Способы применения ChatGPT: от простых к неочевидным
Рассмотрим базовые варианты использования LLM на примере ChatGPT.
В статье не будут затрагиваться агентные системы, работа с LLM через API и тому подобное, только обычный режим работы с ChatGPT в режиме Веб-чата.
Я буду перечислять то, как сам использую LLM в работе и в обычной жизни, а также некоторые интересные варианты, которые встречались в Интернете. Также я спросил сам ChatGPT, как можно использовать большие языковые модели, в том числе "необычные и неочевидные способы применения LLM". Наиболее интересные примеры добавлю сюда.
Некоторые варианты скорее всего многим покажутся очевидными и даже банальными, но я решил их включить в обзор для большей полноты картины. Всего будет несколько частей статьи, пойдем от самых простых к более интересным и неочевидным способам применения.
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:
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. В этом режиме ChatGPT обрабатывает ваш запрос в специальном виртуальном окружении используя Python. Также, обычно совместно с этим режимом применяются базовые агентские навыки (Веб-поиск, парсинг документов и тд).
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:
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:
То есть, прямо в Веб-форме мы получили сгенерированные инфографики с нужными нами данными.
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 пвещей 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, Anthropic, Gemini и тд.
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?”.
"Я питаюсь следующими продуктами: <список продуктов>. Помоги подобрать менее колорийные аналоги".
“Как сварить пельмени без плиты, без микроволновки и без кастрюли” [и даже без пельменей].
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 напищи 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?".
ChatGPT как личный юрист
Многие топовые LLM, такие как ChatGPT, Claude, Gemini и тд, очень неплохо знают юриспруденцию, причем юридическое право разных стран. К тому же практически все современные фронтир-модели, и в частности ChatGPT, имеют базовые агентские навыки даже на бесплатных тарифных планах, и там где нужно, автоматически подтягивают из Интернета недостающие знания и актуальную информацию по юридическому праву в режиме онлайн.
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.
Поиск новых идей
Здесь все довольно просто и очевидно. ChatGPT поможет найти идеи в любых областях, от вариантов отдыха на выходные, до помощи в создании новых проектов.
Примеры обычных запросов:
"Мой ребенок любит собирать пазлы, но сейчас нет новых наборов. Предложи несколько альтернативных идей, чем можно занять ребенка, чтобы ему было интересно?".
"Предложи несколько вариантов развлечений дома на Новый год для взрослых с детьми. Важно чтобы все были одинаково вовлечены".
"Как можно активно провести время с собакой? Предложи 5 интересных идей".
Примеры бизнес запросов:
"Подскажи 5 идей для создания креативных кофеен".
"Предложи 5 идей рекламных объявлений для нашего товара: <описание товара>".
"Подскажи, какие необычные идеи в сфере питания неожиданно выстрелили в Японии, приведи несколько примеров".
"Предложи несколько идей презентации нашего проекта <описание проекта> для аудитории <описание аудитории>".
Если идей будет не достаточно, можно попросить придумать еще несколько, и так почти до бесконечности. Если идеи получаются банальные и совсем общие, можно усилить промпты, например так:
"Не пиши очевидные вещи, не предлагай банальные идеи. Подойди к делу креативно и профессионально, но не отходи далеко от сути вопроса. Если не получается придумать что-то интересное в этой области, попробуй подключить другие домены своих знаний, которые могут быть уместными".
Критика идей
В продолжении к поиску идей - критика идей. Причем, сначала можно попросить ChatGPT сгенерировать идеи, а затем в том же чате (или в новом отдельно) попросить раскритиковать их.
Примеры запросов:
"Я хочу запустить стартап в области ИИ-медицины <описание проекта>. Прошу тебя побыть в роли врача-профессионала с 20 летним стажем практики и управления. Оцени перспективы проекта, риски, насколько идея может быть востребована, были ли аналогичные продукты в прошлом, какие шансы на успех".
"Ниже 5 идей по запуску обучающего проекта. Оцени критически плюсы и минусы каждой идеи. <список из 5 идей>".
"Есть идея открытия бизнеса <описание проекта>. Включи режим критика и разнеси в клочья эту идею, как профессионал в этой нише".
"Хотим запустить проект <описание проекта>. Ниже описана ключевая идея, вводные данные, план реализации и наши ожидания на каждый месяц. Оцени критически наш план: саму идею проекта, что мы упустили в планировании, где можем ошибаться, насколько неадекватны наши ожидания".
Изучение иностранных языков с помощью LLM
Архитектура, 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 двумя 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”.
Написание промптов для LLM
Может прозвучать странно, но LLM можно попросить написать промпт для неё самой.
Примеры запросов:
"Хочу чтобы ChatGPT говорил со мной саркастически, в стиле Рика и Морти, напиши промпт-затравку для этого".
"Хочу поиграть в ролевую игру с ИИ в стиле Dragons&Dangeons. Напиши вступительный промпт с детальным описанием локации, главных героев и фабулы игры. Я хочу чтобы действие происходило в мире Cyberpunk. Всего 4 главных героя: технически-подкованный парень, брутальный мужчина, девушка и её кибер-пёс. Антагонисты: банда похитителей дройдов. Главные герои ищут пропавшего кибер-пса".
"Хочу сделать игру змейка на Python, напиши для этого промпт для ChatGPT. Важно: нужно учесть все детали, чтобы код был простым и понятным, чтобы не было ошибок и игра запустилась с первого раза и не вылетала".
Написание промптов для других генеративных сетей
LLM, и в частности ChatGPT, отлично справляются с написанием промптов для других генеративных моделей, например для моделей генерации изображений Midjourney и др.
Суть: мы описываем коротким текстом, что хотим получить, а LLM создает для этого детальный промпт.
Примеры вопросов:
"Составь детальный промпт для Midjourney: изображение девушки-эльфийки парящей на единороге. Главные критерии: фотореалистичная графика, фэнтезийный антураж, средний план. Хочу чтобы изображение выглядело одновременно сказочно и фотореалистично".
"Напиши промпт для Midjourney: герои South Park в виде шахматных фигур. Изометрическая проекция, 3d графика".
"Хочу сгенерировать изображение в стиле советского мультфильма Пластилиновая Ворона. Помоги составить промпт".
На этом пока все.
Возможно в этой части были довольно очевидные примеры работы с LLM, но, как я уже писал в начале, мы идем от простого и общего к более интересному и необычному.
Ссылки:
Вторая часть. Применение ChatGPT/LLM в разработке, обработке текстов и других прикладных задачах.
Мой Тг для связи. Там будут анонсы новых статей.
Спасибо за внимание.