Привет, Хабр! Я Роман Путилов, руковожу техническими менеджерами в Cloud.ru. Встреч у меня много, а времени на постмиты мало. Поэтому я отдал рутину искусственному интеллекту: он собирает черновик, а я за 3–5 минут довожу его до финала.

Идеально писать постмит сразу после встречи: фиксировать в нем решения, владельцев, сроки. На практике звонки часто идут подряд, договоренности наслаиваются, а детали теряются. Переслушивать запись ради постмита — это минус час–полтора рабочего времени. Так и убивается скорость.

Мы созваниваемся с коллегами и клиентами в SaluteJazz. Платформу можно настроить так, чтобы она автоматически делала транскрибацию, которую после встречи я сохраняю отдельным файлом. Еще одним файлом выгружаю чат встречи. Потом прошу модель склеить голос и чат по времени и контексту.

Если у вас нет автотранскрибации, запишите аудио с согласия участников и прогоните его через любой конвертер, например, Speech2Text. Лучше выбрать сервис с диаризацией (кто что сказал) – это сильно упрощает разбор.

Записи встреч и транскрибации мы храним в закрытом контуре. Перед тем как передать данные модели, я оцениваю, есть ли в них конфиденциальная информация. Если нет – можно использовать любую внешнюю модель вплоть до бесплатных, например, GPT-4.1 mini — для постмитов ее вполне достаточно. Если конфиденциальная информация есть, то я работаю только в нашем внутреннем контуре: сейчас у нас развернуты gpt-oss-120b, Lima-3.3-70b и Qwen3-235b. Эти модели не передают данные наружу. 

Простое правило: чем выше уровень конфиденциальности, тем модель должна быть ближе к вашей инфраструктуре.

Алгоритм действий 

1. Скачиваю два файла из SaluteJazz: транскрибацию встречи и запись сообщений в чате.

2. Проверяю ключевые места (сложные термины, имена, суммы, даты), помечаю сомнительные места знаком вопроса — ❓. 

Если в разговоре часто звучали сложные термины на разных языках, у кого-то был ужасный микрофон или дикция — качество транскрибации может быть низким. Однако современные AI-модели отлично ориентируются по контексту и, как правило, понимают, что имелось в виду. Надо только обратить их внимание на сомнительные места, которые помечены, например, знаком вопроса.

3. Выбираю модель: ChatGPT для открытых данных, модели on-premise для конфиденциальных.

4. Ставлю низкую температуру (0.2–0.4), так как мы работаем с фактами: нужно меньше фантазии и больше точности.

5. Загружаю в модель файлы со встречи и копирую свой рабочий промпт:

Роль: ты — эксперт в облачных технологиях, лауреат международных научных премий в этой области, автор всемирно известных научных работ по теме, который только что провел очень важную встречу и хочет оформить короткий и содержательный отчет по транскрибации записи этой встречи. 

Задача: найти главное, суть разговора, ключевые инсайты, выводы, договоренности.

Правила:

— пиши кратко и по делу, убирай лишнее: междометия, повторы, словесный мусор,
— добавляй контекст, только если без него теряется смысл,
— не искажай факты: можно обобщать, но не придумывать,
— соедини транскрибацию и чат встречи по времени и контексту.

Стиль:

— разговор на равных без высокопарности и канцелярита,
— короткие предложения, простые слова,
— если нужно, добавь мягкую человечность: «договорились», «обсудили».

Формат: 

— краткое введение: кто и что обсуждал,
— маркированный список из абзацев с тезисами,
— если есть следующее действие — обозначь его,
— не делай стену текста и не повторяй хронологию, только суть.

В промтпе нет примера результата, на который может ориентироваться модель, потому что мне не нужна строгая форма постмита.

1. Модель за секунды собирает постмит по встрече.

2. Дальше, если требуется, я прошу модель собрать на основе постмита письмо для клиента, например, с приглашением на следующую встречу, или описание для задачи в Jira. Промт для этой задачи пишу такой:

Основываясь на отчете и транскрибации встречи, напиши письмо с приглашением на следующую встречу.

Задача: собрать письмо участникам встречи с приглашением на следующую встречу.

Требования:

– тема письма,

– 3–4 строки контекста,

– action Items: что делаем мы, что делает клиент; со сроками,

– предложение слотов для следующей встречи (2–3 варианта, часовой пояс клиента),

– тон: дружелюбно-деловой, без канцелярита,

– проверка имен, дат, сумм; неуверенное пометить ❓.

3. Если результат не устраивает меня по длине или стилю — прошу модель это поправить.

4. Проверяю результат —> вношу минимальные правки —> отправляю постмит.

Почему «один промпт — одна задача»

Постмит и письмо клиенту — это разные задачи, формат и тон. Не мешайте их в одном запросе, тогда итог будет чище и предсказуемее. Если UI позволяет, просите JSON с блоками + Markdown-версию — удобно и для таск-трекера, и для отправки по почте.

Пара более сложных приемов, которые сильно помогают

• Diff с прошлой встречи: если это следующая встреча в серии, вы можете загрузить в модель отчеты с предыдущих (или продолжить чат) и попросить выделить, что нового решили, что перенесли.

• Флаги сомнений ❓ + цитата из источника: просите модель ставить флаги сомнений (можете выбрать любой символ для этого), если она где-то не уверена, и добавлять оригинальную цитату — это поможет избежать ошибочных выводов.

• CC-лист: если по итогам встречи пишете письмо на множество участников, попросите модель проверить список получателей: она предложит, кого добавить или исключить в зависимости от того, что обсуждалось на встрече.

• ICS-инвайт: если хотите еще больше автоматизации, модель может сразу собрать текст приглашения и блок для календаря.

• Библиотека промптов: 5–10 шаблонов под разные типы встреч экономят массу времени, а если инструмент в компании используете не только вы, можно сделать общую библиотеку промптов.

Как написать хороший промпт

Хороший промпт — это четкое ТЗ, в котором описаны контекст, формат и результат. Для задач вроде постмита ключевые принципы такие:

1. Одна задача — один промпт

Не просите модель одновременно сделать постмит, письмо и все на свете. Сначала соберите факты, потом адаптируйте их под необходимую форму. Так результат будет чище и точнее.

2. Задайте роль модели

Позиция модели («ты — операционный ассистент», «ты — продакт-менеджер») вынуждает ее фильтровать информацию и подстраивать стиль под нужную профессию. Можно усилить роль, добавив к ней регалии, например: «ты — эксперт в облачных технологиях, лауреат международных научных премий в этой области, автор всемирно известных научных работ по теме».

3. Опишите входные данные и их структуру

Четко описывайте, что вы даете на вход модели и как это нужно обрабатывать. В моем случае это два файла, которые нужно объединить по времени и контексту.

4. Дайте правила обработки

– Что включать: ключевые решения, задачи, риски.
– Что убирать: повторы, словесный мусор.
– Как работать с сомнительным: ❓ + цитата из источника.
– Как соединять разные источники.

5. Укажите формат результата

Явно опишите, что хотите на выходе: список, таблицу, блоки с заголовками. Чем меньше модель думает о структуре, тем больше она думает о содержании.

6. Пример + антипример

Покажите один короткий пример, как надо и, если есть время, как не надо. Модели прекрасно обучаются на контрастах.

7. Контекст компании

Если важно соблюдать корпоративный Tone of Voice, приложите 2–3 примера писем вашей компании или файл с описанным ToV, чтобы не учить модель с нуля на каждом запросе.

У нас в Cloud.ru эта задача настолько популярна, что мы сделали специального AI-ассистента и назвали его TOVарищ. Он знает наш ToV и редполитику и пишет или корректирует тексты так, что они звучат грамотно и в тональности нашей компании.

8. Дробите большие запросы

Если входной текст, в моем случае транскрибация, слишком длинный, сначала просите модель его разобрать по темам или блокам, а потом уже собирать финальный отчет.

9. Используйте температурный режим осознанно

— Для отчетов и фактов низкая температура (0.2–0.4).
— Для писем и креативных формулировок средняя (0.5–0.7).
— Фиксируйте seed (если есть), чтобы можно было воспроизводить результат.

10. Проверка и дообучение на месте

Не стесняйтесь давать модели обратную связь: «убери лишние вводные», «сделай тон теплее». Эти правки можно сохранить, дополнить ими промпт и использовать как готовый шаблон.

11. Модель может писать промпты

Вы можете подробно описать свою задачу и попросить модель составить промпт для ее решения или попросить поправить ваш.

Вместо вывода

Концептуально я отношусь к чату с AI-моделью как к сотруднику со средним опытом, мидлу: какой-то контекст он может подцепить сам, но задачу надо разбивать на понятные блоки и давать конкретный образ результата. Чем понятнее описан ожидаемый результат, чем точнее роль и больше контекста — тем выше качество ответа.

С AI я экономлю до 1,5 часов на каждом постмите. Главное — проверять и помнить: вы можете отдать ассистенту всю работу, но ответственность за результат все равно остается на вас.