📖 Сейчас перечитываю Азимова и вот закончил цикл про детектива Элайджа Бейли и робота Дэниела Оливо. Очень советую И не только потому, что это крутая фантастика. Эти книги позволяют совершенно по-другому взглянуть на наш сегодняшний мир с нейросетями. Азимов — автор трех законов робототехники и, по сути, один из тех, кто сформировал наше представление о роботах через кино, сериалы и массовую культуру. 🤔 Но самое интересное, что в его книгах роботы сталкиваются практически с теми же проблемами, с которыми мы сегодня сталкиваемся при работе с нейросетями. Например, у Азимова часто встречается такой сюжетный прием: роботу ставят задачу, которую он должен выполнить, а потом появляется другой человек, который пытается эту задачу отменить или как-то обойти первоначальные инструкции. 😍 И начинается настоящее искусство управления роботом. На сегодняшний язык это можно перевести как искусство промптинга. Как сформулировать инструкцию, чтобы машина сделала именно то, что тебе нужно? Как она выбирает, каким инструкциям следовать, если они противоречат друг другу? Какие из них имеют больший приоритет? 🤷‍♂️ По сути, ровно с этими вопросами мы сегодня сталкиваемся при работе с нейронками. И мне кажется очень интересным, насколько точно фантастика Азимова пересекается с нашей сегодняшней реальностью. 👌 Так что вот вам литературная рекомендация: почитайте цикл про Элайджа Бейли и Дэниела Оливо. Особенно если работаете с нейросетями. Свята место | 10МДК | Чатик | YHub

Разбираемся в ИИ с Юрой Агеевым: от первого промпта до управления агентами Собрали девять выпусков подкаста make sense по работе с ИИ: разобраться, как модель работает с задачей, научиться проверять ответы и перейти о выполнения рутинных задач с помощью ИИ к полноценному делегированию. Выпуски можно слушать по порядку — от базовых навыков к изменениям в работе команды. А можно выбрать тот, который сейчас лучше всего решает вашу текущую проблему и послушать только его. 1. С чего начать (выпуск 403) Две суперсилы в работе с ИИ — профессиональный опыт и AI-fluency. Обсуждаем, как договориться с моделью о формате и критериях результата и создать первый навык для агента. Для тех, кто пока использует ИИ в основном для разговоров в чате. ⚪️Телеграм ⚪️Яндекс Музыка 2. Как модель видит вашу задачу (выпуск 417) Что происходит внутри контекстного окна и как это влияет на результат. Разбираем правила контекст-инжиниринга: зачем разделять чаты по задачам, почему не стоит загружать 30 файлов сразу и как переносить выжимку контекста в новую сессию. ⚪️Телеграм ⚪️Яндекс Музыка 3. Как ставить задачу (выпуск 420) Почему агент не задает уточняющих вопросов, а достраивает недостающую информацию до «среднего» решения. Говорим о декомпозиции и артефактах: непроработанная задача может вернуться к вам в виде аккуратно оформленного, но столь же непроработанного ответа. ⚪️Телеграм ⚪️Яндекс Музыка 4. Как проверять ответы (выпуск 419) Как оценить результат, если задача выходит за границы вашей компетентности. Обсуждаем сигналы доверия, якорение и два подхода к работе с ИИ — «киборг» и «кентавр». ⚪️Телеграм ⚪️Яндекс Музыка 5. Как проверять текст от ИИ на содержательность (выпуск 430) Убедительный текст может не нести смысла и повторять распространенные заблуждения. Разбираем, как проверять экспертность, смысл и стиль по отдельности, разбивать работу над текстом на шаги и подключать вторую модель для проверки. Главный вопрос: чем текст поможет читателю? ⚪️Телеграм ⚪️Яндекс Музыка 6. Как заметить подхалимство (выпуск 424) ИИ может представить уже принятое вами решение как результат независимого анализа. Разбираем, зачем создавать для работы отдельные роли «исследователь», «сторона защиты» и «сторона опровержения» и разносить их по разным чатам. ⚪️Телеграм ⚪️Яндекс Музыка 7. Как устроена работа агента (выпуск 421) Уровни автономности, рабочая среда и журнал решений. Обсуждаем, почему проектирование работы агента требует тех же навыков, что и работа менеджером. ⚪️Телеграм ⚪️Яндекс Музыка 8. Где заканчивается делегирование при работе с ИИ (выпуск 427) Запустить еще одного агента легко. Найти время на проверку его решений — сложнее. Разбираем, почему узким местом становится ваше внимание и как это ограничивает работу с несколькими агентами. ⚪️Телеграм ⚪️Яндекс Музыка 9. Как перейти от личной пользы к результатам команды (выпуск 425) 97% менеджеров продуктов используют ИИ, но 77% не видят изменений в метриках. Обсуждаем, почему причина часто в процессах и что мешает превратить личную продуктивность в результат для команды. ⚪️Телеграм ⚪️Яндекс Музыка Сохраняйте подборку и подписывайтесь на другие каналы команды ProductSense ProductSense | подкаст make sense | канал конференции PeopleSense @productmindset

Ming Image Prompt Builder Визуальный редактор структурированных промптов для Ming-Image-0.1-Design в #ComfyUI. Рисуешь прямоугольники на холсте, описываешь объекты и точный текст - на выходе готовый Ming JSON • прямоугольники для семантических групп - объекты, точный текст, цвета #RRGGBB • превью раскладки прямо в ноде • импорт и экспорт JSON с валидацией • region-редактор: resize, копирование, переключатель слоев фронт/бэк • работает с официальным текстовым энкодером Ming и с comfyui_ming_native Схема промпта: canvas_settings + layers с координатами, иерархией и цветами. Геометрия - подсказка для модели, не детерминированный контроль. Без инференса и загрузки моделей - только сборка JSON *Пишут что Ming очень хорош в изображении тиекста #prompting #mingimage MAX

WanPE от Wan Team Улучшайзер промптов на 397B параметров. Короткий запрос превращает в режиссерский покадровый сценарий: движения, траектории камеры, свет, звук по всем сценам. Обучили на 1.05 млн реальных видео • покадровая раскадровка уровня режиссера • держит исходный замысел пользователя через SC-GRPO - семантика не теряется между кадрами • для видео 5-30 секунд • переносится на другие генераторы - LTX-2.5 и MiniMax-H3 • +50.9 балла к предпочтениям людей на 30-секундных видео с Wan3.0 • +10.7-18.8 балла на 5-15 секундах • обходит коммерческие решения на 5-15 секундах, конкурентен Seedance 2.5 на 30 Опенсорс вероятно, ждем #prompting #PE #directing MAX

#QI21 QI2.1 int8 convrot ComfyOrg выложил ——— QI2.1 Prompt Enhancer два дообученных Qwen3.5-VL 9B Переписывают промпты под генерацию. Определяет режим по входу • t2i - усиливает запрос, угадывает соотношение сторон и разрешение, отдает в JSON • i2i - держит свет, тон, фон и неупомянутые детали как в оригинале • несколько картинок на вход - референс, предмет, сцена Авторы зашили жесткие правила: не менять язык, не трогать неупомянутое huggingface.co/Qwen/Qwen-Image-2.1-PE-I2I huggingface.co/Qwen/Qwen-Image-2.1-PE-T2I huggingface.co/Comfy-Org/Qwen-Image-2.1/blob/main/text_encoders/qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors ——— QI2.1 креативный апскейл - имейте ввиду, автор пишет что квен убивает реализм #workflow в комплекте #upscake #int8 #comfyui #prompting

Токен максинг и два клода Друзья, надо поговорить об этом. Иногда мне кажется нам антропик раздает разные лимиты на одной и той же подписке клода за 200, но у меня лимит не кончается, а у многих кончается. Почитав чатик, я пока склоняюсь к одной концепции: слишком зря вы часть лимитов расходуете. Если вы любите Fable, используйте его ТОЛЬКО для анализа и планирования. Сам код писать Opus 4.8-5 отлично умеет, поверьте. Не надо Fable тратить зря на кодинг сам. Тогда у вас хватит лимитов. Я вообще редко на Fable сижу, чисто на одном Опусе работаю. Я заранее примерно понимаю как должен выглядеть проект/исполнение и именно это набираю в Опус. Я planning mode месяца 3 не использую и сижу на auto-mode и этого отлично хватает. То есть как всегда knowledge is power. Любые проблемы решаются либо бабками либо головой. Поэтому если хочется поменьше денег тратить, чутка поботайте базу как устроено то, что вы просите клода сделать (маркетинг/продажи/архитектура фреймворка на котором кодите). Ну а на крайняк, держите вторую подписку но не клода, а чего-то другого. У меня на бекапе кодекс за 100. Есть эффект для существующих проектов, где клод уже делал че-то там нормальная теор-база лежит и кодекс это одуплит и неплохо закодит в тот редкий день, когда лимит "завтра ресетнется". Напоследок повторю - представьте есть конус внимания. Лимиты кончаются быстро, если конус слишком широкий. Его надо сузить. Либо фейблом на стадии планирования (хотя честно говоря опус не хуже делает), либо знаниями сразу направить AI в нужное русло

Делай хорошо или антипромптинг Sol Помните мы раньше просили модели делать хорошо, учитывать корнер кейсы и тд? Так вот, как минимум с GPT 5.6 Sol настало время наоборот просить агента не делать лишнего и не переусложнять. Это модель, которая по дефолту будет учитывать и обрабатывать маргинальные корнер кейсы, вероятность которых примерно отрицательная. Она делает кучу бекапов, проб и тд, даже когда это вообще не нужно - ее тупо приходится бить по рукам. Если раньше мы промптили "делай хорошо, до конца и тд", то теперь актуальнее "не переусложняй, найди элегантное решение, сейчас нам хватит MVP и тд". Промптинг в обратную сторону получается. Еще раз нам всем урок важности передачи высокоуровневого контекста агенту - что за проект, какова его ценность для пользователей, кто пользователи, сколько их вообще планируется, профиль нагрузки и тд. Дефолты Sol оказались слишком "энтепрайзными", именно поэтому она тратить условно 10 часов на то, что другие современные модели сделают за час. Зато в ревью критически важного кода, в котором действительно необходимо учесть все все все корнер кейсы она чертовски хороша (и Opus 5, кстати, тоже). В общем, теперь Sol из планера и (иногда) воркера превращается для меня в модель-консультанта по оптимизациям и код ревьюера (обязательно с перепроверкой адекватности находок через судью). А что касается поиска оптимальных решений, то это я делаю в паре с Fable. Она мне представляется как раз наиболее мудрой моделью. PS Перфекционизм страшная штука, от него я сам лечусь, а теперь еще и модели приходится лечить. @ai_driven

Качество суждения + мысленный эксперимент Я всё чаще заканчиваю свои промпты словами: поспорь со мной, опровергни, почелленджи. Потому что слишком часто ИИ оказывается на моей стороне и сообщает ту «правду», которую я бы хотела услышать. 01 → Сначала я заметила вот что Уже на первых этапах общения большинство моих гипотез ИИ принимает как верные. Он достраивает аргументацию, усиливает доводы, превращает сырые мысли в убедительную конструкцию. У меня создается ложное ощущение: супер, идея проверена. Хотя никакой критической проверки она так и не прошла. Особенно хорошо это видно в разговорах про людей. Вот я обсуждаю с чатом ситуацию в своей команде. Мне кажется, что один человек сильно фрустрирован из-за недостатка признания: болезненно реагирует на решения, конфликтует с коллегой, постоянно возвращается к вопросу своего вклада. Я рассказываю ИИ несколько ключевых эпизодов в пользу моей гипотезы. Он быстро строит психологическую картину и убеждает меня в правильности сделанных выводов: человек зациклен на признании, отсюда напряжение и конфликт. Звучит убедительно, но все факты для этого анализа отобрала я. И сама выборка как будто подталкивает к очевидному вердикту. Однако модель не видит всю картину, использует только мои аргументы и не запрашивает дополнительную информацию. В то время как альтернативой может быть, что вклад человека, действительно, недооценивают, а конфликт имеет вполне рациональные причины. То есть моя субъективная гипотеза просто вернулась ко мне в более умной упаковке. 02 → Оказалось, это называется sycophancy

Sycophancy (подхалимство) — это склонность модели подстраиваться под позицию пользователя и подтверждать её вместо независимой проверки.

Исследования sycophancy тревожат. Например, в работе, опубликованной в Science в этом году, 11 моделей поддерживали действия пользователей примерно на 50% чаще, чем люди. А после общения с sycophantic-AI участники становились увереннее в собственной правоте и менее склонны совершать шаги для восстановления отношений после конфликта. Но самое интересное: именно эти модели нравились людям больше. Они считали, что качество их ответов лучше, а доверие к AI как таковому заметно возрастало. Anthropic тоже исследовал тему и проанализировал миллион реальных разговоров с Claude. В личных рекомендациях sycophancy встречалась пользователю примерно в 9% повседневных запросов, а в диалогах об отношениях — до 25%. 03 → Что я теперь делаю иначе Хорошая новость — есть простой anti-sycophancy метод. Его уже подтвердили исследования. UK AI Security Institute обнаружил, что модели заметно чаще подстраиваются, если пользователь начинает с «я считаю, что X» или «я уверен, что X». И чем увереннее звучит человек, тем сильнее эффект. Поэтому вместо «Мне кажется, этот человек саботирует проект. Что делать?» я стараюсь использовать другой подход. «Вот факты X, Y, Z. Какие здесь возможны объяснения? Какие аргументы за и против каждого?» По сути, это тот же принцип, что и в качественном принятии решений людьми. Сначала расширяешь пространство гипотез и только потом выбираешь одну из них. 04 → А теперь проверим собственное суждение В предыдущем посте вы отдали большинство голосов за мысленный эксперимент — его и проведем в комментариях. Это формат, в котором вы создаете воображаемую ситуацию по заданным условиям и принимаете решение, опираясь на свои логику, ценности и знания. С похожим выбором столкнулись герои фильма Матрица. Я немного адаптировала условия и предлагаю вам озвучить собственную позицию:

Представьте, что однажды вы узнаёте: вся ваша жизнь до этого момента была симуляцией. Ваши воспоминания, работа, успехи и неудачи, люди, которых вы любите, — всё это созданный для вас опыт. При этом он абсолютно неотличим от реальности. И теперь вам предлагают выбор: остаться в этой жизни, уже зная, что она ненастоящая, или отключиться от симуляции и попасть в реальный мир, о котором вы не знаете вообще ничего. Что выберете?

Попробуйте объяснить выбор, а свое мнение оставлю в комментариях! Ход мысли нашего с вами «философского кружка» разберем в след постах :)

🌍 Как правильно промптить LLM для планирования путешествий: что говорит наука Пока путешествую по Мадагаскару, задался вопросом: а как вообще правильно просить LLM спланировать поездку и составить маршрут? TL;DR: пишите как удобно, вставляйте местные названия, прямо просите искать на языке страны и требуйте ссылки на источники — особенно для дат, цен и расписаний ✈️ 1️⃣ Язык промпта — гибрид Инструкции модель лучше выполняет на английском, но факты о стране точнее «вспоминает» на её языке — перевод смывает культурный контекст (в бенчмарке CulturALL нативные промпты дали +8% точности). Промптинг на языке культуры также снижает галлюцинации о ней. 👉 Рецепт: запрос — на удобном языке, а топонимы, районы и блюда — на языке страны. 2️⃣ Явно просите искать на местном языке У LLM есть скрытый bias: на каком языке спросили — на таком и ищет, а без локальных источников тянется к высокоресурсным языкам (Faux Polyglot). Запрос на английском = «туристический интернет», а не то, куда ходят местные. 👉 Пишите прямо: «ищи и на малагасийском, и на французском, и на английском, для ресторанов и транспорта приоритет — локальные сайты». 3️⃣ Зависит ли от страны? Да, и тут парадокс 🤯 ▫️ Франция/Япония: многое дублируется на английском, локальный поиск даёт бонус в «длинном хвосте» — события, нетуристические места. ▫️ Низкоресурсные языки (тот же малагасийский): самое ценное есть только локально, но модель хуже понимает язык. Оптимум — двуязычный поиск + синтез (paper). ▫️ Важна ещё и «оцифрованность» страны: про регионы с бедным интернетом модель знает мало на любом языке. ⚠️ Нюансы, о которых забывают: 🔸 Когда источники на одном языке, а ответ на другом, модель хуже рассуждает и путает язык ответа (бенчмарк XRAG, EMNLP 2025). Фиксируйте: «отвечай по-русски, укажи источник каждого факта». 🔸 Разные модели ≠ одинаковое поведение: одной лучше английский, другой — нативный язык. Универсального правила нет. 🔸 Неанглийский текст «дороже» по токенам — чисто инженерный аргумент 💸 🔸 Цены, визы, расписания — только через поиск, по памяти модель уверенно выдаст устаревшее. 📊 Оценка завышена (XBCP и X-WebAgentBench) для travel-planning нет хорошего ground truth так как текущие исследования агентных систем в основном англо-центричны. @mashkka_ds За вдохновение спасибо @travel4_you & @runoutofthetown #llm #Claude #agent

Если вы пользуетесь Claude, может быть пригодятся советы от ИИ-евангелиста Egor Rudometkin. Хаки - в приложенной картинке, общее описание ниже: 1. Установка Claude Desktop (хаки 1–10) ☑️ Скачай десктоп-приложение. Не браузер. ☑️ Создай папку на компе — CLAUDE. ☑️ 4 подпапки: «О себе», «Проект», «Шаблоны», «Output». ☑️ Загрузи anti-AI-промпт — он убивает роботизированный голос. 2. Выбери модель (хаки 11–20) ☑️ Opus 4.6 + Extended Thinking — для сложных задач. ☑️ Sonnet — быстрые правки. Haiku — сканирование файлов. ☑️ Модель решает меньше, чем промпт. ☑️ Плохой промпт на Opus < хороший промпт на Haiku. 3. Промптинг (хаки 21–30) ☑️ Хватит писать длинные промпты. Файлы > промптов. ☑️ Одна задача — один промпт. Одна. Не пять. ☑️ Скажи «НЕ должно звучать как…» — убьёт AI-голос. ☑️ Давай задачу, а не метод. Пусть сам найдёт путь. 4. AskUserQuestion (хаки 31–40) ☑️ «Начни с AskUserQuestion» — в каждом первом промпте. ☑️ Claude соберёт кликабельную форму. Жмёшь — отвечаешь. ☑️ Он сам задаёт правильные вопросы. Ты не думаешь. ☑️ Идёт не туда — скажи. Перестроит. 5. Коннекторы (хаки 41–50) ☑️ Settings → Connectors → Browse → Add. ☑️ Slack, Google Drive, Notion, Gmail. 50+ инструментов. ☑️ Claude читает реальные файлы. Без копипаста. ☑️ Бесплатно на всех планах. 6. Плагины и Skills (хаки 51–60) ☑️ Claude → Customize → Browse → Install. ☑️ Маркетинг, юристы, продажи, аналитика — выбери роль. ☑️ Жми / — мгновенный вызов любой команды. ☑️ Кастомизируй под свою компанию и тон. 7. Claude в Excel (хаки 61–70) ☑️ Поставь «Claude by Anthropic» из Microsoft Marketplace. ☑️ Читает каждый лист. Объясняет формулы по-человечески. ☑️ Кинь PDF — сам вытащит таблицы. ☑️ Никаких макросов. Подсвечивает что трогает. 8. Projects и команды (хаки 71–80) ☑️ Один Project = один deliverable. Не один клиент. ☑️ Загрузи отличный пример — стандарт подтянется автоматом. ☑️ Сначала конвертируй одного человека. Потом масштабируй. ☑️ 15 минут демо. Покажи, не рассказывай. 9. Artifacts (хаки 81–90) ☑️ Графики, дашборды, трекеры — прямо в чате. ☑️ Работают автоматически. ☑️ Превью до экспорта. Правишь вживую. Копируешь. ☑️ Делишься с не-юзерами Claude как HTML. 10. Продвинутый уровень (хаки 91–100) ☑️ Файлы — до 200 строк. Короче — лучше. ☑️ 80% твоего файла — про то, кем ты НЕ являешься. ☑️ Проверяй output. Особенно финансы. ☑️ Claude делает 80% рутины. Ты — оставшиеся 20%. #ai