APEX AI (Артем Пруденко)

Знакомая ситуация? ♦Компания объявила «AI-трансформацию», и никто не понимает, что это значит для вашей роли? ♦Вы «умеете промптить», но дальше окна чата дело не пошло? ♦Хотели собрать агента — упёрлись в корпоративный ноутбук, безопасников и отсутствие доступов? ♦Руководство спрашивает про эффект от ИИ, а показать нечего, кроме сэкономленных минут на письмах? ♦Коллеги шепчутся, кого «оптимизируют» первым? И тут старый мем от Профессора Фортрана начинает играть новыми красками. Но у нас есть ответ! Представляем вам курс Менеджер ИИ-агентов, который закроет для вас все вышеперечисленные курсы за 4 недели. Данный тренинг авторский и собран и ведется Артемом Пруденко руководителем AI-трансформацией и обучением в X5 Group. Автор Telegram-канала Apex AI и подкаста «Искусственный менеджмент». Подробнее о тренинге тут Помните, через ИИ-трансформацию пройдут не только лишь все...

В 2015-м я был единственным среди знакомых, кто моделил в Blender — опенсорсном пакете для 3D. Все остальные сидели в 3D Max. Начинал с низкополигональных моделей, постепенно дошёл до фотореализма. Потом появился 3D-принтер — и я стал моделировать под печать. Но с годами времени всё меньше, а каждый следующий уровень навыка требует его всё больше. Хобби ушло на паузу. Blender за это время не стоял на месте: сообщество сделало его мегапопулярным. Тонны уроков на YouTube, нодовое программирование и — главное — Python под капотом. То есть моделировать можно кодом. А где код — там вайбкодинг. Я подключил Claude к Blender — оказалось, для этого уже есть официальный MCP. Скинул референс вазы. Через 10 минут у меня были модель, визуализация и нарезка под слайсер — программу для 3D-принтера. Ещё через 3 часа я держал в руках вазу, которую по картинке смоделировал ИИ. Навык, на прокачку которого у меня когда-то не хватило времени, вернулся за один вечер — просто через другой интерфейс. А какой заброшенный навык вернули бы через ИИ вы

🏁 Xbox начинает разворот на $80 млрд 6 июля 2026 Microsoft объявила самую крупную реструктуризацию в истории Xbox: −3200 человек, четыре студии на выход, полная перестройка платформы. Но если смотреть не на увольнения, а на механику — это почти учебник по тому, как стартует настоящая трансформация. Microsoft готовится к новой гонки с Sony и тормозит перед апексом: сбрасывает скорость на входе, чтобы быстрее выйти из поворота. Xbox тормозит. Давайте разберемся, что уже известно. 1. Трансформация начинается с честного диагноза, а не с косметики Первые 100 дней новый глава Аша Шарма делала мелочи: убрала спорный брендинг, откатила ИИ-функции, переименовала Xbox в XBOX. Косметика. Настоящий старт — это фраза в письме команде: «Наш бизнес сегодня нездоров». Не «есть вызовы», а модель нежизнеспособна. Пока лидер не произнёс диагноз вслух — трансформации нет, есть ребрендинг. «История полна компаний, которые путают долголетие с неизбежностью.» 2. Отделить симптомы от причины Что бросается в глаза: — 14 уровней управления (срежут до 3–5) — численность команды платформы на 40% больше при падающей аудитории — инфраструктура на сотнях зависимостей, всё висит на подрядчиках, а не на внутренней инфре Microsoft (что странно) Соблазн — кинуться «чинить оргструктуру». Но это симптомы. Причина глубже: Xbox десять лет пытался тянуть три стратегии сразу — подписку, мультиплатформу и железо. Под каждую растили людей, менеджмент и свой техстек. Отсюда и слои, и раздутая кодовая база. Приговор в юнит-экономике: в типичный год теряли 64 цента на каждый вложенный в студии доллар. ~$80 млрд на скупку студий за декаду — и падение выручки. 3. Резать системно, а не точечно Перезагрузка бьёт сразу по трём слоям: 🟠 Контент — выделение/продажа студий, фокус на ключевых франшизах (Fallout, Doom, TES) вместо «владеть всем» 🟠 Платформа — минус уровни, чистая кодовая база, −50% расходов на вендоров 🟠 Операционка — впервые вводят должность COO с полной P&L-ответственностью (оказалось, что у XBOX до этого не было операционного директора) Точечные правки не работают, когда сломана вся модель. Трансформация — это когда режешь по всем осям одновременно. 4. Вернуть ответственность за результат При прошлом руководстве студии имели свободу без жёсткой ответственности за деньги. Теперь — единый P&L-owner. Свобода без ответственности всегда заканчивается теми самыми 64 центами убытка на доллар. И главный урок эпохи ИИ 👇 Маржа Xbox — около 3%. Сама по себе не катастрофа: на 3% можно спокойно зарабатывать миллионы. Убивает контекст: внутри Microsoft другие подразделения дают 40%+. А весь свободный капитал сейчас утягивает ИИ-инфраструктура. Xbox проигрывает не рынку, а внутренней конкуренции за капитал. Показательно, что новый глава пришла из CoreAI — ИИ-подразделения Microsoft. Вывод для нас: в 2026 твой продукт конкурирует за бюджет не с конкурентами, а с ИИ-инициативами внутри твоей же компании. Если юнит-экономика не держит удар — тебя срежут не потому что продукт плохой, а потому что капитал нужнее в другом месте. Трансформация начинается там, где ты честно считаешь, сколько теряешь на каждом вложенном долларе. 🏁

Листаю с утра ленту, проскакивает новость — и я её почти пролистнул. Минторг КНР вместе с семью ведомствами выпустил государственную программу: как внедрять ИИ в повседневное потребление. Не в науку, не в оборонку — в чайники, магазины и доставку. Целая дорожная карта с мерами и направлениями, на уровне министерств. Вот это «на уровне министерств» меня и развернуло обратно. Потому что это не про «давайте развивать ИИ» — про такое уже никто не пишет директив. Это про то, как ИИ растворить в обычных вещах. Бытовая техника и носимые устройства. Магазины и склады. Туризм, доставка, торговля — вплоть до деревень, куда раньше технологии доезжали последними. И вот что меня зацепило. Мы все возимся с ИИ как с инструментом, который ты сам открываешь: чат, агент, копайлот. Ты решил — ты пошёл к модели. А Китай планирует слой, где ИИ ты вообще не открываешь. Покупаешь чайник, заказываешь продукты, вызываешь врача на дом — и ИИ там просто работает. Фоном. По умолчанию. Ты даже не думаешь, что пользуешься им. Это другой режим. И он по-другому раздаёт призы. Я давно чувствую: наступает время ИИ-экономики, и пора заканчивать играть в модельки. Кто на сколько баллов обошёл кого в бенчмарке — это уже разговор для своих, внутрицеховой. Снаружи, для обычного человека, ИИ перестаёт быть «продуктом» — потому что как продукт он ему непонятен. Никто не хочет «пользоваться нейросетью». Люди хотят, чтобы чайник был умнее, доставка быстрее, а запись к врачу — без звонков и очередей. ИИ не появляется как новая вещь. Он меняет привычные вещи, делая их наконец удобными для человека. И выигрывает не тот, у кого модель умнее, а тот, кто этой моделью сделал старый продукт по-настоящему человеческим. А пока все спорят про лучшую модель, кто-то прокладывает рельсы: стандарты, субсидии, точки опыта, кластеры. Модели сменятся по три раза, а рельсы останутся. Тот, кто положил рельсы, собирает дань с любого поезда, который по ним поедет. И самое неинтуитивное здесь — объём. Он не в футуристичном AGI. Он в доставке еды в деревню, в умной кассе на районе, в записи к врачу без очереди. Там, где ИИ выглядит до зевоты скучно, и живут настоящие деньги. Гонку, кстати, выигрывают не на ярком квалификационном круге. Её выигрывают там, где трибуны уже разошлись, а ты всё держишь темп. Похоже, Китай как раз размечает такую трассу.

🏁 Я закрыл ноутбук вечером. В понедельник пост уже лежал в канале — а я его не писал Воскресенье, около девяти утра. Открываю Telegram с кофе — а там от меня самого лежит готовый черновик поста. Разбор свежего релиза, в моём ритме, с отсылкой к прошлому материалу. Я его не писал. Его собрал агент, пока я спал. Секунд двадцать я просто смотрел на экран. Чтоб вы понимали масштаб: год я строил агентов под задачу. Собрал пайплайн — прогнал — разобрал. И каждый раз заново. Заново объясняю, что пишу по-русски. Заново — где лежит мой Obsidian-вики. Заново — что не люблю безликую стоковую графику. Агент был умным ровно на одну сессию. Закрыл окно — и для него я снова незнакомец. Я думал, это просто цена работы с LLM. Оказалось — нет. Я поставил Hermes — агентную обвязку, которая живёт не в отдельной вкладке, а там, где живу я: в Telegram, в терминале, прямо в моём vault. И штука, которая всё перевернула, оказалась не «умнее модель». А что эта модель про меня помнит между разговорами. Вот что щёлкнуло по порядку. Память не сбрасывается. Я один раз сказал, что работаю по-русски и где мой вики. Больше не повторял. Ни разу. Тот самый кейс из релиза Fable про Slay the Spire — где файловая память дала прирост втрое — это не про игру. Это про то, что агент не «хранит заметки, а «пользуется» ими на следующем шаге. Навыки вместо разовых промптов. Один раз разобрали, как я делаю задачу, — он сохранил это как skill и достаёт сам в следующий раз. У меня накопилась библиотека приёмов под мои проекты. Каждый запуск стартует не с нуля, а с того места, где мы остановились. Рутина ушла в расписание. Cron-задачи: агент сам просыпается, собирает что нужно, кладёт черновик в канал. Без меня в цикле. Это уже не «ответил на промпт» — это «отработал смену». А помните мой прошлый пост про context engineering — «изолируй контекст, передавай структуру, а не сырьё»? Большую задачу Hermes сам дробит на субагентов, каждый в своём чистом контексте. Те шесть агентов Discovery-пайплайна, что я собирал руками неделю, — здесь встроенный паттерн из коробки. И вот к чему я веду. Промптинг был про «как я формулирую задачу». Context engineering — про «что доехало до модели к этому шагу». Hermes — это следующий слой: что агент знает обо мне между задачами и что он делает, пока меня нет за столом. Гонка давно перестала быть квалификацией — одним быстрым кругом за лучший ответ. Это Ле-Ман. И Hermes — это когда машина не просто держит темп всю дистанцию, а ещё и выходит на трассу, помня её с прошлого заезда. Тест-драйв идёт прямо сейчас.

🔧 Hermes нашёл баг в себе. И сам его починил Сегодня днём я попросил Hermes подключить мою подписку Claude Max. Должно было занять тридцать секунд. Вместо этого — ошибка 404. Hermes попробовал ещё раз. Снова 404. Авторизация в Claude проходила нормально — что-то ломалось внутри него самого. Он открыл собственные исходники. Нашёл две функции рядом. Одна — начальный обмен кода на токен — стучалась в эндпоинт, который возвращает 404. Другая — обновление токена — уже давно пробовала запасной адрес, и только при неудаче — основной. Кто-то уже знал, что первый ненадёжен. Просто не перенёс тот же паттерн в начальный обмен. Классика: починили в одном месте, забыли в другом. Hermes пропатчил себя. Авторизация прошла с первого раза. Потом отправил [pull request](https://github.com/NousResearch/hermes-agent/pull/48957) в репозиторий — чтобы починить это для всех остальных. Я просто смотрел. И вот к чему я веду. Мы привыкли, что AI-инструменты — это чёрный ящик. Сломался — жди обновления. Но, Hermes - open source. И когда он сломался, то сделал то, что делает с любой другой задачей: разобрался и починил. Иногда пятнадцати минут достаточно, чтобы закрыть баг и отправить PR в open source проект. Даже если ты сам этот проект.

Несколько недель назад я собирал Discovery-пайплайн. Шесть агентов, каждый со своей ролью. Всё красиво — пока один из них не начал сходить с ума. То гениальный разбор. То мусор. Тот же агент, тот же промпт. Сначала я грешил на формулировку. Переписал системный промпт. Добавил few-shot. Отполировал по CO-STAR до блеска. Стало чуть лучше — и снова поплыло. Я менял слова всё аккуратнее, а ответ всё равно прыгал. И в какой-то момент дошло: слова я уже не меняю. А качество всё равно скачет. Значит, дело вообще не в словах. Дело в том, что до агента доезжает к моменту ответа. Вот в чём разница с чатом, которую я раньше не чувствовал. В чате контекст собираю я сам: пишу промпт, прикладываю файлы, веду диалог. Я вижу всё, что попадает в окно. Здесь промптинг и правда решает почти всё. А в агенте контекст собирается без меня. Системный промпт написан один раз — и дальше на каждом шаге внутрь влетает то, что я уже не печатаю руками: → документы, подтянутые RAG — релевантные или случайные → результаты вызова инструментов → память с предыдущего шага → выводы соседних агентов в пайплайне Вот он, источник скачков. Промпт идеальный, а в контекст налетел шум: не те данные в RAG базе, вытесненная важная деталь, грязное состояние от прошлого шага, неудачный порядок данных. Агент отвечал не на мою задачу — он отвечал на ту кашу, что собралась вокруг неё. Когда я это понял, чинить стал не промпт, а поток. Изолировал роли, навёл порядок в передаче состояния между шагами. Скачки прекратились — без единого нового слова в промпте. Это и называется context engineering. Не «что я говорю модели», а «что доехало до неё к этому шагу». Что я с тех пор держу как правила: 1️⃣ Изолируй контекст. Каждый агент видит только то, что нужно для его шага. Не передавай весь дамп всем — это не забота, это шум. 2️⃣ Передавай структуру, а не сырьё. На выходе шага — чистый структурированный результат, а не вся простыня рассуждений. Следующий агент должен получить ответ, а не стенограмму. 3️⃣ В RAG — меньше, но релевантнее. Лучше 3 точных чанка, чем top-20 «на всякий случай». Отбирай и ранжируй, а не вали всё подряд. 4️⃣ Следи за позицией. Модели «проваливают» середину контекста. Самое важное — в начало или в конец, не закапывай в массиве. 5️⃣ Дебажь собранный контекст, а не промпт. Смотри, что реально доехало до модели на этом шаге. Половина багов агентов видна сразу, как только ты посмотришь на финальный контекст глазами модели, а не своими. Промптинг — это как ты формулируешь задачу. Он никуда не делся и остаётся базой. Context engineering — это как ты управляешь всем, что окружает задачу. И он включается ровно тогда, когда ты выходишь из чата в агентов.

🏁 Anthropic выпустила Claude Fable 5. Этот релиз — не про «умнее» Сегодня вышла Claude Fable 5 — первая общедоступная модель класса Mythos (да, того самого, про который я уже писал, он закрыт для всех, кроме партнеров Anthropic). Анонс открыл с дежурным скепсисом: очередная «самая умная модель», рекорды на бенчмарках. Слышали. И в прошлый раз, и в позапрошлый. Бенчмарки пролистал. Завис на кейсах. Stripe прогнал через Fable миграцию кодовой базы на 50 миллионов строк. Работа, которую оценивали в месяцы инженерного времени, сжалась до дней. Не «помогла дописать функцию» — провела миграцию. Юристы одного из клиентов Anthropic устроили слепое ревью: сравнивали правки Fable в договорах с правками своей текущей модели. Fable не уступила ни в одном раунде. Base44, платформа вайб-кодинга, докладывает: приложения, на которые год назад уходила сотня промптов, Fable собирает с одного. One-shot целого приложения — уже не маркетинг, а рабочий режим. И мой любимый кейс. Модель посадили играть в Slay the Spire и дали файловую память: записывай выводы, перечитывай перед ходом. Прирост от такой памяти у Fable оказался втрое выше, чем у Opus 4.8. То есть она не просто хранит заметки — она умеет ими пользоваться. Вот тут и зарыто главное. Все, кто собирал агентные пайплайны длиннее трёх шагов, знают эту боль: к середине работы агент «плывёт» (где-то на 40% от контекстного окна). Контекст протухает, выводы теряются, на десятом шаге он уже не помнит, зачем начинал. Лечим костылями: суммаризация, внешняя память, чекпоинты с человеком. Fable 5 тренировали не «отвечать лучше», а «работать дольше». Автономные сессии длиннее, чем у любого предыдущего Claude. Память — как рабочий инструмент, а не строчка в пресс-релизе. LLM-гонка меняет формат. Раньше это была квалификация: один быстрый круг, лучший ответ на промпт. Теперь начинается Ле-Ман — побеждает тот, кто держит темп всю дистанцию и не рассыпается к третьему часу. Практика — коротко: — в Pro и Max модель открыта без доплаты до 22 июня, дальше за credits — в API она вдвое дороже Opus, так что конвейерные задачи по-прежнему на Opus/Sonnet — идти на Fable стоит ради долгих автономных задач и tool calling — это её территория Две недели на тест-драйв. Свой тест я уже придумал: прогоню через Fable в одиночку весь Discovery-пайплайн, который обычно собираю из шести агентов. Интересно, скольких из шести она закроет сама. в конце как всегда: тест на анимацию кота, который следит глазами за курсором (написана на Fable 5)

Выступая на PeopleSense, удалось прорекламировать мои любимые "Ракета Big Zero". Спасибо всем, кто пришел после мастер-класса. Надеюсь, вы кайфанули так же как и я

Готовлю мастер-класс для PeopleSense. И поймал себя на ровно той ошибке, от которой сам отучаю. Сел собирать «идеальный промт» для Discovery. Длинный, аккуратный, с ролью и Few-Shot. Прогнал — работает, но как-то плоско. Потом дошло: я делаю одного супер-исполнителя. Универсального солдата, который и проблему вскроет, и персон опишет, и гипотезы накидает, и метрики посчитает. Тот самый «один промт на всё», над которым я обычно смеюсь. А Discovery — это не одна задача. Это шесть. - Бизнес-аналитик копает в корень. - Ресёрчер строит персон, обязательно включая «анти-пользователя». - JTBD-аналитик рассуждает вслух, а не выдаёт готовый список. - Генератор гипотез предлагает решения разной природы — не пять фичей. - Приоритизатор обосновывает каждую оценку. - Аналитик метрик придумывает контр-метрики, которые НЕ должны сломаться. Шесть голов. Каждой — свой фреймворк промпта. CO-STAR, RTF+Few-Shot, Chain-of-Thought, ReAct, ICE/RICE-матрица, пирамида North Star. Команда получается не потому, что модель умнее. А потому, что ты как продюсер собрал правильных специалистов под правильные задачи и проложил между ними передачу контекста. Вот это и буду показывать на PeopleSense 4 июня. Зал выбирает кейс, и за 90 минут прогоняем его всеми шестью агентами. Каждый уносит готовый набор промптов и схему — собранную команду Discovery «в коробке». Будете рядом — приходите. От меня промокод: PEOPLESENSE26

Вчера в 23:47 я сидел на кухне, пил чай и думал: ну ок, Google показал Gemini Omni. Все пишут «прорыв», «новая эра», «революция». Я это уже слышал в прошлый раз. И в позапрошлый. И когда выходил Sora. И когда выходил Veo 3. Решил проверить. Открыл Gemini App. Напечатал в чат одну фразу: «кот главны герой GTA VI». Налил ещё чая. Вернулся. Ролик готов. Кот идёт. Лапа за лапой, хвост ходит как маятник. Закат розово-оранжевый, как в трейлере Rockstar. На фоне — пальмы качаются от ветра. Сзади — действительно проезжает ламба, и блик от неоновой вывески ложится ей на капот. Я залип секунд на двадцать. «Добавь, чтобы из-за угла вышел чувак в гавайке и кот на него зашипел». Вышел. Зашипел. Гавайка с пальмами (ну, та самая). В этот момент я понял, что во мне умирает что-то старое. Потому что ещё полгода назад тот же кадр — это рабочий день. Сначала найти стоковую анимацию кота. Потом подобрать фон Vice City. Потом — машина отдельным слоем. Потом цветокор под GTA. Потом ротоскопить шипение. Потом рендерить. День. Минимум. А тут — две минуты и три фразы в чате. Под капотом у Omni — гибрид всего, что Google собирал годами. Gemini рассуждает. Veo рисует движение. Nano Banana держит картинку. Genie — модель мира DeepMind, та самая, что знает, как падают предметы и куда смотрит свет. Поэтому кот реально идёт как кот, а не как мешок с пикселями. Модель не склеивает кадры — она *представляет сцену*. И вот к чему я веду. Каждый раз, когда выходит новая модель, мы привычно спорим: «это убьёт креативщиков» или «это игрушка для гиков». И каждый раз промахиваемся мимо главного. Главное — не в том, что монтажёр без работы. Главное — что барьер между «придумал» и «увидел» только что схлопнулся до фразы в чате. Любой продакт, маркетолог, фаундер, школьник теперь может за вечер собрать то, на что раньше уходила неделя и команда. Это не про экономию. Это про то, что идей сейчас будет на порядок больше — потому что их можно проверить прямо в момент, когда они пришли в голову. На кухне. В 23:47. С чаем. Кот, кстати, всё ещё стоит в Gemini, моргает. Завтра попробую заставить его угнать тот розовый кабриолет.

Когда я кому-то рекомендую книгу, всё чаще слышу: «Спасибо, положу в бэклог». Задумался на выходных и решил визуализировать свой «Книжный бэклог». Как видите, между книгами ещё лежит iPad, в котором ещё 3 книги для бэклога. Итого вопрос: есть ли у книжного бэклога — техдолг? И как с этим техдолгом быть? Многие советуют: «Раздели своё время на чтение по группам: тут читаешь по работе, тут для себя, тут художку, тут публицистику». Звучит разумно. Только вот эта картина как раз и показывает «мифичность» такого подхода — когда категоризация превращается в параллельное чтение нескольких книг одновременно. Подход вроде работает, но не приводит к результату в нужное время. Потому что вы очень долго делаете несколько параллельных вещей вместо того, чтобы сфокусироваться на одной конкретной. Пропускная способность падает. Приведу пример. У меня есть 1 час в день на чтение. Как я могу поступить? Вариант 1. Выделить 1 час на чтение конкретной книги и не брать новую, пока не прочту эту (или она перестанет быть актуальной или интересной). Книга дочитана — берём следующую. Вариант 2. Разбить этот час: 60% на основную книгу, 30% на менее приоритетную, 10% на всякие отвлечения. Итого основная книга получает 36 минут вместо 60. Прогресс замедляется примерно вдвое. И велик шанс, что обе книги наскучат раньше, чем будут дочитаны. Если перенести это на создание продуктов — выводы очевидны. Меньше WIP, выше пропускная способность. Это и есть главный принцип работы с продуктовым бэклогом. Что предпочитаете вы — вариант 1 или 2?

Как я заставил нейросеть отвечать точнее, сделав инструкцию короче Короткая история про маленький эксперимент в формате авторесерча: я не сидел и не подбирал инструкцию вручную, а собрал процесс по своему сценарию, в котором одна нейросеть (Claude от Anthropic) автоматически «обучает» другую (GigaChat) — придумывает гипотезы, правит инструкцию, прогоняет тесты, откатывает неудачные попытки. Я только задал правила игры и наблюдал. Задача была такая. Есть нейросеть GigaChat. Я даю ей текст и прошу определить эмоцию: позитив, нейтрал или негатив. Чтобы она поняла задачу, нужна инструкция — пару строчек по-русски. Эту инструкцию называют промт, и именно её Claude и оптимизировал. Дальше — 6 примеров (некоторые специально с подвохом) и проверка, на скольких GigaChat угадает. Старт: угадывает в 83% случаев. Промт — 10 слов. Финал: угадывает в 94% случаев. Промт — 8 слов. То есть инструкция стала короче, а ответы — точнее. Это нелогично: обычно кажется, что чем подробнее объяснишь — тем лучше. --- Главный подвох Один из тестов — фраза: > «Молодец, что хоть к концу недели справился — обычно ты ещё медленнее, так что прогресс налицо.» Это сарказм, замаскированный под похвалу. Правильный ответ — негатив. Нейросеть же видела слово «молодец» и уверенно отвечала «нейтрально». Все попытки исправить через примеры её только запутывали ещё сильнее. --- Правило, которое всё изменило Я завёл два счётчика: 1. Точность — её хочется поднять. 2. Длина инструкции — её хочется не раздувать. И запретил себе сохранять изменения, если хоть одна из этих цифр стала хуже. Хочешь повысить точность? Пожалуйста — но не за счёт того, что инструкция растолстела. Это звучит как мелочь. На деле это меняет *как ты думаешь*. Когда нельзя просто «накидать побольше примеров», начинаешь искать что-то более изящное. --- Что пробовал Claude Попытка 1. Добавил пример: «"Спасибо!" → позитив». GigaChat тут же зацепился за слово «спасибо» как за костыль и стал промахиваться там, где раньше отвечал верно. Откат. Попытки 2 и 3. Косметика — переформулировки и замена слов. Точность не поменялась. Откат. Попытка 4. Три примера — по одному на каждую эмоцию. Длина инструкции выросла почти в три раза. Точность не поднялась. Правило не пускает. Откат. Попытка 5. Сработало. Claude переписал инструкцию через короткие определения: > позитив = радость/благодарность; > нейтрал = факт/инструкция; > негатив = злость/разочарование/ирония. Слово «ирония» оказалось ключом. GigaChat наконец «увидел» сарказм в той самой фразе про «молодца». А слэши / позволили вместить три определения буквально в восемь слов — короче исходного промта. Самое любопытное — эту находку придумал Claude сам, в рамках цикла. Я не подсказывал, что нужно искать решение через определения и слэши. Я только запретил раздувать промт. --- Когда у тебя только одна цель («сделай лучше»), легко скатиться в «давай объясним подробнее, добавим ещё примеров, пропишем правила». Часто это работает. Но иногда правильный ход — наоборот, заставить себя уместиться в меньшее. Ограничение не мешает, оно подталкивает к более умному решению. Тот же принцип работает и без всяких нейросетей. Если хотите научить кого-то делать что-то — попробуйте написать инструкцию в два раза короче. Удивительно часто оказывается, что от этого она ещё и понятнее.

Живём в эпоху "кто-то выпустил убийцу чего-то" Deepseek 4 Gpt 5.5 Все на этой неделе пытаются кого-то убить. И так уже 3 года в ИИ сфере 😁😁😁 На деле видим нормальную конкуренцию, которая двигает индустрию. Давно понял, что нужно выбрать инструмент, который удобен и нравится вам. Остаётся только один вопрос к коллегам блогерам: а вы в оригинальных новостях слово "убийца" встречали? Как оно там пишется хоть? "Killer"? "Murderer"? "Slayer"?

Интересные новости приходят из Apple. 1 сентября Тим Кук уходит с поста CEO Apple. На место Кука приходит инженер Джон Тернус — теперь уже бывший вице-президент по аппаратным разработкам с огромным 25-летним стажем работы в Apple Я многократно критиковал Apple в своих постах про ИИ. Говорил, что если не будет инноваций, то компания будет терять позиции на рынке. Я даже ушел с Iphone на андроид, о чем, к слову жалею. Особенно после обновления Iphone моей жены. Это все еще лучший предсказуемый телефон. Ну и все еще, я считаю MacBook и IPad венцом творения компании. А кто же возглавлял эти проекты? Джон Тернус. Его мы должны благодарить на прекрасные М-процессоры. И теперь, точнее с 1 сентября, Apple возглавит инженер! Я замер в ожидании, потому что под приход нового СЕО компания заготовила новинки Iphone, Macbook. Похоже, начнется новая эра. Новая эра, которую я давно пророчил компании, для сохранения позиций. Пожелаем удачи Джону, потому что инженеры давно не возглавляли крупных игроков рынка, а когда возглавляли, было интересно и увлекательно.

понедельник, половина одиннадцатого утра. Я в третий раз за день объясняю Claude, почему мы в одном моём проекте ушли от сложного графа из тридцати нод к одному промпту. Почему решение было правильным. Кто из стейкхолдеров его поддержал. Какие были альтернативы. На четвёртой минуте этого монолога я поймал себя на мысли: я уже рассказывал это. Вчера. На прошлой неделе. Месяц назад. Каждый раз заново. У меня одновременно идёт больше десятка проектов — рабочие, авторские, образовательные. У каждого свой контекст, свои люди, своя история решений. Вся эта карта живёт у меня в голове. А Claude приходит на каждую сессию как новый сотрудник на первый рабочий день. Радостный, готовый помочь, но ничего не знающий. Я был уверен, что это проблема моделей. Нужно ждать, пока вендоры дадут настоящую память. А потом наткнулся на один гист от Андрея Карпатого. Идея была простая до оскорбления: перестать ждать, пока ИИ научится помнить, и просто дать ему место, где он сам будет вести заметки. Обычная папка. Обычные markdown-файлы. Правило: человек не редактирует, только направляет. LLM не отвечает в пустоту, а пишет страницы, связывает их перекрёстными ссылками, ведёт журнал. Это не память в смысле «векторная база». Это память в смысле «дневник, который ведёт за тебя». В пятницу за полдня я развернул базовую структуру. Папка со страницами по каждому проекту. Отдельные страницы для концепций и людей. Лог операций. Каталог, в который модель лезет прежде, чем что-то сделать. А потом добавил то, что меня окончательно пересобрало. Два агента, которые крутятся в облаке по расписанию. Один каждое утро проходится по wiki и ищет пробелы — упомянутые концепции без страниц, сломанные ссылки, устаревшие данные. Второй раз в неделю читает все страницы и ищет кросс-проектные паттерны. В понедельник утром я открыл коммиты и увидел свежий push от модели. Открыл — и десять минут просто сидел. Агент увидел то, чего я сам себе не формулировал. Что все мои активные рабочие проекты одновременно упёрлись в один и тот же тип блокера — зависимость от команд, которые мне не подчиняются. Что мой канал, подкаст и образовательные программы — на самом деле не разные продукты, а одна и та же экспертиза в трёх упаковках, и они друг друга усиливают. Это странное ощущение. Не «крутой ассистент ответил на запрос». А «кто-то проснулся в 8 утра в пустой комнате без меня и потратил время, чтобы разобраться в моих проектах сверху». Оказалось, что долговременная память — это не фича, которую должен дать вендор. Это архитектурный выбор, который я могу сделать сам. Markdown, git, пара скриптов, 20 долларов в месяц. Всё. И вдруг выясняется, что у меня появился коллега, который делает то, на что у меня никогда не хватает времени: систематически удерживает знание в порядке. 📎 Гист Карпатого про паттерн LLM Wiki: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f читать также в MAX

Друзья, привет) это не рекламный пост))) Наверняка, кто-то искал чем заняться 21 апреля. Сходите, не пожалеете Фасилитаторов знаю лично - все крутые ребята 👍

Уже во вторник, 21 апреля, обсудим, как управлять изменениями в командах в 2026 году Где: БЦ «Школа журналистов», Малая Дмитровка, 20 Когда: 21 апреля, 18:00 Проведем открытый офлайн-мастермайнд вместе с X5 для продуктовых лидеров. Будет два раунда работы в мини-группах: 🟣Раунд 1 Как двигаться, когда система тормозит: бюрократия, рассинхрон между командами, «инновации ради галочки» 🟣 Раунд 2 Продуктовая культура изнутри: отношения с операционкой, выход из роли заказной разработки, финансовые метрики через продуктовый взгляд Кейсы для разбора собираем заранее: за 2–3 дня до встречи проведем короткий онлайн-звонок, чтобы синхронизироваться по механике. ➡️ Фасилитаторы: 🔵Павел Макуха, CPO продуктов коммерции, X5 🔵Светлана Шиманская, CPO, Skyeng 🔵Дмитрий Борисов, CPO SberOS и офисного ПО, Сбер Для участия заполните короткую анкету! После модерации пришлём подтверждение.