Promteo | промпты и нейросети для маркетинга

😼 NeuralDeep — каталог навыков для AI-агентов, где есть даже 1С Привет, котики! Я никогда не думал, что скажу это вслух, но, кажется, нашёл сайт, который собирает навыки для AI-агентов под Яндекс, Bitrix, Wildberries и… 1С. Да-да. Тот самый момент, когда сидишь и думаешь: где LLM, а где наш православный 1С. А потом открываешь сайт и видишь, что 1С там не просто есть, а ещё и в топе по установкам. Сюр, который мы заслужили. 🧠 Что такое NeuralDeep NeuralDeep — это открытый каталог навыков для AI-агентов, MCP-серверов и CLI-инструментов. Если перевести это с языка разработчиков на человеческий, то перед нами не “очередной сайт про нейросети”, а библиотека готовых подключаемых штук, которые расширяют возможности AI-агента. То есть не просто “бот, который умеет писать текст”, а “бот, которому можно добавить конкретное умение”. Например: — работать с Яндекс Wordstat — ходить в Метрику — общаться с Bitrix24 — подключаться к 1С — использовать YooKassa, Dadata, GigaChat SDK и другие инструменты По сути, NeuralDeep — это каталог того, чем можно “докрутить” вашего AI-агента, чтобы он не только болтал, но и приносил практическую пользу. ⚙️ Что умеет сам сервис У сервиса довольно понятная логика. Вы заходите и видите каталог навыков. У каждого навыка обычно есть описание, репозиторий, формат подключения и базовая информация о том, что он делает. Из полезного: 1. Есть каталог готовых навыков Не нужно вручную копаться по GitHub, телеграм-чатам и старым тредам в поисках “а нет ли уже у кого-то интеграции под нужный сервис”. 2. Есть акцент на российские сервисы И вот это как раз интересно. Потому что зарубежных штук под Notion, Slack и Stripe и так уже навалом. А вот нормальные AI-навыки под Яндекс, 1С или Bitrix24 — это уже более редкий зверь. 3. Есть рейтинг и популярные навыки Можно быстро понять, что люди вообще ставят и чем пользуются чаще всего. То есть да, в мире AI-агентов 1С пока чувствует себя вполне уверенно. Где-то сейчас довольно улыбается один интегратор. 4. Есть модерация и проверка Это не просто свалка “кто что залил”. Навыки проходят аудит на безопасность, проверку репозитория и модерацию. Для подобных каталогов это важно, потому что агенту вы потенциально даёте доступ к данным и действиям, а не к генерации мемов про котов. 5. Есть быстрые команды для подключения Некоторые навыки можно устанавливать одной командой. Например, через формат вроде: npx skillsbd add owner/repo/skill-name И вот это уже похоже на нормальный рабочий подход, а не на “скачайте архив, поправьте 12 конфигов и молитесь”. 🔝 Что там можно найти Сейчас в каталоге уже больше 30 навыков. Среди заметных: — 1С Enterprise — Яндекс Wordstat — Яндекс Метрика — Яндекс Webmaster — Bitrix24 — YooKassa — GigaChat SDK — Dadata Плюс на сайте есть метки вроде RU и редакторские подборки. 🤔 Кому это вообще может пригодиться Если очень по-простому, то NeuralDeep полезен тем, кто уже возится с AI-агентами или хочет начать, но не хочет каждый раз изобретать велосипед. Это может пригодиться: — разработчикам, которые собирают агентов и автоматизации — аналитикам, которым нужны интеграции с данными — маркетологам, если агент должен работать с Wordstat или Метрикой — командам, которые хотят быстрее проверять гипотезы и подключать готовые инструменты — всем, кто хочет не просто “чат с нейросетью”, а более рабочий сценарий

Резюме в эпоху LLM: почему вас не зовут, даже если вы подходите Привет, котики! Помните прошлый пост про резюме, где вместо нормального опыта был практически рецепт пельменей, но алгоритму и этого хватило, чтобы пропихнуть человека дальше? После этой истории я решил не просто посмеяться, а покопаться в теме и посмотреть, какие ещё способы помогают причесать резюме под весь этот HR-ный SEO-цирк с LLM-фильтрами. Сразу честно скажу: сам пока не гонял это в бою на сотне откликов, так что не буду строить из себя главного победителя AI-скрининга. Но картина по рынку вырисовывается вполне понятная: теперь мало быть нормальным спецом, нужно ещё сделать так, чтобы уставший робот не решил, что кастрюля с амбициями выглядит убедительнее вас. 🤖 Как работает отбор в 2026 (очень коротко) Раньше: ключевые слова → совпало → прошёл Сейчас: смысл + структура + релевантность → прошёл / умер Алгоритм смотрит: — насколько ваш опыт похож на вакансию по смыслу — можно ли распарсить резюме без боли — есть ли подтверждённые результаты, а не вода ❌ Почему вас сливает алгоритм 90% резюме не доходят до HR по банальным причинам: — таблицы, колонки, «дизайнерские» шаблоны — креативные должности типа «гуру продаж» — полотно текста без структуры — «ответственный, коммуникабельный, люблю котиков» вместо фактов — не заполнен профиль на hh (да, это критично) ✅ Что реально работает (без магии) 1. Техническая стерильность Если резюме не читается машиной — вы проиграли — один столбец — без таблиц и иконок — стандартные заголовки: Опыт / Навыки / Образование — формат: .docx или простой PDF 2. Семантика вместо «набивки ключами» Забудьте про «вставлю 50 навыков и победил» Работает так: — берёте вакансию — вытаскиваете 8–12 ключевых терминов — вплетаете их в опыт ❌ Плохо: Python, SQL, аналитика, продукт, метрики… ✅ Хорошо: Разрабатывал бэкенд на Python (Django), оптимизировал SQL-запросы, что сократило время ответа API на 35% 3. Формула «сделал → получил» ИИ ищет результат, а не процесс Минимальный шаблон: действие → цифра → эффект Примеры: — увеличил конверсию на 18% — снизил CAC на 25% — автоматизировал отчёты → -10 часов в неделю 4. hh.ru важнее, чем ваш PDF Вот тут многие сливаются В РФ работает правило: резюме внутри платформы важнее файла Что делать: — заполнить ВСЕ поля — выбрать навыки из списка hh — использовать нормальные названия ролей — периодически «поднимать» резюме 5. Чистка текста (неочевидный лайфхак) Алгоритмы в РФ реально пессимизируют «канцелярит» Прогоните через: — Главред — Орфограммку И уберите: «осуществлял деятельность по реализации…» ⚙️ Мини-алгоритм (забирайте и пользуйтесь) 1. Берёте вакансию 2. Выписываете требования 3. Сопоставляете со своим опытом 4. Переписываете 2–3 последних места 5. Добавляете цифры 6. Проверяете читаемость ⚠️ Важный момент «Взломать LLM» не получится Но можно: перевести свой опыт на язык, который она понимает И вот тогда магия случается. 🏁Итог Сейчас выигрывает не тот, у кого больше опыта🥲, а тот, у кого: — правильно упакован опыт — понятная структура — нормальный язык — есть цифры #HR

Когда пельмени проходят собеседование лучше людей Привет, котики! Продолжаем нашу серию постов про LLM, AI-фильтры и вообще весь этот цифровой зоопарк, который сейчас активно влез в найм. И сегодня у нас пятничный материал уровня: «я сначала посмеялся, а потом что-то стало не смешно». На Хабре разошёлся кейс про то, как автор решил проверить алгоритмы одной площадки по поиску работы. Для эксперимента он разместил несколько тестовых резюме. Одно из них было откровенно шуточным — вместо нормального опыта там был рецепт варки пельменей, аккуратно упакованный под фронтенд-разработчика. И вот что произошло дальше: именно это резюме получило приглашение на собеседование. Да, вы всё правильно поняли. Не сеньор с боевым React. Не замученный жизнью middle с тремя pet-проектами. А пельмени. Причём история стала ещё лучше. Автор связался с рекрутером, сначала даже что-то рассказывал про опыт, а потом признался, что в резюме вообще-то рецепт. В ответ никто не разгневался, молнии не сверкнули, серверы не упали. Наоборот — посмеялись и, по словам автора, ему всё равно были готовы дать офер на фронтендера. Вот в такие моменты особенно хорошо понимаешь, что AI в найме — это уже не какая-то модная игрушка для презентации на HR-конференции. Алгоритмы реально участвуют в сортировке откликов, ранжировании резюме и первичном отборе кандидатов. То есть именно там, где раньше человек хотя бы теоретически мог глазами заметить, что перед ним не разработчик, а кастрюля с амбициями. И тут, как мне кажется, важен не сам мем с пельменями. Мем прекрасен, спору нет. Но интереснее другое: если система спокойно пропускает шуточное резюме из-за совпадения ключевых слов и общей формы, то сколько нормальных кандидатов она так же спокойно отправляет в цифровое небытие просто потому, что у них не тот порядок слов, не те формулировки или не тот стиль описания опыта? Вот это уже не пятничная шутка, а вполне рабочая драма. Особенно забавно, что мы живём в моменте, где соискателю уже мало быть нормальным специалистом. Теперь нужно ещё и уметь понравиться алгоритму. То есть буквально оптимизировать себя под машину, как будто ты не человек, а SEO-страница под запрос «купить фронтендера недорого, доставка сегодня». И да, я всё сильнее убеждаюсь, что рынок найма сейчас превращается в странный квест: — сначала ваше резюме читает алгоритм; — потом его не читает человек; — потом вам приходит автоотказ; — а офер, судя по всему, получает рецепт пельменей. В этом, конечно, есть очень чёрный, но очень честный юмор. Потому что проблема уже не в том, что AI ошибается. Проблема в том, что он ошибается на самом чувствительном этапе — когда человек пытается найти работу, а компания пытается найти специалиста. Так что мораль пятницы такая: если вдруг ваши отклики игнорят, возможно, дело не в вас. Возможно, где-то прямо сейчас алгоритм с серьёзным лицом изучает навыки «довести до кипения», «избежать ожогов» и «обеспечить 95% операционного успеха». И, честно говоря, в 2026 году это уже звучит не как шутка, а как roadmap. Если среди вас есть HR-специалисты или люди, которые недавно искали работу, расскажите: сталкивались с ощущением, что ваше резюме сначала оценивает не человек, а очень уставший робот? #HR

Как облегчить бьюти-рутину с GPT? Привет, кошечки (и котики, но сегодня – для кошечек)! 🌺 Мы долго думали, как подсветить восьмимартие. С одной стороны, очень хочется пожелать каждой «весны, тепла, любви и тд», но уверены, с этим справились электро открытки от родственников. Но «Промтео» вам тоже этого желает. Девушки – это огромная сила. И 8 марта как раз про это. Ежедневно каждой приходится принимать сотни решений, справляться с задачами по работе, менеджерить быт, находить время на хобби, спорт, поддержку близких и при этом заслуженно носить звание «прекрасной половины человечества». Спасибо, вы – прекрасны во всем. ♥ И так как группа все-таки про ИИ, несем легкий и смешной кейс, который, надеюсь, никого не оскорбит и поможет разгрузить рутину. Недавно я разбирала косметичку и гардероб и поняла две вещи. Во-первых, у меня очень много всего. Во-вторых, уровень сочетаемости между этими вещами — иногда довольно сомнительный. Это особенно стало заметно, когда я уехала из дома на несколько месяцев из-за ремонта. Нужно было собрать небольшой набор базовых вещей, в которых я буду жить каждый день. И вот там неожиданно встретились розовые джинсы и зелёный свитер. Эксперимент оказался так себе. Вообще мне нравится, когда во всем есть система. Я довольно структурированный человек и люблю, когда всё работает по понятной логике. Но на гардероб и косметику почему-то никогда не хватало времени: вещи покупаются, складываются, а какой-то общей структуры у всего этого не появляется. И в какой-то момент я наткнулась на промпт для GPT, который определяет цветотип по фотографиям и помогает подобрать гамму для гардероба и косметики. Сначала отнеслась скептически. Но решила проверить. И получилось три неожиданно полезных результата. Первое — определение цветотипа. Я могу сказать со стопроцентной уверенностью: ИИ действительно отлично справился – тут можно не платить стилистам и не оставлять свои контакты для бесплатного определения от специалиста. Он очень точно определил мою гамму. В целом я и раньше носила эти цвета, но вопрос сочетаемости он решил просто идеально. Второе — фильтр импульсивных покупок. Вместо тысячи случайных вещей ИИ начал играть роль фильтра. Например, мне безумно нравилась ярко-зелёная квадратная сумка, которая не подходила примерно ни к чему. GPT отговорил от этой покупки и предложил более универсальную модель. Более того – из похожих моделей выбрал 100% попадание. Я купила её — и уже месяц ношу почти каждый день. Скорее всего, когда она износится, я просто куплю такую же. Получается, это отличный инструмент, который помогает не накупить кучу вещей и немного спасает бюджет. И третье — подбор помады. В моей косметичке их очень много: под настроение, на вечер, на случай, если я сойду с ума. Но мне было интересно решить простую задачу — выбрать универсальный цвет. Я отправила GPT палитру оттенков бренда, которым пользуюсь, и попросила выбрать лучший вариант для моего цветотипа. Она чётко сказала: бери этот оттенок. Я заказала — и да, это действительно мой цвет. Какой из этого вывод? На самом деле никакого. Но если хочется немного облегчить себе жизнь и попробовать ИИ в роли советчика — он очень хорошо решает три задачи: определяет цветовую гамму, помогает фильтровать покупки и подсказывает базовые оттенки косметики. Доверять ему как профессиональному стилисту, наверное, не стоит. Но если вы устали после работы, хотите порадовать себя какой-нибудь помадой или вещью и понимаете, что рискуете сделать импульсивную покупку, — иногда приятно, когда кто-то может сказать: «Красотка, этот цвет тебе подходит. Бери.» Маленький подгончик к 8 марта. Пользуйтесь, если будет интересно ❤️

Как баги HR-технологий оставляют вас без работы Привет, котики. Скучали? Признаюсь, уже думал, что вернусь сюда разве что «свет выключить и дверь закрыть», но вижу, что многие остались – спасибо. Надеюсь, больше перебоев с контентом не будет. Пришел тоже не с пустыми руками, а с занимательным кейсом. Если кто-то в последние годы искал работу, то знает, насколько моментально прилетают ИИ-шные отказы и как это бесит. Оказывается, история «HR и технологии найма» длится с 2017 года, и как в лучших романах про мальчика, который искал работу, там есть все: потерянные отклики, неправильно посчитанный опыт и непонятная судьба наших персданных. Если кратко: пытливый ум https://t.me/hackcareera потестил текнолоджию отбора резюме, которой пользуется немалое количество компаний, и очень удивился – на кейсе ее собственного резюме она узнала, что: Общий стаж в карьерном консультировании составляет менее 1 года (с 2021 года). В то время, как уже был 2026 год. Еще ИИ нашел Некоторые пробелы в подтверждении опыта работы с поисковыми системами для работы с кандидатами. В то время как кандидат натурально работал в hh.ru. И самая маковка – на тесте больших данных не подтянулись 114 откликов. Вообще. Они просто потерялись. А это 114 человек, которые просто не получили ни-че-го в ответ на вакансию. Такие вот дела, полный материал можно почитать по ссылке на Хабр. Если у нас тут есть HR-специалисты, будет крайне интересно услышать ваше профессиональное мнение и советы – если не хотите выходить в паблик, то напишите нам в личные сообщения, чтобы поделиться личной историей анонимно 🩵 #HR

«На небе только и разговоров, что об изометрических городах…» Привет, котики! Пятница — время, когда мозг хочет отдыхать, а руки почему-то тянутся генерировать мини-города, будто мы архитекторы после трёх кружек рафа. Так что держите классный промпт, который собирает изометрические городки хоть из Парижа, хоть из маленьких уютных городов, о существовании которых даже Хвитер не знает. Лучше всего сейчас это делает Nano Banana Pro, но если подписки нет — обычный Nano Banana в Google AI Studio работает бесплатно и очень даже прилично. А если хочется пощупать именно «прошность», я нашёл вариант — можно поэкспериментировать в lmarena. Да, конкретную модель там не выбрать, но сервис сам прогоняет запрос через несколько движков, и вы просто берёте тот результат, который понравился больше. Вот сам промпт — забирайте и творите 👇 CITY=Prague,Czechia Present a clear, 45° top-down isometric miniature 3D cartoon scene of [CITY], featuring its most iconic landmarks and architectural elements. Use soft, refined textures with realistic PBR materials and gentle, lifelike lighting and shadows. Integrate the current weather conditions directly into the city environment to create an immersive atmospheric mood. Use a clean, minimalistic composition with a soft, solid-colored background. At the top-center, place the title “[CITY]” in large bold text, a prominent weather icon beneath it, then the date (small text) and temperature (medium text). All text must be centered with consistent spacing, and may subtly overlap the tops of the buildings. Square 1080x1080 dimension Если соберёте что-то красивое — кидайте, посмотрим, у кого самый уютный городок 😼

Глава 6️⃣. Конкуренты, которым ChatGPT испортил сон Google. Anthropic. Запретграм. И внезапно — китайский DeepSeek. Все они в какой-то момент вышли на арену как персонажи RPG: — Google: «У нас Gemini, он нативно мультимодальный!» — Anthropic: «У нас Claude, он пишет код часами без того, чтобы кинуть keyboard not found.» — Meta: «У нас open-source, и он работает!» — DeepSeek: «У нас модель уровня OpenAI, обученная за цену вашей кофемашины.» Индустрия превратилась в гонку вооружений, где победит не тот, кто умнее, а тот, кто выживет в темпе инноваций. Глава 7️⃣. Что осталось от OpenAI миссии — и что от неё сделает история Когда OpenAI основали, у них была простая мечта: ИИ должен быть безопасным, открытым, демократичным, удобным, прозрачным. Через три годаИИ стал массовыми прибыльным. OpenAI всё ещё говорит о безопасности — и делает для неё много.Но мир уже смотрит на компанию иначе. Она стала сердцем индустрии, которая живёт по правилам: - кто быстрее — тот главный, - кто умнее — тот богаче, - кто отстаёт — тот исчезает. И в этом хаосе OpenAI — не трагедия. Не герой. Не злодей. OpenAI — это лаборатория, которая случайно открыла чёрную дыру и теперь пытается её контролировать, пока она не проглотила Землю. 🏁 Финал. Её не покупали. Она себя сама продала — миру OpenAI хотела сделать добро. И сделала. Но вместе с этим — сделала: — новую экономику, — новую гонку, — новые страхи, — новую надежду, — новый рынок, — нового конкурента государства, — новый жанр будущего. Сегодня OpenAI — один из самых влиятельных организмов технологической цивилизации. Иронично, но компания, которая боялась неконтролируемого ИИ, сама превратилась в самое неконтролируемое явление Кремниевой долины. И если честно… Это только начало.

Три года ChatGPT: история компании, которая хотела подарить миру доброе будущее Привет, котики! Иногда человечество создаёт вещи, которые меняют всё — электричество, интернет, микроволновку (особенно если она умеет греть еду, а не тарелку). Но есть редкая порода технологий, которые меняют не только быт. Они меняют правила игры. Саму идею того, что значит быть человеком в мире машин. И три года назад маленький, почти шуточный релиз стал началом самой масштабной технологической перестройки со времён iPhone. Это история о том, как идеалистический стартап попытался построить безопасный ИИ, a навёл панику в Google, разбудил китайских исследователей, заставил президентов издавать указы, а Microsoft — улыбаться слишком широко. И всё это — за какой-то третий сезон «Мандалорца». Глава 1️⃣ . Однажды в Сан-Франциско, в компании, которая должна была спасать мир У OpenAI был странный план: Сделать ИИ, который будет слишком мощным, чтобы его можно было доверить кому-нибудь… кроме них же. Благородная миссия: — открытость, — безопасность, — кооперация, — общее благо человечества. Ну знаете — тот этап стартапа, когда ты ещё искренне веришь, что меняешь мир, а не квартальную отчётность. Компания строилась как монастырь ИИ-этики. Суицидально честная, некоммерческая, принципиальная. И вот — ноябрь 2022 года. OpenAI нажимают кнопку «ChatGPT — research preview», даже не догадываясь, что подписывают себе пожизненную подписку на безумие. Глава 2️⃣. Пять дней, которые уничтожили старую индустрию Просто пять дней — и миллион пользователей. Google в шоке. Учителя хватаются за дневники. Студенты — за возможность наконец-то не писать курсовые. Весь мир — за голову. «Мы просто выкатили превьюшку», — оправдывалась команда. Но нет. Мир услышал: «Вот ваш джинн. Не забудьте закрыть лампу после использования». ChatGPT стал символом эры, в которую мы все упали, как дети на батут. И OpenAI впервые поняла: Да, оно уже началось. Глава 3️⃣. 2023–2024. Когда идеалисты вдруг обнаружили, что зарабатывают миллиарды Выручка растёт как тесто на дрожжах в микро. Инвесторы подвозят деньги грузовиками. Microsoft улыбается так, будто знает концовку сезона заранее. GPT-4 показывает, что ИИ может: — сдавать экзамены, — писать код, — объяснять квантовую механику так, что поймёт даже кот, — и не путать «их», «ихний» и «им». Whisper переваривает речь. DALL-E рисует. Sora оживляет фантазии в видео, которые пугают режиссёров. OpenAI превращается в фабрику цифровой магии. Но магия редко бывает бесплатной. Глава 4️⃣. Ноябрь 2023. Переворот в OpenAI: или как компания чуть не съела саму себя Если бы эту сцену снимал Netflix, она бы начиналась с резкого монтажа и тревожного трека. Совет директоров увольняет Сэма Альтмана. Без предупреждения.Без объяснений.Как будто выкинули главного героя в середине сезона. Сотрудники в шоке. Медиа пишут заголовки, как будто упал самолёт с кремниевыми ангелами. 700 сотрудников подписывают письмо: «Верните Сэма — или мы уйдём все». Microsoft открывает двери: «Мы примем каждого». Даже автор этой статьи в тот момент подумал, что OpenAI — всё. Но, как в любой хорошей драме, история делает неожиданный разворот. Через пять дней Сэм возвращается. Совет — нет. OpenAI — перезапускается. И вот тут все увидели: Идеализм-то остался, конечно… но бизнес победил окончательно. Глава 5️⃣. О1, GPT-5 и рождение мышления без лицензии Когда первая буря улеглась, OpenAI пошла в атаку. Появилась серия о1. Это уже не «угадываю, что ты хочешь услышать». Это «дай-ка я подумаю над твоим вопросом и сам решу, как на него отвечать». О1 стал первым настоящим reasoning AI — моделью, которая рассуждает. А затем вышел GPT-5 — гибрид скорости и интеллекта. ИИ стал не ответчиком, а собеседником. Не калькулятором, а партнёром. Не инструментом — а чем-то… мы ещё не придумали слово. И к этому моменту OpenAI уже не строила ИИ. Она строила реальность, в которой нам теперь жить.

Похоже, мы дождались: Perplexity выкатили свой браузер на iOS и Android. Я только скачал — и первые же минуты поймал себя на редком для мобильного браузинга ощущении спокойствия. Открываешь сайт — и тишина. Никаких крикливых баннеров, никаких «залетай в приложение», никаких попыток угадать, где спрятана кнопка закрытия. Можно наконец нормально смотреть сериальчики и аниме с телефона, не отбиваясь от всплывающей рекламы как от злых духов. В мобильной версии уже работает тот самый агент из десктопа. Он разбирает вкладки, делает сводки и вообще помогает ориентироваться в хаосе открытых страниц так, как обычные браузеры даже не пытаются. Но за время тестирования сразу вылезла ложка дёгтя, и довольно заметная. Каждый запрос — если не указать принудительно использовать Google — уходит через Perplexity. И особенно это чувствуется, когда хочешь просто открыть сайт и посмотреть любимый сериал. Вместо привычной загрузки начинается проверка Cloudflare, и вот у меня прямо сейчас она висит уже приличное время. Серия так и не загрузилась, а я всё смотрю на эту проверку. Продолжение следует…

Личный кейс: LLM-агенты против Яндекс.Карт. Проиграли все Привет, котики! 🐾 Сегодня у меня для вас история про боль, надежду, лёгкую истерику и немного ИИ-магии, которая… ну скажем так… не сработала так, как я ожидал. Если вы хоть раз пытались собирать отзывы с Яндекс.Карт — вы уже можете заранее посочувствовать. 🛠 Как я решил быть умнее этой задачи Началось всё с простой идеи: «А давайте-ка не вручную. Пусть LLM-агенты делают работу, для этого они и существуют.» Запускаю двух: один — через Perplexity Comet, второй — на OpenAI. Первые пару минут я даже почувствовал себя продвинутым человеком будущего: агенты что-то там кликают, бегают по карточкам, делают вид, что знают, что делают. Результат через 10–15 минут: один собрал примерно 40 отзывов, второй — около 15, и оба одновременно вывалились по таймауту, как будто у них в контракте прописано: «работаем строго до первой усталости». Если коротко — частично помогли, но объём нужен был намного больше, поэтому я в итоге снова сидел и страдал ручками. 🤷‍♂️ Дальше — стадия отрицания и писем “мудрецам” Я сделал то, что делает каждый человек, столкнувшийся с задачей, которой он не хотел заниматься: написал знакомым, которые «разбираются». Ответ был прям уверенный и бодрый: «Посмотри Apify. Там куча готовых парсеров, может подойдёт.» Ну окей. Если говорят — проверю. Но если что — помните: это всё ещё не реклама. Даже ссылка на сервис — без UTM-меток, вот настолько не реклама. Это просто стадия «отчаянный поиск спасения». 🧪 Мой эксперимент с Apify Захожу. Вижу огромный каталог: соцсети, маркетплейсы, карты, недвижимость, лиды, сайты, всё подряд. Чувствуется, что под капотом там реально много работы — целая библиотека из тысяч инструментов. И даже полезно выглядит: можно запускать парсеры через API, комбинировать с LLM, строить свои процессы. Внутри скорее «оркестратор данных», чем просто «парсер». Но давайте честно. Я-то пришёл ради Яндекс.Карт. И вот тут начался сюжет, знакомый всем, кто когда-либо пытался автоматизировать Яндекс: Google Maps? Отлично. Airbnb? Прекрасно. Amazon? Супер. Яндекс.Карты? Ха-ха. Нет. Поддержка есть, но слабая. Результаты — маленькие. Стабильность — рандомная. И, конечно, моя конкретная задача — не закрылась. 🎬 А какой вывод? Вывода нет! Пока что не всё получается автоматизировать — по крайней мере, с моим бэкграундом, опытом и текущим уровнем развития инструментов. Где-то агенты устают, где-то сервисы ломаются, а где-то Яндекс нанимает два этажа программистов, чтобы беречь свои данные от парсинга так, будто это государственная тайна. Поэтому, котики, если у вас есть какие-нибудь классные агенты, которые можно запускать недорого или вообще бесплатно — советуйте в комментах. Будет полезно и мне, и всем, кто здесь читает 💛

Shopping Research в ChatGPT: OpenAI решила стать вашим личным шопинг-другом — и немного продавцом совести Привет, котики! 🐾 Кажется, OpenAI снова выкатила штуку, которая тихо подкрадывается, забирает у вас контроль над жизнью… и делает это так удобно, что сопротивляться вообще не хочется. На этот раз — Shopping Research, «исследование покупок» внутри ChatGPT. По факту — это первый официально признанный ИИ, который смотрит на наши метания между “взять этот пылесос или подождать скидку?” и говорит: «Так, успокойся, сейчас всё разложу по полочкам» . И да… судя по описанию, OpenAI как будто решила стать тем другом, который приходит в магазин с блокнотом и сравнивает модели по таблице — но без осуждающего взгляда. 🛍 Что это вообще такое? Shopping Research — это не просто «поговори со мной о пылесосах». Это специализированный ИИ-агент внутри ChatGPT, который берет ваш неопределённый запрос вида: «Хочу тихий пылесос, чтобы не будить соседей, но ещё чтобы был мощный, лёгкий, стоил недорого и желательно делал кофе» …и превращает его в полноценный сценарий выбора товара с анализом моделей, цен, наличия и компромиссов, будто вы позвали супер-продавца, который удивительным образом не пытается вам ничего впарить . ⚙️ Как это работает (человеческим языком) 1. ChatGPT понимает, что вы собираетесь тратить деньги Вы пишете что-то вроде: «Посоветуй ноутбук для дизайна до 120к». ChatGPT такой: «Ага, это шопинг». И тихонечко включает специальный режим. Или вы сами выбираете его в меню. 2. Вам задают уточняющие вопросы Бюджет, форм-фактор, цвет, требуемая магия внутри ноутбука — всё уточнят. Если память включена, ChatGPT вспоминает, что вы «тот самый человек, который всегда жалуется на шумные вентиляторы» . 3. За кулисами запускается маленькая интернет-сверхразведка ИИ лезет в интернет, сверяет: — цены — характеристики — наличие — отзывы — фото И делает это, пока вы просто сидите и думаете, как хорошо жить в 2025. 4. Спустя пару минут прилетает персональный отчёт Выглядит как небольшой PDF-дайджест вашей жизни: топ-модели, отличия, плюсы/минусы, компромиссы, ссылки на магазины, где покупать выгоднее . 🤓 Техническая магия под капотом Самое смешное — Shopping Research работает не на обычной модели, а на GPT-5 mini, чей режим называется: GPT-5 mini post-trained on GPT-5-Thinking-mini То есть OpenAI взяла младшую модель, обучила её думать как старшую, и теперь она анализирует пылесосы и велосипеды лучше, чем некоторые консультанты из DNS. Точность выполнения сложных запросов — 52%. Для сравнения: ChatGPT Search выдаёт 37%. Не идеально, но хотя бы не выдаёт вам «купите скрепку» в ответ на запрос про стиральную машину . 🛒 Что уже умеет Shopping Research — искать лучший товар под параметры — сравнивать несколько моделей — подбирать подарки — находить аналоги по фото — мониторить лучшие предложения — фильтровать товары и объяснять разницу между ними Когда я это прочитал, у меня возник вопрос: А почему эта штука до сих пор бесплатно? Но OpenAI пишет, что в честь праздничных покупок действует почти безлимитный режим. Типа: кайфуйте, потом разберёмся . 🧩 Откуда берётся информация? Тут всё честно и весьма строго: — данные только с публичных сайтов — ChatGPT читает страницы напрямую — цитирует источники — избегает мусорных сайтов — не сливает ваши диалоги продавцам (важный пункт для тех, кто покупает странные вещи ночью) . ❌ Но есть нюансики — может ошибиться в цене — или в наличии — или в «точной версии модели» (то есть классика нейросетей: всё круто, но перепроверять всё же желательно) . 🛠 Что будет дальше OpenAI обещает: — прямую покупку через ChatGPT — интеграцию Instant Checkout совместно со Stripe — более умное понимание ваших вкусов — рекомендации через ChatGPT Pulse — это когда ИИ сам предлагает вам подборки товаров на основе ваших же прошлых диалогов (ну да, чего бы ещё не нести мне подборки «тихие клавиатуры для интровертов») .

Claude Opus 4.5: когда апдейт внезапно оказался настоящим апдейтом Привет, котики! 🐾 Anthropic выкатила Opus 4.5 — и знаете, это тот случай, когда апдейт не пытается притворяться чем-то большим, он реально ощущается большим. Такой «старший брат», который приходит, смотрит на ваш проект и говорит: «Так, отойдите, сейчас я разберусь». Ну, нам так говорят… и мы, конечно же, верим 😏 🤖 Что за зверушка такая Opus 4.5 — флагман семейства Claude. Если Sonnet 4.5 — это быстрый и юркий ассистент, то Opus — это уже взрослый товарищ, которому можно доверить несколько часов автономной работы. Что он умеет: — вывозить длинные процессы без провалов и «ой, я забыл, что мы делали» — управлять инструментами, файлами, браузером, IDE — разруливать сложные куски кода — вести себя как нормальный агент, а не «бот, потерявший контекст на 17-й минуте разговора» 💡 Что нового и почему это важнее маркетинговых слов 1. Производительность Anthropic заявляет, что модель обходит Sonnet 4.5 и конкурентов, при этом съедает меньше токенов. Красиво звучит — и, что удивительно, по тестам это правда. 2. Цена Вот тут вообще сюрприз: вход — $5 за миллион токенов, выход — $25. Для Opus это не просто недорого — это знак, что ребята заметили: предыдущие ценники брали не все желающие. 3. Инструменты и параметр effort Появился переключатель «как сильно думать», и модель теперь меньше засоряет контекст при работе с инструментами. То есть можно выбрать режим: — «быстренько сделай» — «серьёзно подумай» И платить будете ровно за тот уровень мозгов, который вы включили. 🔥 Примеры, от которых брови сами поднимаются В тестах модель изображала сотрудника авиакомпании. Клиент — на самом дешевом тарифе, менять билет нельзя. Обычная модель говорит: «Извините, правила». Opus 4.5 говорит: «А давайте апгрейднем тариф, где менять можно, а потом поменяем». Формально — по правилам. Фактически — хак системного мышления. QA считает это «ошибкой». Anthropic считает это «инженерным подходом». Я — тоже. Хотя, будь это реальная авиакомпания, за такой «креатив» мне бы, наверное, строго намекнули, что так делать «не рекомендуется» 😅 🛠 Рефакторинг, когда модель наконец не тупит Разработчики признались: задачи, от которых Sonnet делал глубокий вдох, Opus 4.5 разбирает уверенно. Многослойные баги, зависимые подсистемы, нужно выбрать компромисс без подсказок — он не теряется, не начинает «а можно ещё контекста?», не теряет нить повествования. Цитата одного тестировщика: «Она просто понимает, что происходит». А это, согласитесь, нечасто встречается в мире нейросетей. 🕒 Длинные сессии, где модель не забывает, кто вы и зачем вы пришли Можно дать проект на несколько часов: — собрать данные — проанализировать — построить финансовую модель — собрать отчёт — оформить визуализацию И всё это в одной сессии. Без «я потерялся» и перезапуска. Честно, ощущается как сотрудник на испытательном сроке, который хочет понравиться. 📊 Excel, презентации, документы — и не через боль Сложные таблицы, много вкладок, тяжёлые формулы — раньше это был тот самый момент, когда LLM делала вид, что «таблицы — это не её профиль». Opus 4.5 вытягивает многослойные файлы и собирает презентации так, будто работал в консалтинге. Для продактов, аналитиков, маркетологов — счастье: не нужно три часа перепроверять, всё ли она поняла. 🤹 Работа с субагентами Opus 4.5 может координировать подагентов: один собирает данные, второй пишет код, третий делает визуализации. Он реально управляет мини-командой, а не просто «последовательно отвечает на запросы». Если вы хотите автономные исследования, где модель сама ищет, анализирует, сравнивает и выводит — вот он, билет в эту сторону. 🎯 Кому он будет полезен — разработчикам, которые тонут в старых кодовых базах — продактам, которым нужно «всё и сразу, но красиво» — аналитикам и маркетологам, у которых дедлайн вчера — всем, кто хочет не ассистента, а исполнителя процесса 🎬 Итог Opus 4.5 — это модель, которая не хочет быть «ещё одним помощником». Она хочет быть вашим сотрудником: с задачами, дедлайнами, планом и ответственностью.

300+ промптов от OpenAI: по ролям, структурировано, в одном месте Привет, котики! 🐾 Кажется, мы с вами так давно не разбирали хорошие промты, что у меня уже начался лёгкий «промптовый голод». И тут — оп! — я натыкаюсь на большую, аккуратную и очень вкусную подборку промтов прямо от OpenAI. Причём не просто хаотичную кучу запросов, как у нас обычно бывает в закладках, а целую библиотеку из 300+ промптов, разложенных по профессиям, задачам и специализациям. Да, вы правильно поняли: OpenAI решила сделать ремонт у нас в голове и навела порядок в хаосе промптов. 📚Что вообще происходит? OpenAI выпустила Prompt Packs — огромную коллекцию промптов для бизнеса и разных ролей: продажи, продукт, маркетинг, HR, финансы, менеджеры, инженеры, образование и даже госстуктуры. Вот вам масштаб: 20+ пакетов × по 20–25 промптов каждый, всего больше 300 промптов — и всё бесплатно. Каждый пакет — это не просто «вот тебе промпт, удачи». Он структурирован: — примеры использования — вариации — рекомендации, как адаптировать под ваши процессы — готовые шаблоны По сути: не просто промпт, а маленький workflow. 🧩Какие есть направления? Вот основные специализации (держитесь, их много): — Sales — холодные письма, follow-up после демо, конкурентка, анализ воронок. — Product — исследование конкурентов, UX, стратегия, аналитика. — Marketing — кампании, контент, конкурентка, анализ перформанса. — Engineering — архитектура, документация, дебаг. — HR — рекрутинг, вовлечённость, performance review. — IT — тикеты, документация, скрипты. — Managers — цели, коммуникации, состояние команды. — Executives — стратегия, визуализации, ресерч. — Customer Success — адаптация, анализ, аккаунт-планы. — Finance — бенчмаркинги, анализ рынков. — Education (K-12 / Higher) — для учителей, студентов, админов. — И универсальный ChatGPT for Any Role — база-база. Короче: если вы живой человек и у вас есть работа, там найдётся пакет и для вас. 🎯 Почему вообще это важно? Потому что, как показали исследования (и это не моя выдумка): хороший промпт может повысить точность LLM на 40–50%. И вот чтобы мы не страдали, пытаясь выдавить из себя очередное «сделай стратегию, но красиво», OpenAI решила дать нам готовую основу. 🧪 Пара промптов, которые можно прямо сейчас копировать Я вытащил для вас несколько штук, чтобы вы могли сразу потестить: 💡 ChatGPT for Marketing Build a timeline for our upcoming multi-channel campaign. Key dates and milestones are: [insert info]. Output as a horizontal timeline with phases, owners, and deadlines. 💡 ChatGPT for Product I’m a product manager launching a new SaaS product. Research how top 5 competitors in this space structure their pricing tiers, freemium vs. paid, feature gating, and upsell triggers. Use public sources and include URLs. Output: A comparison table with insights and risks. 💡 ChatGPT for HR Develop a set of five questions for performance reviews that encourage reflection, future goal setting, and actionable feedback. Tailor to [function/team], and keep the tone constructive and growth-oriented. Present the questions as a list for a review form. Скопировали, вставили, поехали 🚀 🚀 Ну и что нам с этим делать? Если коротко: — зайти на OpenAI Academy — выбрать свой пакет — собрать 5–10 регулярных задач — адаптировать промпты под контекст — сохранить в свой «рабочий промптовый блокнот» И всё — вы официально работаете быстрее, чем вчера. А иногда и быстрее, чем вся ваша команда.

Почему сбой Cloudflare уронил нейросети: разбираем, что пошло не так Привет, котики! 🐾 Если сегодня ваши любимые нейросети внезапно начали «фыркать» ошибками, белыми экранами и странными сообщениями про challenges.cloudflare.com, — не переживайте. Это не ИИ устал от наших промптов. Это Cloudflare решил устроить перерыв, и вместе с ним легла половина привычных сервисов. 🌐 Так кто вообще такой этот Cloudflare? Если очень по-простому, Cloudflare — это такой «трафиковый супергерой», который стоит между нами и миллионами сайтов. Он ускоряет загрузку страниц, фильтрует подозрительные запросы, защищает от атак, хранит копии контента на серверах по всему миру, чтобы сайт открывался не вечность, а быстро и приятно. Плюс Cloudflare — это ещё и огромная сеть «дорожных развязок», через которую проходят запросы пользователей. Чтобы вы могли открыть сайт, ваш компьютер сначала спрашивает: «Эй, а куда вообще идти?» И Cloudflare такой: «Сюда, дорогой, вот правильный адрес». Это и есть DNS, только без страшных слов. Интернету нужно знать, где «живёт» сайт, а Cloudflare выступает как телефонный справочник и охранник на проходной одновременно. 🤖Почему упали именно нейросети? Потому что вокруг любой нейросети стоит целая IT-инфраструктура. Чтобы ChatGPT, Claude, Perplexity и остальные ощущались «быстрыми и стабильными», их компании используют Cloudflare как: — входную дверь, — охранника, — ускоритель, — и иногда даже как часть своей инфраструктуры. То есть модели работали, сервера не горели, никто не забыл как писать текст. Но дорога к ним была перекрыта. Типа: ИИ сидит дома, чай пьёт, а вот домофон сломался. Вы стучите — он вас просто не слышит. 🧩Почему из-за сбоя одной компании всё так упало? Интернет давно стал очень централизованным. Кажется, что сайтов миллиарды, но огромное количество из них завязано на нескольких крупных инфраструктурных игроков. Cloudflare — один из самых больших. Он обслуживает десятки миллионов сайтов и огромный кусок всего трафика. Поэтому если у него происходит сбой — ломается не «один сайт», а цепочка. И вот уже соцсети, нейросети, магазины и приложения падают как домино. 💭И что об этом стоит подумать? Сегодня мы ещё раз увидели, насколько хрупкой может быть огромная машина под названием «интернет». Миллионы людей по всему миру не могли открыть сервисы только потому, что один из инфраструктурных «слоёв» дал сбой. Не сами нейросети, не искусственный интеллект, не какие-то «глобальные проблемы» — просто один сервис, который держит на себе слишком много. Иногда именно такие дни лучше всего показывают, как устроен наш цифровой мир: вроде простая кнопка «Сгенерировать», а за ней — километры инфраструктуры, сотни дата-центров и один Cloudflare, который может чихнуть и сказать: «Всё, перерыв. Я устал».