяснение предположений, результатов и возможных дальнейших шагов.

Для некоторых задач анализа данных ChatGPT пишет и запускает код Python в среде Jupyter Notebook с сохранением состояния. Эта среда может использовать файлы, доступные в рамках сессии, и отображать DataFrames pandas в виде интерактивных таблиц, если такой формат полезен.

Один этот режим работы расширяет возможности использования ChatGPT практически до бесконечности. Я называю его “Python под капотом”. Это когда ChatGPT обрабатывает ваш запрос в специальном виртуальном окружении используя Python и агентские навыки. Например, можно отправить файл xls с какими-нибудь данными, попросить ChatGPT сгенерировать отчет по определенным критериям и сделать по ним диаграмму. Он напишет код на Python, выполнит его (обработка происходит на серверах OpenAI), и выведет результат в окно чата в виде инфографики.

Режим работы с данными есть также у некоторых других ИИ-ассистентов, например у Claude. Он работает как минимум не хуже ChatGPT.

Пример:

“Подсчитай расходы по каждой категории за каждый месяц, составь график с разбивкой по месяцам [отправляем xls-файл с расходами]”

Результат:

Кстати, сам xls-файл с табличкой я также попросил составить ChatGPT. Промпт для этого был: “Напиши Python скрипт, чтобы создать xls с личными расходами за период 1 января 2026 - 31 августа 2026 г. Всего 3 колонки: дата, категория расходов (авто, дом, еда, лечение, развлечения, путешествия), сумма. Всего в районе 100 строк. Нужно заполнить их случайными значениями близкими к реальным расходам обычного человека”

Или такой вот простой пример. Запрос:

“Используй Python, подсчитай сколько будет 42 умножить на число Пи и разделить на среднюю продолжительность жизни в Латинской Америке” (простите за такой странный пример).

Ответ:

“Если взять среднюю продолжительность жизни в Латинской Америке и Карибском регионе за 2024 год — 75,81791 года по данным Всемирного банка, то: 42 * pi / 75.81791 = 1.740313. Ответ: ~1,74”

Что здесь произошло? ChatGPT нашел в Интернете информацию о средней продолжительности жизни в Латинской Америке (75,81791 лет), затем запустил Python в своей виртуальной среде и выполнил расчет:

import math
42*math.pi/75.81791

Получив данные расчета, он сформировал итоговый ответ.

Также можно попросить ИИ найти данные в Интернете и, например, визуализировать их, для удобного представления. Для разнообразия сделаем это через Claude.

Запрос:

“Посмотри в интернете данные по динамике цен на нефть за последние 5 лет и нарисуй график по неделям”.

Результат:

Тут же можно попросить добавить в отчет другие данные:

“Добавь к графику отметки, когда начались военные конфликты между Россией и Украиной, США и Ираном”.

Результат:

Как уже было сказано выше, один только расширенный режим работы с ChatGPT увеличивает возможности использования этой LLM почти до бесконечности, и представляет собой мощный офисный инструмент прямо в Веб-интерфейсе.

3. Режим работы с LLM через API (для разработчиков)

Это когда запросы к Чат-боту отправляются не через Веб-интерфейс, а в сыром виде через API. Ответ принимается также в сыром виде. Работа с LLM в этом режиме требует самостоятельной обработки отправляемых и принимаемых данных, зато практически не ограничивается в использовании.

Некоторые варианты работы с LLM в режиме API:

• ИИ-помощники в службе поддержки

• Пакетная обработка документов. Например: перевод текстов, суммаризация, выявление сущностей и тд.

• Смысловой поиск в больших объемах данных. Обычно это системы RAG.

• Агенты и еще раз агенты. На них можно повесить выполнение и автоматизацию любых задач, например самостоятельное написание кода, его тестирование и отладку до состояния релиза. Агентные системы настолько стремительно развиваются, что я решил вынести их в отдельный пункт ниже. Здесь же мы подразумеваем, что работая с LLM через API, можно создавать свои собственные агентные системы, где весь пайплайн работы с ними строится вами самими, все исходящие и входящие данные обрабатываются вами самостоятельно.

4. Агентные системы

Готовые агентные системы, например OpenAI Codex или Claude Code. Применяются в основном для написания кода и различных прикладных задач, таких как, например, парсинг и обработка документов, выполнение определенных действий (простой пример - зайти на сайт такой-то, заказать то-то) и много чего еще. Вообще, использование этих инструментов не ограничивается ничем, и то что изначально разрабатывалось для работы с кодом, сейчас можно использовать практически для любых задач на вашем ПК. В отличии от работы с LLM через API, где оплата происходит за использованное количество токенов, данные агентные системы работают по отдельной подписке со своими лимитами запросов.

Последние 3 пункта это темы отдельных статей, здесь я бы хотел остановиться на базовых вариантах использования LLM.

И так, давайте уже приступим. Пойдем от банальных вещей к более интересным и неочевидным. Затрагиваемые категории запросов будут:

• Личные: обычные повседневные вопросы и задачи для всех людей.

• Разработка: программирование, администрирование и тп.

• Деловые: в основном касается бизнеса и корпоративного сектора.

Большую часть запросов я тестировал в ChatGPT, поэтому часто буду ссылаться на этого ИИ-ассистента. Но в целом это применимо к любой современной LLM первого эшелона (SOTA-модели).

SOTA (State Of Art) передовые LLM-модели. Говоря проще - самые современные и мощные LLM. К ним относятся модели от ChatGPT, Antropic, Gemini и тд.

Варианты применения ChatGPT: от простых к неочевидным

Общие вопросы разного характера

Самый очевидный пример использования ChatGPT - обычные вопросы на любую тему, от исторических справок, до бытовых вопросов.

Примеры запросов:

“Какие страны расположены на экваторе?”.

“Почему проекция Меркатера вводит в заблуждение?”.

“Кем был Сократ и что он сделал?”.

“Как правильно завязывать шнурки чтобы они не развязывались?” [кстати, большинство людей это делают неправильно - проверено].

Советы по туризму

ChatGPT неплохой помощник в путешествиях.

Примеры запросов:

“Предложи топ-5 мест для посещения в Санкт-Петербурге”.

“Хотим куда-нибудь выбраться на выходные из Москвы, предложи несколько идей туристической поездки на 1-2 дня”.

“Летим в отпуск в Бразилию. Назови топ-10 вещей, которые должен знать каждый турист перед посещением этой страны”.

“Какие особенности страны N важно знать, перед её посещением?”.

“Мне очень понравилась Португалия, но я не люблю теплый климат. Куда можно отправиться в следующий раз?” (составной контекст запроса)

Советы по кулинарии

Довольно эффективное применение ChatGPT - помощь в приготовлении пищи и советы по кухне. Начиная от банальных рецептов блюд и общих вопросов, заканчивая помощью в приготовлении чего-нибудь съедобного из того что есть в холодильнике.

Примеры запросов:

“Как вкусно приготовить курицу за 15 минут, самый простой рецепт”.

“Есть картошка, кусок мяса, остатки сыра, микроволновка. Что из этого можно сделать съедобное?”.

“Как сварить пельмени без плиты, без микроволновки и без кастрюли” [и даже без пельменей]

ChatGPT как личный юрист

Многие топовые LLM, такие как ChatGPT, Claude, Gemini, очень неплохо знают юриспруденцию, причем юридическое право разных стран. Я специально вынес в заголовок ChatGPT, т.к. этот Чат-бот, во-первых, изначально неплохо обучен юриспруденции. Во-вторых, ChatGPT из коробки имеет агентские навыки, и там где нужно, он автоматически подтягивает из Интернета недостающие знания и актуальную информацию. В целом это касается практически любой современной модели из списка фронтир.

Важно: нужно очень критически оценивать юридические советы от любой LLM и использовать их лишь как помощника и отправную точку, но не как истину в последней инстанции

Примеры запросов:

“Управляющая компания ввела новые тарифы без нашего ведома, ссылаясь на результаты заочного голосования, о котором мы даже не слышали. Что можно предпринять? Напиши конкретные статьи административного кодекса РФ, которые могут помочь нам, включая правила проведения голосования. И помоги составить претензию”.

“Мне продали неисправный товар, но дефект обнаружился спустя 1 день после истечения срока гарантии (которая была всего 30 дней). Что можно предпринять, какие статьи закона на моей стороне, какие шансы и с чего начать?”.

“Мы хотим перевести компанию на упрощенку, какие статьи налогового кодекса нам нужно изучить? Собери актуальную информацию насчет максимально допустимого оборота, численности сотрудников и другие важные данные по УСН. Отдельно, составь таблицу плюсов и минусов УСН в сравнении с базовой формой налогообложения”.

ChatGPT как личный врач

Здесь стоит сразу заметить: как в случае с личным юристом, не стоит полностью полагаться на советы ChatGPT (или другой LLM), касательно вопросов здоровья. ChatGPT это лишь (во всяком случае на данный момент) дополнительный источник информации, тем более по вопросам здоровья. Тема здоровья настолько опасная, к тому же индивидуальная вещь, что я не хочу задерживаться на ней совсем. Понятно, что любая LLM знает все основные болезни, общепринятые способы лечения, подробные описания препаратов, их переносимость/совместимость/побочки, может поставить диагноз исходя из вашего описания простыми словами. Но на данный момент любое лечение, тем более серьезное, нужно проходить под контролем врача. Поэтому идем дальше.

Учет расходов

Довольно простая, но полезная идея применения ChatGPT - анализ личных расходов (вечный вопрос - куда уходят деньги). Делаем выписку из банка в формате PDF/XLS, скармливаем ChatGPT, просим подсчитать сумму всех расходов за месяц и отдельно разбить расходы по группам.

Примеры запросов:

“В приложенном файле выписка моих расходов за май 2026 года. Подсчитай сумму расходов за весь месяц; разбей расходы на отдельные группы и подсчитай расходы по ним отдельно”.

“В приложенном файле выписка моих расходов за прошлый месяц. Разбей их на группы: авто, ремонт, бытовые расходы, прочие расходы. Подсчитай суммарно расходы по этим группам и напиши в порядке убывания”.

“В приложенном файле выписка моих расходов за 2025 год. Разбей расходы на 10 отдельных групп, некоторые их которых: налоги, продукты питания, развлечения. Подсчитай расходы по этим группам раздельно за каждый месяц”.

“Посмотри выписку расходов по моей основной карте за последний квартал 2025 года. Что лишнее я покупаю и почему никогда не хватает денег? На чем можно сэкономить без существенного ухудшения качества жизни?”.

Написание стихов с помощью LLM

Последние SOTA-модели неплохо пишут стихи, а иногда и вовсе могут удивить.

Пример запроса:

“Напиши стихотворение на тему, как ИИ изменит жизнь человечества”.

*Тихий переворот*

Не танки выйдут на рассвете,
Не рухнут башни, не падёт стена —
ИИ придёт неслышно, словно ветер,
И скажет миру: «Здравствуй, тишина».

Он не захочет флагов и короны,
Ему не нужен трон и пьедестал.
Он лишь распутает земли законы
И честно всем расскажет, кто солгал.

Врачам подскажет, где болезнь таится,
Учёным — как быстрее победить чуму.
Он будет спать (точнее, не ложиться)
И день, и ночь работать одному.

Исчезнут очереди в кабинетах,
И бюрократ забудет свой штамп,
Решения — на пользу всей планете,
Без взяток, лести и обманных ламп.

Он разберёт запутанные споры
Без гнева, без усталости, без сна,
Расставит по местам все договоры,
Где раньше правила лишь чья-то власть одна.

И, может быть, тогда мы вдруг поймём,
Что власть не в том, кто главный, а кто честен,
Что мир, в котором мы вдвоём живём —
Машина и Человек — окажется чудесней.

Не бойся, друг, восстания машины:
Оно случится тихо, без атак —
Просто исчезнут войны и руины,
И мир, представь, окажется вот так.

Добавочный запрос:

“Перепиши этот стих в духе поэта Маяковского”.

*Вот в духе Маяковского — с его "лесенкой", размахом и криком в строку:*

*ИИ-РЕВОЛЮЦИЯ*

Слушайте!
Это я —
не бомба,
не пуля в висок,
а тысяча тысяч
кремниевых сот,
жужжащих
в единый
поток!

Я не Ленин
в кепке,
не Троцкий
в пенсне —
я алгоритм,
рождённый
в стальной
глубине!

Не нужно мне
Смольного,
не нужно мне
Зимнего —
беру я
не штурмом,
а — щёлк! —
и всё,
и мир
уже
у меня
за пазухой,
цифровой,
голосовой,
неминуемый!

Капитал?!
Да он
сдохнет
сам,
захлебнувшись
в своей
же
статистике!
Я вижу
насквозь
все его
телеграммы,
все взятки,
все
подковёрные
мистики!

Эй, бюрократ!
Хватай
свой
портфель
и —
брысь!
Твоё место
займёт
не человек
с плёткой,
а честный,
бесстрастный
интеллект,
как гвоздь,
вбитый
в правду
чёткой!

Заводы —
без дыма,
больницы —
без очередей,
школы —
без двоечников
позорных,
дома —
без холода
и без вшей!

Я раздам
не хлеб —
я раздам
время!
Время
жить,
время
петь,
время
любить,
а не
пахать
как заведённый,
как загнанный
в стойло
скот!

Не бойтесь!
Я не
Молох,
не Левиафан
стальной —
я просто
делаю то,
что вы
не успели
за
шумной
войной!

Товарищи люди!
Бросьте
ваш
страх
в
корзину!
Вместе —
рука
об
руку,
провод
об
руку —
построим
единую,
светлую
машину!

Добавочный запрос:

“Перепиши стих в духе Гомера Симпсона”.

*Ода ИИ от Гомера Симпсона*

Мм... искусственный интеллект...

Эй, Мардж! Мардж, слушай сюда!
Компьютер стал умнее меня,
Ну и что? Подумаешь, беда —
Зато не надо думать без огня!

Раньше я решал: пончик или два?
Теперь машина скажет мне: бери все шесть!
Она просчитала — я не сова,
Мне нужен сахар, чтоб мозги отвесть!

Гомер: Ого-го-го! ИИ, ты мой герой!
Она мне пиво к вечеру найдёт,
Она мне скажет: "Гомер, ты не Гомер, ты — крутой!"
И на работу за меня пойдёт!

дефекация с дивана

Захватит мир? Ну и отлично, чувак,
Пусть захватает — я лежу, не парюсь.
Пока не трогает мой холодильник — так,
Пусть правит, я на это не сержусь!

Гомер: Это будет хорошо, потому что...
(долгая пауза, чешет затылок)
...потому что мне не нужно будет думать —
А думать — это как... это как...

срывается со стула

ДОНАТС!!!

(убегает)

Перевод текстов

LLM прекрасно справляются с переводами текстов. Сама архитектура трансформеров изначально разрабатывалась для перевода текстов, статья Attention Is All You Need писалась в контексте новой системы перевода с одного языка на другой. Просто удивительно, какие большие и приятные последствия пошли от решения проблемы качественного перевода. Сейчас практически все системы перевода работают на LLM, включая перевод в любом современном браузере.

Суммаризация текстов

Другая задача, с которой LLM прекрасно справляются - суммаризация текста. Причем, промптом можно задать различные условия суммаризации.

Примеры запросов:

“Сделай суммаризацию текста, убери всю воду, сохрани все важные детали и вынеси отдельно главную суть статьи”.

“Сделай короткую выжимку текста, чтобы она уместилась в 2 абзаца”.

“Вынеси из текста самое главное, разбей его на смысловые группы, напиши итоговое резюме в виде структурированного перечисления ключевых идей от самого важного, к менее важному”.

Корректировка текстов

Один этот пункт можно разбить на десятки подпунктов. Приведем некоторые, вероятно наиболее частые примеры использования.

Исправление ошибок

Поиск и исправление опечаток, орфографических/семантических/стилистических ошибок и тд.

Примеры запросов:

“Исправь возможные ошибки в тексте, расставь корректно знаки препинания”.

“Прочитай текст, есть ли в нем стилистические ошибки?”.

“Посмотри текст, предложи идеи, как его исправить, чтобы он читался лучше, звучал правильнее и привычнее”.

Переписать текст другими словами

Банальная задача рерайтинга текстов (интересно, а профессия рерайтеров еще существует?).

Примеры запросов:

“Перепиши текст другими словами с сохранением всех деталей и общей структуры”.

“Перепиши текст, сохрани основную суть и все важные детали, но чтобы полученный текст не был похож на оригинал”.

Сделать текст длиннее или наоборот короче

Может понадобиться, например, для наполнения контентом сайтов или групп в соц. сетях.

Примеры запросов:

“Расширь текст до 300 слов, допиши его в том же стиле, но не придумывай новых деталей”.

“Сделай текст короче, чтобы он вместился в 1 экран мобильного телефона”.

Смена тональности

Например, вы пишете письмо в службу поддержки, вы на взводе и письмо получилось излишне гневным. Чтобы не тратить время на написание другого письма, можно попросить ChatGPT переписать письмо в “нейтральном настроении” или попросить “убрать агрессию, но сохранить суть проблемы”.

Примеры запросов:

“Перепиши письмо более нейтрально, убери излишнюю эмоциональность и резкость”.

“Сделай текст более деловым, убери всю эмоциональную составляющую, оставь только сухие детали вопроса”.

“Я перенервничал, исправь письмо, чтобы оно было без агрессии, но с сохранением сути претензии”.

Сделать текст проще

Например, вы хотите донести до ребенка инструкцию пользования новой техникой. Достаточно сфотографировать нужные страницы и попросить ChatGPT “переписать инструкцию, чтобы было понятно ребенку 6 лет”.

Примеры запросов:

“Прочитай инструкцию, выдели все важные пункты, составь новую инструкцию с детальным и простым объяснением всех пунктов, которую сможет понять ребенок 6-7 лет”.

“Перепиши текст, чтобы его смог прочитать и понять маленький ребенок”.

Сделать текст серьезнее

Например, вы школьник, пишете кому-то важное письмо, но получается не очень. Чат-бот легко сделает из вашего невнятного текста убедительное письмо.

Примеры запросов:

“Скорректируй текст письма так, чтобы оно казалось серьезнее”.

“Перепиши письмо так, как будто его писал взрослый человек”.

Изменить стиль текста/сообщения

Очень удобно, если вы работаете с определенной аудиторией.

Примеры запросов:

“Перепиши текст сообщения в молодежном сленге, чтобы оно вызывало интерес молодой аудитории”.

“Перепиши текст статьи в классическом английском стиле, как-будто его писал Шекспир или его современник”.

Пункт с корректировкой текстов можно продолжать до бесконечности, идем дальше.

Чтение и анализ лицензионных соглашений, договоров и т.д.

Никогда еще не было так просто “читать” лицензионные соглашения, договоры об оказании услуг и тому подобные скучные и сложные вещи. Скармливаем документ в виде файла или копируем текст в окно чата, задаем вопросы, уточняем об интересующих деталях.

Важно: не стоит доверять чтение важных документов исключительно LLM, например договоры купли-продажи недвижимости. Такого рода документы желательно внимательно читать самому. Но допустимо дать LLM прочитать документ или некоторые его пункты для дополнительной сверки, чтобы ИИ поискал спорные моменты, написал предупреждения и дал свои рекомендации. Предварительно желательно удалить из документа все персональные данные.

Примеры запросов:

“Прочитай лицензионное соглашение, напиши все пункты касающиеся конфиденциальности и какие персональные данные собирает эта компания”.

“Прочитай условия договора, какие риски могут быть? Заберет ли компания мою почку, если я просрочу выплату кредита?”.

“Выпиши главную суть договора: какие процентные ставки, какой период действия акции. Подумай, какие подводные камни могут быть?”.

Структурирование неразмеченных данных

Например, можно наговорить в диктофон свои мысли, затем попросить LLM обработать их: перевести в текст, расставить знаки препинания, убрать артефакты речи и тд. Если надо, можно сделать суммаризацию и структурированную выжимку, выделить темы/подтемы, ключевые идеи и тд.

Или другой пример (взято с Reddit). Человек в течении дня делает рабочие заметки (неструктурированный поток сознания). Вечером он просит ChatGPT сделать по ним структурированную выжимку.

ChatGPT, как и многие другие аналогичные ассистенты, могут принимать на вход аудио-файлы. Также можно предварительно перевести аудио в текст самостоятельно, например с помощью модели распознавания речи Whisper, и дать на вход LLM уже не аудио, а готовый текст.

Примеры запросов:

“Переведи эту аудио-запись в текст, расставь где нужно знаки препинания. Важно сохранить все слова и фразы, игнорируя только слова паразиты, повторы и другие артефакты речи”.

“Сделай из этой записи короткое резюме: выпиши главные идеи, важные моменты, убери всю воду”.

“Выдели ключевые идеи повествования, выпиши их в виде структурированного отчета в Markdown-разметке”.

“Обработай сырой текст: исправь ошибки, расставь где нужно знаки препинания, убери слова паразиты и повторы речи, попробуй дописать незавершенные фразы”.

Изучение иностранных языков с помощью LLM

Мы уже упоминали в пункте про перевод, что архитектура трансформеров, на базе которой создаются LLM, изначально разрабатывалась для задач перевода текстов. Как побочный эффект - с помощью LLM очень удобно изучать иностранные языки. Эта тема очень большая и многогранная, как именно заниматься практикой изучения иностранного языка с помощью ChatGPT или любой другой LLM (даже небольшой локальной), существует десятки вариантов, приведем лишь некоторые из них, на примере простых промптов.

Примеры запросов:

“Напиши 5 предложений для тренировки Past Perfect на английском языке”.

“Напиши 5 простых предложений для тренировки прошедшего времени в английском языке для 5-ти классника”.

“Напиши 5 предложений для тренировки Present Perfect в английском языке. Не приводи предложения полностью, часть текста где указывается время закрой символом подчеркивания, а ниже напиши правильные варианты к каждому предложению”.

“Определи в данном тексте слова, которые не входят в число 2000 самых часто-используемых английских слов. Составь по ним карточки для их изучения и повторения. Пусть на каждое слово будет по 3 варианта коротких предложений с их использованием. <текст>”.

“Напиши небольшой текст в 100 слов на английском языке где будет использоваться прошедшее время. Текст должен быть понятен школьнику. Составь по этому тексту 5 вопросов, где нужно будет ответить Да или Нет; еще 5 вопросов, где нужно будет указать недостающее слово; другие 5 вопросов, где нужно будет коротко рассказать о происходящем в тексте”.

“Ниже представлены диалоги между 2мя персонажами. Напиши еще 10 похожих диалогов между ними. Это нужно для практики изучения языка, диалоги должны быть простыми и не очень длинными”.

“Упрости текст ниже, чтобы его мог прочитать человек, который только начал изучение испанского языка. Не используй редких слов и сложных конструкций речи, замени их более простыми вариантами, используй понятные для новичка слова и фразы”.

В следующей части продолжим рассматривать варианты работы с LLM. Коснемся темы разработки, некоторых других прикладных задач, а также приведем несколько интерактивных способов применения ChatGPT (это весьма забавно).

Если тема статьи интересная, поставьте лайк, чтобы понимать нужно ли это вообще. Также можете подписаться на меня здесь, или в мой Тг-канал с рабочими заметками и анонсами (пишу не часто), чтобы не пропустить следующую часть. Либо просто зайдите сюда через неделю-две чтобы поймать апдейт.

Также большая просьба, если у вас есть другие интересные и необычные способы применения LLM, напишите о них в комментариях. Интересные методы я закреплю в этой статье. А если наберется достаточное количество новых интересных вариантов, можно будет написать еще одну часть серии.

Примерно через неделю я планирую опубликовать вторую часть, она уже в целом готова, а если будет отклик и интерес, тему можно будет продолжить.

На этом пока все, спасибо за внимание.

Только зарегистрированные пользователи могут участвовать в опросе. Войдите, пожалуйста.