Как сделать, чтобы Claude не выдумывал

Проблема обычно не в том, что модель «плохая». Проблема в том, что ей задают слишком общий вопрос и ждут точности, которой в таком режиме быть не может. Если вы хотите использовать Claude как помощника по блогу, продуктам или клиентским материалам, сначала перестройте сам способ работы.

Почему Claude выдумывает чаще, чем кажется

У модели нет доступа к вашим реальным фактам по умолчанию. Она не знает, какие продукты у вас актуальны, какие формулировки вы уже используете, что обещаете клиенту и как называется ваш материал. Если задать вопрос в духе «напиши статью по моей теме» или «собери оффер по моему продукту», Claude заполнит пробелы наиболее вероятными вариантами. Текст получится гладким, но внутри могут быть несуществующие детали.

Чаще всего выдумки появляются в четырёх местах: названия и свойства продукта, цифры и сроки, ссылки на материалы, причинно-следственные выводы. Например, у эксперта есть три старых презентации, один свежий лендинг и несколько постов. Если не указать, что из этого актуально, Claude смешает все версии в один ответ. В результате в тексте окажутся старые тезисы, случайные обещания или цифры, которых в текущих материалах уже нет.

Отсюда простой вывод: чем меньше пустоты в задаче, тем меньше пространства для фантазии модели.

Давайте Claude материалы, а не тему

Самый сильный способ снизить выдумки: перестать работать из пустого окна. Не просите Claude «придумать по теме». Давайте ему сырьё: ваши статьи, заметки, карточки продуктов, расшифровки эфиров, лендинги, FAQ, структуру блога, отзывы, документы по услуге. Модель должна отвечать не «из интернета вообще», а по вашим материалам.

Лучше всего работает не свалка из всего подряд, а короткий пакет источников под одну задачу. Если нужен текст для статьи, положите рядом только те документы, которые реально относятся к теме: черновик статьи, описание продукта, 2 - 3 старых материала по теме и список допустимых формулировок. Если нужен ответ клиенту, дайте только договор, тарифы, FAQ и переписку по вопросу. Чем чище набор, тем меньше лишних догадок.

Есть полезное правило: на одну задачу берите один пакет источников и одну цель. Не смешивайте в одном запросе блог, воронку, старый курс, новый продукт и заметки с созвона. Для модели это просто шум. Она не знает, что главное, и начинает усреднять.

Пример рабочего запроса:

Ниже мои материалы по теме. Используй только их. Если факта нет в материалах, так и напиши: «не найдено в источниках». Сначала перечисли ключевые тезисы, потом собери структуру статьи.

Такой формат сразу меняет качество ответа. Claude сначала ищет опору, а потом пишет.

Ограничивайте задачу: роль, цель, формат, запреты

Когда Claude получает слишком широкий запрос, он начинает «додумывать за вас» не только факты, но и саму логику ответа. Поэтому второй шаг: сузить рамку. Хороший запрос для рабочей задачи почти всегда состоит из четырёх частей: роль, цель, формат ответа, запреты.

Роль нужна, чтобы модель поняла, как ей смотреть на материалы. Например: редактор блога, помощник по структуре статьи, аналитик по FAQ, ассистент по разбору документов. Цель нужна, чтобы не расплываться. Формат нужен, чтобы ответ было легко проверять. Запреты нужны, чтобы заранее отрезать типичные ошибки.

Сравните два запроса.

Слабый: «Напиши статью про то, как работать с Claude».

Сильный:

Ты редактор экспертного блога. Используй только материалы ниже. Задача: собрать черновик статьи для предпринимателя, который хочет снизить выдумки в ответах Claude. Формат: H1, лид, 5 разделов, FAQ. Запрещено: придумывать цифры, ссылки, кейсы и инструменты, которых нет в источниках. Если данных не хватает, пиши «не найдено в источниках».

Во втором варианте Claude уже не может свободно дорисовывать картину. Ему приходится держаться в рамке.

Отдельно полезно ограничивать глубину задачи. Не просите сразу «сделай идеальную статью». Лучше так: «сначала вытащи факты», «потом сгруппируй их по темам», «потом предложи структуру», «потом напиши черновик». Чем меньше скачков за один раз, тем меньше риск красивой выдумки.

Просите опору на источник: цитаты, фрагменты, пометки «не найдено»

Модель врёт меньше, когда знает, что её попросят показать, откуда взялся вывод. Поэтому третий приём: требовать вместе с ответом опору на источники. Это может быть цитата, короткий фрагмент, список документов, из которых взят тезис, или простая пометка «не найдено».

Особенно хорошо это работает в задачах на контент, офферы, FAQ и упаковку продукта. Если вы просите Claude собрать тезисы для статьи, сразу добавьте: «после каждого тезиса укажи, на какой фрагмент источника ты опираешься». Если вы просите сформулировать обещание продукта, попросите сначала показать, где именно в ваших материалах подтверждается этот результат. Если подтверждения нет, лучше увидеть пустоту заранее, чем потом редактировать выдуманный текст.

Практика показывает, что один и тот же запрос с опорой и без опоры даёт два разных результата. Без опоры модель пишет увереннее, но чаще ошибается. С опорой пишет чуть суше, зато легче проверить, где факт, а где натяжка.

Не делай выводы без опоры. Для каждого важного тезиса дай короткую цитату или пересказ фрагмента источника. Если источник не подтверждает тезис, не дополняй его от себя.

Это важно не только для статей. Так же можно проверять подбор тем, структуру лендинга, FAQ для менеджера, письма, презентации и даже короткие подписи к постам.

Разделяйте работу на два прохода: сначала факты, потом текст

Одна из частых ошибок при работе с Claude: просить в одном сообщении и анализ, и вывод, и готовый текст. Для модели это слишком много ролей сразу. Она одновременно ищет факты, решает, что главное, и пытается звучать красиво. Именно в этот момент и проскакивают выдумки.

Надёжнее работает двухшаговая схема.

Первый проход: только извлечение фактов. На этом этапе Claude ничего не «улучшает» и не оформляет. Его задача: собрать тезисы из источников, убрать дубли, отметить противоречия, показать, чего не хватает.

Второй проход: только упаковка. Когда у вас уже есть список фактов, можно просить структуру статьи, черновик письма, FAQ или сценарий. Здесь модель пишет заметно чище, потому что не строит ответ с нуля, а работает по готовой опоре.

Для блога это выглядит так:

1. Загрузили материалы по теме.
2. Попросили вытащить все факты и спорные места.
3. Уточнили, какие формулировки оставить, а какие убрать.
4. Только после этого попросили собрать статью.

Для продукта или услуги логика та же:

1. Собрали все актуальные обещания, ограничения, возражения.
2. Проверили, что они подтверждаются материалами.
3. Потом поручили Claude текст.

Этот подход занимает на несколько минут больше, но экономит часы на правках. Главное, он снижает риск незаметной ошибки в «готовом» тексте.

Введите короткую проверку перед публикацией или отправкой

Даже хорошо настроенный процесс не отменяет финальную проверку. Claude может опираться на источник, но не заметить, что документ устарел. Может аккуратно переформулировать цитату так, что смысл чуть сместится. Может правильно собрать факты, но сделать слишком смелый вывод. Поэтому перед публикацией нужен короткий контрольный список.

Достаточно пяти вопросов:

1. Все ли цифры и названия есть в моих материалах.
2. Нет ли в тексте обещаний, которых я не давал.
3. Не смешал ли Claude старые и новые версии одного продукта или идеи.
4. Можно ли быстро показать, откуда взялся каждый важный тезис.
5. Если удалить красивую формулировку, останется ли там реальный факт.

Эту проверку можно поручить и самому Claude, но отдельным запросом:

Проверь текст ниже как редактор-фактчекер. Найди фразы без подтверждения в источниках. Не переписывай стиль, покажи только риски.

Это полезнее, чем просить его «улучшить статью». В режиме проверки модель легче ловит лишние допущения.

Если материал важный, используйте ещё одно правило: сначала проверка, потом сокращение. Иначе в процессе «улучшения» модель может добавить новые формулировки, которые вы не контролировали. Отдельный разбор такой двухрольной проверки я собрала в статье «Как проверять тексты ИИ перед публикацией».

Частые вопросы

Можно ли вообще убрать выдумки Claude полностью?

Полностью нет. Но их можно сильно сократить, если не работать с моделью как с пустым чат-окном. Свои материалы, узкая задача, опора на источник и двухшаговая проверка дают заметно более надёжный результат.

Что важнее: хороший запрос или хорошие источники?

Источники. Если материалы устарели, противоречат друг другу или собраны в одну кучу без логики, даже хороший запрос не спасёт. Сначала почистите базу, потом настраивайте формулировки.

Нужно ли давать Claude все документы сразу?

Нет. Лучше давать минимальный набор под одну задачу. Когда источников слишком много, модель начинает усреднять и тянуть в ответ лишние детали.

Подходит ли этот подход только для статей?

Нет. Он так же работает для лендингов, FAQ, писем, подборок тем, продуктовых описаний и внутренних документов. Везде, где важна точность, сначала нужна опора на ваши материалы, а потом красивый текст.

Если Claude написал уверенно, это значит, что всё верно?

Нет. Уверенный тон не равен точности. Проверять нужно не гладкость текста, а наличие подтверждения в ваших источниках.