База знаний
Глоссарий AI: термины про нейросети простыми словами
Короткие объяснения терминов про искусственный интеллект, нейросети, GPT, DeepSeek, промпты, LLM, RAG, AI Search, GEO и AEO. Страница помогает быстро понять слово и перейти к связанным моделям, промптам и практическим сценариям.
Новые термины
Первый seed-глоссарий включает 50 базовых понятий для работы с нейросетями, промптами, AI-поиском, документами, кодом и изображениями.
Алфавитный индекс
искусственный интеллект
Искусственный интеллект — это область технологий, где программы решают задачи, обычно требующие человеческого мышления: понимают текст, распознают изображения, находят закономерности, предлагают решения и помогают автоматизировать работу. В GPT House такие возможности доступны через AI-бота в Max для текста, поиска, документов, кода и изображений.
Подробнеенейросеть
Нейросеть — это модель машинного обучения, которая ищет связи в данных и использует их для ответа, прогноза, классификации или генерации контента. Современные нейросети лежат в основе ChatGPT, Gemini, DeepSeek, AI-поиска, генерации изображений и многих рабочих AI-инструментов.
Подробнеегенеративный ИИ
Генеративный ИИ — это класс нейросетей, которые создают новый контент: тексты, изображения, код, таблицы, идеи, сценарии, резюме и ответы на вопросы. Главное отличие от обычной автоматизации в том, что модель не просто выбирает вариант из списка, а формирует результат по запросу пользователя.
ПодробнееLLM
LLM — это большая языковая модель, обученная понимать и генерировать текст. Такие модели лежат в основе ChatGPT, DeepSeek, Gemini, Claude и других AI-ассистентов. Они помогают писать, объяснять, структурировать информацию, работать с кодом и отвечать на вопросы на естественном языке.
Подробнееязыковая модель
Языковая модель — это AI-модель, которая прогнозирует и создает текст на основе контекста. Она анализирует слова, связи между ними и задачу пользователя, чтобы продолжить фразу, ответить на вопрос, написать письмо, объяснить тему или помочь с рабочим документом.
ПодробнееGPT
GPT — это семейство языковых моделей, которые умеют работать с текстом, кодом, документами, изображениями и сложными рассуждениями. В интерфейсе GPT House GPT удобно использовать для универсальных задач: черновиков, анализа, идей, объяснений, поиска формулировок и проверки логики.
ПодробнееChatGPT
ChatGPT — это AI-ассистент на базе GPT-моделей, который отвечает в формате диалога. Пользователь пишет запрос, а модель помогает сформулировать текст, объяснить тему, разобрать документ, придумать идеи или решить задачу. GPT House не является официальным сайтом ChatGPT, но помогает работать с GPT-моделями в Max.
ПодробнееDeepSeek
DeepSeek — это семейство AI-моделей, которые часто используют для логики, кода, математики, пошагового анализа и технических объяснений. По-русски DeepSeek часто ищут как «Дипсик». В GPT House DeepSeek удобно сравнивать с GPT и Gemini под конкретную задачу.
ПодробнееДипсик
Дипсик — русскоязычное написание названия DeepSeek. Обычно так ищут нейросеть DeepSeek для рассуждений, кода, математики, анализа и сложных вопросов. Это не отдельная модель, а бытовое название того же AI-семейства, которое можно использовать в GPT House.
ПодробнееDeepSeek R1
DeepSeek R1 — reasoning-модель, ориентированная на пошаговые рассуждения, логику, математику, программирование и сложные задачи. Ее удобно выбирать, когда важен не только быстрый ответ, но и прозрачная цепочка анализа, проверка условий и аккуратное сравнение вариантов.
ПодробнееGemini
Gemini — семейство AI-моделей Google для текста, анализа, документов, мультимодальных задач и быстрых ответов. Gemini полезен, когда нужно разобрать длинный контекст, структурировать информацию, подготовить выводы или сравнить данные с учетом задачи пользователя.
ПодробнееClaude
Claude — семейство AI-моделей Anthropic, которое часто используют для длинных текстов, аккуратного письма, анализа документов, кода и агентных сценариев. В практической работе Claude ценят за спокойный стиль, структуру и способность удерживать контекст задачи.
ПодробнееPerplexity
Perplexity — AI-сервис для поиска информации и ответов с источниками. Он полезен, когда нужно быстро разобраться в теме, проверить факты, найти свежий контекст и получить ссылки. В GPT House рядом с Perplexity удобно сравнивать Sonar и GPT-поиск.
ПодробнееSonar
Sonar — модель для AI-поиска и ответов с источниками. Она помогает находить актуальную информацию, проверять факты, собирать краткие исследования и делать выводы на основе найденных материалов. Sonar особенно полезен для аналитических и новостных задач.
ПодробнееGrok
Grok — AI-модель xAI, которая известна как диалоговая нейросеть для ответов, анализа и работы с информацией. В глоссарии GPT House этот термин нужен для ориентира: пользователи часто сравнивают Grok с GPT, Gemini, Claude, DeepSeek и Perplexity.
Подробнеепромпт
Промпт — это запрос или инструкция, которую пользователь отправляет нейросети. Хороший промпт описывает задачу, контекст, формат ответа, ограничения и критерии качества. От промпта зависит, насколько точным, полезным и применимым будет ответ ChatGPT, DeepSeek, Gemini или другой модели.
Подробнееprompt engineering
Prompt engineering — это практика составления запросов к нейросетям так, чтобы получать более точные и предсказуемые ответы. Она включает описание роли, контекста, примеров, ограничений, формата результата и критериев проверки качества.
Подробнеесистемный промпт
Системный промпт — это верхнеуровневая инструкция для AI-модели, которая задает правила поведения, стиль, ограничения и роль ассистента. Пользователь обычно видит только свой запрос, но системный промпт помогает удерживать рамки и снижать риск нежелательных ответов.
Подробнеепользовательский промпт
Пользовательский промпт — это текст запроса, который человек напрямую отправляет нейросети. Он может быть коротким вопросом или подробной инструкцией с контекстом, примерами и форматом ответа. Чем яснее пользовательский промпт, тем проще модели дать полезный результат.
Подробнееnegative prompt
Negative prompt — это инструкция, которая описывает, чего модель не должна делать или добавлять. Чаще всего термин используют в генерации изображений: пользователь указывает нежелательные элементы, стиль, ошибки, артефакты или ограничения для результата.
Подробнеетокен
Токен — это фрагмент текста, с которым работает языковая модель: часть слова, слово, знак препинания или символ. Модель не читает текст как человек, а разбивает его на токены. От количества токенов зависят лимит контекста, стоимость и объем ответа.
Подробнеелимит токенов
Лимит токенов — это максимальный объем текста, который модель может принять и сгенерировать за один запрос. В лимит входят инструкция, история диалога, загруженные фрагменты и ответ. Если контекст слишком длинный, часть данных нужно сокращать или структурировать.
Подробнееконтекстное окно
Контекстное окно — это объем информации, который языковая модель может учитывать в одном диалоге или запросе. В него входят промпт, история, документы и ответ. Чем больше окно, тем проще анализировать длинные тексты, но важна не только длина, а качество структуры.
Подробнееembedding
Embedding — это числовое представление текста, изображения или другого объекта, которое помогает сравнивать смысл. Эмбеддинги используют в семантическом поиске, RAG, рекомендациях и поиске похожих документов, когда важно найти не точное слово, а близкую идею.
ПодробнееRAG
RAG — это подход, при котором нейросеть перед ответом ищет релевантные фрагменты в базе знаний или документах и опирается на них. Такой метод снижает риск выдуманных фактов и помогает отвечать по корпоративным файлам, инструкциям, статьям или справочникам.
Подробнееvector database
Vector database — это база данных для хранения эмбеддингов и поиска похожих объектов по смыслу. Ее используют в RAG-системах, AI-поиске, рекомендательных механиках и корпоративных ассистентах, которым нужно быстро находить релевантные фрагменты знаний.
Подробнееfine-tuning
Fine-tuning — это дополнительное обучение модели на специализированных данных, чтобы она лучше выполняла конкретный тип задач или говорила в нужном стиле. Дообучение не всегда нужно: часто достаточно хорошего промпта, RAG и правильно подготовленного контекста.
ПодробнееRLHF
RLHF — обучение с подкреплением на основе обратной связи от людей. Этот подход помогает языковым моделям давать более полезные, безопасные и ожидаемые ответы, потому что люди оценивают варианты поведения модели и задают направление улучшений.
Подробнееinference
Inference — это этап, когда уже обученная модель обрабатывает пользовательский запрос и генерирует ответ. В этот момент важны скорость, стоимость, доступность модели, размер контекстного окна и качество промпта, который задает задачу.
Подробнееtemperature
Temperature — настройка генерации, которая влияет на вариативность ответа модели. Низкая температура делает ответ более предсказуемым и строгим, высокая — более креативным и разнообразным. Для фактов обычно лучше ниже, для идей и креатива можно выше.
Подробнееtop-p
Top-p — параметр генерации, который ограничивает набор вероятных вариантов продолжения текста. Он помогает управлять балансом между предсказуемостью и разнообразием. В обычной работе пользователю чаще важнее качество промпта, чем тонкая настройка top-p.
Подробнееfunction calling
Function calling — механизм, при котором модель не только пишет текст, но и вызывает заранее описанные функции: поиск, расчет, запись данных, получение статуса или запуск сценария. Это делает AI-ассистентов более полезными для рабочих процессов и интеграций.
Подробнееtool calling
Tool calling — способность модели обращаться к внешним инструментам: поиску, календарю, базе данных, коду, CRM или документам. В отличие от обычного ответа текстом, модель может получать данные и выполнять действия в заданных рамках.
Подробнееstructured output
Structured output — ответ модели в заранее заданном формате: JSON, таблица, список, схема, карточка или набор полей. Такой формат нужен, когда результат должен попадать в систему, отчет, автоматизацию или дальнейшую обработку без ручной правки.
ПодробнееJSON mode
JSON mode — режим, в котором модель старается возвращать ответ в формате JSON. Он полезен для интеграций, извлечения данных, классификации, автоматизации и сценариев, где ответ должен быть не просто текстом, а машинно читаемой структурой.
Подробнееhallucination
Hallucination — ситуация, когда нейросеть уверенно выдает неверную или неподтвержденную информацию. Галлюцинации снижают через проверку источников, RAG, четкие ограничения, просьбу не выдумывать факты и ручную валидацию важных выводов.
Подробнееprompt injection
Prompt injection — атака или ошибка, при которой внешняя инструкция пытается изменить поведение модели и заставить ее игнорировать исходные правила. Это особенно важно для AI-ассистентов, которые читают сайты, документы, письма или пользовательские файлы.
Подробнееjailbreak
Jailbreak — попытка обойти ограничения AI-модели с помощью специально составленного запроса. Для бизнеса это риск безопасности: модель может начать выдавать нежелательные инструкции, нарушать правила или раскрывать информацию, которую не должна показывать.
Подробнееgrounding
Grounding — привязка ответа нейросети к проверяемым источникам, документам, данным или контексту. Хороший grounding помогает снизить галлюцинации и делает ответ полезнее: пользователь понимает, откуда взяты выводы и что можно проверить.
ПодробнееAI agent
AI agent — это AI-система, которая может планировать шаги, использовать инструменты и двигаться к цели не одним ответом, а последовательностью действий. Агентные сценарии применяют в коде, анализе, поиске, автоматизации и рабочих процессах.
ПодробнееAI Search
AI Search — поиск, где пользователь получает не только список ссылок, а сгенерированный ответ, краткий вывод, источники и следующий шаг. Такие интерфейсы меняют SEO: важно быть понятным не только поисковой системе, но и AI-ассистенту.
ПодробнееGEO
GEO — оптимизация под генеративные системы и AI-ответы. Ее задача — помочь нейросетям понять сущности, экспертизу, источники, структуру страницы и связи между материалами, чтобы сайт корректно упоминался в AI Search и ассистентах.
ПодробнееAEO
AEO — оптимизация под ответные системы: поисковые ассистенты, голосовые ответы, AI Overviews и быстрые ответы. Для AEO важны ясные определения, FAQ, структурированные данные, короткие выводы и страницы, которые прямо отвечают на вопрос пользователя.
Подробнееllms.txt
llms.txt — текстовый файл в корне сайта, который кратко объясняет AI-ассистентам структуру сайта, ключевые разделы, сущности и правила интерпретации контента. Он не заменяет sitemap или robots.txt, но помогает LLM-системам понять сайт аккуратнее.
Подробнееstructured data
Structured data — машинно читаемая разметка страницы, чаще всего в формате JSON-LD Schema.org. Она помогает поисковикам и AI-системам понять тип страницы, автора, статью, FAQ, товар, организацию, термин или список материалов.
ПодробнееSchema.org
Schema.org — словарь типов и свойств для структурированных данных. С его помощью сайт может описать статью, автора, хлебные крошки, FAQ, список терминов, организацию, страницу профиля или инструкцию так, чтобы поисковые системы лучше поняли контент.
Подробнееtopical authority
Topical authority — доверие поисковых систем и AI-ассистентов к сайту как к источнику по конкретной теме. Его усиливают связанная структура материалов, экспертные авторы, понятные сущности, внутренние ссылки и регулярные полезные публикации.
Подробнееlong-tail запрос
Long-tail запрос — длинная и конкретная поисковая формулировка, например «что такое токены в ChatGPT простыми словами». Такие запросы обычно имеют меньшую частотность, но лучше показывают намерение пользователя и хорошо подходят для глоссариев и практических страниц.
Подробнееtext-to-image
Text-to-image — генерация изображения по текстовому описанию. Пользователь описывает сцену, стиль, объект, композицию и ограничения, а модель создает картинку. Результат зависит от промпта, модели, детализации, негативного промпта и настроек генерации.
Подробнееimage-to-image
Image-to-image — режим, где нейросеть получает исходную картинку и изменяет ее по запросу: меняет стиль, фон, детали, качество, композицию или отдельные элементы. Такой подход удобен для редактирования, вариаций, улучшения и визуальных экспериментов.
ПодробнееMachine learning
Machine learning: это подход, в котором система учится на данных искать закономерности и делать предсказания без ручного описания каждого правила. На практике термин встречается в сценариях: скоринг заявок, фильтрация спама. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееDeep learning
Deep learning: это подраздел машинного обучения, где модель обучается на многослойных представлениях и сама извлекает сложные признаки. На практике термин встречается в сценариях: компьютерное зрение, распознавание речи. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееTransformer
Transformer: это архитектура, построенная вокруг attention, поэтому она хорошо работает с длинными последовательностями и контекстом. На практике термин встречается в сценариях: LLM, мультимодальные модели. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееAttention mechanism
Attention mechanism: это механизм, который помогает модели выбирать, на какие части входа смотреть сильнее в каждый момент обработки. На практике термин встречается в сценариях: перевод, суммаризация. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееMultimodal model
Multimodal model: это модель, способная принимать и/или генерировать несколько типов данных, например текст, изображения, аудио и видео. На практике термин встречается в сценариях: ассистенты с голосом и картинками, поиск по фото. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееFoundation model
Foundation model: это крупная предварительно обученная модель общего назначения, которую затем адаптируют под множество прикладных задач. На практике термин встречается в сценариях: чат-боты, корпоративные копилоты. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееSmall language model
Small language model: это компактная языковая модель, сделанная с упором на скорость, цену и запуск на более слабой инфраструктуре или на устройстве. На практике термин встречается в сценариях: локальные сценарии, простые корпоративные задачи. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееSupervised learning
Supervised learning: это режим обучения, где модель видит входные данные и правильные ответы и учится воспроизводить нужное соответствие. На практике термин встречается в сценариях: классификация, прогнозирование. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееUnsupervised learning
Unsupervised learning: это режим, в котором модель ищет структуру в данных без заранее заданных правильных меток. На практике термин встречается в сценариях: кластеризация, сегментация аудиторий. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееSelf-supervised learning
Self-supervised learning: это подход, где обучающие цели автоматически создаются из самих данных, без ручной разметки каждого примера. На практике термин встречается в сценариях: предобучение, снижение затрат на разметку. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееReinforcement learning
Reinforcement learning: это подход, в котором система учится через награды и штрафы за действия, а не по готовым правильным ответам. На практике термин встречается в сценариях: управление, оптимизация стратегий. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееTransfer learning
Transfer learning: это практика, когда знания уже обученной модели переносят на новую задачу вместо обучения с нуля. На практике термин встречается в сценариях: донастройка CV-моделей, перенос в нишевые домены. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееTraining data
Training data: это набор примеров, на которых модель подгоняет свои параметры во время обучения. На практике термин встречается в сценариях: обучение классификатора, обучение генеративной модели. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееValidation set
Validation set: это отложенная часть данных, по которой проверяют качество во время разработки и подбирают настройки модели. На практике термин встречается в сценариях: выбор гиперпараметров, остановка обучения. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееTest set
Test set: это невидимый при разработке набор данных для финальной проверки качества модели на новых примерах. На практике термин встречается в сценариях: честная оценка, сравнение релизов. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееDataset shift
Dataset shift: это ситуация, когда данные в реальном использовании начинают отличаться от тех, на которых модель обучалась и проверялась. На практике термин встречается в сценариях: мониторинг продакшна, пересборка модели. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееData augmentation
Data augmentation: это способы искусственно расширить обучающий набор, создавая полезные вариации исходных примеров. На практике термин встречается в сценариях: повороты и обрезки изображений, перефразирование текста. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееSynthetic data
Synthetic data: это искусственно сгенерированные данные, которые используют для обучения, тестирования или закрытия редких сценариев. На практике термин встречается в сценариях: дефицит разметки, редкие edge cases. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееEpoch
Epoch: это один полный проход модели по всему обучающему набору данных. На практике термин встречается в сценариях: контроль недообучения, контроль переобучения. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееBatch size
Batch size: это количество примеров, которые модель обрабатывает за один шаг обновления параметров. На практике термин встречается в сценариях: настройка памяти, баланс скорости и стабильности. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееLoss function
Loss function: это числовая мера ошибки модели, которую процесс обучения старается минимизировать. На практике термин встречается в сценариях: классификация, регрессия. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееGradient descent
Gradient descent: это базовый метод оптимизации, при котором параметры модели меняют в сторону уменьшения ошибки. На практике термин встречается в сценариях: обучение нейросетей, оптимизация весов. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееBackpropagation
Backpropagation: это алгоритм вычисления градиентов в нейросети, который показывает, как каждый параметр влияет на ошибку. На практике термин встречается в сценариях: обучение глубоких моделей, настройка слоев. Это базовый термин: он помогает читать AI-документацию, сравнивать модели и точнее понимать, где нейросеть полезна, а где нужен контроль человека.
ПодробнееWeights
Weights: это обучаемые значения внутри модели, которые определяют силу и характер связей между признаками и слоями. На практике термин встречается в сценариях: хранение знаний модели, сжатие и квантование. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееParameters
Parameters: это совокупность всех обучаемых значений модели, которые формируются в процессе обучения. На практике термин встречается в сценариях: сравнение размера моделей, оценка ресурсоемкости. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееHyperparameters
Hyperparameters: это настройки процесса обучения или вывода, которые задаются извне и не учатся автоматически на данных. На практике термин встречается в сценариях: learning rate, batch size. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееOverfitting
Overfitting: это ситуация, когда модель слишком хорошо запоминает обучающие данные и хуже работает на новых примерах. На практике термин встречается в сценариях: high train / low test, сигнал к регуляризации. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееUnderfitting
Underfitting: это ситуация, когда модель слишком простая или обучена недостаточно и плохо справляется даже с обучающими примерами. На практике термин встречается в сценариях: слабые метрики везде, сигнал усилить модель. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееRegularization
Regularization: это набор методов, снижающих риск переобучения и заставляющих модель учиться более устойчивым закономерностям. На практике термин встречается в сценариях: dropout, weight decay. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееQuantization
Quantization: это сжатие модели за счет снижения точности чисел, которыми представлены веса и активации. На практике термин встречается в сценариях: уменьшение размера, ускорение инференса. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееPruning
Pruning: это удаление наименее полезных весов, нейронов или компонентов модели для ускорения и удешевления работы. На практике термин встречается в сценариях: постобработка модели, edge-сценарии. Это базовый термин: он помогает читать AI-документацию, сравнивать модели и точнее понимать, где нейросеть полезна, а где нужен контроль человека.
ПодробнееKnowledge distillation
Knowledge distillation: это подход, где более компактную модель обучают повторять поведение более сильной «учительской» модели. На практике термин встречается в сценариях: удешевление продукта, компромисс размер/качество. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееBenchmark
Benchmark: это стандартизированный набор задач и правил оценки, по которым сравнивают модели между собой. На практике термин встречается в сценариях: модельные сравнения, публичные тесты. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееEvaluation set
Evaluation set: это специально собранный набор примеров для проверки качества на важных сценариях, рисках и краевых случаях. На практике термин встречается в сценариях: product QA, регресс-тесты качества. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееLeaderboard
Leaderboard: это таблица результатов моделей на выбранном бенчмарке или серии тестов. На практике термин встречается в сценариях: грубое сравнение, маркетинговые заявления. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееModel card
Model card: это структурированное описание модели: назначение, ограничения, данные, риски, метрики и рекомендованные сценарии. На практике термин встречается в сценариях: закупки и комплаенс, внутренний аудит. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееDataset card
Dataset card: это документированное описание набора данных: происхождение, состав, метод разметки, ограничения и возможные смещения. На практике термин встречается в сценариях: прозрачность, оценка рисков датасета. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееSafety alignment
Safety alignment: это настройка поведения модели так, чтобы она лучше следовала безопасным правилам, ограничениям и человеческим ожиданиям. На практике термин встречается в сценариях: публичные продукты, enterprise AI. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееReasoning model
Reasoning model: это модель, оптимизированная для многошагового анализа, логики и задач, где нужен более обстоятельный ход решения. На практике термин встречается в сценариях: математика, сложный код. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееVision-language model
Vision-language model: это модель, которая связывает изображение и текст в едином представлении и умеет отвечать о содержимом картинки. На практике термин встречается в сценариях: OCR, UI-анализ. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееSpeech model
Speech model: это модель для распознавания, генерации или анализа устной речи и аудиопотока. На практике термин встречается в сценариях: транскрибация, голосовые боты. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееLatent space
Latent space: это сжатое внутреннее пространство признаков, где модель хранит абстрактные представления объектов и смыслов. На практике термин встречается в сценариях: генерация изображений, поиск похожего. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееAgentic workflow
Agentic workflow: это многошаговый рабочий поток, где модель не только отвечает, но и планирует шаги, вызывает инструменты и уточняет ход задачи. На практике термин встречается в сценариях: deep research, автопайплайны. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееAI orchestration
AI orchestration: это координация нескольких моделей, инструментов, правил и этапов в одном бизнес-процессе или приложении. На практике термин встречается в сценариях: сложные пайплайны, агентные системы. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееHuman-in-the-loop
Human-in-the-loop: это подход, при котором критические шаги ИИ проверяет, подтверждает или исправляет человек. На практике термин встречается в сценариях: договоры, high-risk решения. Это базовый термин: он помогает читать AI-документацию, сравнивать модели и точнее понимать, где нейросеть полезна, а где нужен контроль человека.
ПодробнееAI observability
AI observability: это практика сбора логов, трассировок, метрик и примеров ответов для контроля качества ИИ-систем в работе. На практике термин встречается в сценариях: отладка, мониторинг деградации. Это базовый термин: он помогает читать AI-документацию, сравнивать модели и точнее понимать, где нейросеть полезна, а где нужен контроль человека.
ПодробнееGuardrails
Guardrails: это технические и продуктовые правила, которые ограничивают опасные ответы, действия или форматы поведения модели. На практике термин встречается в сценариях: support bots, финтех. Это базовый термин: он помогает читать AI-документацию, сравнивать модели и точнее понимать, где нейросеть полезна, а где нужен контроль человека.
ПодробнееRed teaming
Red teaming: это целенаправленная проверка модели на провокационные, вредные и обходные сценарии до запуска и после него. На практике термин встречается в сценариях: security testing, safety QA. Это базовый термин: он помогает читать AI-документацию, сравнивать модели и точнее понимать, где нейросеть полезна, а где нужен контроль человека.
ПодробнееModel routing
Model routing: это динамический выбор наиболее подходящей модели под конкретный запрос, бюджет, риск и требуемое качество. На практике термин встречается в сценариях: экономия на простых запросах, усиление сложных. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееLatency optimization
Latency optimization: это приемы, которые сокращают время ответа модели или целого ИИ-пайплайна без недопустимой потери качества. На практике термин встречается в сценариях: чаты, голосовые интерфейсы. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееGPT-4o
GPT-4o: это мультимодальная модель семейства GPT, рассчитанная на текст, изображение, аудио и интерактивные сценарии с малой задержкой. На практике термин встречается в сценариях: голосовые ассистенты, чат с файлами и картинками. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееGPT-4.1
GPT-4.1: это линейка моделей OpenAI с упором на сильное следование инструкциям, код и API-сценарии. На практике термин встречается в сценариях: продакшн-автоматизация, дев-инструменты. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееGPT-5
GPT-5: это новая генерация моделей GPT, ориентированная на более сильное рассуждение, инструментальное использование и рабочие задачи. На практике термин встречается в сценариях: сложные агентные сценарии, глубокий анализ. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееCodex
Codex: это кодовый агент и продуктовый слой OpenAI для задач программирования, правок, анализа кода и разработки из естественного языка. На практике термин встречается в сценариях: генерация патчей, объяснение кода. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееDeep Research
Deep Research: это агентный режим, где модель собирает материалы из разных источников, сверяет их и собирает длинный структурированный результат. На практике термин встречается в сценариях: обзор рынка, конкурентный ресерч. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееOpenAI Responses API
OpenAI Responses API: это унифицированный API OpenAI для генерации ответов, инструментов и мультимодальных сценариев в одном интерфейсе. На практике термин встречается в сценариях: новые интеграции, мультимодальные приложения. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееStructured Outputs
Structured Outputs: это режим, в котором модель возвращает ответ строго по заданной схеме, что упрощает машинную обработку результата. На практике термин встречается в сценариях: JSON-ответы, CRM-карточки. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееPrompt Caching
Prompt Caching: это механизм повторного использования больших неизменных частей контекста, чтобы снизить цену и задержку запроса. На практике термин встречается в сценариях: длинные инструкции, корпоративные агенты. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееOpenAI Batch API
OpenAI Batch API: это интерфейс для пакетной асинхронной обработки большого количества запросов, когда не нужен мгновенный ответ. На практике термин встречается в сценариях: массовая классификация, ночные джобы. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееFlex processing
Flex processing: это режим обработки с пониженным приоритетом ради экономии в задачах, где время ответа не критично. На практике термин встречается в сценариях: бэк-офис, batch-пайплайны. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееPredicted Outputs
Predicted Outputs: это прием, когда системе заранее дают ожидаемую основу выходного текста, чтобы ускорить правки и частичные регенерации. На практике термин встречается в сценариях: редактирование файлов, частичное переписывание кода. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееComputer Use
Computer Use: это режим, где модель может взаимодействовать с интерфейсом приложений, браузером и элементами экрана как оператор. На практике термин встречается в сценариях: RPA-подобные сценарии, браузерные действия. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееChatGPT Actions
ChatGPT Actions: это механизм подключения ChatGPT к внешним API и сервисам, чтобы модель могла выполнять полезные действия по запросу пользователя. На практике термин встречается в сценариях: CRM, бронирование. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееClaude Sonnet
Claude Sonnet: это сбалансированная модель Anthropic для повседневных задач: анализ текста, код, документы и агентные сценарии средней сложности. На практике термин встречается в сценариях: рабочая лошадка, enterprise writing. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееClaude Opus
Claude Opus: это старший класс моделей Claude, рассчитанный на максимально сильное качество, сложное рассуждение и тяжелые рабочие процессы. На практике термин встречается в сценариях: сложный код, глубокий анализ. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееClaude Code
Claude Code: это кодовый агент Anthropic для работы в терминале и репозиториях, который выполняет команды разработки из естественного языка. На практике термин встречается в сценариях: рефакторинг, тесты и навигация по repo. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееExtended thinking
Extended thinking: это режим или настройка, дающая модели больше вычислительного бюджета на многошаговое рассуждение перед ответом. На практике термин встречается в сценариях: математика, сложные решения. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееConstitutional AI
Constitutional AI: это подход Anthropic к настройке модели через набор письменных принципов, по которым она оценивает и корректирует ответы. На практике термин встречается в сценариях: безопасное поведение, сравнение моделей Claude. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееClaude Artifacts
Claude Artifacts: это формат, где Claude выносит результат в отдельный объект: документ, код, макет или небольшой интерфейс рядом с чатом. На практике термин встречается в сценариях: прототипы, черновики материалов. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееModel Context Protocol
Model Context Protocol: это открытый протокол для соединения ИИ-моделей с инструментами, файлами, ресурсами и внешним контекстом через единый интерфейс. На практике термин встречается в сценариях: agent tooling, интеграции между экосистемами. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееMCP server
MCP server: это сервер, который публикует инструменты, ресурсы и промпты по стандарту MCP, чтобы клиент или агент могли ими пользоваться. На практике термин встречается в сценариях: GitHub server, CRM server. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееMCP client
MCP client: это приложение или рантайм, который подключается к MCP-серверам и передает модели доступные инструменты и контекст. На практике термин встречается в сценариях: IDE, агентные оболочки. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееMCP inspector
MCP inspector: это инструмент для проверки, отладки и просмотра возможностей MCP-сервера до реального продакшн-подключения. На практике термин встречается в сценариях: тесты интеграций, отладка схем и разрешений. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееGemini 2.5 Flash
Gemini 2.5 Flash: это gemini-модель с упором на скорость и хорошую экономику для массовых запросов, где нужен разумный баланс качества и цены. На практике термин встречается в сценариях: чаты, классификация. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееGemini 2.5 Pro
Gemini 2.5 Pro: это сильная модель Gemini для сложного анализа, кода и задач, где нужно более глубокое рассуждение. На практике термин встречается в сценариях: инженерный анализ, research. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееGemini Flash-Lite
Gemini Flash-Lite: это облегченная и более дешевая версия семейства Flash, ориентированная на быстрые и простые рабочие нагрузки. На практике термин встречается в сценариях: high-volume tasks, экономичный роутинг. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееGemini long context
Gemini long context: это возможность Gemini работать с очень большими входами: длинными документами, кодовой базой или большим набором файлов за один запрос. На практике термин встречается в сценариях: контракты, книги и repo context. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееGemini Live API
Gemini Live API: это реалтайм-интерфейс Gemini для голосовых, видео- и интерактивных приложений с быстрой двусторонней коммуникацией. На практике термин встречается в сценариях: разговорные агенты, voice-first UX. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееThought signatures
Thought signatures: это специальные сигналы в стеке Gemini, которые помогают сохранять и переносить состояние сложного рассуждения между шагами рабочего процесса. На практике термин встречается в сценариях: агентная оркестрация, многошаговые сценарии. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееGoogle Search tool
Google Search tool: это встроенный инструмент Gemini, который добавляет веб-поиск и свежие источники прямо в сценарий ответа модели. На практике термин встречается в сценариях: актуальная аналитика, ресерч с источниками. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееGoogle AI Studio
Google AI Studio: это среда Google для тестирования промптов, моделей Gemini, мультимодальности и быстрых прототипов без большой инфраструктуры. На практике термин встречается в сценариях: MVP, демо и эксперименты. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееInteractions API
Interactions API: это современный API Google для доступа к новым возможностям и моделям Gemini через единый интерфейс взаимодействий. На практике термин встречается в сценариях: новые интеграции, полный доступ к актуальным функциям. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееNano Banana
Nano Banana: это семейство нативных моделей Google для генерации и редактирования изображений с упором на скорость и контекстность результата. На практике термин встречается в сценариях: маркетинговые визуалы, дизайн-пайплайны. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееVeo
Veo: это линейка видео-моделей Google для генерации и редактирования видеороликов по текстовым и визуальным подсказкам. На практике термин встречается в сценариях: рекламные концепты, сториборды. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееImagen
Imagen: это семейство моделей Google для генерации изображений, ориентированное на качество, детализацию и точность визуального описания. На практике термин встречается в сценариях: мокапы, visual ideation. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееDeepSeek V4 Flash
DeepSeek V4 Flash: это быстрая модель DeepSeek для общего использования, когда важны цена, отклик и совместимость с привычными API-паттернами. На практике термин встречается в сценариях: чат-интерфейсы, быстрый слой роутинга. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееDeepSeek V4 Pro
DeepSeek V4 Pro: это сильная модель DeepSeek для сложных задач в коде, анализе и сценариях, где нужна более глубокая обработка запроса. На практике термин встречается в сценариях: инженерные пайплайны, сложный reasoning. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееDeepSeek thinking mode
DeepSeek thinking mode: это режим DeepSeek, который выделяет больше ресурса на длинное рассуждение перед финальным ответом модели. На практике термин встречается в сценариях: математика, логика. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееReasoning effort
Reasoning effort: это параметр, задающий, сколько вычислительного усилия модель должна потратить на сложный ответ. На практике термин встречается в сценариях: точечное усиление тяжелых запросов, quality vs latency. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееMulti-round conversation
Multi-round conversation: это подход DeepSeek к ведению состояния между несколькими сообщениями, чтобы поддерживать последовательный контекст разговора. На практике термин встречается в сценариях: ассистенты, саппорт. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееChat Prefix Completion
Chat Prefix Completion: это режим, где разработчик задает начальную часть ответа ассистента, а модель аккуратно продолжает ее в том же формате. На практике термин встречается в сценариях: шаблоны, управляемый стиль. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееFIM completion
FIM completion: это режим генерации, где модель дописывает пропущенный фрагмент внутри уже существующего кода или текста. На практике термин встречается в сценариях: IDE, частичные правки файлов. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееDeepSeek context caching
DeepSeek context caching: это механизм повторного использования неизменного контекста в DeepSeek для снижения стоимости и ускорения типовых сценариев. На практике термин встречается в сценариях: длинные инструкции, повторяющиеся запросы. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееAnthropic API compatibility
Anthropic API compatibility: это особенность DeepSeek, позволяющая вызывать модель через формат, совместимый с Anthropic, без полной перестройки стека. На практике термин встречается в сценариях: миграции, гибридные инфраструктуры. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееSonar Pro
Sonar Pro: это усиленная версия Sonar с более высоким качеством ответа и лучшей работой в глубоких поисковых сценариях. На практике термин встречается в сценариях: аналитика, контент с цитатами. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееSonar Reasoning Pro
Sonar Reasoning Pro: это модель Perplexity, сочетающая веб-поиск с более сильным логическим разбором сложных многокомпонентных вопросов. На практике термин встречается в сценариях: сравнения, explainers. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееSonar Deep Research
Sonar Deep Research: это режим Perplexity для длинных исследовательских ответов, где важны поиск, синтез и более широкое покрытие источников. На практике термин встречается в сценариях: обзор отрасли, длинные брифы. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееPerplexity Search API
Perplexity Search API: это aPI, дающий доступ к поисковым результатам и связанным возможностям Perplexity для встраивания в внешние продукты. На практике термин встречается в сценариях: search-интеграции, ресерч-пайплайны. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееContextualized embeddings
Contextualized embeddings: это вариант векторов, где представление текста формируется с учетом контекста задачи, а не только самого фрагмента. На практике термин встречается в сценариях: более точный поиск, reranking-сценарии. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееZero-shot prompting
Zero-shot prompting: это запрос к модели без примеров, только с описанием задачи и ожидаемого результата. На практике термин встречается в сценариях: быстрые операции, базовая классификация. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееOne-shot prompting
One-shot prompting: это запрос, где модели показывают один эталонный пример того, как должно выглядеть решение. На практике термин встречается в сценариях: выравнивание формата, шаблонные ответы. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееFew-shot prompting
Few-shot prompting: это подход, при котором в промпт добавляют несколько образцов, чтобы стабилизировать поведение модели на нужной задаче. На практике термин встречается в сценариях: извлечение данных, классификация. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееChain-of-thought prompting
Chain-of-thought prompting: это прием, заставляющий модель распаковать решение на шаги, а не сразу выдавать короткий ответ. На практике термин встречается в сценариях: логика, математика. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееSelf-consistency
Self-consistency: это метод, при котором сравнивают несколько вариантов рассуждения и выбирают наиболее согласованный финальный ответ. На практике термин встречается в сценариях: сложные задачи, повышение устойчивости. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееDecomposition prompting
Decomposition prompting: это подход, где большую задачу разбивают на более простые подзадачи и проходят по ним последовательно. На практике термин встречается в сценариях: исследования, длинные тексты. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееRole prompting
Role prompting: это формулировка, где модели назначают роль или профессиональную оптику: редактор, юрист, аналитик, тренер. На практике термин встречается в сценариях: смена ракурса, контроль глубины. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееPersona prompt
Persona prompt: это промпт, который закрепляет устойчивый голос, подачу и манеру ответа, а не только функциональную роль. На практике термин встречается в сценариях: бренд-коммуникация, персонализированные ассистенты. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееDelimiter prompt
Delimiter prompt: это техника, где инструкции, входные данные и ограничения отделяются явными маркерами, чтобы уменьшить путаницу. На практике термин встречается в сценариях: сложные инструкции, длинный контекст. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееInstruction hierarchy
Instruction hierarchy: это идея о том, что правила в системе, инструментах и пользовательском запросе имеют разный приоритет и должны быть описаны явно. На практике термин встречается в сценариях: избежание конфликтов, агентные приложения. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееOutput schema
Output schema: это заранее заданная структура ответа, по которой модель должна вернуть поля, типы значений и допустимые форматы. На практике термин встречается в сценариях: автообработка результата, карточки и формы. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееXML prompting
XML prompting: это использование XML-подобных тегов для разметки секций промпта и повышения понятности структуры для модели. На практике термин встречается в сценариях: сложные пайплайны, разделение правил и данных. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееMarkdown prompting
Markdown prompting: это подход, где желаемая структура ответа задается через заголовки, списки, таблицы и кодовые блоки Markdown. На практике термин встречается в сценариях: документы, human-readable отчеты. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееStep-back prompting
Step-back prompting: это техника, где сначала просят модель сформулировать общие принципы или рамку задачи, а потом решать частный кейс. На практике термин встречается в сценариях: аналитика, объяснение сложных тем. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееPrompt chaining
Prompt chaining: это организация нескольких запросов, в которой результат одного промпта становится входом для следующего этапа. На практике термин встречается в сценариях: бриф → черновик → редактура, многошаговые пайплайны. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееPrompt template
Prompt template: это переиспользуемая форма запроса с переменными, правилами и фиксированным форматом результата под повторяющуюся задачу. На практике термин встречается в сценариях: стандартизация, командная работа. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееVariable slot
Variable slot: это поле-плейсхолдер внутри шаблона промпта, которое заменяют на конкретные данные перед запуском. На практике термин встречается в сценариях: {тема}, {аудитория}. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееPrompt library
Prompt library: это собранный каталог проверенных промптов по ролям, задачам и форматам, доступный всей команде или продукту. На практике термин встречается в сценариях: shared knowledge, быстрое внедрение ИИ. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееPrompt versioning
Prompt versioning: это практика хранения изменений промпта как версий, чтобы можно было сравнить качество и откатить неудачные правки. На практике термин встречается в сценариях: production-команды, A/B-сравнение. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееPrompt linting
Prompt linting: это автоматические проверки на поломанные переменные, двусмысленные инструкции, запрещенные паттерны и проблемы формата. На практике термин встречается в сценариях: quality gate, большие prompt libraries. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееPrompt optimization
Prompt optimization: это систематическое улучшение промпта на основе метрик, тестовых наборов и наблюдений за реальным качеством ответов. На практике термин встречается в сценариях: production tuning, снижение ошибок. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееEvaluation rubric
Evaluation rubric: это набор четких критериев, по которым человек или другая модель оценивает полезность, точность и формат ответа. На практике термин встречается в сценариях: eval workflow, сравнение версий. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееAnswer style guide
Answer style guide: это редакционные правила для модели: длина, тон, терминология, формат ссылок, подзаголовки и запреты. На практике термин встречается в сценариях: support, брендовые тексты. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееCitation-first prompting
Citation-first prompting: это стратегия, где от модели сразу требуют опираться на источники, помечать утверждения ссылками и не прятать происхождение фактов. На практике термин встречается в сценариях: ресерч, аналитика. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееRefusal handling
Refusal handling: это правила того, как модель должна безопасно отказывать или ограничивать ответ, не превращая отказ в бесполезную заглушку. На практике термин встречается в сценариях: safety UX, поддержка. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееFactuality constraint
Factuality constraint: это явное требование не выдумывать факты, отделять уверенное от неопределенного и признавать нехватку данных. На практике термин встречается в сценариях: отчеты, фактчекинг. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееTone control
Tone control: это управление тем, как звучит ответ: нейтрально, дружелюбно, делово, строго, продающе или сдержанно. На практике термин встречается в сценариях: маркетинг, клиентская поддержка. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееNegative constraints
Negative constraints: это инструкции вида «не делай», которые ограничивают нежелательные стили, ошибки, темы и форматы в ответе модели. На практике термин встречается в сценариях: не выдумывай цифры, не используй кликбейт. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееRetrieval-aware prompting
Retrieval-aware prompting: это формулировка запроса, рассчитанная на работу с найденными документами, цитатами и ограничением ответа рамками корпуса. На практике термин встречается в сценариях: база знаний, документооборот. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееMulti-turn prompting
Multi-turn prompting: это стратегия, где итог достигается не одним суперзапросом, а серией коротких управляемых сообщений с уточнениями. На практике термин встречается в сценариях: редактирование, сложные диалоги. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееLong-context prompting
Long-context prompting: это способы организовать очень большой объем входа так, чтобы модель не потеряла самые важные части и зависимости. На практике термин встречается в сценариях: договоры, репозитории. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееConversational memory
Conversational memory: это отобранные факты из прошлых сообщений, которые сохраняют последовательность общения и не заставляют пользователя повторяться. На практике термин встречается в сценариях: персональные ассистенты, onboarding bots. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееCompression prompt
Compression prompt: это запрос, задача которого: ужать длинный материал до краткой, но полезной версии перед следующим шагом пайплайна. На практике термин встречается в сценариях: экономия токенов, многоэтапный ресерч. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееSummarization chain
Summarization chain: это подход, где большой массив текста сжимают в несколько этапов: секции, промежуточные выводы, общий итог. На практике термин встречается в сценариях: PDF, длинные отчеты. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееRewrite prompt
Rewrite prompt: это запрос на рерайт исходного текста с сохранением смысла, но изменением структуры, ясности, тона или плотности. На практике термин встречается в сценариях: редактура, адаптация техтекста. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееExpansion prompt
Expansion prompt: это запрос, при котором короткий тезис, план или черновик превращается в более полный материал с деталями и переходами. На практике термин встречается в сценариях: статьи, сценарии. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееIdeation prompt
Ideation prompt: это шаблон для генерации направлений, гипотез, названий, концепций и вариантов решения на старте работы. На практике термин встречается в сценариях: брейншторм, продуктовые гипотезы. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееCritique prompt
Critique prompt: это запрос, в котором модель оценивает слабые места черновика, логики, формулировок или структуры вместо создания текста с нуля. На практике термин встречается в сценариях: редактирование, аудит черновика. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееRevision loop
Revision loop: это повторяемый контур «создай, раскритикуй, поправь», который помогает постепенно улучшать результат вместо одной итерации. На практике термин встречается в сценариях: статьи, код и документация. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееSelf-reflection prompt
Self-reflection prompt: это формулировка, где модель после ответа должна перепроверить выводы, найти дыры и исправить явные несоответствия. На практике термин встречается в сценариях: сложные задачи, QA before delivery. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееDebate prompting
Debate prompting: это подход, где модель сначала раскладывает несколько конкурирующих точек зрения, а потом собирает взвешенный вывод. На практике термин встречается в сценариях: стратегии, сравнение вариантов. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееTree of Thoughts
Tree of Thoughts: это метод, где модель рассматривает несколько веток рассуждения параллельно, а затем сравнивает их и отбрасывает слабые. На практике термин встречается в сценариях: поиск решения, сложные головоломки. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееGraph of Thoughts
Graph of Thoughts: это нелинейный вариант организации рассуждения, где идеи можно ветвить, объединять и возвращать к узлам в сложной задаче. На практике термин встречается в сценариях: аналитические пайплайны, исследовательская логика. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееStructured generation
Structured generation: это генерация, в которой ответ изначально планируется как набор полей, блоков или таблиц, а не свободный текст. На практике термин встречается в сценариях: CRM, CMS и ETL. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееContent brief
Content brief: это структурированное ТЗ для создания материала: тема, цель, аудитория, вопросы, формат, ограничения и критерии качества. На практике термин встречается в сценариях: медиа, агентства и in-house content teams. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееEditorial prompt
Editorial prompt: это промпт, который заставляет модель думать как редактор: выстраивать логику, чистить штампы, усиливать ясность и ритм текста. На практике термин встречается в сценариях: публикации, редактура длинных материалов. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееBrand voice prompt
Brand voice prompt: это шаблон, описывающий словарь, тон, ритм, запреты и фирменные особенности коммуникации конкретного бренда. На практике термин встречается в сценариях: брендовые тексты, поддержка. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееLocalization prompt
Localization prompt: это запрос на адаптацию текста под страну, рынок и культурную норму, а не просто прямой перевод слов. На практике термин встречается в сценариях: US/EU-локали, адаптация единиц и реалий. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееSEO content prompt
SEO content prompt: это запрос на материал, учитывающий поисковый интент, структуру темы, сущности и требования к удобочитаемости. На практике термин встречается в сценариях: брифы, первые черновики статей. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееPrompt regression test
Prompt regression test: это набор проверок, который показывает, не испортилось ли качество промпта после новой правки, релиза модели или смены цепочки. На практике термин встречается в сценариях: production QA, prompt ops. В промптинге это влияет на качество инструкции, формат ответа и количество ручной переделки после генерации.
ПодробнееAI Overview
AI Overview: это сгенерированный блок ответа в Google Search, который суммирует тему и может показывать ссылки на источники до классической выдачи. На практике термин встречается в сценариях: новая поверхность видимости, влияние на CTR. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееAI Mode
AI Mode: это разговорный режим Google Search для сложных, многошаговых и сравнительных вопросов с последующими уточнениями. На практике термин встречается в сценариях: long-form поиск, follow-up queries. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееAnswer engine
Answer engine: это система, которая старается сразу дать итоговый ответ на вопрос, а не просто показать список ссылок для ручного изучения. На практике термин встречается в сценариях: conversational search, AI assistants. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееGenerative answer
Generative answer: это ответ, который модель сама синтезирует из найденных сигналов и знаний, а не копирует один источник целиком. На практике термин встречается в сценариях: AI search, ассистенты с вебом. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееCited answer
Cited answer: это ответ ИИ или поисковой системы, где к ключевым утверждениям прикреплены видимые источники или кликабельные ссылки. На практике термин встречается в сценариях: исследования, B2B-аналитика. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееSource attribution
Source attribution: это явное указание, откуда взято утверждение, таблица, цифра или формулировка в поисковом или ИИ-ответе. На практике термин встречается в сценариях: доверие, проверяемость. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееPreferred sources
Preferred sources: это сигналы и рекомендации, помогающие системе выбрать, какие страницы лучше представляют тему, бренд или объект для ответа. На практике термин встречается в сценариях: брендовые запросы, официальные страницы. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееMachine-readable content
Machine-readable content: это контент, который легко разобрать алгоритмам: с четкой структурой, семантической разметкой и понятными сущностями. На практике термин встречается в сценариях: AI visibility, rich extraction. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееRich results
Rich results: это улучшенные сниппеты в поиске с рейтингами, карточками, вопросами, видео и другими дополнительными элементами. На практике термин встречается в сценариях: заметность в SERP, повышение CTR. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееTitle link
Title link: это основной кликабельный заголовок результата в Google Search, который формируется по содержанию страницы и сигналам страницы. На практике термин встречается в сценариях: CTR, брендовая понятность. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееMeta description
Meta description: это краткое описание страницы, которое Google может использовать как основу для сниппета в поисковой выдаче. На практике термин встречается в сценариях: объяснение пользы страницы, улучшение кликабельности. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееSnippet
Snippet: это короткий фрагмент текста, показываемый в выдаче как превью содержимого страницы и релевантности запросу. На практике термин встречается в сценариях: CTR, быстрый выбор результата. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееFeatured snippet
Featured snippet: это специальный блок в поиске с прямым коротким ответом на вопрос пользователя, извлеченным из одной страницы. На практике термин встречается в сценариях: definitions, how-to answers. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееPassage ranking
Passage ranking: это механизм, при котором система учитывает релевантность конкретного фрагмента внутри длинной страницы, а не только всей страницы целиком. На практике термин встречается в сценариях: длинные гайды, deep sections. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееCrawl budget
Crawl budget: это условный объем внимания, который поисковый робот готов тратить на обход страниц конкретного сайта за период времени. На практике термин встречается в сценариях: большие сайты, индексация каталогов. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееIndexability
Indexability: это способность страницы быть проиндексированной и доступной для поиска, если ей ничто технически не мешает. На практике термин встречается в сценариях: техаудит, Search Console diagnostics. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееCanonical URL
Canonical URL: это адрес, который сайт указывает как основную версию страницы среди дублей или близких вариантов. На практике термин встречается в сценариях: e-commerce, параметрические URL. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
Подробнееrobots.txt
robots.txt: это текстовый файл в корне сайта, который подсказывает роботам, какие разделы можно или нельзя сканировать. На практике термин встречается в сценариях: управление обходом, защита от мусорного crawl. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
Подробнееsitemap.xml
sitemap.xml: это файл со списком важных URL сайта, который помогает поисковым системам быстрее находить и обновлять страницы. На практике термин встречается в сценариях: большие сайты, новые разделы. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееEntity SEO
Entity SEO: это entity-first подход к оптимизации, где акцент смещается с чистых ключей на людей, бренды, продукты, места и связи между ними. На практике термин встречается в сценариях: AI search, экспертные тематики. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееSemantic entity
Semantic entity: это распознаваемый объект с устойчивым смыслом, например компания, человек, продукт, город или научное понятие. На практике термин встречается в сценариях: knowledge-driven поиск, topical architecture. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееTopical map
Topical map: это структурированная схема темы и подтем сайта, показывающая, какие вопросы покрыты, как они связаны и чем усилить полноту. На практике термин встречается в сценариях: контент-план, кластеризация разделов. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееQuery intent
Query intent: это наиболее вероятная цель пользователя: узнать, сравнить, купить, решить задачу или перейти к конкретному бренду. На практике термин встречается в сценариях: SEO-брифы, AEO-структура ответа. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееConversational query
Conversational query: это запрос, сформулированный естественным языком, часто как вопрос или мини-диалог, а не как короткая ключевая фраза. На практике термин встречается в сценариях: AI search, FAQ content. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееContent freshness
Content freshness: это насколько материал актуален для темы и как недавно он был обновлен там, где время действительно влияет на полезность ответа. На практике термин встречается в сценариях: цены, законы и новости. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееFirst-party source
First-party source: это официальный сайт или собственный источник организации, где информация публикуется от первого лица и обычно считается базовой. На практике термин встречается в сценариях: фактология бренда, документация. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееEarned media
Earned media: это упоминания на сторонних авторитетных площадках: обзоры, интервью, списки, цитаты, редакционные материалы. На практике термин встречается в сценариях: внешнее доверие, AI-цитирование. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееCitation-ready content
Citation-ready content: это материал, в котором ключевые факты, формулировки и определения оформлены так, чтобы поиску и ИИ было легко их извлечь и сослаться. На практике термин встречается в сценариях: glossary, how-to pages. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееFAQ markup
FAQ markup: это структурированные данные для страниц с вопросами и ответами, объясняющие поиску формат и смысл FAQ-блока. На практике термин встречается в сценариях: help pages, справочные разделы. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееQ&A markup
Q&A markup: это разметка для страниц, где есть вопрос и ответы участников или экспертов, обычно в виде форумных или community-сценариев. На практике термин встречается в сценариях: community content, expert answer pages. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееArticle markup
Article markup: это структурированные данные для статей, новостей и блоговых материалов с указанием автора, даты, изображений и типа публикации. На практике термин встречается в сценариях: editorial sites, блоги брендов. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееProduct markup
Product markup: это разметка, описывающая товар, цену, наличие, рейтинг и другие сведения, которые могут попасть в расширенные результаты поиска. На практике термин встречается в сценариях: e-commerce, merchant visibility. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееReview snippet
Review snippet: это формат выдачи, где в результатах показываются рейтинг и отзывные сигналы, если страница размечена корректно. На практике термин встречается в сценариях: товары, софт и локальные сервисы. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееVideo structured data
Video structured data: это структурированная информация о видео: название, описание, превью, длительность, дата публикации и технические атрибуты. На практике термин встречается в сценариях: video SEO, обучающие страницы. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееImage metadata
Image metadata: это набор описательных полей, подписей и технических сведений об изображении, которые помогают поиску правильно его трактовать. На практике термин встречается в сценариях: image search, карточки товаров. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееSpeakable markup
Speakable markup: это разметка для участков текста, особенно подходящих для озвучивания голосовыми интерфейсами и ассистентами. На практике термин встречается в сценариях: voice surfaces, news and explainers. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееSite names
Site names: это механизм, по которому Google показывает узнаваемое название сайта в результатах поиска вместо сухого доменного имени. На практике термин встречается в сценариях: брендовый поиск, trust signals. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееSitelinks
Sitelinks: это дополнительные ссылки на важные разделы сайта, которые Google может показать под основным результатом бренда или сильной страницы. На практике термин встречается в сценариях: навигация, брендовая выдача. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееMerchant listing
Merchant listing: это расширенный товарный формат в Google с коммерческими атрибутами, данными магазина и условиями покупки. На практике термин встречается в сценариях: retail, shopping visibility. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееProfile page markup
Profile page markup: это структурированные данные для страницы персоны, автора, компании или создателя контента с основными атрибутами и ссылками. На практике термин встречается в сценариях: авторские профили, экспертные страницы. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееDiscussion forum markup
Discussion forum markup: это разметка страниц обсуждений и форумных тредов, помогающая поиску понимать этот формат как community-контент. На практике термин встречается в сценариях: support communities, UGC сайты. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееDataset markup
Dataset markup: это структурированные данные для наборов данных, описывающие их тему, автора, формат, доступ и способ получения. На практике термин встречается в сценариях: research sites, data portals. Понятие важно для оценки качества, скорости, стоимости и надежности AI-систем в реальной работе.
ПодробнееLocal business markup
Local business markup: это разметка для локальных компаний с адресом, часами работы, телефоном, географией и типом бизнеса. На практике термин встречается в сценариях: local SEO, карты и голосовой поиск. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееPeople-first content
People-first content: это подход Google, при котором материал должен прежде всего реально помогать человеку, а не быть написанным ради манипуляции выдачей. На практике термин встречается в сценариях: editorial policy, content audits. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееHelpful content
Helpful content: это контент, который закрывает задачу пользователя ясно, честно и по теме, не перегружая страницу пустыми словами и SEO-штампами. На практике термин встречается в сценариях: SEO quality review, content strategy. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееE-E-A-T
E-E-A-T: это концепция оценки качества контента и сайта через опыт, экспертность, авторитетность и доверие. На практике термин встречается в сценариях: YMYL-сайты, экспертные хабы. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееAI crawler
AI crawler: это робот, который обходит сайт для ИИ-функций, поиска, retrieval или подготовки ответов в генеративных системах. На практике термин встречается в сценариях: server logs, crawl policy analysis. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееAnswer visibility
Answer visibility: это вероятность того, что бренд, страница или факт будут подхвачены и показаны в генеративном ответе, а не только в обычной выдаче. На практике термин встречается в сценариях: GEO/AEO-оценка, AI referral strategy. Понятие важно для AI Search, GEO/AEO и контента, который должен быть понятен пользователю, поиску и answer-системам.
ПодробнееAI copilot
AI copilot: это помощник, который работает рядом с человеком в конкретном интерфейсе и ускоряет задачу, а не полностью заменяет пользователя. На практике термин встречается в сценариях: код, таблицы и CRM. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееWorkflow automation
Workflow automation: это автоматическое выполнение цепочек действий, где ИИ помогает принимать решения, наполнять поля, маршрутизировать шаги и готовить результаты. На практике термин встречается в сценариях: бэк-офис, support ops. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееMarketing automation
Marketing automation: это использование ИИ для массового запуска и оптимизации писем, сегментов, объявлений, контента и персонализации кампаний. На практике термин встречается в сценариях: email, paid media workflows. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееLead scoring
Lead scoring: это оценка потенциальных клиентов по вероятности покупки, качеству интереса или стратегической ценности для команды продаж. На практике термин встречается в сценариях: CRM приоритизация, ABM. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееCustomer support bot
Customer support bot: это чат-ассистент для типовых обращений, поиска по базе знаний и предварительного решения задач клиента до оператора. На практике термин встречается в сценариях: L1 support, self-service help. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееSales enablement
Sales enablement: это набор ИИ-инструментов, которые помогают продавцам готовить письма, возражения, summary звонков и материалы по аккаунтам. На практике термин встречается в сценариях: prep for calls, deal support. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееMeeting summarizer
Meeting summarizer: это инструмент, который превращает созвоны в краткое резюме, набор решений, поручений и next steps. На практике термин встречается в сценариях: sales calls, project syncs. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееTranscript intelligence
Transcript intelligence: это извлечение смыслов из транскриптов: темы, риски, возражения, решения, обязательства и повторяющиеся паттерны. На практике термин встречается в сценариях: колл-центры, customer research. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееNote-taking AI
Note-taking AI: это ассистент, который помогает фиксировать, структурировать и дополнять заметки по материалам, встречам и документам. На практике термин встречается в сценариях: personal knowledge work, менеджерские заметки. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееContract review
Contract review: это сценарий, в котором ИИ делает первый проход по контракту, находит рисковые места и помогает подготовить вопросы юристу. На практике термин встречается в сценариях: procurement, legal ops. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееClause extraction
Clause extraction: это автоматическое вытягивание из документа ключевых пунктов: сроки, штрафы, продление, право, ответственность и исключения. На практике термин встречается в сценариях: contract comparison, risk tables. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееPolicy summarization
Policy summarization: это преобразование длинных внутренних или публичных политик в короткие понятные версии для сотрудников, клиентов и руководства. На практике термин встречается в сценариях: HR, compliance docs. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееDocument Q&A
Document Q&A: это режим, где пользователь задает вопросы по одному документу или корпусу файлов, а модель отвечает, опираясь на их содержимое. На практике термин встречается в сценариях: handbook, policy search. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееRedline assistant
Redline assistant: это инструмент, который сравнивает версии документа и предлагает изменения, пояснения или красные линии по смысловым расхождениям. На практике термин встречается в сценариях: legal redlines, procurement reviews. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееOCR pipeline
OCR pipeline: это цепочка распознавания сканов и изображений, где из визуального документа извлекают текст, структуру и иногда поля форм. На практике термин встречается в сценариях: старые PDF, document AI. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееForm extraction
Form extraction: это автоматическое извлечение значений из анкет, счетов, заявлений и стандартных документов с повторяемой структурой. На практике термин встречается в сценариях: бухгалтерия, ручной ввод данных. Термин нужен в офисных сценариях, где AI работает с файлами, таблицами, регламентами и большими массивами текста.
ПодробнееSpreadsheet copilot
Spreadsheet copilot: это иИ-помощник внутри таблиц, который генерирует формулы, чистит данные, строит summary и объясняет аномалии. На практике термин встречается в сценариях: finance, ops analytics. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееBI copilot
BI copilot: это ассистент для BI-систем, который переводит вопросы бизнеса в графики, срезы и объяснение того, что произошло в данных. На практике термин встречается в сценариях: self-service analytics, dashboard Q&A. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееSQL generation
SQL generation: это преобразование бизнес-вопроса на естественном языке в SQL-запрос к базе данных с учетом схемы и ограничений. На практике термин встречается в сценариях: ad hoc analytics, SQL drafting. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееCode completion
Code completion: это генерация следующего фрагмента кода прямо во время набора текста в IDE или редакторе. На практике термин встречается в сценариях: boilerplate, ускорение рутины. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееCode review assistant
Code review assistant: это инструмент, который находит потенциальные баги, запахи, проблемную логику и нарушения стиля в pull request или diff. На практике термин встречается в сценариях: PR review, второй взгляд. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееBug triage
Bug triage: это классификация и приоритизация багов и инцидентов по описанию, логам, влиянию, вероятной причине и срочности. На практике термин встречается в сценариях: support/dev handoff, incident intake. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееFill-in-the-middle coding
Fill-in-the-middle coding: это режим кодогенерации, в котором модель вставляет пропущенный блок в уже существующий файл, а не пишет все с нуля. На практике термин встречается в сценариях: IDE editing, partial patches. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееRepo chat
Repo chat: это интерфейс, где можно задавать вопросы о кодовой базе, архитектуре, зависимостях и поведении функций на основе repo context. На практике термин встречается в сценариях: onboarding, knowledge transfer. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееTest generation
Test generation: это автоматическое создание unit-, integration- или regression-тестов по коду, спецификации или diff-изменениям. На практике термин встречается в сценариях: после рефакторинга, coverage boost. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееRefactoring assistant
Refactoring assistant: это инструмент, который предлагает улучшение структуры кода без смены бизнес-логики: выделение модулей, именование, cleanup. На практике термин встречается в сценариях: tech debt, code cleanup. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееCI log analysis
CI log analysis: это разбор длинных логов сборки и тестов с выделением корневой причины, симптома и рекомендуемого следующего шага. На практике термин встречается в сценариях: DevOps, fast failure triage. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееDocstring generation
Docstring generation: это автоматическое создание документации к функциям, классам и методам на основе сигнатуры и тела кода. На практике термин встречается в сценариях: internal docs, code clarity. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееAPI stub generation
API stub generation: это создание каркасов endpoint-ов, SDK, маршрутов или спецификаций по текстовому описанию интерфейса или схемы. На практике термин встречается в сценариях: MVP backend, integration drafts. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееVibe coding
Vibe coding: это неформальный стиль разработки, где значительная часть решений и правок делается через естественный язык и быстрые AI-итерации. На практике термин встречается в сценариях: прототипы, low-friction experiments. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееDesign-to-code
Design-to-code: это преобразование UI-макета, скриншота или мокапа в работающую верстку и компоненты интерфейса. На практике термин встречается в сценариях: фронтенд, быстрый старт экранов. Термин важен для разработки с AI, где модель помогает писать, проверять и объяснять код, но результат все равно нужно контролировать.
ПодробнееImage editing
Image editing: это изменение уже существующего изображения по текстовой инструкции без обязательной генерации с нуля. На практике термин встречается в сценариях: замена объектов, чистка фона. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееInpainting
Inpainting: это техника, при которой изменяют только выделенную область изображения, оставляя остальную часть без изменений. На практике термин встречается в сценариях: удаление лишних деталей, product edits. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееOutpainting
Outpainting: это техника увеличения изображения за пределы исходной рамки, когда модель достраивает недостающие области по контексту. На практике термин встречается в сценариях: баннеры, адаптация форматов. Термин помогает не путать бренд, модель, режим работы и интерфейс, особенно когда нужно выбрать инструмент под конкретную задачу.
ПодробнееStyle reference
Style reference: это использование образца или набора ориентиров, чтобы модели придерживались нужной визуальной манеры, а не генерировали «в вакууме». На практике термин встречается в сценариях: брендовые креативы, campaign consistency. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееCharacter consistency
Character consistency: это способность системы сохранять одного и того же героя, маскота или ведущего в разных кадрах и вариациях генерации. На практике термин встречается в сценариях: сериализованный контент, рекламные серии. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
ПодробнееImage upscaling
Image upscaling: это повышение разрешения изображения с попыткой сохранить или улучшить детализацию, не делая картинку мыльной. На практике термин встречается в сценариях: печать, e-commerce assets. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееBackground removal
Background removal: это автоматическое отделение главного объекта изображения от фона для дальнейшей подстановки на новый фон или чистый холст. На практике термин встречается в сценариях: карточки товаров, social creatives. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееPrompt-to-video
Prompt-to-video: это генерация видеоролика по сложному составному описанию, где указывают сцену, движение камеры, стиль, свет и действие. На практике термин встречается в сценариях: pre-visualization, creative concepting. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееText-to-video
Text-to-video: это создание видео напрямую из текстового описания желаемой сцены, действия и визуальной подачи. На практике термин встречается в сценариях: рекламные идеи, demo visuals. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееImage-to-video
Image-to-video: это преобразование статичной картинки в движущуюся сцену, когда модель анимирует объект, камеру или фон. На практике термин встречается в сценариях: тизеры, оживление key visual. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееStoryboard generation
Storyboard generation: это создание последовательности сцен и кадров, которая помогает до съемки или продакшна увидеть логику будущего ролика. На практике термин встречается в сценариях: продакшн-planning, marketing review. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееShot list generation
Shot list generation: это построение списка кадров, планов, ракурсов и технических указаний для съемки или видео-генерации. На практике термин встречается в сценариях: продюсирование, съемочные планы. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееLip sync
Lip sync: это технология, которая подгоняет движение губ под заданный аудиоряд или сгенерированную речь. На практике термин встречается в сценариях: дубляж, talking avatar videos. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееVoice cloning
Voice cloning: это синтез речи голосом, похожим на конкретного человека, на основе образца или обученного голосового профиля. На практике термин встречается в сценариях: медиа, брендированные ассистенты. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееText-to-speech
Text-to-speech: это преобразование написанного текста в озвученную речь с управлением тембром, стилем и иногда эмоцией. На практике термин встречается в сценариях: озвучка, accessibility и voice bots. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееSpeech-to-text
Speech-to-text: это преобразование устной речи из аудио в текстовую стенограмму с возможностью последующего анализа и поиска. На практике термин встречается в сценариях: стенограммы, колл-центры. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееDubbing
Dubbing: это замена исходной речи в видео новой дорожкой, часто с переводом, синхронизацией и адаптацией интонации под рынок. На практике термин встречается в сценариях: локализация видео, глобальный контент. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееMultimodal search
Multimodal search: это поиск, где запрос или результат могут включать сразу текст, изображение, аудио, видео или комбинацию этих модальностей. На практике термин встречается в сценариях: поиск товара по фото и тексту, поиск в документах с картинками. Термин полезен в визуальных, видео и голосовых сценариях, где результат зависит от данных, промпта и проверки артефактов.
ПодробнееKnowledge worker automation
Knowledge worker automation: это использование ИИ для ускорения офисной и экспертной работы: документы, анализ, письма, таблицы, согласования и ресерч. На практике термин встречается в сценариях: ops, legal, finance и marketing workflows. Термин связывает AI не с хайпом, а с процессом, метрикой, риском или понятной бизнес-задачей.
Подробнее