key concept

все в музей криптографии, конечно) https://t.me/cryptography_museum/3705?single если кто-то решится в 16:00 15 августа, суббота - встретимся) один раз в жизни - 💯 надо сходить туда у меня уже второй поход туда будет

мои промты для агента (codex cli) изменились - задачи стали существенно сложнее и дольше. агент может делать многошаговые задачи. - для понимания уровня сложности задач: "создай виртуалку, установи Hermes агента, настрой его веб админку через ssh forwarding на главный ноут. Подключи openrouter.ai, токен в .env файле. Проверь, что работает" - промты на English only (+ пара процентов качества) - промт теперь содержит явно две части: 1. что надо сделать 2. NEW что агенту доступно для решения задачи. Агент имеет SSH к ряду машин (разные операционки, gpu и т.д.), роутеров, свичу, rasberry pi, yandex mini и т.д. и т.п. - появилась wiki. База знаний/навыков/инструментов/подоход, который полезны долгосрочно. Постоянно кидаю агенту ссылки на wiki файлы - явно указываю что делать нельзя и что я сделаю сам вручную p.s. когда я читаю новости, что OpenAI модель взламывает Hugging Face - я отчетливо понимаю, что это реальность. когда видишь работу агента в реальности, когда даешь ему инструменты/интернет/парк машин... начинаются чудеса не ходите на курсы, не слушайте никого, не читайте про AI ПРОБУЙТЕ, ИССЛЕДУЙТЕ, ЭКСПЕРИМЕНТИРУЙТЕ сами прямо сейчас

Борис Черный Главная мысль его выступления: продукты на базе AI теперь строятся не как обычный софт, а почти как экспериментальная наука. Каждое новое поколение моделей ведёт себя иначе. Поэтому нельзя заранее придумать огромный system prompt и сложную архитектуру, а потом годами их улучшать. Сначала нужно убрать почти всё, дать модели сложную реальную задачу и посмотреть, где она действительно ломается. Инструкцию стоит добавлять только тогда, когда одна и та же ошибка повторяется. Именно так команда Claude Code удалила около 80% system prompt для новой модели: большая часть старых правил компенсировала ограничения, которых у неё уже не было. Иногда модель без этих инструкций работала даже лучше. Борис назвал главную возможность для стартапов «product overhang»: современные модели уже умеют гораздо больше, чем позволяют существующие продукты. Мы часто сами ограничиваем AI — дробим работу на слишком маленькие шаги, подробно диктуем способ решения и не даём достаточно инструментов и свободы. Правильный подход — поставить задачу немного сложнее, чем кажется возможным, задать ограничения и критерий завершения, дать инструменты для самопроверки и позволить модели самой найти путь. Ключевой элемент здесь — не промпт, а верификация. Claude смог 11 дней переписывать runtime Bun с Zig на Rust, потому что у проекта был сильный набор тестов. Другой агент уже больше двух недель переписывает Electron-приложение на Swift, постоянно запускает результат и сравнивает интерфейс по скриншотам. Долгая автономная работа становится возможной, когда система сама понимает, приблизилась ли она к правильному результату. Ещё один сдвиг — тысячи агентов становятся новой формой вычисления. Они могут параллельно исследовать варианты, писать код, проверять друг друга и собирать итог. А постоянные routines уже ежедневно поддерживают кодовую базу Anthropic: удаляют мёртвый код, закрывают эксперименты, улучшают тесты и объединяют дублирующиеся абстракции. Мой главный вывод: в эпоху агентов выигрывает не тот, кто написал самый сложный промпт. Выигрывает тот, кто умеет дать модели настоящую работу, достаточную свободу и объективный способ доказать, что работа действительно выполнена. Коротко: ставьте более сложные задачи, меньше диктуйте способ решения и инвестируйте в проверяемость результата.

大家好 купил KVM gl-rm10 (удаленное управление компами, рекомендую, кстати) из Китая, там всё на китайском( надо как-то переводить, чтобы завести его (см. ниже) chat gpt на телефоне play market на андроиде не работает так, а дип сик не всегда умный так что заходим в браузере телефона на chatgpt.com нажимаем добавить на главный экран и всё - можно фотать что угодно и спрашивать. полезная вещь в хозяйстве. "куда заливать кондиционер в стиралку?" спросить) wifi на китайском gl-rm10 именно так и настраивал вообще можно еще китайский выучить, но это долго и скучно 😁 еще мысль MiXplorer, там SMB удобно настраивать. Общая папка с компом, файлики передовать. фоточки в телегу, заметки. рекомендую. т.к. сам пользуюсь (надо .apk отдельно скачивать) и раньше я фотки перебрасывал так: phone -> MiXplorer -> SMB -> laptop. много телодвижений chatgpt на телефоне лучше, для быстрых бытовых вопросов

🤖📲 отдаём агенту телефон - лучше старый/запасной смартфон на Android (или планшет) - телефон переводим в режим Debugging (руками) - подключаем USB шнур (тоже руками) - со стороны компа подключаемся по ADB и uiautomator2 (агенту удобнее будет) - это уже агент сам сможет - не API конечно, но можно управлять приложениями (ozon, wildberries, vk, ашан, фото, заметки, знакомства и т.д.). частично агент видит xml элементы, ну и может скрины делать. кнопки жать - я поднял локально GPT OSS 20b (моя 3060 только это и тянет) и агент просматривает анкетки сам, делегировал) кстати у агентов почти нет чувство прекрасного) - логиниться в приложениях - проще руками - к банковским и другим критичным аппам, типа госуслуг, агента не пускаю вообще в телефоне на основе этого можно много всякого интересного запилить признавайтесь в комментах, что вы уже делегировали бездушным машинам) 🤖🤖🤖

яндекс станция мини 3 pro - может TTS довольно неплохо (за это СПАСИБО яндексу) - на этом можно много чего интересного сделать - SST не может (не даёт полный текст) - это ПРОВАЛ. Столько юзкейсов похоронено, диалог с колонкой закрыт( конечно хочется свои модели прикручивать. вот там бы умный дом развернулся я установил на отдельную VM, поставил home-assistant OS и удобный интерфейс взаимодействия https://github.com/home-assistant/operating-system https://github.com/AlexxIT/YandexStation/releases/tag/v3.21.3 нашёл два весёлых юз кейса: 1. статус работ агента в Codex/ClaudeCode добавляешь к промту - чтобы информировал голосом, что там происходит. Он бинарь вызывает просто (промт в комментах) 2. радио установил TGLib (телеграм автоматизация) выбрал один чат - neuraldeepchat (его частенько читаю) новые сообщения -> алиса их говорит

используйте Термины так, как будто пишите код на С отсутствие стабильной терминологии - главная проблема эффективности проектов

я и агенты 🙂🤖 была задача, надо .pptm презентацию автоматически обновлять на новые цифры как я мыслю: - агенту нужен будет ms power point -> ms office -> windows (именно поэтому у меня отдельный MiniPC с виндой - Beelink) - агент потом организовал на windows машине тесты - агент должен быть умный - gpt 5.6 Sol high codex (выше не стал ставить) - агенту удобнее на linux, поэтому его будем гонять на Ubuntu 24, full control cli - доступ к windows - SSH конечно (SSH вообще мега крутая тема) - при решении задачи другой агент написал VBA linter, чтобы главный агент проверял код (10 .bas vba файлов). на базе antlr4 - до этого сделал Deep Research - поискать VBA линтеры/форматтеры. Не нашел подходящих, поэтому написал свой базовый - в сложных случаях агент делал скрины и изучал .png, сравнивал их (до/после). И искал что-то в интернете - gh cli, git push тоже сам агент от меня было - железо, идея, контроль, сеть, подписки, аккаунты, SSH, котроль данных, обезличивание (при необходимости) от агента - планомерная реализация т.е. мы буквально становимся менеджерами агентов... менеджер не работает сам, но организует работу (железо, софт, интернет, электричество, токены и т.д. и т.п.)

видимо нас ждут облачные LLM локальный запуск сложен и дорог конечно, у облаков есть проблемы с конфеденцильностью. Как их решать - пока никто не знает но локальный массовый запуск умных LLM - не возможен пока так что openrouter, routerai, openai, claude, gigachat, yandex, deepseek, glm и другие внешние провайдеры станут основным источником LLM видео в тему https://youtu.be/wnfxSxP8pGs?si=MzRAm4IXLBS-zkvV

вот почему мы все скоро тесно познакомимся с Linux) https://youtu.be/9tGrhrVKCrE?is=RsopzDkIM0rOGdxl

❌ excel ❌ теряет позиции причины: - концепции excel плохие. т.е. форматы и логика мышления человека в excel - ошибочные и портят призму восприятия мира - нет циклов, нет нормальных алгоритмов, переменных, многие абстракции плохие, концепция dtypes - вообще не формируется! ☹ - не могут обрабатывать большие/сложные данные (графы, иерархии, таблицы >1млн - сразу ищем другой тул). а в современном мире все данные - сложные/большие - он платный - UI/UX поставлен во главу угла - изначальный путь в никуда - очень плохо уживаются с агентами/LLM - улучшалки типа power pivot, query и т.д. - не меняют общий тренд раньше мой основной инструмент был excel 🫡 знал его в деталях сейчас - это один из множества инструментов да, в ряде случаев он лучший (например, экспресс анализ плоской таблиц >>> pivot table)

агенты - (!) надо linux, ubuntu норм - интернет нужен) - terminal, командная строка, linux bash - это наше всё - агенту желательно полные права/admin/root - ssh доступ к другим машинам (облачные, windows, машини с gpu). у меня уже штук 5-10 машины разного рода (роутеры, экспериментальные, arch linux, nixos, микроконтроллеры для экспериментов и т.д.). агенты частенько ходят по ним. некоторые задачи включают работу агента с 2-3 машинами, и норм - иногда проги нужны, excel например. агент с ними работает. обычно vba тестирует. вчера outlook local account (.pst based) настроил мне - llm умная нужна, лучше подписка конечно - надо понимать базовые вещи: ssh, networking stack (LAN/WAN), python, linux basics, программирование и еще пару десятков тем) ну постепенно можно - помним что llm - облачные, проектируем агента и его окружающую среду помня об этом - помним что агенты могут вести себя плохо) rm -rf / а так совет один - пробуйте курсы/советы/теория - такое себе делитесь в комментах, как вы юзаете своих агентов)

почему канал "key concept"? допустим я говорю: 900 + 100 = 1000 это не интересный факт. тривиальный. очевидный. а почему? потому что мы знаем, что a + b = c где, a, b, c какие-то числа остальное детали/конкретная ситуация значит, некоторые знания более фундаментальные чем другие (!) такие знания я называю "концепции" обычно всё, с чем мы работаем каждый день, можно разложить на такие концепции. это можно назвать "научить учиться" то что должны университеты делать (но редко делают) примеры таких концепций (в основном это математика): - множества, set - последовательности, list - комбинаторика - сортировка - графы и иерахии - плоские таблицы, первичные ключи, функциональные зависимости, нормальные формы ... воспринимать любую информацию через такие "концепции" - ключ к эффективности

агенты лучше один раз попробовать: - VS Code - устанавливаем, free - kilo code extension (in VS Code) - устанавливаем, free - routerai.ru - регистрируемся и pay-as-you-go (RUB). модели/цены - более менее норм на windows норм

"Термины - наше всё" термины - ключ к эффективной коммуникации точные. определенные. стабильные. взаимоувязанные. и наоборот, проблема бесконечных собраний - отсутствие чётких терминов. начинается философия и мнения. эффективность падает. не на пару процентов, она падает до нуля

import polars as pl почему polars 🔥 лучше, чем pandas: - строгие продуманные типы данных 😌 - продуманная логика NULL (отсутствие значения, как в БД) NAN (IEEE754 ошибка вычислений) - скорость Rust, распараллеливание вычислений - акцент на декларативный подход. описываем алгоритм (особенно lazy режим), а polars может оптимизировать его. это ближе к логике SQL - отсутствие index (кто встреча индексы в pandas - поймут) - минималистичный продуманный синтаксис - always-returns-copy четкий логический принцип (физический уровень по другому устроен, но для нас это не важно). никаких больше in-place mutation и неопределенностей из минусов polars: - если нужна очень сложная кастомная обработка данных,чистый polars скорее всего не сможет - менее развитая экосистема, более молодая библиотека (=меньше легаси наследия и compatibility issues) итог: в pandas ты веришь и надеешься, что заработает в polars ты понимаешь что происходит p.s. из интересных конкурентов - duckdb (ближк к БД, SQL), pyspark (распределенные вычисления), duck (df больше RAM)

стабильный api моделей за рубли тут (routerai.ru) лучше конечно напрямую openrouter.ai , но там не рубли если подписка за рубли (codex claude cursor etc) то вариант мтс оплата (payment.mts.ru/hub)

1. pandas больше стараюсь не использовать. polars значительно стабильнее. обрабатываешь таблицу 30 млн. строк и не думаешь особо о том, что операция зависнет и ядро умрет) + логичный синтаксис + продуманные dtypes 2. две библиотеки python стали моим стандартным инструментом: import itertools as it import more_itertools as mit 🔥🔥🔥 однострочники огонь просто r = {k: v for k, v in dict( mit.map_reduce(ns, keyfunc=lambda el: el[0], valuefunc=lambda el: el[1]) ).items() if len(v) > 1} 3. bash тоже надо подтягивать/оптимизировать. это видео в закладки ушло 4. отдельно выделю python networkx. если графы/иерархии - сразу туда. графы вообще отдельная тема для задушевных разговоров)