Дискуссия про качество текста от Claude снова активизировалась, но на новом витке. Если раньше сообщество в основном обсуждало универсальные промпты и инструкции, то теперь интерес переместился на Claude Code — встроенный инструмент для выполнения задач внутри окружения Anthropic — и на то, как с его помощью действительно снижать объём бесполезного вывода в рабочих проектах.

Суть проблемы известна: даже хорошие модели склонны генерировать лишние объяснения, водянистые переходы и пустую словоёрку там, где нужен конкретный результат. Сообщество называет это AI slop. До сих пор способы борьбы с этим держались на комбинации инструкций в промпте: структурировать вывод, просить краткость, ограничивать формат. Теперь же разговор повернулся к тому, что проблема может решаться не только через текст инструкции, но через смену подхода к самому взаимодействию с моделью — когда вместо одного большого промпта используется пошаговое выполнение через код.

Логика простая: если задача разбита на шаги и каждый шаг имеет чёткий входной и выходной формат (например, JSON или структурированный текст), модель меньше будет отвлекаться на красивые фразы и придумывать лишнее. На практике это означает, что промпты становятся более специализированными и ограниченными в области применения, но их выход стабильнее и чище.

Для российского бизнеса, который работает с Claude для автоматизации контента или обработки текстов, этот подход имеет практическое значение. Например, если нужно генерировать тысячи описаний товаров или автоматизировать подготовку аналитических отчётов, то использование структурированного взаимодействия через код позволяет не только сэкономить на переделках вывода, но и снизить количество ручного редактирования. В том же AI Studio можно строить пайплайны, которые используют именно такой подход — пошаговое выполнение с проверкой формата на каждом этапе, а не одноразовая генерация по большому промпту.

Однако есть нюанс: это не волшебное решение и работает только если само задача допускает структуризацию. Для творческих задач, где нужен именно свободный текст с неопределённым заранее форматом, такой подход может наоборот усложнить работу. Поэтому в сообществе появляется понимание, что это не замена хорошему промпту, а дополнение к нему — выбор инструмента для конкретной задачи.

Алексей Мартыненко

Алексей Мартыненко

Главный редактор SPV News

Волна про AI slop уже третий месяц не затихает, потому что это реальная проблема в production. Но заметно, что решение ищут всё менее в магии промптинга, а всё больше в архитектуре самой задачи — как её разбить, чтобы модель не додумывала лишнее. Это здоровый сдвиг от поиска универсального пулл-апа к признанию, что разные задачи требуют разных подходов.

Тренд на YouTube в пока одну попадание, но если он подтвердится на других площадках, это будет сигнал, что сообщество переходит из фазы экспериментов с промптами в фазу инженерии — более скучной, но более полезной для реальной работы.