📖 სასწავლო გზამკვლევი: ლექცია 1

1. რა არის AI ასისტენტი და რა განასხვავებს მას ჩატბოტისგან?

სტანდარტული ჩატბოტი არის Stateless: ის არ ინახავს კონტექსტს სესიებს შორის. AI ასისტენტი (Gemini Gem ან Claude Project) არის Stateful პერსონალური ციფრული თანამშრომელი, რომელსაც აქვს:

როლი და იდენტობა: წინასწარ გაწერილი ექსპერტული პროფილი (მაგ. B2B Sales ანალიტიკოსი).
სისტემური ინსტრუქცია (System Prompt): მკაცრი ქცევითი წესები და ალგორითმი.
ცოდნის ბაზა (Knowledge): მასში წინასწარ ატვირთული კორპორატიული PDF, Word ან CSV ფაილები, საიდანაც იღებს ფაქტობრივ მონაცემებს.

2. როგორ ვწერთ ასისტენტის სისტემურ ინსტრუქციას? (Prompt Frameworks 2026)

ასისტენტის აწყობისას ყველაზე გავრცელებული შეცდომა არის ზედაპირული ინსტრუქციის დაწერა. 2026 წლის ოქტომბრის საუკეთესო პრაქტიკა ეყრდნობა 5 ფრეიმვორკს:

როდის რომელ ფრეიმვორკს ვიყენებთ?

R.T.F. (Role - Task - Format): ყოველდღიური მოკლე პრომპტებისთვის, სწრაფი რეფაქტორინგისა და მეილების მოსამზადებლად (30 წამი).
C.R.E.A.T.E. (Context - Request - Explanation - Action - Tone - Extras): სრული B2B დოკუმენტებისთვის, მემორანდუმებისა და ანგარიშებისთვის (2-3 წუთი).
C.O.-S.T.A.R. (Context - Objective - Style - Tone - Audience - Response): მენეჯმენტისა და დირექტორთა საბჭოსთვის (CEO/CFO), როდესაც საჭიროა McKinsey-ს სტილის არგუმენტაცია და ROI ანალიზი (3-5 წუთი).
Chain-of-Thought (Reasoning): როდესაც Frontier მოდელებს (DeepSeek-R1, OpenAI o1/o3, Claude Thinking) ვავალებთ რთულ ფინანსურ გამოთვლებს (TCO, ROI) ან კოდის არქიტექტურას.
Semantic XML Tags: Gemini Gems-ისა და Claude Projects-ის სისტემური ინსტრუქციის ოფიციალური სტანდარტი. ტეგები (<role>, <context>, <rules>, <instructions>, <output_format>) იცავს სისტემას Prompt Injection-ისგან და გამორიცხავს ჰალუცინაციებს.

✅ თვითშემოწმების სია: მზად არის თუ არა თქვენი ინსტრუქცია Gem-ში ჩასასმელად?

[ ] განსაზღვრულია თუ არა ასისტენტის მკაფიო როლი და პროფესიული გამოცდილება?
[ ] გაწერილია თუ არა Zero Hallucination წესი ("თუ მონაცემი არ იცი, დაწერე N/A")?
[ ] მკაფიოდ არის თუ არა გამოყოფილი გამომავალი ფორმატი (Markdown, ბულეტები, ცხრილი)?
[ ] მოყვანილია თუ არა მინიმუმ 1 იდეალური მაგალითი (Few-Shot)?

3. Make.com სტრუქტურა დამწყებთათვის

ავტომატიზაციის აწყობისას ყოველთვის ვსვამთ 2 კითხვას:

როდის უნდა გაეშვას ეს სცენარი? (Trigger): მაგ: როცა ახალი კლიენტი შეავსებს Google Form-ს.
რა უნდა მოხდეს ამის შემდეგ? (Action): მაგ: მონაცემი დაემატოს Google Sheets-ში და ავტომატურად გაიგზავნოს პერსონალიზებული შეტყობინება Gmail-ით.

4. Local LLMs (ლოკალური მოდელები)

თვისება	Cloud (OpenAI / Claude)	Local (Ollama / LM Studio)
ინტერნეტი	აუცილებელია	არ არის საჭირო (100% Offline)
მონაცემთა დაცვა	მონაცემები იგზავნება სერვერზე	Zero-Leakage (სრულიად კონფიდენციალური)
ფასი	ფასიანი (ტოკენების მიხედვით)	უფასო (Open-Source)
აპარატურა (Hardware)	ნებისმიერ ტელეფონზე/ლეპტოპზე მუშაობს	მოითხოვს მინიმუმ 16GB RAM-ს (Apple Silicon ან RTX GPU)