Всем привет! В предыдущей статье я поделился своим опытом вайб-кодинга в решении рабочих задач с учетом специфики работы юриста. А сегодня я расскажу, как на протяжении шести месяцев взаимодействия с LLM я использовал нейросети для решения повседневных задач и что из этого получилось. Я не буду затрагивать очевидные сценарии вроде написания макросов для Excel или обработки текста, а сосредоточусь только на реальных примерах применения LLM в повседневной жизни.

Топ составлен на основе моего личного опыта и задач, которые стояли передо мной. Все приведенные примеры и промты использовались мной в бесплатных версиях LLM таких как Grok (в основном), ChatGPT, Gemini, DeepSeek и Qwen. В комментариях к каждому пункту я поделюсь дополнительным контекстом применения нейросетей, чтобы вы могли лучше понять, как адаптировать эти подходы под свои задачи.

Приятного чтения!

1. Составление программы тренировок

Промт: «Составь персонализированную тренировочную программу на 12 недель в табличной форме, с распределением по дням, циклам и с прогрессией нагрузок для занятий в тренажерном зале. С учетом следующих параметров и целей: Пол – ; Возраст - ; Рост - ; Вес - ; Тренировочный стаж: - ; Уровень подготовки - ; Травмы и ограничения: - ; Доступное оборудование - ; Цель тренировок - ; Периодичность тренировок: - . При подготовке ответа, для составления эффективной тренировочной программы опирайся на последние научные данные, открытия, статьи, опубликованные в достоверных (надежных) источниках, с учетом того, что данные должны быть получены на основании исследований, проведенных в отношении атлетов применяющих натуральный тренинг без использования анаболических стероидов».

Комментарий: в параметре «Уровень подготовки» я указывал максимальные рабочие веса, с которыми могу комфортно работать (до 10 повторений в 3 подходах) в упражнениях: жим штанги лежа, жим сидя, подтягивания, приседания. Исходя из этих данных LLM рассчитывала ориентировочные веса для других упражнений. Но поскольку расчеты были приблизительными, первую неделю я тестировал предложенные веса, чтобы найти комфортный уровень и в конце недели добавлял эту информацию в запрос для того, чтобы LLM откорректировала программу тренировок.

С февраля 2025 года я завершил один 12-недельный цикл и начал новый. Результатом я доволен, почти по всем предложенным упражнениям в программе мне удалось с прогрессировать именно так, как писала в прогрессии LLM.

Мой общий тренировочный стаж более 10 лет занятий, и я обладаю достаточным багажом знаний в фитнес индустрии, чтобы оценить эффективность программы и правильность ее составления. LLM отлично справляется с подборкой упражнений, распределением периодизации и выстраивании прогрессии нагрузок. То на, что у меня бы ушло не мало времени, нейронная сеть способна сделать за пару минут. Но, этот вариант не для всех. Если вы не владеете техникой выполнения базовых упражнений (жимы, тяги, приседания), то есть смысл сначала поработать с тренером, и уже только потом пользоваться программами от нейросетей.

2. Составление недельного плана питания

Промт: «Составь персонализированный недельный план питания, который будет соответствовать моим целям, образу жизни и предпочтениям. Распредели приёмы пищи по дням (завтрак, обед, ужин, перекусы). При составлении плана учти следующие параметры: Пол – ; Возраст – ; Рост – ; Вес – ; Уровень физической активности – ; Медицинские ограничения (в том числе аллергии и непереносимости) – ; Основная цель – ; Любимые продукты – ; Продукты, которые нужно исключить – ; Время приёмов пищи – ; Наличие активности (тренировки, бег или прочие виды активности) – ; Режим сна – ; Используемые добавки (в том числе БАДы и витамины) – ; При составлении плана питания опирайся на последние научные данные, открытия, статьи, опубликованные в достоверных (надежных) источниках, в том числе PubMed».

Комментарий: Если ваши кулинарные навыки равны отрицательному значению (как, например, у меня), то советую об этом тоже указать в запросе, добавив: «Учти, что я не умею готовить, и предложи максимально простые рецепты». LLM отлично справляется с объяснением процесса приготовления, разбивая его на простые шаги, которые могут выполнить даже самые кривые руки. Так, если у вас возникли сложности при приготовлении какого-то конкретного блюда из предложенного плана, используйте этот промт: «Помоги мне приготовить (название блюда). Для приготовления у меня есть следующие ингредиенты (укажите, что у вас есть). Разложи детально, что и в какой последовательности мне выполнять».

Отдельно про витамины, БАДы и спортивное питание. Я не стал выносить эти добавки в отдельную категорию, но скажу, что, если вы используете их (или только собираетесь), рекомендую использовать LLM для подбора и оценки эффективности. Далеко не все добавки стоит использовать, скорее, только совсем небольшую их часть, которая имеет подтверждение действия. Поэтому при поиске или оценке эффективности советую использовать этот промт: «Опирайся на последние научные данные, открытия, статьи, опубликованные в достоверных (надежных) источниках, в том числе PubMed, избегай рекламных статей, в том числе статей, профинансированных продавцами такой продукции, либо размещённых на интернет-ресурсах таких производителей и (или) распространителей».

Объясню, почему я вставляю это в промт: LLM не всегда фильтрует рекламный контент. Указание на достоверные источники (например, PubMed) помогает минимизировать риск получения недостоверной информации.

 3. Изучение сложных в понимании предметов

Здесь, прежде чем привести пример промта, важно сначала указать контекст. По типу мышления я гуманитарий, и технические темы, такие как нейросети, языки программирования или машинное обучение, для меня понятны не более чем на 0.01%. Я честно пытался сначала разобраться с этим сам, читал статьи, смотрел ролики, подкасты, пробовал также читать популярные в этом направлении книги вроде «Грокаем алгоритмы», «Программист-прагматик» (кстати, мне их порекомендовал Grok), но как-то более-менее разобраться с этим всё равно не получилось. Не хватало наставника, учителя, который бы детально разложил всё на винтики (базовые понятия и процессы) и объяснил работу каждого такого винтика простым и понятным языком. И таким учителем для меня стали LLM.

Нейронные сети очень неплохо умеют объяснять и делают это именно так, как вы об этом попросите. Главное — указать ваш начальный уровень, цель и время, которое вы готовы потратить. Я, например, использовал следующий промт: «Я не обладаю навыками и познаниями в сфере IT, но хотел бы изучить тему, связанную с обучением открытых LLM моделей. Ты будешь моим личным преподавателем. Моя цель — разобраться с тем, как мне дообучить нейронную сеть на примере приведённых мною данных, и, с учетом того, что я не обладаю знаниями, я должен иметь общее понимание о работе нейросетей. Составь мой индивидуальный план обучения, раздели его на 6 занятий, каждое из которых должно занимать не более 1 часа. А теперь составь план занятий и давай начнём обучение с первого занятия».

Результатом такого обучения я остался доволен, многие вещи, которые раньше мне были не понятны такими больше не являются. Да, я все еще далеко не спец, но и ежиком в тумане меня теперь не назовешь. Кстати «Грокаем алгоритмы» все же книга не плохая, и после того, как я немного разобрался с основами, и сама книга стала для меня более понятной. И еще добавлю, что обучение я не забросил, а по схожему алгоритму указанного промта стал изучать другие темы связанные с нейросетями.

4. Поиск информации, анализ и сравнение

Эта категория применения LLM, наверное, такая же популярная, как и работа с текстом. Но если копнуть глубже, возможности нейросетей в поиске и анализе информации выходят далеко за рамки простого «загугли и найди». LLM могут не только искать данные, но и фильтровать их, сравнивать варианты и выдавать структурированные выводы, которые реально помогают с выбором и экономят ваше время. Выбор техники (от кофеварки до сборки ПК), места для отдыха, продуктов и всего другого, где у вас возникает выбор, можно перепоручить нейронным сетям.

Возможно, «умные головы» меня захейтят за пример с выбором техники. Скажу честно, ПК с LLM я еще не собирал, не было такой необходимости, но вот при выборе зимней резины для машины и телефона LLM мне помогла. Как-то раз даже использовал нейросеть, чтобы сравнить, какой продукт выгоднее взять в продовольственном магазине. Но и здесь нужно не забывать использовать лайфхак с отсеиванием недостоверной рекламной информации например: «Исключи из поиска информацию из рекламных объявлений производителей и (или) распространителей, используй только надежные источники, блоги, отзывы и сравнения».

Заключение

Изначально при составлении топа я планировал описать пять способов применения LLM в повседневной жизни, но, когда начал писать, понял, что, если выделять важные, которые можно сложить в отдельную категорию, их не так много. Поэтому предлагаю комментаторам поделиться своими примерами применения нейросетей именно в повседневной жизни при решении бытовых, рутинных задач.