Як я формулюю промти для Opus 5, щоб отримувати правдуLLM за своєю природою (як авторегресійні мовні моделі) навчені генерувати текст до кінця. Якщо в промті є завдання "зроби висновок", модель оптимізує ймовірність тексту так, щоб цей висновок був. Навіть якщо даних немає. Кілька прийомів, які реально змінюють якість відповіді.Я явно даю моделі право сказати, що даних недостатньо, і прошу окремим блоком перелічити те, що з даних не випливає. Без цього дозволу модель добудовує відсутнє, бо її формат відповіді передбачає завершений висновок.Я прошу окремо розділяти три речі: що прямо підтверджується цифрами, що є правдоподібною інтерпретацією і що потребує додаткової перевірки з іншого джерела. Це найкорисніша структура відповіді, яку я знайшов, і вона економить години на суперечках із клієнтом.Я прошу назвати умову, за якої гіпотеза була б хибною. Якщо такої умови сформулювати не виходить, гіпотеза беззмістовна - гіпотеза, яку неможливо спростувати, не є науковою чи практичною.Я не довіряю моделі точні дати апдейтів Google і назви інструментів по пам'яті. Це перевіряється окремо. Так само не довіряю жодним числам, які вона витягла з великої таблиці очима, — тільки тим, що порахував код або функція.І я двічі проганяю ключовий аналіз у різних сесіях, без згадки про перший результат. Розбіжність між двома прогонами — найдешевший індикатор того, що висновок тримається на інтерпретації, а не на даних.