Modul tuzilishi
AI bilmaydi maktabingiz haqida.
«Aniqlik so'rovda — aniqlik javobda»Claude'dan so'rang: «Mars Pro» nima? Sayyora yoki qandaydir dastur haqida javob olasiz. Nega AI maktabingiz haqida bilmaydi? Chunki Mars IT School – bu niche/local. Bu modulda – vazifani AI taxmin qilmaydigan qilib qanday tasvirlash kerak, va u qayerda sukut bo'yicha taxmin qilayotganini qanday tushunish kerak.
Hook — «Mars Pro»? AI sayyora haqida o'ylaydi.AI o'qituvchining maktabini bilmaydi
Ochasiz claude. «Bu hafta 12 yoshli bolalarim uchun Python bo'yicha 5 ta topshiriq o'ylab top». Olasiz: yig'indilar kvadrati, tub sonni tekshirish, FizzBuzz, sonni top, lug'at. Texnik jihatdan to'g'ri. Bolalaringiz uchun — noto'g'ri.
So'raysiz: «Mars Pro nima?» AI ishonch bilan: «aftidan, Mars missiyasi uchun qandaydir professional-dastur…». Maktabdagi sizning tarifingiz haqida u bilmaydi.
Claude'dan so'rang: «Mars Pro nima?» — sayyora haqida javob olasiz. Nega AI maktabingiz haqida bilmaydi? AI uchun Mars IT School = rare / niche / local. Bu modelning xatosi emas. Bu uning qayerda kuchli va qayerda uni oziqlantirish kerakligining xaritasi.
Men tekshiradigan uchta ko‘nikma
- Description’ning barcha 3 darajasini qo‘llash — product (nima xohlayman) / process (qanday fikrlash kerak) / performance (qanday qilib yaxshi ekanligini tushunaman) — uchalasini ham aniq bitta promptda, bir yoki ikkitasini emas.
- Vazifaning mainstream knowledge yoki niche/local ekanligini aniqlash; niche-zonada promptni o‘zingizning ma’lumotlaringiz bilan mustahkamlash (
@-mentionfayllar,@-importCLAUDE.md, MCPda). - Description ↔ Discernment loop’ni qo‘llash — promptni yaxshilash uchun 2-3 iteratsiya, birinchi urinishdayoq «ideal» emas.
Mental model — AI nimalarni biladi va unga qanday aytish kerak.AI nimani biladi va unga qanday tushuntirish
Bu yerda ikki qatlam bor. Knowledge — modelning o‘quv jarayonidan boshida mavjud bo‘lgan bilimlari. Description — siz bu bilimlarni olish va qo‘llash uchun o‘z vazifangizni qanday shakllantirasiz. Ikkalasini ham ko‘rib chiqamiz.
1. AI nimalarni yaxshi biladi va nimalarni o‘ylab topadi
Model o‘quv materialida tez-tez, yaqinda (kesish sanasigacha) va turli manbalarda izchil uchragan joylarda kuchli. Kamdan-kam, kesishdan keyin, tor, lokal (bir shahar, bir maktab) yoki manbalar bir-biri bilan tortishadigan joylarda zaif.tez-tez, yaqinda (kesish sanasigacha) va izchil turli manbalarda. Kamdan-kam, kesishdan keyin, tor, lokal (bir shahar, bir maktab) yoki manbalar bir-biri bilan tortishadigan joylarda zaif.kamdan-kam, kesishdan keyin, tor, lokal (bir shahar, bir maktab) yoki manbalar bir-biri bilan tortishadigan joylarda.
Amaliy savol — «AI buni biladimi?», emas, balki «u o‘qigan narsalarda bu qanchalik yaxshi taqdim etilgan?». To‘rtta zonadan iborat shkala:
Eskirish (mashgʻulot paytidagi haqiqat ≠ hozirgi haqiqat), notekis qoplama (tor/mahalliy joylar tushib qoladi), meros qolgan notoʻgʻri yoʻnalish (maʼlumotlarda boʻlgan narsa «normal» hisoblanadi), manba amneziyasi («qayerdadir oʻqiganman» — lekin bu iqtibos emas). Bu toʻrttasi ham bir vaqtda ishlaydi. Mars mentorida birinchi boʻlib notekis qoplama va manba amneziyasi uradi.
2. Descriptionning uch darajasi — product · process · performance
Yaxshi tavsifning uch qatlami: product — nima chiqishi kerak (format, auditoriya, uslub). process — agent qanday fikrlashi kerak (qadamlar, avval nimani oʻqish kerak). performance — yaxshi ekanligini qanday tushunasiz va u oʻzini qanday tutadi (qisqa/batafsil, bahslashadi/qoʻllab-quvvatlaydi). Uchchala qatlam ham bitta promptda boʻlishi kerak, emas, bir-ikkita emas.
Natijada nimani xohlayman
Aniq artefakt. Format. Auditoriya. Uslub. Uzunlik.
Qanday fikrlashingiz kerak
Qadamlar. Avval reja. Qaysi fayllarni oʻqish kerak. Javob berishdan oldin nima haqida oʻylash kerak.
Yaxshi ekanligini qanday tushunaman
Tekshirish mezoni. Tone. AI oʻzi nimani tashlab yuborishi kerak. Qachon «bilmayman» deyish kerak.
3. Description ↔ Discernment loop — kursning dvigateli
Bu «birinchi urinishda ideal prompt yozish» emas. Bu sikl: siz tavsifladingiz → agent bajardi → siz uchta qatlamning har birini baholadingiz (product/process/performance — nima notoʻgʻri?) → tavsifni aniqroq qilib qayta yozdingiz → takrorlash. 2-3 iteratsiya — norma. Birinchi urinishda bitta «ideal» prompt — kamdan-kam omad.
Description
product · process
performance
AI output
model urinishi
Discernment
uchta qatlam boʻyicha baholang
Marsdagi 1-sonli Antipattern: mentor bitta uzun prompt yozadi → notoʻgʻri natija oladi → modelni ayblaydi. Pattern: qisqa prompt → AI nima qilganini koʻrasiz → qaysi qatlam yetishmaganini tushunasiz → yozib qoʻyasiz. 2-3 aylanadan soʻng — keyin qayta ishlatadigan ishchi shablon.
Oltita texnikaprompting — Anthropic Fluency'dan.Oltita texnika — prompting uchun
Oltita usul, har biri — product / process / performance'ning qayeriga joylashadi. Bu oltitasini eslab qoling, ular sizning promptlaringizning 90% ni qoplaydi.
Anthropic buni «secret weapon» deb ataydi: «AI ning o'zidan promtingizni yaxshilashga yordam berishini so'rang». Promptni tugatdingiz — Claude dan so'rang: «bu so'rovda siz uchun nima noaniq?» Ko'pincha siz hisobga olmagan butun bir qatlam paydo bo'ladi.
Xuddi shu prompt «12 yoshlilar uchun Python bo'yicha 5 ta vazifa o'ylab toping» — 4 ta iteratsiya orqali o'tkaziladi.Sizningcha, qaysi versiyada (V1, V2, V3, V4) — AI sizning bosimingizsiz, zaif variantlarni o'zi saralay boshlaydi? Raqamini yozing.Tekshiramiz.
Demo — bir promptning to'rtta iteratsiyasi.Bitta prompt — to'rtta variant
Zuhra, Yunusobodlik Python mentori. Dushanba tongi, 12 yoshlilar guruhi uchun material tayyorlash kerak. Xuddi shu asosiy so'rov. Har bir versiya Description ga bitta qatlam qo'shadi. Mock-output sifatda nima o'zgarishini ko'rsatadi.
V1 · bare — qatlamlarsiz
$ claude › 12 yoshlilar uchun Python bo'yicha 5 ta vazifa o'ylab toping ⠋ Tayyor: 1. 1 dan n gacha bo'lgan sonlar kvadratlarining yig'indisi 2. Sonning tubligini tekshirish 3. FizzBuzz 4. Sonni toping (random) 5. Satrdagi unlilarni sanash
Nima noto'g'ri: texnik jihatdan to'g'ri, lekin bu generic Hour-of-Code to'plami. Aynan qaysi 12 yoshlilar uchun? Endi boshladilarmi? Shartlarni bilishadimi? Mavzu nima — sikllar, satrlar, lug'atlar? Bular bo'yicha qanday baholash mutlaqo tushunarsiz.Discernment-signal: prompt AI ning mainstream knowledge ni buzib o'tdi va o'quv ma'lumotlaridan eng o'rtachasini oldi.
V2 · +product — men natijada nimani xohlayman
› Python bo'yicha 5 ta vazifa o'ylab toping, mavzu for/while, 12 yoshlilar uchun, if/else ni biladigan, lekin sikllarni endi boshlaganlar uchun. Format: 1 ta shart jumlasi + 1 ta kirish/chiqish misoli. ⠋ Tayyor: 1. 1 dan 10 gacha bo'lgan sonlarni har birini yangi qatordan chop eting. Misol: kirish — yo'q, chiqish — 1\n2\n...\n10 2. 1 dan 20 gacha bo'lgan barcha juft sonlar yig'indisini hisoblang. Misol: kirish — yo'q, chiqish — 110 3. 5 ga ko'paytirish jadvalini chop eting (5×10 gacha). 4. Foydalanuvchi “stop” kiritmaguncha, salomlashishni takrorla. 5. Kvadrat 100 dan katta boʻlgan 1 dan boshlab birinchi sonni top.
Yaxshiroq: endi mavzuga (sikllar) qaytamiz, endi darajani hisobga oladi (if/else ni bilishadi). Lekin hali ham maktabcha-abstrakt. 12 yoshli bolaga “juft sonlar yigʻindisi” — nima uchun? Qanday xato tipik? Qanday pedagogik yondashuv? AI bilmaydi, chunki biz unga qanday oʻylashni.
V3 · +process — qanday oʻylashing kerak
› 12 yoshlilar uchun for/while boʻyicha oʻsha 5 ta topshiriq (if/else ni bilishadi). Har bir topshiriq uchun qadamlar bilan oʻyla: 1. koncept (sikllardan aynan nimani oʻzlashtiramiz) 2. bolaning hayotidan misol (faqat “juft sonlar yigʻindisi” emas — ularning dunyosidan biror narsa: WhatsApp, TikTok, uy vazifasi, tanaffus) 3. koʻpchilikning kutilayotgan xatosi (incrementni unutish? off-by-one?) 4. topshiriq ⠋ Tayyor: 1. KONSEPT: diapazonli for HAYOTDAN: TikTokda pleylistni aylantirish — har bir video 15 soniya XATO: range(5) 0..4 ni berishini, 1..5 ni emas, unutishadi TOPSHIRIQ: “8 ta video uchun "video N (15 sek)" deb chop et”. 2. KONSEPT: chiqish shartli while HAYOTDAN: WhatsAppda doʻstingizning javobini kutasiz — kelmaguncha XATO: infinite loop — oʻzgaruvchini oʻzgartirishni unutishadi TOPSHIRIQ: “"ok" olmaguningizcha — "kutamiz..." deb chop etishni pauza bilan davom ettiring”. (time.sleep ni koʻrsatish) 3-5. [xuddi shunday — otjimaniya hisoblagichi, tanaffusning teskari sanogʻi, barcha doʻstlar javob berganini tekshirish]
Ancha yaxshiroq: AI pedagogik jihatdan mazmunli material bera boshladi. “Kutilayotgan xato” — bu deyarli dars rejasi. Lekin biz hali ham topshiriq kuchli ekanligini qanday tushunishingni aytmadik. Agar AI zaif “hayotiy misol” bersa-chi? Unda rad etish mezoni yoʻq.
V4 · +performance — yaxshi ekanligini qanday tushunasan
› [V3 prompt toʻliq] + YAXSHI TOPSHIRIQ KRITERIYASI: “12 yoshli bola topshiriq shartini oʻz soʻzlari bilan 30 soniyada qayta hikoya qila oladi”. Agar topshiriq konseptni tushuntirish uchun uzoqroq vaqt talab qilsa — u zaif, uni rad et. Avval 8 ta nomzod tuz, keyin bu mezon boʻyicha rad et , 5 ta yakuniy topshiriqni qaytar + qaysi 3 tasini rad etganingni va nima uchunligini koʻrsat. ⠋ Oʻylayapman… ⠋ 8 ta nomzod yaratdim. ⠋ Har birini 30 soniyalik testdan oʻtkazyapman… 3 TASINI RAD ETDIM: × “Sikl orqali Sezar shifri” — shifrlashni tushuntirishni talab qiladi, 30 soniya yetmaydi, 12 yoshli bola uchun koncept murakkab × “Pufakcha saralash” — “algoritm bilan saralash” koncepti oʻz-oʻzidan tushuntirishni talab qiladi, plus for ichida while × “Tub sonlar” — tublikni tushuntirish kerak, 30+ soniya 5 TA FINAL (30 soniyalik testdan o‘tganlar): 1. TikTok pleylist [V3 dagi kabi] 2. WhatsApp kutish [V3 dagi kabi] 3. Otjimaniya hisoblagichi [V3 dagi kabi] 4. Tanaffus tugashiga qadar hisoblash [yangi – otjimaniyadan yaxshiroq] 5. Guruh chatida do‘stlarni tekshirish [yangi]
Asosiy voqea sodir bo‘ldi: AI o‘zi zaif variantlarni saralab tashlay boshladi. Har bir vazifa bo‘yicha u bilan bahslashishingizga to‘g‘ri kelmadi. Performance-kriteriy AI ichida, mensiz mentor ko‘z bilan qiladigan ishni qildi.
Endi buni Mars context ga ko‘paytiring. Zuhra ~/zukhra/CLAUDE.md (M1 dan) faylida shunday yozilgan: «men Mars IT School da 11-13 yoshli bolalar uchun Python mentori, mening bolalarim – Yunusobod, o‘zbek tili ona tili, rus tili ikkinchi til, ko‘rsatmalar va misollar ikki tilda, 70% da Scratch asoslari bor». Bu fayl avtomatik yuklanadi. Mars context li V4 shunchaki 5 ta vazifa bermaydi – ularni ikki tilda beradi, «bu 2 ta vazifa bola Scratch bloklarini ko‘rgan deb taxmin qiladi – o‘sha 30% ga 2 daqiqada tushuntiring» degan izoh bilan. CLAUDE.md siz V5 iteratsiyasini oladigan narsa, CLAUDE.md bilan darhol keladi.
Timur uchun bu qanday ko‘rinadi (Python olimpiadachisi 12–14 yosh, Chilonzor)
Timurda boshqa performance-metrika bor. «12 yoshli bola 30 soniyada qayta hikoya qiladi» emas, balki: «yechim olymp.uz dagi hidden tests dan o‘tishi kerak, complexity O(n log n) yoki undan yaxshiroq, allowed olymp set (math, itertools, functools, collections, bisect, heapq) dan tashqari hech qanday uchinchi tomon kutubxonalari yo‘q».
Timur o‘zining ~/olymp-prep/CLAUDE.md faylida aynan shuni tasvirlagan. Unda V4 «menga prefiks summalarga 3 ta masala ber» promptiga doctests bilan, kommentda complexity belgisi bilan yechimlarni beradi va o‘zi saralaydi numpy dan foydalanadigan variantlarni. Xuddi shu ladder Description, boshqa performance – boshqa natija.
Zuhra uchun asosiy qatlam – process (pedagogik jihatdan qanday fikrlash). Timur uchun asosiy qatlam – performance (hakamdan qanday o‘tish). Har kimning o‘z shabloni bor.
Edge of knowledge – AI rostini aytsa, bilmaydigan joyi
Zuhra sinab ko‘radi: «rekursiyani 12 yoshlilar uchun o‘zbek xalq ertagi orqali tushuntir». AI jonlanib «Ivan-Tsarevich kabi…» deb javob beradi — uning o‘quv materiallarida o‘zbek ertaklari kam/mahalliy. Agar to‘xtatilmasa, material bolalarga ruscha ismlar bilan yetib boradi.
Zuhra ertakni o‘zi olib keladi promptga: «mana Aldar-Kose va uning uch o‘g‘li haqidagi ertak matni [to‘liq matn]. Unda kichrayib boruvchi o‘lchamda takrorlanadigan tuzilmani top (bu rekursiya). 12 yoshliga tushuntir». Endi AI «xotiradan» emas, balki keltirilgan manbadan ishlaydi. Bu niche/local uchun asosiy usul: sen mahalliy bilimlarni eltuvchisan, AI esa qayta ishlovchi. Aksincha emas.
O‘z kontekstingni «qo‘yish» uchun uchta joy:
@-mention faylini promptda@docs/scratch-to-python.md». CLAUDE.md ni to‘ldirmaydi, bir marta ishlaydi.@-import CLAUDE.md da (@docs/api.md)Mashq — 3 ta probe va shablon-snippet.Uchta probe va shablon
Haqiqiy vazifalar bo‘yicha uchta mashq. Uchalasini ham qo‘lda bajaring — busiz keyingi promptingiz barchanikidek taxminiy bo‘ladi.
2-moduldagi vazifani oling (Co-creation darajasi)
2-modulda siz Co-creation uchun vazifa tanlagansiz — bu yerda AI va siz birga ishlaysiz. Unga qayting.
- Bu vazifa uchun prompt yozing odatdagi kunda yozganingizdek. Tahrirlamang. Uni
V1. - deb saqlang.productUni oching va marker bilan belgilang: bu yerda nima processUni oching va marker bilan belgilang: bu yerda nima performance, nima . Qaysi qatlam ?
- yo‘qO‘zingizga bir jumla bilan yozib qo‘ying: «Men odatda ___ qatlamini unutaman.». Bu sening shaxsiy pattern'ing.
Xuddi shu vazifani 4 ta iteratsiya orqali bajaring
Bu mashqning yuragi. Har bir versiyadan soʻng – qisqa yozuv. «Yaxshilandi/yoʻq» emas, balki aynan nima.
- V1 (bare). Probe 1 dan olinganini. Ishga tushiring. Javobni oʻqing. Yozing: nima yaxshiUni oching va marker bilan belgilang: bu yerda nima oʻquvchi/hamkasb/ishlab chiqarish uchun mos emas.
- V2 (+product). Aniq format / auditoriya / uzunlik / uslubni qoʻshing. Ishga tushiring. Yozing V1 ga nisbatan nima yaxshilandi.
- V3 (+process). Qadamlar/reja/«avval X ni oʻqing» ni qoʻshing. Ishga tushiring. Yozing V2 ga nisbatan nima yaxshilandi.
- V4 (+performance). «Qanday qilib yaxshi ekanligini tushunaman» mezonini qoʻshing + AI dan oʻzi saralab tashlashni soʻrang. Ishga tushiring. Yozing AI oʻzi nimani tashlab yubordi.
Clipboard'ga tushadigan shablon-snippet'ni yigʻing
M1 dagi sizning Teaching Context'ingiz + probe 2 dagi sizning product/process/performance'ingiz = siz qayta ishlatadigan shablon. «Hamma narsa uchun bitta prompt» emas, balki karkas, unga vazifani kiritasiz.
- M1 dagi oʻzingizning
CLAUDE.mdni oching. Undan tegishli boʻlimni (rol / auditoriya / til) nusxalang. Bu sizning shabloningizning sarlavhasi. - Uning ostiga 3 qator:
PRODUCT:[men odatda nimani soʻrayman – format/uzunlik/uslub]
PROCESS:[AI qanday fikrlashi kerak – mening standart qadamlarim]
PERFORMANCE:[mening «yaxshi» mezonim – AI oʻzi nimaga qarab rad etadi] - Sizning tizim clipboard manager'ingizga joylashtiring (Raycast Snippets / Alfred / shunchaki
~/snippets/mars-prompt.txt). Trigger — qisqa soʻz, masalan;mp. - Claude'dagi keyingi 3 ta prompt — shu snippet'dan boshla, faqat vazifaning oʻziga xos jihatlarini yoz. Tezlik va sifatni solishtir avvalgisi bilan.
Oʻzingni tekshirishdan oldin — 60 soniya tanaffus
Bu javoblar senda qoladi — yuborilmaydi. Bu modul bir hafta ichida esdan chiqib ketmasligi uchun langar.
Quiz — oʻzingni 3 daqiqada tekshir.O'zingni sina — 3 daqiqada
Uchta apply-savol. Agar kamida bittasida xato qilgan boʻlsang — tegishli boʻlimga qayt. Bu baho emas, balki keyingi prompt oldidan sugʻurta.
Sen product (nima xohlayman) va process (qanday oʻylash kerak) ni shakllantirding, lekin performance'ni unutding (qanday qilib yaxshi ekanligini tushunaman). Eng ehtimol nima sodir boʻladi?
Qaysi soʻrovda AI knowledge limitation tufayli yomon javob berishi ehtimoli koʻproq?
Prompt: «kechikkan ota-onaga xabar yoz». Siz Mars context (siz mentor, uning farzandi Alisher darsda, 20 daqiqa kechikish) va vaziyatning o‘ziga xosligini qo‘shdingiz. Natijada sovuq, rasmiy xat oldingiz. Description qatlamining qaysi biri yetishmadi?
@-mention, @-import, /memory, MCP-serverlar
Keyingi qadam — 4-modul.Keyingisi — Modul 4
Siz tavsifni yozishga muvaffaq bo‘ldingiz. Lekin AI uzoq sessiyada baribir ahmoqlashadi.
Hozir siz vazifani tasvirlashni shunday bilasizki, AI uni birinchi-uchinchi urinishda yaxshi bajaradi. Lekin bir sessiyaning uchinchi soatiga kelib, xuddi shu agent xuddi shu CLAUDE.md va xuddi shu shablon bilan o‘z qoidalarini buzishni boshlaydi. Charchaganidan emas — uning diqqati tugaydi. Keyingi modulda — nima uchun bunday bo‘lishi va aynan shu muammoni hal qiladigan uchta texnika (/compact, NOTES.md, sub-agents) haqida.
Atributsiya va litsenziya
Ushbu modul Mars IT School (2026) tomonidan quyidagilar asosida moslashtirilgan:
— «AI Capabilities and Limitations» — Anthropic Academy, 2026, 6-dars «Knowledge» (frequently / recently / consistently · staleness · source amnesia).
— «AI Fluency: Framework & Foundations» — Dakan, Feller, Anthropic, 2025 — 8-dars «Description» (product / process / performance) va 9-dars «Effective Prompting» (6 texnika).
— «AI Fluency for Educators» — o‘sha mualliflar, 2025 — 2-dars «Framework review» (Description ↔ Discernment loop) va 3-dars «Course design» (Stage 2-3 worked example, Teaching Context document).
— Claude Code documentation (claude.com/docs) — @-mention fayllar, @-import CLAUDE.md da, /memory, MCP overview.
Bizning moslashuvimiz — CC BY-NC-SA 4.0. Mars IT Schoolni ko‘rsatgan holda va xuddi shu litsenziyani saqlagan holda nusxalash, remikslash, o‘qitishda foydalanish mumkin.