Garbage in, garbage out - основное правило работы с нейронками (да и не только с ними). После прошлого поста мне пара человек написали, что AI чаще делает херню, а потом сиди с этим говнокодом разбирайся. Так а ничо тот факт что это вам не кнопочка "сделай мне хорошо"? Я воспринимаю нейронки как ещё один язык программирования, ещё более высокоуровневый и абстрактный. Или, например, как не в меру продуктивного и послушного джуна, который, не задавая вопросов, бежит выполнять задачу так, как он её понял. Понятно, ему надо написать больше контекста о том, что конкретно от него требуется. Например, DeepResearch обычно ходит по первой странице гугла по первому попавшемуся запросу, какой взбредет в его киберголову. Чтобы повысить шансы на лучший результат, надо добавить к запросу несколько вещей. Во-первых, уточнить, какую именно информацию тебе надо найти. Например, я указывал, что мне нужны именно технические детали: какие TCP-пакетики отправляются, как они шифруются и т.д. Ссылки на документацию, на исходники, на tcpdump-ы и подобные вещи. Во-вторых, уточнить, что тебе НЕ надо в ответе. Например, убрать источники, где есть только общее описание без деталей, рекламу, преимущества и недостатки и прочие общие абстрактные вещи. Отфильтровать также технические детали установки и конфигурации готовых решений, где нет описания их принципов работы или технической реализации. В-третьих, неплохо бы сообщить, что уже искал по теме и по каким запросам. Привести примеры нужных и ненужных источников. Ах да, и в-нулевых, хорошо бы подробнее описать для начала проблему и задачу, которую решаешь, почему и зачем ты её решаешь, как уже пробовал решить, etc. Тогда ChatGPT это тоже может учесть и не гуглить того, что ты уже сам гуглил. После этого полезно ещё вместе с AI придумать план ресерча (Gemini так и делает по-дефолту) и поменять его, если надо, перед запуском. Так можно повысить шансы на чуть лучшее качество ответа.