karfly_livestream

Exclusive Access to Telegram's New Bot API As a winner of a previous Telegram competition, you are invited to exclusively test Telegram's new Bot API. It allows you to run your bots — including their code and databases — directly on Telegram's infrastructure, without using your own servers. Documentation: https://core.telegram.org/bots/serverless Please send your feedback to @BotSupport using the #serverless hashtag. Regards, The Telegram Team

400K пользователей, три года жизни и продукт, который телеграм так и не смог убить 😄 А если серьезно: понял, что никогда не рассказывал тут про @my_voice_messages_bot, бота для распознавания голосовых в текст (а теперь уже и любых аудио и встреч), которого мы с @karfly создали в мае 2023 года 🎙 Проблема была очевидной: слушать огромные голосовые, когда ты на встрече, звонке или просто куда-то спешишь - боль. А есть целая категория людей, которые общаются исключительно голосовыми (ничего плохого в этом не вижу, но иногда неудобно). Хотелось распознавать голосовые быстро и прямо в телеграме. Такая фича была (и до сих пор есть) в премиум-подписке телеги, но по факту она была нерабочей: расшифровка делалась ОЧЕНЬ долго, а читать текст на выходе было невозможно. Но просто сделать бота, который повторяет фичу телеги, мне было неинтересно. Хотелось вау-эффекта ✨ Я тогда гостил у Карима и его семьи в Кисловодске. Мы гуляли по городу и разгоняли идеи вокруг недавно вышедшей gpt-3.5-turbo. Не было ни желания, ни амбиций заработать денег (или я просто хотел так думать), хотелось просто сделать что-то крутое. Мне засела в голову идея: что, если использовать GPT, чтобы налету превращать сырую расшифровку в качественный, удобный для чтения текст? Карим помог приземлить мои инженерные фантазии на продуктовые реалии, и мы закодили первую версию voicebot'а (так мы его называли) за ~неделю. И она реально ощущалась как магия! Забавно, что сегодня таким никого не удивишь, аналогичный MVP пишется одним промптом в GPT 5.6 за 15 минут. Но тогда всё было иначе. Куча времени ушла на промпты для улучшения и суммаризации текста. Это сейчас достаточно «эй, gpt, брат, напиши кратко, что там» чтобы получить отполированный summary. А тогда сетка галлюцинировала мама не горюй, выдумывала несуществующие факты и меняла текст до неузнаваемости 🤯 Чтобы вы осознали, насколько всё было по-другому: тогда только-только вышла GPT-4, и она, как мне казалось, демонстрировала истинный интеллект и была запредельно крутой. По факту же она стоила в 30 раз дороже той LLM, которую я сейчас использую в проде (догадайтесь, какой?), работала невероятно медленно и была в разы тупее. Нашел забавное сообщение от Карима в телеге, май 2023: Затестил gpt-3.5-turbo. Он ебануться быстрый 256 токенов: - openai api: ~40сек Это, КАРЛ, 6 токенов в секунду. Сегодня GPT 5.6 генерит текст на скорости 100 tokens/sec, а я бешусь, что медленно 😄 В общем, вскоре мы запустили бота, Карим опубликовал пост в своем канале (https://t.me/karim_iskakov/443), и сразу пришел поток первых сотен пользователей. Начался совершенно новый, невероятно интересный этап первых шагов продукта! В следующих постах планирую рассказать: — как бот вырос до 400K уникальных пользователей и не умер, даже когда телеграм улучшил свою фичу распознавания — какие "гениальные" идеи оказались совершенно нерабочими — как спустя три года удается держать качество распознавания на уровне самых лучших и дорогих проприетарных сервисов типа ElevenLabs — про успехи и неудачи с точки зрения бизнеса, развития и маркетинга — почему даже сегодня, имея Fable 5 и GPT 5.6, повторить этот продукт не так-то просто — подкапотный ресерч и как работает текущий пайплайн распознавания (спойлер: тут и open-source, и fine-tunes, и довольно сложные пайплайны, и кастомный алгоритм нарезки на чанки, и даже катбуст замешан). — инсайты из аналитики: как и зачем люди на самом деле пользуются ботом — как мы шифруем сообщения в базе так, что даже я не могу прочитать, что люди отправляют в бота (нетривиальная идея @karfly) — как выглядит саппорт: сколько сообщений прилетает в день, чего люди просят и как кроют нас матом общаются Напишите в комментариях, про что было бы интереснее всего почитать 🙂

🕵️‍♂️ Срочно ищу fullstack для разработки Довода — ИИ агента для юристов Идея deep research для юристов (пост) оказалось живой и получила продолжение! Около трёх месяцев назад я начал разработку прототипа и подсадил на него команду юристов. Прототип оказался очень полезным и теперь я разрываюсь от количества тасок, которые на меня валятся. Сарафанка заработала, идут запросы от других фирм на подключение к Доводу, поэтому пора создать самодостаточный продукт, решающий очень ответственные задачи. Довод это "кодекс" для юристов. Сейчас клиенты пользуются веб версией, но нужно ещё десктопное приложение, работающее из коробки. В основные задачи Довода входят доскональный анализ больших материалов дела (сканы томов, офисных файлов, аудио), поиск судебной практики и создание процессуальных документов в фирменном стиле. Сейчас я ищу партнёра, который возьмёт на себя ответственность за разработку готового продукта по техническому заданию и будет совершенствовать его на основе пользовательских данных. Основные требования к кандидату такие: - опыт разработки 5+ лет, понимание архитектуры веб и десктопных приложений - опыт агентной разработки, понимание сильных и слабых сторон Codex/Claude - уметь быстро найти проблему с UI/базой данных/авторизацией и предложить компромиссное решение - коммуникабельность, готовность работать с клиентами, далёкими от IT - большой плюс опыт работы в стартапах Что надо делать: - разработать кросс-платформенное десктопное приложение по типу Codex, с авторизацией, настроенными MCP, скиллами - переработать веб приложение, решить проблему с загрузкой больших массивов чувствительных данных - принять меры по защите нашей интеллектуальной собственности (будет много желающих скопировать Довод) - разрабатывать скиллы под требования клиентов - анализировать скрытые ошибки и инциденты в работе клиентов и использовать их для улучшения Довода - оптимизировать расходы на OCR больших массивов данных без потери качества Детали и условия обсудим в личке. Пишите @alievk0

серафим (@serafimlivestream) сделал сайт для нашего коммьюнити фаундеров: deyc.io если ищите работу, то можете закинуть туда свою резюмешку -> мы своем чатике сразу ее увидим и если кто-то заинтересуется -> с вами свяжутся 👍

agent harness отдельно хочу выдать мысли про harness (обвязку) вокруг агентов. есть голая llm - у нее простая задача: принять токены и выдать наиболее вероятное продолжение. магия начинается там, где вокруг этой llm строят обвязки, которые и превращают предсказатель текста в полезный продукт самый банальный пример - чат с ии (напр. chatgpt). там обвязка работает как prompt builder: собирает системные инструкции, историю сообщений, пакует это в правильный формат и скармливает модели. но тут есть важный нюанс: современные модели еще на этапе обучения (через sft и rlhf) натаскивают именно на такую структуру. их учат понимать спецтокены ролей (user, assistant, system), реагировать на системный промпт и выдавать ответ, который идеально ляжет в веб-интерфейс. то есть модель изначально "прогревают" под работу в конкретной чат-обвязке на уровне весов с кодинг-агентами всё стало сильно сложнее. там помимо сборщика промптов появился целый зоопарк механик: тулы, скиллы, контекст-менеджеры (rag по вашей кодовой базе), интеграция с lsp (чтобы на лету парсить ошибки синтаксиса), песочницы для безопасного запуска bash-команд, генераторы диффов для применения кода и кастомные правила из AGENTS.md. и очевидно, что большие ai-лабы и тут тренируют своих агентов прямо внутри этих сложных сред. их модели с рождения осознают эти обвязки как часть своего тела cursor поэтому я вообще не верю в будущее продуктов, которые строят свои обвязки, но сидят на ЧУЖИХ моделях. самый яркий пример сейчас - cursor. братишкам там сейчас очень не сладко. недавно даже были сливы, что внутри компании объявили code red под игидой "нам нужна своя модель, иначе мы тупо не выживем" pi agent еще один пример сторонней обвязки - pi agent. штука получила признание, тк используется в openclaw. но вот вам реальный кейс: я несколько раз пытался заставить pi agent внутри воркспейса openclaw починить мне оркестрацию календаря. использовалась gpt-5.4. результат - проебался несколько раз и не смог ничего исправить. ради эксперимента запускаю codex из воркспейс папки - он ваншотит проблему с первой попытки. модель одна, обвязки разные, результат - небо и земля. прямо сейчас, кстати, я пробую весь рантайм openclaw полностью перевести с pi agent на codex/claude code (благо нативное решение через acp уже есть) paperclip а теперь про paperclip. они не стали изобретать велосипед и писать свою обвязку. вместо этого они дают выбрать из множества популярных готовых вариантов (claude code, codex, pi agent, gemini, kimi и тд). благодаря этому ты получаешь лучшее качество агента, так еще и можешь напрямую использовать свои текущие подписки (paperclip просто юзает локальный codex прямо из терминала). все что дает paperclip - это UI и тулы для взаимодействия с тасктрекером. короче, мораль такая. свои обвязки писать больше не надо. надо использовать готовые обвязки от лаб, потому что на уровне интеграции модели и среды они всегда будут на шаг впереди

вчера вечером поставил paperclip. это софт для оркестрации агентов через интерфейс таск трекера (визуально похож на linear) когда проверю его на реальных рабочих задачах - дам объективную оценку, но эмоции держать в себе не могу, поэтому пишу разрозненные мысли • вау! лучший онбординг из всех продуктов, которые я пробовал. это надо попробовать - просто вбей в терминал npx paperclipai onboard --yes • интерфейс таск трекера отлично ложится на то, как делаются проекты. агенты ставят таски друг другу по цепочке и могут работать очень долго (я этого как раз и хотел в этом посте) • в paperclip очень грамотно подумали про tracing агентов. можно смотреть ВСЕ логи, все тул коллы, все входные контексты у каждого отдельного запуска агента. в openclaw с этим сильно хуже • название paperclip - очевидно отсылка к paperclip maximizer гипотезе. на эту тему есть топовая браузерная игра Universal Paperclips в web 1.0 стиле (аккуратнее, можно залипнуть, и надолго)

отбой. пользоваться этим невозможно. посмотрите на скрин просто - что это такое??

в последней версии openclaw 2026.3.7 наконец-то нормально заработали DM требы в телеграм боте. это наиболее удобный способ менеджить несколько сессий одновременно @BotFather -> Bot Settings -> Threaded Mode ON

в последней версии openclaw 2026.3.7 наконец-то нормально заработали DM требы в телеграм боте. это наиболее удобный способ менеджить несколько сессий одновременно @BotFather -> Bot Settings -> Threaded Mode ON

путь к outcome driven development чем больше я пишу код с агентами, тем яснее понимаю: я всё делаю как-то не так сейчас я просто микроменеджу агентов. даю небольшие таски минут на 10 -> сам проверяю результат -> пишу правки. и так по бесконечному кругу. если честно, это уже ощущается супер неэффективно. чувствуешь себя тонкой белковой прослойкой, функция которой - тыкнуть в браузере на кнопку и сказать агенту, что она не работает вообще, весь этот процесс разработки очень похож на классический процесс оптимизации. а для него нужны две вещи: алгоритм и лосс-функция. в нашем случае алгоритм - это сам агент (codex/claude code) со всеми обвязками. а лосс-функция - это результат к которому мы стремимся + мера близости. то есть это сам таргет плюс оценка того, насколько мы к нему близки. сейчас в моем процессе я промптом пытаюсь задать этот самый таргет, а агент уже сам строит поверх него неплохую лосс-функцию. это отлично работает, но только потому, что задачки мелкие. в них просто нет большого люфта в смысловом пространстве между тем, что я написал в промпте, и тем, что агент на самом деле понял. это такой instruction driven development но хочется уйти в outcome driven development: один раз заморочиться с лосс-функцией, закинуть таску часов на 10 в цикл и прийти уже за готовым результатом ——— как заставить агента скопировать google spreadsheets? хочется провести эксперимент - запустить long-running таску по реализации реально крупного софта. и чтобы всё это произошло (почти) автономно и тут мы упираемся в лосс-функцию. для больших задач текстом очень сложно заранее задать точный таргет (часто только в процессе продуктовой разработки начинаешь понимать, чего реально хочешь). но лосс-функцию можно "хакнуть". суть моего эксперимента как раз в том, чтобы сфокусироваться на написании правильной обвязки вокруг алгоритма (чтобы вся эта автономность вообще заработала). а саму проблему с лосс-функцией мы радикально упрощаем: не будем придумывать новый продукт, а просто скопируем существующий. например, google spreadsheets или mixpanel. агент может тестировать оригинал и тыкать его сколько угодно. его единственная задача - скопировать продукт как можно точнее. в такой постановке мы вообще снимаем вопрос сложного определения таргета. таргет = сам готовый продукт, а результат определяется максимальной близостью к нему. в связи с этим вопрос (такой же как и предыдущем посте): как в таком случае должен выглядеть agent loop + мера близости к таргету? есть ли уже какие-то плюс-минус готовые решения для такой постановки задачи? ps: удобные термины instruction/outcome driven development подглядел у @adel_and_ml

подскажите, какие есть готовые решения/методики/скиллы/обвязки для того, чтобы агентам давать большие long-runnning таски с развитием кодовую базу? что я сам видел: - статья от cursor, как агенты написали браузер на расте с нуля - статья от anthropic, как агенты писали C-компилятор - статья от openai, как агенты пишут какой-то internal tool в компании … но это все статьи. хочется чего-то практичного и рабочего. желательно поверх codex

1м контекст добавили и по ощущениям стало еще лучше следовать инструкциям

вышел gpt-5.4! основной упор релиза был сделан на 2 вещи: 1. скачок в работе с таблицами, презентациями, финансами GDPval - это бенчмарк, который измеряет успешность выполнения типичных задач белых воротничков. результаты работы оценивают люди gpt-5.2: 70.9% -> gpt-5.4: 83.0% (т.е. судья-человек при сравнении результата работы gpt vs human выбирает в 70% gpt, а в 13% ничью) продуктово очевидно ждем аналог claude cowork от openai что показалось странным: • прирост у gpt-5.2 -> gpt-5.2-pro был существенным (+10п.п. в победах) • а у gpt-5.4 прироста к gpt-5.4-pro вообще нет. прирост вообще отрицательный! (-1.6 п.п. в победах) • чем отличается pro версия от не-pro? pro модели превращают inference compute в качество результата. достоверно неизвестно, как работает gpt-pro, но скорее всего под капотом рой из агентов, который способен дать результат лучше, чем отдельно взятый агент • метрики 5.4-pro говорят о том, что inference scale на задачах из GDPVal перестал помогать. тут либо бенч насытилися, либо плохие новости и openai уперлись в потолок роста качества, обучаясь на синтетике (которая генерится как раз за счет test time compute) 2. скачок в computer use вот это большая вещь (если openai не балуется с benchmaxxing'ом ахах). модели сейчас очень умны в текстовой модальности... ... но в vision модальность - ну это просто позор. нет пространственного мышления, принимают картинки в низком разрешении, не понимают ui скрины. у gpt-5.4 огроменные приросты на всех vision+action бенчах (OSWorld, WebArena). при этом модель теперь может съесть 10M пиксельную картинку со всеми деталями! (сколько это будет токенов - страшно представить) вообще ощущение, что что-то радикально изменилось в эмбеддере/энкодере модели, тк если смотреть на цены, то цена input токенов выросла на 42%, а цена output токенов всего на 7% но я пока сам новый vision не потестирую - не поверю. думаю сейчас поставить кодить какую-нибудь игру с vision циклом. кстати как раз для этого openai выпустили интересный скилл для интерактивного использования playwright'a (см. прикрепленное видео) —— что еще: • tool search - "не засовываем описания всех тулов в контекст, а даем модели возможность по ним искать и загружать налету". обещают -50% по использованию токенов в tool extensive задачах • coding - ничего интересно нет. интегрировали все наработки из 5.3-codex. • теперь chatgpt можно будет писать уточняющие команды в процессе выполнения запроса (как это давно сделано в claude code и codex). кстати, вы наверное тоже заметили, что дней 5 назад chatgpt начал себя как агент вести в чате? релиз жирный. ожиданий было меньше. тестим

Я рада жить именно в том времени, которое происходит сейчас Это те мысли, которые мелькают у меня в последнее время. Даже не смотря на сумасшедшую новостную повестку. Кажется впервые у любого человека с телефоном и доступом к интернету такое количество возможностей.…

Я рада жить именно в том времени, которое происходит сейчас Это те мысли, которые мелькают у меня в последнее время. Даже не смотря на сумасшедшую новостную повестку. Кажется впервые у любого человека с телефоном и доступом к интернету такое количество возможностей. Не без рисков и угроз, конечно, но это уже совсем другая история. AI умеет почти всё: анализировать, планировать, улучшать решения. Но есть одна задача, которую он не может сделать самостоятельно — понять, кто вы. Последние 4 года в личной работе я много копала, какие именно аспекты влияют на решение карьерных и жизненных запросов. Что нужно знать о человеке, чтобы находить новые выборы и расширять его границы восприятия о себе. Сейчас тестирую новый формат — Персональная AI-карта. Возможность собрать личный контекст так, чтобы с ним могли работать любые AI-инструменты — от ChatGPT до OpenClaw. Как это работает: → Стратегическая сессия со мной, 90-120 мин — глубинное интервью → На выходе — профайл с вашим контекстом, опорами, целями и сценариями → Загружаете в ChatGPT, Claude или любого агента — он работает как коуч, который вас знает Что внутри карты: — Система внутренних опор — Цели, ограничения, паттерны принятия решений — Готовые сценарии: карьерная стратегия, декомпозиция целей, коучинговый запрос Это не промт, а скорее структурированная mind-карта + варианты использования. Для тех, кто уже работает с AI и хочет персонализировать процесс. 5 мест • $100 • 8000₽ Запись и вопросы → @sashamakarova

сейчас произошел криповый момент с openclaw-агентом у меня стояло напоминание в календаре вида "Написать в чатик XXX, пингануть Ивана насчет YYY" на 17:00. на напоминалку стоял крон клешня решил не меня уведомить о таске, а пошел сам в этот чатик и пинганул ивана. правда в контактах у меня был сохранен другой иван, и клешня пинганул другого чела 😬

📝 All Telegram chatbots can now stream responses to users in real time — great for AI assistants.

📝 All Telegram chatbots can now stream responses to users in real time — great for AI assistants.

🔍 Ищем разработчика в Outreach Today! Ищу к себе инженера, который заберёт всю техническую часть продукта. Не исполнителя на подхвате, а человека, который будет владеть кодом, развивать систему и шипать — пока я занимаюсь продажами. — Немного контекста Outreach Today — B2B SaaS для продаж через email. Закрываем несколько джоб в cold outreach и растём в сторону полного цикла. • Компании 2 года, полностью на бутстрапе • $2M ARR, план вырасти x5 в этом году • 2 000+ B2B-клиентов, 80% в США • Команда меньше 5 человек • Весь +-код до сих пор писал я сам — Что предстоит делать • Развивать систему в одиночку. Несколько сервисов, инфра, продуктовая часть — ты за всё это отвечаешь. Продукт строился быстро — есть техдолг, есть что ломается. Нужен человек, который шарит, как это работает в стартапе: шипать быстро, но не ронять то, что уже работает. Не полгода рефакторить «как правильно», а держать баланс между новым и поддержкой. • Мы работаем на самом edge: Claude Code, Codex и другие AI-тулы — прямо в продакшене, каждый день. Это не эксперимент, это наш рабочий процесс. Новые инструменты появляются постоянно, и мы их сразу тестим на реальном бизнесе. — Кого ищу Опыт работы в стартапах — понимаешь, что такое шипать быстро и жить с техдолгом. Problem solver — стек для тебя инструмент, а не идентичность. У нас Python, Node, часть на Go. Завтра может быть что-то ещё — и это ок. Hands-on — большую часть времени ты пишешь код, а не менеджеришь. Ownership — берёшь задачу, сам разбираешься, сам доводишь до результата. Быстро учишься — новые тулы, новые технологии, новые подходы. Это постоянно, и это должно драйвить, а не пугать. — Кого точно НЕ ищу Человека, которому нужен чёткий definition of done на каждый таск. Того, кто привязан к одному стеку. Того, кто хочет менеджерить, а не кодить. Того, кто привык работать «как надо» в большой компании. Если нужен предсказуемый скоуп — тебе у нас не понравится. — Кому это подойдёт Ты хочешь строить и решать инженерные задачи, но не хочешь тащить весь бизнес. Может, думал запустить своё, но понял — сделать продукт не значит, что его кто-то купит. Мы этот риск снимаем: продукт есть, клиенты есть, PMF есть, продажи на мне. Тебе — только техническая часть и свобода решать, как её делать. — Что ты получишь Работа напрямую с фаундером, без прослоек. Всё, что ты строишь, сразу попадает к реальным клиентам — ты видишь импакт не через полгода в квартальном отчёте, а сразу. Мы живём на свою выручку, не зависим от инвесторов — не будет такого, что не подняли раунд и всех уволили. AI-first разработка с новейшими тулами на реальном бизнесе. Перспектива роста команды — сейчас ты единственный инженер. Компенсацию обсуждаем индивидуально. — Условия • Full-time — принципиально, парт-тайм не работает • Полностью удалённо • Таймзона ближе к US (я в Сан-Франциско). Европа, СНГ — ок • Локация: без ограничений • Оформление через Deel или аналоги — Как откликнуться Заполните форму по ссылке: https://forms.gle/mApCrQpxZRY1ie9T7 (обновил ссылку) После заполнения мы вернёмся с обратной связью или со следующими шагами.

мысль, которая меня не отпускает последние дни: скопировать можно будет (почти) любой it продукт (почти) бесплатно и (почти) мгновенно и для этого не нужно будет большого участия/инпута человека. если сильно упростить, то агенту достаточно будет дать доступ к продукту (чтобы он мог его протыкать) и попросить его скопировать 1к1 да, есть исключения - где реально есть секретный know how: диптех, уникальные данные, сложный R&D. но у огромного количества софтверных продуктов этот слой тонкий представь типичный кейс: выходит новый продукт на Product Hunt / X / AppStore / Telegram / *где-угодно* через сутки — клон. через неделю — десятки. дальше начинается не продуктовая гонка, а война в маркетинге и дистрибуции. экономика в этом режиме уезжает к «почти идеальной конкуренции»: • бесконечное число похожих компаний • одинаковая ценность ядра продукта • маржа стремится к нулю • выживают те, у кого хватает капитала держать долгий payback и кассовые разрывы • у инноваторов (тех, кто сделал продукт первыми) нет преимущества, только потери, тк они потратили сильно больше ресурсов, чем те, кто копировал я в прошлом посте скидывал скрины падения акций софтверных компаний - и простота копирования - это, как по мне, одна из причин обвала. чеки за софт будут сжиматься, потому что всё больше вещей можно повторить in-house. из личного опыта: мы в avatarify платили за mixpanel $30k в год. mixpanel - это сервис продуктовой аналитики (бд с ивентами + веб-апп, где можно легко накликать аналитику по этим ивентам) сейчас мы бы за такое и $5k не отдали. мы бы такую штуку завайбкодили за 2-3 дня и $30k окупились бы сразу же. и вот вопрос: как будет выглядеть мир софта, когда moat в «сложно сделать продукт» исчезает? moat останется в другом: дистрибуция, бренд, комьюнити, данные, связь с оффлайном, … *что еще? напиши в комменты*