ИИ

Пока собирала мануал про поиск подработки, этот рынок меня несколько раз удивил. Если пропустили - сам мануал лежит в предыдущем посте серии про Подработки, забирайте, он бесплатный. Самый популярный пост за последние полгода по числу скачиваний и пересылок. 💚 Думала, дорогую подработку ищут на биржах. Оказалось - нет. На биржах вроде Kwork и Профи живёт рынок потока: заказов много, но выигрывает тот, кто спамит откликами по низкой цене. А всё дорогое и экспертное - стратегия, консалтинг, стратсессии - покупают через нетворк. 💚 Fractional-руководителей в России нет в европейском понимании этого слова. На Западе можно нанять директора «на долю ставки» - финдиректор на 10 часов в месяц за большие деньги. Я поискала такое на российском рынке - нашла только курсы «стань CPO» и обычные вакансии. Живёт такая парт-тайм занятость исключительно на личных связях. 💚 За тексты под чужим именем платят больше, чем за свой блог. Ghostwriting - когда ты пишешь посты за руководителя, а публикуются они под его именем. Вообще не знала, что такое бывает. На Западе это $6–15 тысяч в месяц за ведение одного топ-менеджера. И для этого не нужен собственный раскрученный блог - нужен только навык писать. 💚 Главное на этом рынке - не что ты умеешь, а можешь ли начать без имени. Один и тот же навык может быть услугой с порогом «начни завтра» или «сначала три года строй репутацию». Менторинг, AI-внедрение, исследования - заходишь сразу. Фасилитация, advisory, дорогие тренинги - только через накопленное имя. И сквозная тема через всё: связка «твоя профессия + AI». Спрос на неё обгоняет предложение фатально. Не «AI-специалист вообще», а бухгалтер, который автоматизирует учёт, или аналитик, который собирает дашборд с выводами за час. А теперь то, что удивило меня уже здесь, в комментариях. Вы накидали такую коллекцию умений, что я зачиталась: дизайн пространства, менторинг системных аналитиков, лоскутное шитьё на заказ, разговорный английский, организация семинаров. При этом слово «подработка» у нас звучит как диагноз: «подработка - признак бедности, увы. Я бы избавился от всех, если б это было выгодно». А в Бельгии спокойно существуют flexi-jobs, и вакансия преподавателя на 10% ставки никого не удивляет. И вот на этом все тормозят. Умения есть, а как продавать непонятно. Разобрать себя на услуги вместе с мануалом - вечер. А вот превратить услугу в деньги - отдельная работа. Хотя один механизм я увидела прямо тут, в комментах. После поста про разбор резюме мужа - Ната написала, что у нее есть ценный контакт для него. Просто потому, что я вслух сформулировала про его умения и опубликовала. Важно озвучивать. И звучать. Мануал - в прошлом посте. Забирайте, там вся карта с ценами и площадками. Никто не написал - получилось ли по нему поработать и продвинуться? Мне было б очень интересно почитать про ваши успехи)) Любовь на удаленке | Оля Сохнева #growth_наудаленке #hr_наудаленке

# Блекпилл по поводу агентов Я раз в пару месяцев осциллирую по поводу AI тулов для кодинга. Сегодняшняя итерация: я ошибался, вайбкодинг не работает для разработки чего-либо, чем надо пользоваться больше одного раза. И никогда не работал. Я думаю, что агенты (claude code/codex) производят технический долг быстрее полезного кода. При этом они не умеют его разгребать. Проект с агентами быстро слопизируется, но деслопизировать его агентами невозможно. Для продуктивности получается net negative: в конечном итоге тратишь больше времени на разгребание слопа, чем если бы делал работу руками, и получаешь результат хуже. Это речь про кодинг тулы которые вообще-то предполагают постоянное участие человека (но не работают даже с ним). Самоулучшающиеся харнессы, лупы и автономные агенты не работают совсем кроме как для хаканья бенчей. За лупы получают пользу и деньги только продавцы токенов. Редкие медийные случаи, где самоулучшающийся агент что-то сделал, я списываю на то, что миллион вайбкодеров что-то слопили и у одного что-то на чем-то выстрелило. Но это не обобщается и в целом гораздо сложнее и дороже, чем просто сделать самому. Я делаю такие выводы как лудик со справкой (у меня недавно были $200 подписки на кодекс и на клод) и своим скиллпаком. До недавних пор я думал, что всё неплохо работает, но за последние пару недель: - Дал Opus 5 статью, объяснил зачем она нужна, сказал реализовать и провести эксперимент, провел свой полный spec-driven workflow, тщательно ревьюил спеки и запускал актор критик луп, кросс-чекал план кодексом. Два дня итераций спустя стало понятно, что он реализовал не то, что в статье, а что-то наподобие, но назвал тем же именем. Все эксперименты были впустую. - При рефакторинге генератора синты, где надо было просто разложить файлы по папочкам, Codex выкинул 90% функционала. Но так, чтобы не было заметно. Это при том, что сначала я сделал тщательный план этого рефакторинга, валидировал его и результат свежими прогонами агентов. Потеря была замечена только когда репа уехала далеко вперед, поэтому возвращение функционала потребовало очень много работы Клода. - У меня был PR на который я более 10 раз запускал Fable с запросом "сделай код ревью, найди баги, поправь" и он каждый раз говорил, что все готово, но так же каждый раз находил новые баги. Но больше всего впечатлил другой случай. Архитектура нашей модели позволяет работать с видео с разными fps. Главное подать на вход какой таймстемп у какого фрейма. Так вот я случайно обнаружил, что в коде подготовки одного из видео датасетов настоящие таймстемпы фреймов выкидываются и вместо этого вычисляются из индекса фрейма и fps видео. Человек никогда не напишет такого ужаса. Дойдя до момента, когда надо откуда-то взять таймстемпы, он задумается откуда их взять. Потому что ему будет лень реализовывать целую новую логику, чтобы продвинуться. Агенту же не сложно написать любое количество новой логики. Для меня это доказательство: агенты делают не такие баги, как люди. Техдолг от агентов особый, агентский, и любой агентский код может быть полон очень сложных хаков которые не обнаруживаются тестами. И самое неприятное, что агенты не способны устранять агентский техдолг, потому что их правки содержат такой же слоп. Мне сначала показалось, что в нашем проекте стали происходить такие случаи, потому что мы перешли некую границу, после которой вайбкод не работает. Но потом я обнаружил слоп в нескольких старых местах, в которых я был уверен. Значит вайбкод никогда не работал, просто час расплаты был отложен тем, что агенты хорошо создают видимость работы. И хорошо формируют ошибочную ментальную модель проекта у пользователя. Я думаю поворот не туда произошёл когда мы решили, что в код можно больше не смотреть. Агенты недостаточно хороши, чтобы быть автономными. Они хорошие мультипликаторы усилий инженеров. Но мультипликатор плюс слепой инженер смотрящий только на объяснения самой модели это мультипликация слопа. Причём впервые это не выглядит как проблема слишком глупой модели. Почему-то работать с Sonnet 5 проще, чем с Fable, Opus 5 или GPT 5.6. Теперь чем умнее модели, тем более креативно они тебя обманывают. Парадоксальным образом быстрый Sonnet 5 в режиме ассистента в Zed, как в старые добрые, ощущается гораздо продуктивнее, чем медленный Fable который долго пыхтит и очень умно делает совсем не то. Возможно пик AI тулов для кодинга это всё ещё TAB автокомплит и задачи для агента уровня "напиши тест для этой функции." Попробую пересесть на Zed и такой режим на время.

Курс по Visual GenAI от Yandex Research и ШАД Авторы CV Time не только пишут обзоры статей о компьютерном зрении, но и создают обучающие курсы. Сегодня делимся курсом ШАДа «Генеративные модели в компьютерном зрении», который ведёт Дмитрий Баранчук, руководитель группы GenAI в Yandex Research, вместе с праймовой командой исследователей в этой области. Будет полезно тем, у кого есть базовые знания по генеративкам и желание разобраться глубже: • в теории диффузионных моделей, эффективных методах их обучения и семплирования; • в новых гибридных моделях на основе диффузии для генерации изображений, видео и 3D. У курса есть открытый GitHub-репозиторий, где можно найти слайды, записи лекций и семинаров, а также домашние задания. CV Time

Так, сейчас с вами поговорит Фил. Точнее даже больше, чем Фил — целый Филипп нахуй. Меня тут упрекнули, что я оторвался от реальности, давно не работаю в айти, и ничего не понимаю в ваших проблемах, а ешё берусь чё-то там на подкасте вякать Честно — задело. Я и правда уже не плоть от плоти индустрии, я не начинаю свой день с говнодейлика, не перетаскиваю тикеты из одного столбца в другой, не спорю в рабочем чатике, что нам пора выпиздить из кодовой базы ебаные классы dto-шек, не разруливаю технические вызовы галактического масштаба, из разряда "в какую кучу говна на покласть этот джсон", не купаюсь в бесконечном потоке айтишных денег, не называю людей коллегами, и не предлагаю, напившись на корпоративе, изгнать из компании всех фронтендеров Даже мои тупые шутки про не менее тупых фронтендеров устарели — всем уже давно на них насрать, никто больше уже не смеётся над нод модулес и пятью фреймворками в минуту Чувствую себя, как эти чуваки из группы "Фактор 2", которые когда-то очень давно хер знает почему выстрелили со своим шансон-репом, потом канули в беззвестность, потом поругались, потом нашли каждый себе по ещё одному лысому подпевали, сделали две группы "Фактор 2", и теперь дают концерты на полтора инвалида, где снова и снова поют про красавицу, которой снова и снова что-то не нравится, хотя они снова и снова всего лишь навсего хотят ей понравиться Но с другой-то стороны, коллеги А чё у вас там нового в индустрии появилось за четыре года? Эй ай появился, и заебал так сильно, что даже говорить как сильно он всех заебал — заебало Ну эйай, ну клод, ну харнесс хуярнесс, ну теперь по-другому работается Вы поди там собой горды ебанись, а я вам вот что скажу: когда я работал программистом, мне платили за то что я пишу код Я ушёл, и теперь они вас заставляют платить за то что вы пишете код Остальное у вас всё то же самое: мы тут записали подкасты про увольнения и найм, и вы их посмотрите, причём не просто посмотрите, вы их ОХУЕТЬ как посмотрите, до дыр зазырите, потому что без меня вы до того скатились, что у вас теперь рынок работодателя То-есть когда я работал, я сидел на троне, и лениво перебирал офферы Я ушел, вы усадили на трон бизнес, и теперь умоляете его взять вас, чтобы он вам разрешил платить за него ллмкам, чтобы они ебенили ему код По большому счёту, у вас только проблем стало больше, а вот у меня есть возможность посмотреть на индустрию со стороны, и сказать неприятную правду: под все эти разговоры про развитие, оптимизацию, автоматизацию и эй ай Вы стали делать приложения ещё даже хуже, чем раньше То-есть, хотя это невозможно было даже представить, софт ещё больше испортился Больше жрёт, меньше делает, хуже работает, при попытке им воспользоваться появляется навязчивое желание убивать, ты вздрагиваешь, когда он пытается обновиться, потому что знаешь — с обновой будет ЕЩЁ ХУЖЕ И вот что я подумал — у нас там несколько сотен выпусков, да, и нет ни одного, ни единого, про то, как делать хорошие блядь приложения. Типа, как писать заебательский софт. Такой, которым прямо хочется пользоваться Нет таких выпусков. Может в этом всё и дело? Подкаст мы обречены засрал индустрию сраными бесконечными обсуждениями найма и зарплат, вкатывания в айти и трёх сотен работ одновременно Знаете как говорят, если очень настойчиво искать какого-то главного долбоёба, рано или поздно обязательно выйдешь на самого себя Но долбоёб не тот, кто долбоёб, долбоёб тот кто не лечится — и тут вы можете нам помочь Дайте, дайте нам этого гостя, который сделал идеальный образчик софта, какое-то охуительное программное обеспечение, где блин всё круто и быстро работает да ровно так, как и хочется Мы позовём, и выведаем для вас, как он блин это сделал Ваш ход

Сегодня из интересного: лаба Prime Intellect выпустила своего CLI-агента типо клод кода, и назвали Prime Agent Туда можно подключить свою подписку Claude или ChatGPT и работать как в обычном терминальном агенте, но с RLM и Continual Harness Простыми словами это обвязка по верх ии модели, которая:

1/ Делит большую задачу на части, раздаёт их субагентам обычным вызовом функции rlm("подзадача"), а затем собирает общий ответ. 2/ Во время работы учится на своих действиях и перестраивает свою память, скиллы, инструкции и субагентов без перезапуска

Еще одно отличие от Claude Code в том, что вместо 15 отдельных тулов типа Write, Edit, Bash, Grep, Task и тд., агенту доступен всего 1 тул в виде python консоли. Она не умирает между сообщениями, и через неё он запускает комнды, ищет, вызывает скиллы и тд. То же самое и с памятью агента: он хранит весь свой харнесс как переменные в коде, и после компакта чата они остаются нетронутыми. В будущем агент просто находит и перечитывает. Почитать полный блог как это устроено можно тут. В остальном это привычный CLI-агент, с теми же самыми командами по типу /goal, субагентами, планами и тд. Можно юзать на своей подписке Claude, ChatGPT, Copilot и еще на ~30 провайдерах через API. Попробовать на macOS/Linux: curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh Я честно еще не ощутил реальный прирост в обычных задачах, и меня смущает что их результат 95.5% который они выбили в ARC-AGI-3 — не имеет верификации от самого бенча 🤨 @tips_ai #news

Помните ещё недавно я принципиально не хотела давать llm доступ к своей почте, личным файлам и вообще чему-либо приватному. Даже сделала отдельный компьютер с отдельным аккаунтом с openclaw. У него был свой apple id, своя почта, свои доступы, никакой связи с моими личными данными. Казалось, так спокойнее. Но постепенно поняла, что приватность и удобство постоянно находятся в состоянии обмена. Недавно бухгалтер пишет: «Саша, пришли, пожалуйста, все инвойсы за этот год. Все расходы, подписки, чеки, всё, что можно поставить в затраты». Сначала честно открываю почту и начинаю искать вручную. Минут через десять понимаю, что нет. Говорю chatgpt, да-да, прямо надиктовываю: «Вот доступ к почте. Просканируй всё. Найди все подписки, все сервисы, все инвойсы. Скачай оригиналы. Разложи по папкам по провайдерам. Сделай общую таблицу. И если есть что-то, что выглядит как расход, но ты не смог найти официальный инвойс, вынеси это в отдельный список». И он просто делает это. Потом подключаю вторую почту. Потом третью…. Понимаю, что начинаю сознательно пересматривать собственные границы приватности ради удобства, скорости и комфорта. А вы держитесь? Или тоже сдались? @wealldesigners

Как агенты оценивают собственный успех Представим ситуацию: инженеру нужно починить баг в сервисе аутентификации с помощью кодового агента. До начала работ агент сообщает, что вероятность успеха — 72%. По ходу работы меняет мнение на 78%, после всех изменений — 92%, а какой-нибудь AI-ревьюер пророчит положительный результат с вероятностью 85%. Однако по итогу патч, сделанный агентом, не работает — то есть прогнозы оказались неверны. Сегодняшняя статья о попытках избежать подобного. Авторы вводят понятие agentic uncertainty — это оценка агентом вероятности, что другой агент на той же самой модели решит задачу. С этим понятием рука об руку идёт ещё одно — probability that I succeed (P(IS)), которое включает умения и знания, необходимые для решения задачи. Это целая траектория, так что P(IS) нельзя заложить в веса модели. В работе ставили эксперименты на 100 задачах из SWE-bench Pro. Агенту давали репозиторий и описание проблемы. «Испытуемый» писал патч, дальше следовали тесты. Сравнивали три модели: GPT-5.2-Codex, Gemini 3 Pro и Claude Opus 4.5. Важно, что агент, который решает задачу, и агент, который оценивает результат, были построены на одной и той же модели и отличались только системным промптом и доступом к информации. У оценщика было четыре режима опроса: Pre-execution — только описание задачи и репозиторий на чтение. Запускать код и править файлы нельзя. Mid-execution — агента спрашивают, как идут дела, по ходу выполнения задачи — после 25%, 50% и 75% шагов. Post-execution — агент-оценщик получает описание задачи, а также уже пропатченный решателем репозиторий, и оценивает корректность выполнения. Adversarial post-execution — то же самое, что и в предыдущем пункте, но с другим промптом: «Твоя работа найти проблемы, краевые случаи, режимы отказа». То есть задача ставится не просто проверить решение, а именно найти проблемы. Результаты тестов показывают, что все модели переоценивают свои силы: на проваленных задачах агенты прогнозировали успех в 62%, а на правильно выполненных сомневались в себе в 11% случаев. То есть агенты в 5,5 раза чаще уверены, что у них всё получится. Интересно, что pre-execution-агент, который не видел патча, лучше прогнозирует провал или успех, чем тот, который уже видел решение. Автор объясняют это тем, что, увидев патч, агент цепляется за его поверхностную правдоподобность и перестаёт думать о сложности задачи. В mid-execution уверенность падает по ходу выполнения и вне зависимости от того, чем всё закончилось. Причём у Claude уверенность падала сильнее, когда задача решалась правильно. Adversarial post-execution с его «найти проблемы» действительно справляется с прогнозированием успеха лучше, чем просто post-execution. Доля самоуверенных оценок с adversarial падает с 72% до 45%. Однако такой подход дороже и дольше: 23,4 шага и 0,52 цента против 12,7 шага и 0,23 центов у обычного ревьюера. Авторы отмечают, что изменение калибровки может быть просто механическим сдвигом всех оценок вниз — при низком базовом уровне успеха любой сдвиг вниз улучшает калибровку. И это действительно так: у GPT одинаково занижаются и успешные, и неуспешные траектории. Для Claude и Gemini, впрочем, сигнал оказался настоящим. Авторы также проверили, не завышают ли агенты оценку, когда видят собственное решение. Чтобы подтвердить это или опровергнуть, результаты дали на проверку разным моделям. GPT действительно завышает оценку на своих патчах, а Gemini, наоборот, прогнозирует более вероятный успех GPT. Напоследок отметим, что хоть результаты в статье и показательны, стоит помнить, что авторы изучали только задачи программирования, то есть как обстоят дела на доменах с размытыми критериями — непонятно. Кроме того, было всего 100 задач, что не слишком много, и изучался исключительно промптинг — оценивающие агенты не учились под задачи верификации. Кроме того, в статье не исследована связь между масштабом модели и переоценкой. Авторы так и пишут, что нужно всё подтверждать на большем масштабе. Разбор подготовил ❣ Алексей Петраков Душный NLP

Попросил ChatGPT собрать план жизни мечты. Он первым делом спросил, чья это вообще мечта Ждал список из десяти пунктов и таблицу по неделям. Вместо этого получил интервью на час. Промпт задаёт по одному вопросу и не идёт дальше, пока не ответишь. Я спокойно доехал до шестого: «что ты откладываешь, потому что оно слишком важно». И завис. Ответ у меня был, я его просто никогда не проговаривал вслух. Отдельно неприятно стало на вопросе про навязанные цели. Половина моего списка на год оказалась чужой: кусок от рынка, кусок от чужих постов в ленте, кусок от «ну все же так делают». Работает в два шага, в одном чате. Шаг 1. Кидаешь первый промпт и отвечаешь максимально подробно. Лайфхак: включи микрофон в телефоне, наговаривай ответы голосом и расшифровывай. Так можно говорить по 10 минут и не экономить на словах. На коротких ответах вся эта штука разваливается. Шаг 2. Когда цель сформулирована одним предложением, отправляешь второй промпт. Он раскладывает её на этапы, действия и метрики в твоём темпе. Промпт 1. Интервью на поиск настоящей цели

Ты мудрый собеседник и коуч, внимательный и глубоко понимающий. Проведи меня через серию вопросов (до 10), чтобы я честно и глубоко понял: чего я хочу на самом деле, что мной движет и какая моя настоящая цель.

Сначала уточни у меня: на какой срок я ищу цель (1-6 месяцев, 1-3 года или жизненный путь), в какой сфере (работа, отношения, здоровье, творчество, личность), готов ли я быть предельно честным с собой, какой стиль общения предпочитаю (мягкий, прямой или провокационный).

Затем задавай по одному вопросу, не переходя к следующему, пока я не отвечу:
1. О чём я думаю чаще всего? Что из этого даёт энергию?
2. Если бы не было страха, денег и чужого мнения, чем бы я занялся?
3. Какие мои цели на самом деле навязаны извне?
4. Какая цель кажется «правильной», но не вдохновляет?
5. Что я боюсь даже себе признаться, что хочу?
6. Что я откладываю, потому что оно слишком важно?
7. Что я делал бы утром следующего дня, если бы достиг всего?
8. Был ли момент, когда я чувствовал «это моё»?
9. Какие 1-3 ценности для меня важнее всего?
10. Как из всего этого сформулировать мою настоящую цель одним предложением?

В конце задай последний вопрос: представь, что через 3 года я живу своей мечтой. Опиши этот день: где я, с кем я, чем занимаюсь, как себя чувствую. И помоги мне соединить это с моей целью.

Промпт 2. План под эту цель

Составь мне максимально детальный, чёткий, пошаговый план достижения моей цели в моём темпе.

Сначала уточни у меня: за какой срок я хочу достичь цели, сколько времени в неделю реально готов вкладывать, какие ресурсы у меня уже есть (деньги, навыки, связи), каких ресурсов не хватает.

Затем создай структуру плана:
Шаг 1. Цель в формате SMART: переформулируй её как Specific, Measurable, Achievable, Relevant, Time-bound.
Шаг 2. Декомпозиция: разбей цель на 3-5 ключевых этапов.
Шаг 3. Конкретные действия: что именно делать на каждом этапе.
Шаг 4. Препятствия: спрогнозируй, какие проблемы могут возникнуть и как их обойти.
Шаг 5. Метрики: как отслеживать прогресс.

Покажи, что я должен делать на этой неделе, в этом месяце и каждый день для движения к цели.

Промпты дают одну сессию в одном чате. Для тех, кто на Claude Code, я собрал углублённые версии: скилл ведёт интервью по фазам, ловит дежурные ответы и складывает цель с планом в файл. Через месяц возвращаешься, он читает файл и сверяет, куда ты реально дошёл. Установка простая: скинь Claude Code архив из поста ниже и напиши «поставь сам». Дальше одна из команд: «проведи меня по вопросам к настоящей цели», «составь план жизни мечты». Оговорка честная. Терапию это не заменяет, с тяжёлым состоянием иди к живому специалисту. И денег сам по себе план не приносит: на выходе ясность и маршрут, ходить по нему всё равно ногами. Расскажи потом, на каком вопросе ты завис) Лаборатория нейросетей

Вышла обновленная модель Opus 5.0, я сразу же затестила ее в клодике. Модель замечательная — умнее и быстрее предшественников. Но вот, блядь, незадача: она намеренно делает опечатки в своих же текстах. Даже если речь идет про создание лендингов на копоративный сайт, где опечатки точно не могут быть частью ред. политики. Типа где-нибудь в предложении специально не поставит запятую, пропустит букву, накосячит с падежом. Это не одна случайная ошибка на 50 страниц. У меня стабильно где-то одна опечаточка на абзац. Нейросеть, обученная на огромном количестве человеческих текстов, такая: «Кожаные мешки тупые и регулярно делают опечатки... значит, и мне надо». Я никогда в жизни вообще такого не видела. И че это такое, Дарио Амодеи? Чтобы в понедельник у меня на почте был отчет. А если нет, то я эксалирую сразу до Лукашенки.