Нейросети для писателя -- Начало работы

(если у вас есть подписка на Claude/ChatGPT/Gemini, можете пропускать этот этап и ждать следующего поста по теме. Или почитать, чтобы обзавестись запасным вариантом рабочего процесса).

Для работы будут использоваться VS Code и Obsidian. В Obsidian удобно писать и на ПК, и на мобильных устройствах, плюс в нем есть плагины, ориентированные именно на писательство. При этом основной формат файлов — Markdown, который можно открывать сторонними приложениями, и с ним легко работать с нейросетями. В VS Code есть плагин для работы с нейросетями через разных поставщиков, в том числе через OpenRouter.

1. Установим VS Code https://code.visualstudio.com/

2. Откроем VS Code, и установим плагин Cline

3. Создадим API-ключ для подключения.
   а) Создадим аккаунт на OpenRouter https://openrouter.ai/

   Создадим API-ключ (вкладка API Keys в аккаунте). Оставляем настройки по умолчанию. Дайте понятное название, вроде Key for VS Code. Просмотреть API-ключ можно только один раз, поэтому копируете его в надежное место. Храните эту штуку, как пароль.

   Для бесплатного тира доступно ограниченное число запросов в сутки к нейросетям с пометкой Free. На практике не ко всем из них удается получить доступ с первого раза. Поэтому будьте готовы делать несколько попыток, или использовать коннектор openrouter/free, который перенаправляет ваш запрос на ближайшую доступную бесплатную сеть. Качество варьируется.

   Улучшить свой опыт пользования OpenRouter можно за 1000 рублей. Пополнить счет из России проще, чем у основных поставщиков нейросетей (не нужно заводить зарубежную/виртуальную карту). Сам факт однократного пополнения счета на $10 увеличивает ваши лимиты на бесплатные нейросети. Кроме того, вы сможете пользоваться платными не в режиме подписки, а в режиме pay-as-you-go — платите ровно за то, что потратили. Если речь не про кодинг, а про писательство, это буквально рубли с копейками. Для многих задач (редактирование, вычитка) передовые нейросети не нужны, и какие-нибудь китайские GLM Flash или DeepSeek Flash вполне справятся. Смотрите актуальный рейтинг моделей на OpenRouter.

Вот во сколько обошлись мне эксперименты для написания этого поста:

б) Альтернативный вариант, если у вас есть доступ к Google AI Studio (https://aistudio.google.com). Создаете API Key на вкладке API Keys. Для бесплатного тира доступно 500 запросов в сутки к модели Gemini Flash Lite. Качество приличное, на моих сценариях показал себя отлично.

4. В VS Code открываем папку, с которой будете работать (File → Open Folder). В конечном итоге это будет папка вашего проекта в Obsidian, но для начала просто вынесите нужные файлы в отдельную папку для теста. В идеале нужно пользоваться git для контроля версий, чтобы иметь возможность откатить, если нейросеть что-нибудь учудит. (Попросите модель создать локальный git-репозиторий и объяснить вам, что с ним делать, оно вам это объяснит лучше, чем я). Или хотя бы давать ей четкую инструкцию не трогать файлы, созданные вами, и все правки вносить в копии.

5. Открываем вкладку Cline, заходим в настройки.

6. Выбираем OpenRouter в качестве API-провайдера, вставляем API-ключ, который вы создали.

   Если используете альтернативный вариант — выбираете Google Gemini и Gemini Flash Lite.

7. Допустим, мы используем OpenRouter. В поле Model вводим Free, просматриваем модели, выбираем по вкусу.

   openrouter/free — перенаправление на ближайшую доступную модель; быстро, но с непредсказуемым результатом.
   Gemma — работает хорошо, но в бесплатную версию удается достучаться крайне редко. В остальном сверяйтесь с описаниями моделей на сайте OpenRouter.

   Остальные настройки оставляем по умолчанию. Если включить Use different models for Plan and Act modes, то можно будет отдельно выбрать модель, которая будет планировать, и отдельно модель, которая позволяет исполнять. На практике это означает, что можно послать более мощную (платную) модель спланировать, а потом более глупая (бесплатная) пусть исполняет. Но я пока с этим не игралась.

Всё готово к работе. Описываем задачу, указывая файлы и папки, к которым нужно обратиться, что с ними нужно сделать. Убедитесь, что внизу справа выбран пункт Plan.

Модель подумает и предложит вам план действий. Если он вас устраивает, кликаем Act, и она переходит к исполнению. Если не устраивает, просим внести коррективы, пока не устроит.

Сценарий, на котором я тестировала эту систему:
Взять из папки черновик главы, вычитать, просмотреть комментарии (я во время написания черновика оставляю для себя заметки в комментариях), предложить решения по комментариям. Унифицировать написание имени главного героя. Собрать в один файл вычитанный текст с комментариями, во второй — комментарии списком и предложения по ним. Исходный файл не трогать, если не понятно, что на что править, оставлять об этом месте комментарий, а не править молча.

Промпт выглядел так:
We are working on a novel in a xianxia genre. your goal is to help develop and improve the text. Find Глава 1 file in the folder, look through it, fix any typos (there are possible mistakes due to handwriting recognition issues; main character name is Шэнь Си, Шэнь Фань and variations are the remnants of the previous draft that needs to be replaced) find anz comments marked with \%% and list them in a separate file along with your suggestions for fixes. If you are asked about filling the blank space (like, in the description, for example), offer several options based on what you know about the scene and the setting (xianxia, fantasy china) Your output should be two separate files in the same folder: one with text with fixed typos, another with the comments, in the same folder. Original text remains untouched.

В целом с вычиткой и правками справились все (кроме одного запуска openrouter/free, который столкнулся с проблемами с кодировкой, запутался, стал писать hello world на Python, и на этом я его всё-таки остановила). В остальном схема рабочая, дьявол в деталях. Например, у меня был комментарий «указать имя друга» (имелся в виду имя друга главного героя, которое в момент написания черновика вылетело у меня из головы). Из всей своры только GLM 3.7 догадалась сходить в соседнюю главу, найти его там и мне напомнить; остальные просто предложили придумать.

В работе с бесплатными нейросетями разумным подходом может быть не запихивать все эти задачи в один промпт, а скармливать поэтапно. Я давала целиком, т.к. хотела проверить, будет ли работать здесь привычный для меня процесс.

Также рекомендую хранить общий файл с информацией по проекту (что это за текст, над чем мы работаем, какие задачи) и использовать отдельный чат для каждой задачи (редактирование главы; решение какого-то конкретного вопроса); после завершения чата, если нужно, обновлять информацию о проекте. Так вы избежите разрастания контекста, который начнет слишком быстро съедать лимиты.

Повторяющиеся задачи можно обобщать в виде Skills, но об этом тоже в будущем.

Примеры результатов можно посмотреть в папке: https://disk.yandex.ru/d/r0QxCfp6mtYE-Q

И да, кстати, о проблемах с кодировкой. Я столкнулась с тем, что кириллица обрабатывалась некорректно (пропадала часть букв, в том числе в адресах файлов). Чтобы это решить, нужно:

1. Поставить PowerShell 7 https://learn.microsoft.com/ru-ru/powershell/scripting/install/install-powershell-on-windows?view=powershell-7.6

2. Выбрать PowerShell 7 в качестве основного приложения терминала в VS Code. Ctrl+Shift+P (откроется палитра команд) — Terminal: Select Default Profile — Выбираем PowerShell 7.

Вот на этом месте я отчетливо поняла, за что плачу $20. Но всё-таки, эта схема работает, дает возможность гибко выбирать нейросети для работы, и если платить, то только за то, что вы реально используете, а не по подписке.