Что бы я делал, если бы начинал изучать нейронки с нуля для повышения своего дохода

Помните те кринжовые промты, которые были три года назад?

«Ты маркетолог с 20-летним стажем, проанализируй мою целевую аудиторию, сделай мне воронку». «Ты блогер-миллионник, разбери мою шапку профиля, составь контент-план, скажи, как сделать, чтобы мои рилсы залетали».

Самое забавное — тогда такие промпты и правда работали. Это было лучше, чем когда просто просишь «хочу разобрать целевую аудиторию». Задать роль, поставить рамки, добавить манипуляции — это подтягивало ответ

Сегодня это мусор. Т.е. не устарело и требует адаптации, а именно мусор, от которого ноль пользы и один перегруз для нейронки. Если всё это выкинуть, нейронка часто ответит лучше, чем если грузить её подобной фигнёй

Но я до сих пор вижу, как люди гоняются за волшебными промтами. Ровно так же, как в своё время гонялись за волшебными хуками для рилсов

Поэтому давай разложу, что произошло в нейронках за последние четыре года и дам план — что бы я изучал сегодня, если бы начинал с нуля

Промпт-инжиниринг умер

22–23 год – эра заклинаний. Всё держалось на одной идее – подобрать волшебные слова, чтобы извлечь из нейронки лучший результат

Несколько примеров:

Утрирования в описании ролей. Ты мировой маркетолог уровня Алекса Хармози, Ты врач с 20-летним стажем, ты блогер миллионник, ты продюсер, таргетолог, уролог, нумеролог…

Чаевые. Сделаешь хорошо — дам чаевые 200 долларов, нет, лучше 500

Угрозы. Сожгу твои сервера, или от твоего ответа зависит моя жизнь

Тут важно, что это не было суеверием. Самое смешное, что всё это реально работало, потому что модели были тупыми. У таких приёмов была научная база – выходили исследования, которые показывали, что эмоциональные вставки повышают качество ответа. Мы нащупывали лазейки в моделях того поколения и пользовались ими

Потом модели поумнели, и уловки перестали работать. Сегодня это мусор, поэтому выкинь чаевые, угрозы и выдуманный стаж, и нейронка ответит лучше.

Профессия промпт-инженер в том виде, в каком она была – подбор заклинаний – умерла

Но карусели и тредсы “Я офигела, когда вбила этот промпт в ChatGPT…” остались до сих пор

Что сейчас работает. Попроси саму модель написать промпт. Наговори ей портянку текста как есть, без структуры, а она превратит это в нормальный промпт для самой же себя. Всё. Это вся оставшаяся магия

Поэтому, сегодня я бы гнался не за волшебными промптами, а изучал бы следующие уровни – это контекст-инжиниринг и харнес-инжиниринг

Вот тебе пошаговый план

База. Слегка скучная, но обязательная

Контекст-инжиниринг

Рассвет контекст-инжиниринга был не так давно – в июне 25 года. Но именно это изменило многое

Это когда ты думаешь не о том, что написать (промпт) нейронке, а о том, какие материалы ей дать (контекст), чтобы получить качественный ответ

Как было раньше – каждая новая сессия словно ты общаешься с новым сотрудником, который только что пришёл на работу. Объясняешь всё с нуля. Какие-то знания у него есть, что-то урывками он о тебе знает, но большую часть контекста не понимает и приходиться объяснять все заново

Сейчас это решается контекст-инжинирингом. Ты понимаешь, какие данные надо дать модели:

То есть ты собираешь для неё данные ровно так же, как собирал бы для живого человека, которого нанял

Задача недели — научиться работать с контекстом. Сюда же эмбеддинги и семантический поиск.

Но, контекста достаточно, пока ты сидишь рядом и подаёшь модели знания эти знания. Загрузил в чат всё нужное под конкретную задачу – получил результат. Но как только ты хочешь, чтобы работа шла без тебя – начинается следующая ступень

Харнес-инжиниринг

Понятие харнес появилось не так давно – в феврале 2026 года и перевернуло всю работу с нейронками. Харнес — это обвязка, которая дает руки модели

Это тот самый агентный режим, который выкручивает способности нейронок на максимум. И с агентами сейчас работает мизерная доля людей – большинство даже не представляет, что такое харнес, что такое агенты и как вообще происходит работа

Чтобы понять масштаб: 88% компаний используют ИИ хоть где-то, но меньше 10% дошли до агентов. Настоящих «высоких исполнителей» – 6%

Но именно на этом уровне разблокируется основная мощность нейронок. Если ты до сих пор работаешь просто в чатике, не в Cowork/Work, не в Codex или Claude Code – поздравляю, ты используешь нейронку процентов на десять

Митчелл Хашимото – создатель Terraform и человек, который и ввёл термин харнес-инжиниринг – описывает шестью шагами, как встроить ИИ в работу. И первый шаг называется Брось работать в чате

Сама модель – ChatGPT, Claude, DeepSeek и любая другая – это просто модель. А обвязка вокруг неё превращает простую модель в агента

Из чего состоит харнес

И таких автоматизаций у меня десятки:

Это то, что экономит мне десятки часов в неделю и заменяет нескольких сотрудников

Луп-инжиниринг. Вершина, и она не для всех

Это уже совсем новые знания, и чтобы до них дойти, нужно освоить всё предыдущее.

Луп-инжиниринг появился спустя всего четыре месяца после харнеса. Само по себе это уже говорит, с какой скоростью сейчас всё двигается, новые понятия и новые уровни появляются быстрее, чем люди успевают освоить предыдущие

Если коротко – это работа агента по постоянному улучшению. Агент крутит задачу по кругу и находит всё более удачные решения. Не ты проверяешь за агентом и вносишь корректировки, а он сам проходит круг за кругом и сам выбирает оптимальное решение

Это похоже на то, как нейронка учится проезжать трассу максимально быстро: каждая итерация даёт вариант лучше предыдущего.

Кому лупы не нужны

Честно: далеко не всем. Потому что цена — это токены и расход. И можно бесконечно гонять по кругу одни и те же действия, которые ни к чему не приведут

Луп имеет смысл при двух условиях.

Итог

Рынку понадобилось четыре года, чтобы пройти путь от «ты — маркетолог с 20-летним опытом» до систем, которые работают целыми днями без человека

Тебе на это нужен месяц. Неделя на базу, неделя на контекст, две на харнес. Луп — потом и не всем

Напиши мне в ТГ, чтобы узнать подробности по мастер-группе по нейросетям