Gen AI Products

Manus может обойти ChatGPT. На повороте. И вот почему: И нет, это не пост про очередного убийцу ChatGPT. У обоих решений есть плюсы и минусы, оба не идеальны, но я хотел отметить одну интересную деталь как раз по продуктовой части. У Manus модель монетизации построена по принципу Pay As You Go (PAG). Сколько потратил — столько и заплатил. С одной стороны — дико непрозрачно. Ты не знаешь, сколько будет стоить месяц. Это может быть большая сумма. А может быть очень большая. Непредсказуемо. С другой стороны — нет ограничений. Хочешь масштабировать — масштабируй. Хочешь аутсорсить задачи на модель — пожалуйста, сколько угодно. У ChatGPT подписочная модель. Они как бы говорят: вот тебе доступ, но с ограничениями. Хочешь GPT-4.5? Не больше X. Хочешь Deep Research? Не больше Y. Sora? o3? Аналогично. А если хочешь без ограничений или доступ к Operator или Codex — плати 200$ за Pro. И даже он с лимитами. И это фундаментальное ограничение. Потому что пока OpenAI не изменит подход к прайсингу, они будут искусственно ограничивать свои же пользователей в использовании своих же продуктов. Поймите меня правильно. Deep Research от OpenAI хорош, особенно с определёнными лайфхаками. Но Manus даёт тебе больше возможностей, а не только сбор инфы и её качаственная перепроверка. И именно поэтому Manus имеет реальные шансы отжать рынок аутсорсинга AI-задач — тупо из-за модели прайсинга. #pricing #openai #manus #strategy ❤️ – если хотите больше деталей про Manus  👍 – если думаете, что OpenAI изменит подход к прайсингу

❓ Как конкретно AI влияет на работу продактов и CPO? Уникальный анализ степени этого влияния на разные аспекты работы есть в рассылке Lenny Rachitsky; перевод см. в канале AI Product ⬅ Однако с тех пор прошел почти год, и наш опыт в AI дает уже другие оценки силы влияния AI по тем же пунктам Ленни. И эти оценки помогают нам всем понять, где уже точно пора применять новые инструменты, а где пока можно работать "по-старинке". 📕 Ищите в карточках пункты, которые вы можете применить уже сейчас! А чтобы подробно узнать про реализацию этих пунктов, приходите ➡ на тренинг AI-продакта Сергея Туманова 25-28 января. Такие тренинги мы проводим уже год, но этот раз особенный — обучение в нерабочее время, т.к. продакты слишком заняты на работе, если они пока мало используют AI 😉 Для подписчиков канала — скидка 3000 руб., вот промокод: aip2sta

Привет, комрады! Готовимся к интенсиву для продактов, что полезного они могут получить от AI инструментов 4 дня, специально подобрали слоты в нерабочее время, чтобы каждый смог присоединиться. Все накопленные практики и самые актуальные решения. Приходите, буду рад. Ссылочка в следующем посте.

Ох уж эти Искусственные... —— @aipplhere — подписывайся уже, если ещё нет

Это просто гениально! —— @aipplhere — подписывайся уже, если ещё нет

Но, кстати, если вам не терпится уже сейчас пособирать Gen AI продукты посложнее, чем GPTs, то есть интересный проект с вполне приличным интерфейсом - https://scade.pro/. Он работает примерно на тех же принципах и вы драг’н’дропом можете накидать систему а-ля… (привести кейсы) Я пока на неё не пересяду, но точно буду наблюдать за ними. —— @aipplhere — про то, как создать клёвые AI продукты. Подписывайтесь.

Вы спросите, а что не так с AutoGen? Почему ты раньше говорил про Crew AI и LangGraph? Всё-таки ребята из Майкрософта были первыми и даже успели запилить какой никакой UI для работы с агентами (пусть он и поднимается пока только локально). Вот основные преимущества Crew AI: 1. Можно явно выбирать исполнителей для задачи. Агенты сами определить кто её возьмёт 2. Можно направить последовательность выполнения задач 3. Есть возможность воткнуть в цепочку человека в принудительном месте 4. Можно явно определить формат результата агента —— @aipplhere — про то, как создать клёвые AI продукты. Подписывайтесь.

К сожалению, и у этого подхода нашлись ограничения. Задачи создавались рандомно, запромтить выполнение конкретной можно было только через доуточнение и ну и прочее. Тогда и появилась идея выделить специфичных агентов с узкими навыками и построить взаимодействие между ними. Так появился такой фреймворк как AutoGen (https://microsoft.github.io/autogen/) от Майкрософт. https://arxiv.org/abs/2308.08155 https://microsoft.github.io/autogen/ Вот на скриншотике даже можно посмотреть какой они UI придумали, чтобы управлять этими Агентами. Как видите, все сводиться к 3-м сущностям: агент, скилл и воркфлоу. Соответственно то в чем агент профи и какие у него задачи, то какими инструментами он может пользоваться и то как нужно выполнять задачу. —— @aipplhere — про то, как создать клёвые AI продукты. Подписывайтесь.

Но к сожалению это не могло работать идеально всегда, потому что есть ограничения контекста и подумать подольше иногда не хватало памяти. Тогда появилась гениальная идея сделать агента: - Брать задачу, разбивать её на подзадачи - Класть каждую задачу во внешнюю память - Выполнять задачи по одной - После выполнения проверять, не стоит ли изменить список задач - Ну и далее по кругу, пока не будет выполнено все задание Все это оформилось в фрейморк AutoGPT. Народ уже тогда пробовал объединять таких агентов, чтобы они взаимодействовали вместе. —— @aipplhere — про то, как создать клёвые AI продукты. Подписывайтесь.

Чтобы решить эту проблему, умельцы придумали просить модель перед ответом выполнить задачу шаг за шагом, решая задачу с помощью разных ролей ( см. скриншот) Это техника называется ToT (Tree of Thoughts) и вот недавно про неё вышла очередная статья Вот так выглядит примерный промт Imagine three different experts are answering this question. All experts will write down 1 step of their thinking, then share it with the group. Then all experts will go on to the next step, etc. If any expert realises they're wrong at any point then they leave. The question is... #prompt —— @aipplhere — про то, как создать клёвые AI продукты. Подписывайтесь.

Немного истории в продолжение темы про мультиагентов. Как вы к истории? Ну не переживайте, мы не будем сильно закапываться в эру мамонтов и остановимся на на эпохе после рождества ChatGPT Сначала было слово… Ну или несколько слов, которые отвал ChatGPT. Было круто, но как только вы спрашивали что-то более менее сложное, он выдавал очень поверхностный ответ... —— @aipplhere — про то, как создать клёвые AI продукты. Подписывайтесь.

А вот вам ещё пару идей, чтобы избежать "восстания машин" Я знаю, некоторые команды прямо хардкодом ставят отбивку про вопросы о конкурентах. Некоторые прошивают в промт или тренируют модель на это. С промт инъекциями и "блоком на негатив" могут сработать те же подходы: — Самый надежный, но дороже и хуже по времени ответа – проверка ответа перед тем, как он улетает пользователю — Более простой, но не такой надежный – промтинг. Если остановитесь на промтинге, то напоминаю, что лучше использовать позитивные формулировки. Типа отвечай только на вопросы, связанные с ... Если вопрос пользователя не связан с ... сообщи, что ты не можешь проконсультировать его по его вопросу А не "не говори про компанию X плохо" (так не делайте!) В любом случае, если вам кажется, что вас ломают – лучше переведите на оператора. #security #support #tip #prompt 👍 – да, доп слой это тема 😎 – я фанат промтинга –– @aipplhere — про то, как создать клёвые AI продукты. Подписывайтесь.