Как AI-коуч эволюционировал в персонального соавтора: от ошибок к 15% CTR
После статьи про AI-коуча по ML за 2000₽ получил комментарий с вопросом о создании коуча для соавторства.
Показываю весь процесс: от исследования платформы до рабочего помощника, который помог написать статью с 15% CTR.
Спойлер: Эта статья написана с помощью AI-коуча версии 2.1. Но даже он не идеален — в процессе написания пришлось исправлять выдумки и проверять факты.
Запрос от читателя: нужен коуч для творчества
После первой статьи про изучение машинного обучения с AI-коучем получил комментарий:
Комментарий заставил задуматься: у меня уже был опыт создания коуча для обучения, но соавторство — совершенно другая задача. Плюс важный нюанс: каждая платформа имеет свои особенности. То, что работает на VC.ru, может провалиться на Habr или LinkedIn. Я решил сделать соавтора для VC, который понимает специфику платформы.
Шаг 0: Исследование платформы через AI
Время исследования: 30 минут
Перед созданием промпта решил изучить, что именно работает на VC.ru. Но вместо ручного анализа попросил Gemini 2.5-pro провести глубокое исследование:
Пример запроса Gemini:
"Мне нужен глубокий анализ того, как правильно писать статьи на VC. Я буду использовать анализ для построения AI коуча. Проанализируй топовые статьи в категориях стартапы, ai, маркетинг на vc.ru за последний год. Какие форматы, структуры и подходы генерируют максимальный охват?"
Ключевые инсайты из исследования:
- Формат "Кейс" — король. Cтатьи "Как мы сделали X и получили Y" побеждают
- Глубина важнее широты. Лучше детально разобрать один аспект
- Честность подкупает. Рассказы о неудачах вызывают больше доверия
- Польза > Развлечение. Читатель спрашивает "Что я могу взять для себя?"
- Комментарии = второе действие. Живое общение в комментах дает охват
Этот анализ стал основой для создания промпта, заточенного именно под vc.ru
Версия 1.0: первый промпт с пониманием платформы
Время создания: 1-2 часа
На основе исследования Gemini создал промпт для соавтора статей об AI на vc.ru:
- Фокус на честные кейсы с конкретными цифрами
- Структуру: проблема → решение → результат → выводы
- Оптимизацию под алгоритм: подзаголовки, таблицы, скановость
Базовый промпт v 1.0 можно посмотреть тут
Что получилось: Соавтор неплохо писал и понимал специфику платформы, но были критические проблемы с качеством контента.
Первое тестирование: статья с серьезными ошибками
Время написания: 2-3 часа
Протестировал коуча на продолжении темы про AI-коучинг. Написали статью Заменил курсы за 120 000₽ персональным AI-коучем: как это работает на практике
Критические ошибки версии 1.0:
1. Приукрашивание фактов
- AI написал: "пользователи платят 199₽/месяц, unit economics сходится"
- Реальность: у меня был один только пользователь
- Исправление: "нашёл первых платящих пользователей"
2. Категорические утверждения без данных
- AI написал: "Все курсы обещают научить с нуля"
- Проблема: нет данных по 100% курсов на рынке
- Исправление: "Большинство курсов фокусируются на обучении с нуля
3. Выдуманные бенчмарки
- AI утверждал: "Средний CTR на VC.ru 8-12%"
- Реальность: официальных данных нет, AI додумал для красоты
- Урок: честно признавать незнание вместо выдумывания
4. Неуместные обещания контента
- AI обещал: дать готовый промпт в статье
- Проблема: не согласовал моими планами по контент-стратегии
- Нарушение: обещал то, что не планировалось раскрывать
Результаты версии 1.0: работает, но требует контроля
Несмотря на ошибки, статья показала результат
Отклик читателей в ЛС:
Вывод: Понимание VC.ru сработало, метод работает, но нужна система контроля честности.
Версия 2.0: добавление системы контроля
Время доработки: 1-2 часа
Проанализировал все ошибки и добавил в промпт критические правила:
Обязательная проверка фактов
ШАГ 6: ОБЯЗАТЕЛЬНАЯ ПРОВЕРКА ФАКТОВ - Выпиши ВСЕ цифры и утверждения из статьи - Запроси подтверждение КАЖДОГО факта у автора - Для неточных данных предложи обобщённые формулировки - Получи явное согласие на каждую цифру
Запрет категоричности
ПРАВИЛО МЯГКИХ ФОРМУЛИРОВОК: ЗАПРЕЩЁННЫЕ слова без данных: все, никто, всегда, никогда ЗАМЕНЯТЬ на: большинство, многие, часто, обычно Перед категорическим утверждением спросить: "Могу ли я это доказать?"
Правило "НЕ ЗНАЮ"
Если нет достоверных данных → честно признать незнание Не выдумывать бенчмарки, статистику, средние показатели Предлагать альтернативные способы оценки
Неожиданное открытие: версия 2.0 тоже ошибается
Пока писал эту статью с помощью коуча версии 2.0, обнаружил критическую проблему: AI продолжает выдумывать данные даже в статье про важность честности!
Ошибки, которые пришлось исправлять в черновике
- Выдуманная таблица экономики с конкретными цифрами экономии "5000-15000₽ для фрилансера"
- Несуществующие "запросы читателей" с детальными формулировками
- Утверждение "0-1 ошибка на статью" без реальных данных
- Планы развития экосистемы, которые не обсуждались
Главный инсайт: Даже статья про важность честности содержала выдумки! Это показало, что система контроля версии 2.0 недостаточна.
Версия 2.1: система тройного контроля
Время доработки: 1 час Основа для улучшений: Ошибки, найденные в процессе написания этой статьи
Ключевые нововведения версии 2.1:
1. Система пометок источников
2. Мета-правила для статей про качество
- Демонстрируй принципы на собственном примере написания
- Признавай ограничения AI прямо в тексте статьи
- Используй процесс создания статьи как живой кейс
- Указывай на собственные ошибки как примеры проблем
3. Расширенная проверка фактов
- Каждое утверждение помечается источником
- Выдуманные данные заменяются на "по опыту автора" или "гипотетически"
- Обязательное согласование каждой спорной цифры
4. Самоаудит соответствия принципам
- Дополнительная проверка: соответствует ли содержание статьи заявленным принципам?
- Для мета-статей: демонстрирую ли я принципы на практике?
- Признание собственных ограничений там, где это уместно
Текущая статья написана через версию 2.1, но так же не является волшебной таблеткой. Много ручной работы, но рутину снимать помогает. Промпт для соавтора версии 2.1 тут
Универсальная формула создания AI-коуча
Этап 0: Исследование платформы
- Используй другой AI для анализа успешного контента
- Выяви паттерны, форматы, принципы работы алгоритма
- Изучи аудиторию и её ожидания
Этап 1: Анатомия промпта
- Роль и экспертиза — четкое позиционирование
- Контекст проекта — цели, аудитория, KPI
- Понимание платформы — специфика и требования
- Пошаговый алгоритм — структурированный процесс
- Система контроля качества — проверки и ограничения
Этап 2: Тестирование и итерации
- Первая версия — базовая функциональность
- Боевое тестирование — реальные задачи
- Анализ ошибок — фиксация всех проблем
- Системные правки — добавление контроля качества
- Повторное тестирование — проверка улучшений
Выводы и практические рекомендации
Что работает: - Исследование платформы через AI — понимание контекста критично - Итеративный подход — первая версия всегда требует доработки - Система контроля качества — лучше медленно, но честно - Фокус на практическую пользу — читатели ценят реальные инсайты
Ключевые уроки:
- Время на настройку окупается — 6-8 часов работы дают месяцы эффективного использования
- Ошибки — часть процесса, важно их фиксировать и превращать в правила
- Контекст платформы решает всё — универсальный коуч хуже специализированного
- Честность — конкурентное преимущество. Правда работает лучше хайпа
- AI требует постоянного контроля — даже лучшие промпты не идеальны
Главный парадокс: Статья про контроль честности AI сама требует человеческого контроля честности.
На своем канале в tg тоже пишу, залетайте @hoodyakoff_vibes. Разборы новых экспериментов и честные ошибки в режиме реального времени.