Настройка уровня лексики
Управляйте сложностью: от простого языка уровня восьмого класса до предметной терминологии
«Настройка уровня лексики» — бесплатный урок AI Prompt Engineering на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Prompt Engineering, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Prompt Engineering содержит 4 уроков всего.
Словарный запас: регулятор удобства чтения
Уровень словарного запаса — самый сильный фактор, определяющий, насколько доступным или закрытым воспринимается Ваш текст. Простая замена слова может решить, установит ли ответ контакт с читателем или оттолкнёт его.
Модели искусственного интеллекта могут работать со всем диапазоном словарного запаса — от предельно простого уровня детского сада до сложности докторской диссертации, — но этот уровень нужно задавать явно.
Простой язык без жаргона
Запрос простого языка без жаргона особенно важен для материалов для потребителей, документации службы поддержки и межфункционального общения.
Эффективные запросы:
- «Используйте простой язык без технического жаргона»
- «Объясните так, будто читатель ничего не знает об этой области»
- «Каждый технический термин при первом употреблении необходимо объяснить понятным языком»
- «Замените все слова, которые типичный десятилетний ребёнок не знает»
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=150,
messages=[{
'role': 'user',
'content': (
'Explain what encryption is. '
'Simple language only — no technical jargon. '
'If you must use a technical word, immediately define it in plain English in parentheses. '
'Target reading level: general public with no tech background. '
'3 sentences maximum.'
)
}]
)
print(response.content[0].text)Требования к уровню чтения
Уровень образования по шкале Флеша — Кинкейда измеряет сложность чтения по школьной шкале US. Вы можете указать его напрямую:
- «Уровень чтения для 8-го класса» → доступно большинству взрослых
- «Уровень чтения для 5-го класса» → достаточно просто для детей или людей, для которых язык не является родным
- «Уровень чтения для 12-го класса» → для образованных взрослых, допускается определённая сложность
- «Уровень чтения для студентов» → предполагает высшее образование
Запросы с указанием уровня класса на удивление хорошо помогают контролировать сложность словарного запаса.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
levels = ['5th-grade', '8th-grade', '12th-grade', 'college']
for level in levels:
response = client.chat.completions.create(
model='gpt-4o',
max_tokens=60,
messages=[{
'role': 'user',
'content': (
f'Explain what a database index is. '
f'Reading level: {level}. 2 sentences maximum.'
)
}]
)
print(f'[{level}]: {response.choices[0].message.content.strip()}')
print()Ориентация на экспертные знания
При написании текстов для специалистов в предметной области жаргон не является проблемой — он повышает эффективность общения. Эксперты предпочитают точную техническую терминологию упрощённым объяснениям.
Запросы для экспертного уровня словарного запаса:
- «Считайте, что читатель обладает экспертными знаниями — определения не нужны»
- «Свободно используйте техническую терминологию»
- «Пишите для исследователей с докторской степенью в этой области»
- «Без излишних пояснений — считайте, что читатель знает основы»
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
expert_prompt = (
'Explain the trade-off between MVCC and locking-based concurrency control in OLTP databases.\n'
'Audience: senior database engineers with 10+ years experience.\n'
'Assume expert knowledge — no definitions of basic terms needed.\n'
'Use technical terminology freely: transaction isolation levels, write skew, '
'phantom reads, lock contention, WAL, tuple visibility.\n'
'Max 4 sentences. Be precise, not introductory.'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=200,
messages=[{'role': 'user', 'content': expert_prompt}]
)
print(response.content[0].text)Включение технической терминологии
При написании учебных материалов для учащихся, которым нужно освоить техническую лексику, можно попросить модель:
- Вводить технические термины постепенно
- Выделять каждый термин полужирным при первом употреблении
- Всегда приводить рядом с техническим термином его эквивалент на понятном языке
- Добавить небольшой глоссарий в конце
Такой подход помогает изучать лексику и одновременно передаёт содержание.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Explain how HTTPS works for a developer just starting to learn web security. '
'Vocabulary strategy:\n'
'- Introduce technical terms gradually — start simple, add complexity\n'
'- Bold every new technical term on first use\n'
'- Immediately follow each bold term with a plain-English definition in parentheses\n'
'- End with a 4-term Glossary section\n'
'Length: 150 words max (excluding glossary).'
)
}]
)
print(response.choices[0].message.content)Проверка жаргона
Проверка жаргона предлагает модели просмотреть существующий текст и отметить или заменить технические термины, которые неспециалист может не понять.
Это полезно для проверки собственного текста перед отправкой нетехнической аудитории, проверки документации службы поддержки и оценки доступности маркетинговых материалов.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
technical_text = (
'Our platform leverages a microservices architecture with asynchronous event-driven '
'communication via a Kafka message broker. Each service exposes RESTful endpoints '
'behind an API gateway that handles rate limiting and JWT authentication. '
'Horizontal pod autoscaling on Kubernetes ensures elasticity under load.'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=300,
messages=[{
'role': 'user',
'content': (
'Perform a jargon audit on the following paragraph.\n'
'1. List every technical term a non-technical business stakeholder might not know.\n'
'2. For each term, provide a plain-English alternative (5 words or fewer).\n'
'3. Rewrite the paragraph using only the plain-English alternatives.\n\n'
f'Text:\n{technical_text}'
)
}]
)
print(response.content[0].text)Единообразие словарного запаса
Единообразный словарный запас особенно важен в технических текстах. Если одно и то же понятие обычно называют по-разному, выберите один вариант и используйте его во всём тексте:
- Не чередуйте слова «пользователь», «клиент» и «участник»
- Не называйте одну и ту же систему попеременно «программным интерфейсом», «конечной точкой» и «службой»
- Не чередуйте слова «база данных» и «хранилище данных»
Запрос: «Используйте единообразную терминологию во всём тексте. Если сомневаетесь, выбирайте [X], а не [Y], для обозначения [понятия]».
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Write a 3-section product description for our B2B SaaS platform.\n'
'VOCABULARY RULES — use these terms consistently throughout:\n'
'- Use "workspace" not "project", "environment", or "account"\n'
'- Use "team member" not "user" or "collaborator"\n'
'- Use "dashboard" not "panel", "console", or "interface"\n'
'- Use "connect" not "integrate", "link", or "sync"\n'
'Sections: Overview, Key Benefits, How It Works.\n'
'Max 100 words total.'
)
}]
)
print(response.choices[0].message.content)Словарный запас для международной аудитории
При написании текстов для международной аудитории, где английский может быть вторым языком, выбор слов ещё важнее:
- Предпочитайте короткие распространённые слова длинным редким словам
- Избегайте идиом и фразовых глаголов, которые плохо переводятся
- Избегайте культурных отсылок, непонятных за пределами одного региона
- Используйте явные формулировки вместо подразумеваемого смысла
- Предпочитайте действительные конструкции страдательным
Запрос: «Пишите для международной аудитории, где английский является вторым языком: используйте простой словарный запас без идиом».
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
current_text = (
'Our platform hits the ground running right out of the box, '
'giving your team a leg up on the competition. '
'Once you are up to speed, you will be firing on all cylinders. '
'The ball is in your court — reach out to kick off your trial.'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=200,
messages=[{
'role': 'user',
'content': (
'Rewrite the following text for an international audience where English is a second language.\n'
'Rules:\n'
'- Replace all idioms with literal, plain alternatives\n'
'- Use only common, short words (prefer "start" over "commence")\n'
'- No phrasal verbs ("kick off" → "start", "reach out" → "contact")\n'
'- Active voice only\n\n'
f'Text:\n{current_text}'
)
}]
)
print(response.content[0].text)Проверка словарного запаса с помощью самопроверки
Попросите модель проверить собственный результат на соответствие заданному уровню словарного запаса после его создания. Такой двухэтапный подход помогает обнаружить слова, которые всё же остались в тексте вопреки Вашим инструкциям:
- Создайте текст с инструкциями по уровню словарного запаса
- Попросите модель перечислить слова, не соответствующие этому уровню, и предложить замены
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
# Step 1: generate with vocabulary constraint
result = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': 'Explain HTTP status codes in 3 sentences for a non-technical business person. Simple words only.'
}]
)
content = result.choices[0].message.content
print('GENERATED:')
print(content)
print()
# Step 2: vocabulary self-audit
audit = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
f'Review the following text. List any words a typical non-technical business person '
f'(no tech background) might not know. For each flagged word, suggest a simpler alternative.\n\n'
f'Text:\n{content}'
)
}]
)
print('VOCABULARY AUDIT:')
print(audit.choices[0].message.content)Словарный запас и доверие
Уровень словарного запаса напрямую влияет на степень доверия читателей к Вашему тексту:
- Слишком простой для аудитории → звучит снисходительно и подрывает доверие
- Слишком сложный для аудитории → отталкивает и вызывает путаницу
- Идеально подходящий → создаёт ощущение, что текст написан специально для этого читателя
Цель — не использовать максимально простой словарный запас, а подобрать подходящий словарный запас для конкретного читателя. Разработчик блокчейна, читающий о платформе Ethereum, ожидает точной терминологии, а человек, впервые покупающий криптовалюту, — нет.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
# Same topic, calibrated vocabulary for different trust contexts
audiences = [
('CRYPTO BEGINNER', 'No technical background, first time reading about cryptocurrency. Plain English, no assumed knowledge.'),
('BLOCKCHAIN DEVELOPER', 'Expert: knows EVM, gas fees, consensus mechanisms, smart contract bytecode. No definitions needed.')
]
topic = 'Why Ethereum uses proof-of-stake instead of proof-of-work.'
for label, spec in audiences:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=100,
messages=[{
'role': 'user',
'content': f'Audience: {spec}\n\nExplain in 2 sentences: {topic}'
}]
)
print(f'[{label}]')
print(response.content[0].text.strip())
print()Словарный запас и голос бренда
Голос бренда отчасти определяется выбором слов. Компании задают правила словарного запаса в руководствах по стилю, и искусственный интеллект может последовательно соблюдать эти правила, если Вы их укажете.
Примеры правил словарного запаса бренда:
- Mailchimp: «Говорите „помощь“, а не „содействие“»
- Stripe: «Говорите „настроить“ (глагол), но „настройка“ (существительное)»
- Shopify: «Говорите „продавцы“, а не „клиенты“ или „пользователи“»
Добавьте правила словарного запаса Вашего бренда в системное сообщение, чтобы все материалы создавались единообразно.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
brand_vocab_system = (
'You write content for NorthBridge, a B2B SaaS company. '
'Brand vocabulary rules:\n'
'- Say "workspace" not "account" or "project"\n'
'- Say "connect" not "integrate" or "link"\n'
'- Say "team" not "users" or "members"\n'
'- Say "get started" not "onboard" or "begin"\n'
'- Avoid: "leverage", "synergy", "ecosystem", "seamlessly"'
)
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=100,
system=brand_vocab_system,
messages=[{
'role': 'user',
'content': 'Write a 2-sentence CTA for the homepage inviting users to create an account and start using integrations.'
}]
)
print(response.content[0].text)Проверка знаний
Компания хочет отправить всем 50 000 пользователям уведомление об утечке данных по электронной почте — большинство из них составляют нетехнические потребители. В текущем варианте написано: «Уязвимость в реализации протокола OAuth2 привела к несанкционированному извлечению хешированных учётных данных пользователей». В чём заключается главная проблема словарного запаса?
Настройка уровня словарного запаса — итоги
Уровень словарного запаса определяет, насколько доступным или авторитетным воспринимается Ваш текст. Основные методы:
- Запрашивайте конкретный уровень чтения: 5-й класс, 8-й класс, уровень колледжа
- Используйте формулировку «без жаргона» для материалов для потребителей и межфункционального общения
- Используйте формулировку «считайте, что читатель обладает экспертными знаниями», чтобы применять точную техническую терминологию
- Обучайте лексике с помощью постепенного введения терминов и выделения каждого термина полужирным при первом употреблении
- Запрашивайте единообразие словарного запаса во всех документах
- Пишите для международной аудитории, убирая идиомы и фразовые глаголы
- Используйте запросы для самопроверки, чтобы обнаруживать нарушения требований к словарному запасу в созданном тексте
Часто задаваемые вопросы
Урок «Настройка уровня лексики» бесплатный?
Да — полный текст урока «Настройка уровня лексики» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Prompt Engineering, подпишись на CoddyKit PRO. Курс AI Prompt Engineering содержит 4 уроков всего.
Чему я научусь в уроке «Настройка уровня лексики»?
Управляйте сложностью: от простого языка уровня восьмого класса до предметной терминологии Ты практикуешь AI Prompt Engineering с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать AI Prompt Engineering?
Предыдущий опыт не требуется. AI Prompt Engineering на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.
Сколько времени занимает урок «Настройка уровня лексики»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке AI Prompt Engineering?
Да. Каждый урок AI Prompt Engineering включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Формальный и неформальный тон
- Определение аудитории
- Профессиональные стили письма
- Настройка уровня лексики