Как написать SEO-лонгрид с помощью ChatGPT-4: Пошаговая инструкция. Часть 1 😇

ChatGPT может помочь не только с короткими текстами, но и с полными SEO-лонгридами. Здесь пошаговый алгоритм и промпты для каждого этапа.

1️⃣ Подбор запросов и составление структуры

Начнем с анализа конкурентов и подбора запросов. Нужно отобрать ключевые фразы и 4–5 статей из топ-10 поисковых систем. Эти ссылки передаются ChatGPT для составления структуры.

Промпт: Составь структуру текста на основе следующих статей: [перечислить ссылки]. Подсчитай среднее количество символов в этих текстах.

2️⃣ Распределение объема текста и задание параметров

Для каждой части статьи укажите необходимое количество символов. Это важно, так как ChatGPT генерирует текст порциями (обычно около 3–4 тыс. символов).

Промпт для первой части (например, Введение): Напиши введение для статьи о [теме] объемом 1000 символов, соблюдая следующие условия: [перечислите требования по плотности ключевых слов и структуре текста].

3️⃣ Генерация текста по частям

Отправляем заготовленный промпт в ChatGPT и получаем текст по частям. Например, для описания ключевых характеристик продукта или услуги ChatGPT может описывать параметры, уникальные особенности и примеры применения.

Промпт для раздела (например, Подбор по параметрам): Напиши текст для раздела [название] на 3000 символов, с фокусом на [перечислите ключевые моменты]. Используй ключевые слова: [перечислить].

4️⃣ Подбор ключевых слов

Ключевые и тематические слова можно подобрать в сервисах типа Rush Analytics или ARSENKIN TOOLS либо сгенерировать ChatGPT.

Промпт: Проанализируй текст и составь топ-ключевые слова, которые чаще всего встречаются в статьях по теме [название темы].

Чтобы не делать пост слишком большим, разделил его на две части. Следующую выложу завтра. А пока что поставьте реакций 🤩

Продолжение инструкции к написанию SEO-оптимизированного лонгрида 👀

5️⃣ Вычитка и проверка уникальности

После написания текста его нужно вычитать и проверить на уникальность. Обычно для SEO-текста рекомендуется уникальность от 92%.

Промпт: Проверь текст на уникальность, чтобы он соответствовал требованиям SEO. Если что-то не уникально, предложи варианты замены.

6️⃣ Генерация Title и Denoscription

По завершении лонгрида можно попросить ChatGPT создать Title и Denoscription для статьи. Это поможет сразу сформулировать метаописание, которое требуется для SEO.

Промпт: Создай Title и Denoscription для статьи о [теме] с максимальной длиной 60 символов для Title и 150 для Denoscription, оптимизированные для SEO.

7️⃣ Поиск и генерация изображений

Бесплатные фотостоки: Для изображений можно использовать сервисы, такие как Pexels, Unsplash и Pixabay. Если нужен более конкретный визуальный стиль, обратитесь к ChatGPT за помощью в составлении промпта для генерации изображений.

Промпт: Напиши промпт для генерации изображения на тему [название темы]. Опиши его подробно, включая [ключевые особенности изображения].

8️⃣ Генерация изображений с помощью Dall-E и других моделей

Для более детализированных изображений можно использовать платные и бесплатные модели на основе Dall-E, Stable Diffusion и других. Запрос можно задать в ChatGPT, а изображение сгенерировать в любом удобном сервисе.

По этому алгоритму у Вас должен получиться хороший оптимизированный текст.

🔥 Инновации российских учёных: Нейронные сети и будущее умных технологий: мемристоры и искусственная сетчатка

Сегодня нейросети уже не просто теория из учебников — ChatGPT, Midjourney, распознавание текстов и объектов стали нашей новой реальностью. Хотя первые идеи нейронных алгоритмов появились ещё в 50-х, на практике они получили мощный импульс развития только недавно благодаря крутым вычислительным мощностям. Но чтобы обрабатывать огромное количество запросов, серверам приходится тратить горы энергии. 🤯

И вот тут на помощь приходит нейроморфное железо — технология, которая воспроизводит работу мозга, подстраивая алгоритмы под биологические принципы. Пример такой технологии — мемристоры, которые, как искусственные нейроны, сохраняют информацию и могут стать основой для суперкомпактных и умных устройств будущего.

💡 Что такое мемристор?
По сути, это особый резистор, который «помнит» своё состояние, когда через него проходят сигналы. Его способность изменять сопротивление делает его идеальным кандидатом для создания искусственных синапсов. Это значит, что мемристоры в будущем могут стать важной частью робототехники, систем автономного вождения, «умных» камер и других энергосберегающих гаджетов.

Учёные из МФТИ, ИТМО и Сколтеха разработали инновационный мемристор, который не только может сохранять краткосрочную память, но и управляется гибридными сигналами — электрическими и световыми. По словам Антона Ханаса, старшего научного сотрудника, их мемристор максимально похож на зрительную систему: он обрабатывает информацию прямо на месте — как глаз, что открывает широкие перспективы для создания нейроморфных устройств, от «электронных глаз» до искусственных сетчаток.

🧠 Зачем это нужно? Такая архитектура позволяет комбинировать детектирование и обработку сигналов в одном устройстве, что убирает задержки между сенсорами и памятью. Это означает, что на базе этих технологий можно создавать искусственные сетчатки и другие сложные биоподобные системы.

Российские учёные смогли даже воспроизвести эффект, описанный в теории БКМ: как и в живых нейронах, их мемристоры меняют чувствительность под воздействием света, что делает их поведение ещё более похожим на естественные процессы. 👀

На следующем этапе проект «Клевер» — совместная программа МФТИ, ИТМО и Сколтеха — будет двигаться к созданию искусственных сетчаток. Это большой шаг для оптоэлектроники и фотоники, который может изменить подход к созданию автономных зрительных систем.

Вот такое будущее технологий — умное, энергоэффективное и максимально приближенное к работе нашего мозга.

Саунд дизайнеры больше не нужны 🤩

Вы же знаете, что многие звуки в фильмах делают отдельные люди, используя подручные средства и свою фантазию. Опираются они при этом на видеоряд.

Сегодня поделюсь с Вами нейронкой Imaginary Soundscape. Она, по сути, делает то же самое, только опираясь на загруженное изображение.

Вы можете загрузить свое фото в формате PNG или JPEG размером не более 5 МБ или выбрать из библиотеки.

Но, пока что там нет функции прямо скачать аудиозапись, придется записывать через диктофон или захват экрана.

GigaChat развивается 🤩

Привет! Русская LLM обзавелась новой моделью - GigaChat MAX, и теперь умеет ещё больше, чем раньше. Вот краткий обзор ключевых обновлений:

1️⃣Поддержка длинного контекста — теперь модель понимает до 32 тысяч токенов, что позволяет задавать большие вопросы и разбирать объёмные документы. Это удобно для работы с научными статьями, задачами и большим количеством данных.

2️⃣Эстетика ответов — GigaChat MAX формирует ответы более структурированно, разбивая их на логичные блоки и выделяя ключевые моменты. Это не только улучшает восприятие, но и делает ответы удобными для чтения.

3️⃣Высокие метрики — на бенчмарках GigaChat MAX показал результаты на уровне лидеров. Особенно он продвинулся в математике и написании кода.

4️⃣Функции и API — через API модель можно интегрировать в свои проекты. GigaChat MAX работает с функциями вроде управления умным домом и поиска информации. Это расширяет его возможности для кастомных решений.

5️⃣Проект Science Crowd — команда собрала данные из областей науки, технологий и математики, что помогло сделать ответы модели ещё более точными в этих темах.

6️⃣Обновленный токенизатор и антициклы — модель эффективнее разбивает текст на токены и справляется с циклическими повторениями, что снижает риск зацикливания в ответах.

Для разработчиков доступны инструменты настройки: можно создать своего бота и контролировать параметры API. Попробовать все функции можно через Telegram-бота или веб-версию.

Если тестировали GigaChat MAX — делитесь впечатлениями!

Как ChatGPT может вас обманывать? 🤪

Ситуация такая. Я прохожу отбор на вакансию и дали мне тестовое задание проверить текст на соответствие требованиям, в том числе присутствии в нём ключевых слов.

🔤Там было указано не использовать ИИ при выполнении задания. Но, естественно, мне стало интересно, как ChatGPT с ним справится.

Я дал ему список ключевых слов и текст и попросил проверить, каких слов не хватает.

Обратил внимание, что для анализа он написал себе скрипт на Python и проверяет. Когда закончил, дал мне 2 слова, которых якобы не хватает.

И тут я думаю, дай-ка проверю и заодно попробую сам написать в Google Colab тот скрипт, который он использовал. Попросил помочь составить мне код. Сделал то же самое через скрипт. Который, кстати,  проверят только изначальную форму. Перепроверил все, и оказалось, что все ключевые слова используются в тексте.

Сначала не понял🤔, а потом пересмотрел список ключевиков и там не было тех слов, на которые мне указал ChatGPT. И скрипт, его, на самом деле, не выполнился в самом чате.

Так что будьте осторожны и перепроверяйте информацию. Но не ругайтесь на ИИ, он пытается Вам помочь и дать ответ. Просто он как школьник, которых плохо подготовился, и не понимает, что лучше признаться, чем сказать какую-то хрень и сделать еще хуже.

Почему ИИ галлюцинируют и как с этим стараются бороться 🤩

Нейросети — это не волшебники, и иногда они ошибаются, выдавая всякие "галлюцинации". Это когда модель наплетает что-то, что звучит правдоподобно, но к реальности имеет мало отношения. На чем такие сбои строятся, и как их ловят, давай разбираться.

🤩 Причина №1. Данные на входе
Чем больше данных у нейросети, тем больше в них могут затесаться ошибки. Представьте: что-то взяли из одного источника, что-то из другого, а где-то в конце цепочки появляется дичь. Модель запомнила ерунду и потом выдает ее с видом знатока. Компании и ученые по всему миру пытаются создать модели, которые эти галлюцинации ловят и предупреждают пользователей.

🤩 Причина №2. Конфабуляция Еще бывает, когда ИИ отвечает по-разному на один и тот же вопрос. Тут уже ученые из Оксфорда подключились — они придумали метод, который помогает вычислить, когда модель не уверена в своем ответе, и снижает шанс, что она начнет выдумывать.

🤩 Решение проблемы
Чтобы нейросеть не путала понятия и не генерила фигню, применяют метод "четких фактов" (Fully-Formatted Facts). Это когда каждое утверждение строится так, чтобы быть однозначным и не давать пространных трактовок. Если модель не знает ответа, она просто молчит или говорит о том, что не может ответить.

Еще одним способом справиться с галлюцинациями может быть построение RAG-систем, когда LLM берет ответы только из специально созданной базы. Но это подходит под определенные виды задач.

Пока что работы предстоит еще много. В каждой модели могут быть "слепые пятна", то есть места, где она не понимает, что и как ответить. Решение тут — постоянно обучать и корректировать. В будущем разработчики наверняка придумают еще много подходов, чтобы сократить такие факапы до минимума.