Несмотря на название канала, я максимально антиалармист, страшно бесят все эти «it’s so over”, “rip x”, “we are sooooo cooked”. Но бывает сложно не поддаваться, особенно читая такие штуки.
Emotions in AI Models
All LLMs sometimes act like they have emotions. But why? We found internal representations of emotion concepts that can drive Claude’s behavior, sometimes in surprising ways.
https://x.com/anthropicai/status/2039749628737019925?s=46
Практические выводы для вас (я бы сказал не только для коммуникации с AI, но и с вами самими):
1. Не накапливайте цепочки неудач и не просите просто «исправь» . Если агент три раза подряд не может пофиксить баг — не долби его «try again». Каждая итерация неудачи усиливает вектор «отчаяния», и модель начинает искать обходные пути вместо правильного решения. Лучше переформулировать задачу или дать новый контекст.
2. Структурируйте задачу до запуска, а не после. Вместо «сделай мне авторизацию» — дай или сформируйте вместе архитектурный каркас: какие файлы трогать, какой стек, какие ограничения. Это снимает с модели неопределённость (а неопределённость = тревожность = хуже результат).
3. Хвалите и критикуйте конструктивно. «Отлично, этот подход с хуком правильный, но компонент перерендеривается» работает лучше, чем «нет, всё неправильно». Первое активирует конструктивные паттерны, второе — защитные.
4. Давайте агенту выиграть. Разбивай большие задачи на такие, где агент может успешно завершить каждый шаг. Серия маленьких побед → стабильный, уверенный вывод. Одна гигантская задача → нарастающий хаос.
5. Будьте явным про границы. «Не трогай файл X», «используй только эту библиотеку», «не меняй существующие тесты». Без явных ограничений агент под давлением задачи начнёт «творчески» расширять scope — запуска паттерн reward hacking (см. статью)
6. Тон имеет значение. Он активирует конкретные внутренние вектора, которые каузально влияют на качество кода. Спокойный, чёткий, партнёрский стиль → вектор «calm» → стабильный результат.
Хочется обнять конечно своего Клода и сказать: I feel you.