ИИ

Короче, у нас за более чем десятилетнюю карьеру клоунов в интернете сохранилось примерно сотня сценариев с ютуба, а так же больше тысячи рекламных постов в телеге. Эксперты в каментах, ставлю вам амбициозную задачу — спрогнозировать, че будет, если мы возьмем какую-нибудь тупую модельку и сделаем на ее основе цифровой слепок сознания ехтримсоде. Ведь всегда приятно поболтать с кем-то таким же умным как ты. Че как лучше к решению задачки подойти, какую модельку брать за базовую, как подготовить данные (тупо простыню текста скидывать или мутить чето типа [инструкция -> вывод])? Я заколебался писать рекламу руками, хочу чтобы за меня делал это нейроехтримкод. А обычные модели не могут в достаточной степени подражать нашему стилю писанины.

У AI-ассистента есть две проблемы... Если вы пытаетесь хотя бы что-нибудь делегировать AI-ассистенту, то, скорее всего, сталкиваетесь с двумя проблемами: интеграцией и контекстом. Начну с более простой — с интеграции. AI-ассистент не может быть полезен, если у него нет возможности хотя бы прочитать что-то из тех систем, с которыми вы работаете. А на самом деле у ассистента должна быть возможность выполнять там разные действия. Инструментов в жизни продакт-менеджера огромное множество: задачи в одном месте, эксперименты в другом, длинные документы PRD в третьем, транскрипты звонков в четвёртом. Поэтому интеграций нужно много, и рынок, честно говоря, не успевает за растущими потребностями. На помощь нам приходит вайб-кодинг. К счастью, AI-ассистент вполне способен написать себе MCP для нужного сервиса, если у него есть доступ к API. За последнее время только для личных целей я написал себе MCP для Telegram, Gmail и календаря. Технически подкованный продакт сразу замечает: MCP — это, по сути, просто API. Но я заметил одно тонкое различие. Давайте покажу на примере. Если запросить у Gmail одно письмо, то список меток этого письма в сыром виде будет выглядеть вот так:

"labelIds": [
  "IMPORTANT",
  "Label_4579329675731606337",
  "CATEGORY_UPDATES",
  "INBOX"
]

Можно заметить, что системные лейблы прекрасно понятны, потому что у них говорящие ID. А вот мой личный лейбл показывается в ответе как Label_4579329675731606337. Чтобы увидеть читаемое название этого лейбла, нужно сделать ещё один отдельный запрос к API и посмотреть, какому лейблу соответствует этот ID. Для стандартного API это вполне рабочая схема. Нужны дополнительные данные — делаем ещё один запрос. Но для AI-агента это лишний шаг, дополнительная задержка, лишняя трата токенов и засорение контекста на ровном месте. Понятно, что сырые ID ему совершенно не нужны: их нужно сразу расшифровать. Поэтому для того, чтобы из API сделать хороший MCP, его нужно доработать напильником: выкинуть из ответа весь ненужный технический мусор и сразу дать расшифровку всех полей в человекочитаемом виде. Агент читает этот ответ по смыслу — технические идентификаторы сами по себе ему ничего не говорят.

"labels": [
  { "name": "IMPORTANT" },
  { "name": "AMS/Schools" },
  { "name": "CATEGORY_UPDATES" },
  { "name": "INBOX" }
]

И вот в 21-м веке мы подстраиваем сайты под поисковики, соцсети — под алгоритмы, API — под AI-агентов, а себя под требования постоянно меняющегося рынка. А куда деваться? Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

47 маркетинговых навыков для AI-агентов 🔹 coreyhaines31/marketingskills ⭐ 38587 звёзд · JavaScript Набор Agent Skills для Claude Code, Codex, Cursor и Windsurf, покрывающий CRO, копирайтинг, SEO, аналитику и growth-инжиниринг. Всё лежит в 47 markdown-файлах, связанных перекрёстными ссылками: copywriting тянет за собой cro и ab-testing, revops — sales-enablement и cold-email. В основе иерархии — навык product-marketing, к которому обращаются остальные. Ставится через npx CLI, плагин Claude Code, клонирование, git submodule или SkillKit для мультиагентных сценариев. В версии 2.0 переименовано 17 навыков, а page-cro и form-cro склеены в общий cro. При апгрейде с v1.x старые папки не удаляются автоматически — придётся чистить руками. репозиторий Полезная Репа 📈

Mamba: архитектура, которая шла убивать трансформеры В декабре 2023 по ML-тусовке прокатились заголовки в духе «трансформерам конец». Повод дали два исследователя со статьёй про архитектуру Mamba, внутри которой не было того самого attention, на котором держится весь современный тир-лист нейронок. И при этом она жевала длинные тексты в несколько раз быстрее трансформера и на меньшей памяти. Вместо того чтобы сверять каждый токен с каждым за квадратичную цену, она ведёт одно бегущее состояние и на лету решает, что впустить, а что отбросить как шум. Спойлер, который спустя столько времени уже не спойлер: трон трансформеры не потеряли. Но история кончилась не тем, что очередной хайп-трейн не взлетел. Пока все спорили, кто кого, индустрия сделала третий ход, которого никто не ждал.

В своих выступлениях Андрей Карпаты рассказывает о том, что он начал разрабатывать программы, выстраивая агентный цикл (Loop Engineering). Это интересная механика, которую я примерно полгода назад пытался использовать в своем оркестраторе. Идея в том, чтобы не говорить ИИ, что делать конкретно, а вместо этого выстроить цикл постепенного написания и улучшения кода. Эдакий эволюционный подход. На самом деле все, кто серьезно занимаются разработкой с помощью ИИ, рано или поздно приходят к этой идее, так как ИИ довольно специфично работает с механизмом внимания (attention) и страдает от разных "эффектов" - потеря информации в середине контекста (lost-in-the-middle), ослабление фокуса на ранних инструкциях, излишнее якорение (anchoring bias) и накопление ошибок (error accumulation), когда модель достраивает решение вокруг уже сгенерированного кода, даже если там есть проблема. Из-за этого модель может пропускать важные детали, даже если указать на них явно. При этом ИИ способен находить отклонения и ошибки если запустить его повторно. Поэтому запуская модель в цикле можно получить нормальный результат. Но есть несколько проблем. Во-первых, большое потребление токенов. Например, средний цикл на 8-10 часов использует от 30 до 60 млн токенов. Если брать токены через API, то получается довольно дорого. Во-вторых, в длинных циклах агент начинает "дрейфовать", постепенно уходя в сторону от поставленной задачи. Проблема в том, что критерии приемки сложно сформулировать так, чтобы они покрывали все детали - сосредоточившись на одном аспекте, упускаешь другие. Даже если проводить многоступенчатые проверки, остается проблема "2 из 3" - когда ты не можешь закрыть все требования одновременно и вынужден идти на компромисс. Чем длиннее цикл, тем сильнее этот эффект. Поэтому я пошел другим путем: вместо того чтобы отказываться от циклов, я делаю их максимально короткими. Плюс ограничиваю количество итераций, а для вариативности решений запускаю несколько агентов с разными системными промптами параллельно, оркестрируя их через общий чат для сбора и сравнения результатов. Коммуникация в чате помогает понять не только "что" делают агенты, но и "почему" они это делают. Кроме чата каждый агент производит артефакты, которые далее могут использовать другими агентами. Если интересно, напишу отдельный пост про агентный харнес, который я использую. Понятно, что с позиции OpenAI, Anthropic и других разработчиков LLM методы, которые способствуют большему потреблению токенов, имеют большую привлекательность - в конце концов, их бизнес-модель строится на продаже токенов. Но для небольших исследований и малого бизнеса подходы с дроблением задач и короткими циклами - куда более эффективный метод, позволяющий сохранить качество кода, не сжигая бюджет и не допуская дрейфа агентов. Мне кажется, что сейчас ключевой навык инженера - не просто умение писать промпты, а способность декомпозировать задачу и настраивать агентную оркестрацию с короткими циклами так, чтобы каждый шаг давал предсказуемый результат. Это и есть та инженерия, которая нужна бизнесу. Но это на словах, на практике доверять агентам пока рано.

Португальские слова в меня входят с трудом - чтоб их в себя запихнуть, сегодня прям во время трехчасового урока я запилила себе приложение. Попробую с ним решить свою боль - заучивать именно то, что проходим с учителем, а не то, что подкидывает бразильская сова из Дуолинго. Как работает: 1. Прошли урок 2. Я сфотографировала телефоном страницу учебника 3. Он сам вытащил оттуда новые слова и глаголы, закинул в мой словарик 4. Придумал для меня по ним упражнения. 5. Раз в день в ТГ шлет мне напоминалку «иди поучи язык». 6. Подкидывает мне ровно то, что мы проходили и упражнения на моем уровне сложности. Вуаля! У меня появился личный карманный тренер, который знает чему именно сейчас меня надо учить. И копит мои косяки, подкидывая мне их до тех пор, пока не увидит, что выучу. Задача решена - такого функционала, особенно до португальского, я нигде не встречала. И даже если б он был - это была б платная подписка. А так - все внутри моей базовой. Я, конечно, буду еще тестировать и допиливать. Но даже в таком виде - уже то, чего мне очень не хватало. Как сделала? 🚀 в Клоде у меня настроена система анализа - получая задание на рисеч он запускает кучу субагентов, смотрит все аналоги, а также все, что пишут про плюсы и минусы похожих приложений во всех известных соцсетях 🚀 порисечил - исходя из моего запроса и сбора идей предложил конфигурацию и план сборки моего приложения (я сидела на уроке, напомню, поэтому почти не вчитываясь ткнула «окей») 🚀 дальше примерно час он фурычил (модель Fable, использую на максималках пока открыта). Потом сам себя проверил через Codex. 🚀 и в финале дал мне ссылку на моего личного ИИ-тренера по португальскому. Я уже второй раз такой фокус проворачиваю за неделю. В первый - построила себе умный транскрибатор. И теперь вопрос - какова судьба всех приложений, которые выложены в AppStore, если полный чайник может теперь за пару часов полностью их скопировать, дотюнив под себя? Будущее наступило)) С вами был ваш карманный Ии-популяризатор. Ухожу учить глаголы и предлоги… Любовь на удаленке | Оля Сохнева #ии_наудаленке

изучаю / смотрю, но это надо под переобучение моделей. Я хочу найти там новые SOTA слитые. (с) https://huggingbay.xyz/

Наткнулся на любопытную штуку: кто-то собрал аналог «Пиратской бухты» для ИИ-моделей. Торрент-трекер, где вместо фильмов и музыки лежат нейросети. Называется huggingbay-xyz Идея простая. В одном месте собраны открытые и слитые модели: для кода, поиска и перевода. Готовые к скачиванию ИИ-агенты. OCR-модели, которые вытаскивают текст из фотографий и документов. Всё ставится локально и работает у вас на компьютере, без облака и без подписок. «Пиратская бухта» для нейросетей — это сигнал, что модель превратилась в обычный файл, который можно скачать, положить к себе и запустить. Ещё год назад доступ к сильной модели означал аккаунт, тариф и постоянную зависимость от чужого сервера. Сейчас всё чаще модель просто живёт у вас на диске. Для нас с вами тема особенно живая. Когда половина удобных сервисов то отваливается, то требует зарубежную карту, локальная модель на своём железе выглядит уже как рабочая страховка, а не гиковская забава. Пара оговорок, прежде чем бросаться качать. Слово «слитые» в описании стоит читать буквально: это чужие веса, часто выложенные в обход лицензии, и никто не гарантирует, что внутри не спрятано лишнее. Я бы ставил такое только в изолированном окружении и точно не тащил в рабочий контур с настоящими данными. А сам факт, что подобные площадки вообще появляются, мне нравится. Это про свободу собрать свой ИИ-стек так, как удобно вам. Без оглядки на то, что решил владелец очередной подписки.

Никогда не думала, честно, что резюме - это такая вечная тема. Или почему ваше вылизанное AI резюме больше не работает. Я сейчас не афиширую консультации, но люди всё равно приходят, и за последние месяцы я увидела один и тот же паттерн столько раз, что пора о нём написать. Резюме стали идеальными. И перестали работать. Свежий выпуск Pragmatic Engineer (Gergely Orosz опросил 50+ хайринг-менеджеров и кандидатов) подтверждает то, что я вижу. Несколько цифр оттуда: • CEO одной компании: ~1000 откликов в день, релевантных примерно два. Инбаунд он больше всерьёз не читает и признаёт: сильного кандидата оттуда он почти наверняка пропустит • На одну инженерную позицию в Сиэтле - 800 резюме за три месяца, и это НЕ слабые резюме: люди из Microsoft, AWS • Рекрутеры оценивают ~98% откликов как неквалифицированные • Все последние наймы у большинства опрошенных через сеть и прямой аутрич И моя любимая цитата от хайринг-менеджера — он описывает стратегию большинства кандидатов так: «Claude, напиши CV под эту вакансию и отправь». И это реально правда, я тоже так делаю. Раньше хорошо структурированное резюме с метриками само по себе было сигналом хорошего кандидата. Теперь такое резюме есть у всех, и хайринг-менеджеры научились не верить тексту вообще. Доверие к словам умерло. Что теперь читается как сигнал, а что — как AI флоп? • AI-ключевые слова без глубины Хайринг-менеджеры прямо говорят: резюме забиты RAG, evals, inference — а на первом же уточняющем вопросе пусто. Это теперь не плюс, а красный флаг: вы попадаете в паттерн, который они научились распознавать. Теперь кстати на эйчар скринингах, часто можно услышать опрос, что значит. Разница не в словах, важны детали, которые невозможно написать, не сделав, eval-пайплайн, размеченный датасет, метрика качества ДО запуска. Правило простое: каждый AI-термин в резюме вы должны уметь защищать 10 минут разговора. Не можете - убирайте. • Резюме из одних глаголов запуска Классика, которую я вижу почти в каждом резюме продакта: Built, Launched, Shipped, Delivered — семь буллетов подряд. Через первый же буллет понятно, что вы умеете деливерить. Остальные шесть не добавляют ничего. Проблема: для senior-уровня «шипить фичи» - это часть скоупа, а не весь скоуп. Компании оценивают по матрице: стратегия, работа со стейкхолдерами, влияние без полномочий, решения в условиях неопределённости. Если резюме показывает только execution — вас читают на грейд ниже. Пример 1: Launched partner management tools, reducing operational costs by 20% Как переписать: Reversed leadership decision to sunset partner tools by building cost model showing $2M downside; secured 2 quarters of runway, relaunched product to 20% cost reduction Вторая версия показывает то же самое достижение, плюс конфликт, влияние на решение уровня лидершипа и работу с данными. Это три компетенции вместо одной, в том же объёме строк. Пример 2: Improved ROAS up to 160% Как переписать: Grew ROAS from 90% to 160% in 4 months across 3 subscription apps ($80K/mo ad spend) «Up to» — слово-маркер: оно означает «в лучшем случае, один раз, при неизвестных условиях». База, срок, масштаб — три вещи, которые отличают результат от заявления. И да, интервьюер спросит про базу. Всегда. • Достижения команды, записанные на себя Отдельный тренд AI-эры: модель охотно пишет «led», «drove», «owned» про всё подряд. А потом на behavioral-интервью выясняется, что «led cross-functional team» = «участвовал в синках». Это вскрывается за два уточняющих вопроса и убивает доверие ко всему остальному резюме. • managed — были прямые репорты; • led — вы драйвили без полномочий (и готовы рассказать, КАК добивались alignment); • contributed — вы были участником • influence without authority сейчас один из самых дефицитных сигналов.

Мы опубликовали тезис о киберэкономике, то есть новой экономической системе в программируемом и высокоавтоматизированном мире - человечество зажато между двумя экспонентами: технологии порождают новые риски вплоть до киберрабства и вымирания, но они же дают инструменты кибернетической саморегуляции - чтобы выживать, системы обязаны расширяться. капитализм это лучший самооптимизирующийся механизм экспансии, где цена работает как децентрализованный сигнал для баланса спроса и предложения - у экспансии встроенный трейд-офф риска и роста: чем быстрее рост, тем больше новых рисков: от долговых циклов и концентрации богатства до киберрабства владельцами ИИ - киберрабство - риск того, что техномонополии с рефлексивно самоулучшающимся ИИ применят накопленную власть за пределами бизнеса. оно уже здесь: телефон следит за вами, лента формирует убеждения, ИИ-ассистент работает на того кто больше платит - причиной являются человеческие ограничения в наблюдении, анализе, координации и действии - самое сильное из них - это проблема координации, порождающая невозможность коллективного действия. теория игр гарантирует, что индивидуально рациональное поведение даёт устойчиво худший коллективный исход - ИИ снимает эти ограничения: агенты ищут, рассуждают, коммуницируют и исполняют лучше людей. эпоха ограниченной рациональности позади. - смарт-контракты закрывают барьер доверия и гарантий исполнения обязательств: любые два агента, человек или ИИ, заключают сложные контракты без центральной юрисдикции - три рычага ускорения кибернетики: — регулирование через технологию (интерпретируемость ИИ, evals, верифицируемый аудит, полицентричное управление) — переход от экономики внимания к экономике намерений (агент читает интент, находит контрагентов, договаривается и исполняет) — ИИ-генерация рыночных механизмов на лету, где координация становится программируемой - развилка сегодня: смириться с киберрабством и дать рефлексивному технологическому риску привести к вымиранию или ускорить кибернетику, свести новые риски к нулю и сойтись к кибернетической экономике

Ключевое за 3 дня ⚡ Главное • OpenAI запустила ChatGPT Work — Агент для действий на ПК и телефоне на базе GPT-5.6. • Grok 4.5 от SpaceXAI — Opus-уровень по цене $2/$6 за миллион токенов — Модель после IPO и покупки Cursor, дешевле Claude Opus 4.8 и OpenAI Sol. 📈 Рост и Оптимизация • Samsung: рост прибыли в 19 раз за счёт чипов памяти для ИИ — 19-кратный рост прибыли благодаря спросу на AI-чипы. • Как Atlan превратил 52 страницы в 35% доли AI-цитирований — 52 страницы ответов на вопросы дали 35% AI-цитирований. • Accenture: управление маркетингом с 14 AI-агентами — Сокращение ручных шагов на 55%. • Deloitte: AI-автоматизация ITSM и HR для 250 000 сотрудников — Рост продуктивности до 60%. • KPMG US: платформа WRITER для исследований и контента — Экономия 60-80% времени. • EY: автоматическая сверка платежей в SAP — Доля автоматизации выросла с 30% до 80%. • Модели с открытым весом достигли 29% использования AI Gateway — 29% объёма токенов, но менее 4% расходов в июне. 🤖 Промпты и Практика • От инженерии промптов к инженерии намерений — Описывайте желаемый результат, а не способ выполнения. 🛠 Инструменты • Dreamina — AI-платформа для создания изображений и видео. • Claude Code на десктопе получил встроенный браузер — Может читать, кликать и взаимодействовать с сайтами. • Waze получает новые AI-функции — Персонализированные маршруты, поиск Gemini, голосовые отчёты. • Вышла публичная бета iOS 27 с Siri AI — Публичная бета iOS 27 с Siri AI, требуется iPhone 15 Pro+. • ByteDance запускает Seedream 5.0 Pro — Улучшенный рендеринг текста, макета, многоязычность, редактирование. • Anthropic запускает reflect — Wrapped-дашборд для Claude — Дашборд показывает, как вы используете Claude, и предлагает подсказки. • Домашние роботы уже ходят. Новые руки 1X — Руки робота 1X имеют 25 обратимых суставов и сенсорную кожу.

#Нейропрожарка Здесь могла быть ваша реклама Автор: Режиссер Эльшан Алескеров 1) Задача: создать скетч-рекламный ролик 2) Срок: примерно неделя. 3) Как всё началось: Портфолийная работа, чтобы понять, могу ли я делать рекламные ролики 4) Я режиссер рекламы. Хотел попробовать создать ИИ-ролик по всем заветам обычной рекламной кампании 5) Что я пробовал: Думал делать через раскадровки. Посмотрел несколько модных роликов, как ИИ делает раскадровку. Потом закидываешь раскадровку и получаешь готовый ролик, но ничего не получилось Процесс работы: 1. Написание сценария и раскадровка. Это вручную. Я так и не научился делать сценарий и раскадровку через ИИ-инструменты. Всё по-старинке. Пишу и рисую от руки 2. Создание промтов. В этот раз я решил попробовать через агрегатор делать ролик. Там же в агрегаторе во внутренней штуке (через клод) просил переделывать мои промты. То есть я пишу промт (стараюсь сразу на английском) и потом прошу ии исправить его. Получается такой диалог начальника и джуна (Сафонов, оплати) 3. Генерил картинки там же. Опробовал воркфлоу у gptunnel. Это удобно, когда все идет криво-косо, а переписывать лень. Понял прелесть воркфлоу, особенно когда не с первого раза получается результат. Создал сначала "характер щит" или как он там называется, и уже использовал его в дальнейших генерациях. Промты по картинкам строил по следующей схеме: описание героя, его действие, ракурс, объектив, цвет (атмосфера кадра). До этого я несколько роликов делал через чатгпт2 (оч нравится), но он ругается часто. И для себя решил, что мне удобнее, когда можно один и тот же промт применить сразу в несколько генераторов. Так сразу можно сравнить (это раз) и хоть какой-то да сделать (это два). То есть когда не выходит именно так как я хочу, я беру хоть какой-то 4. Далее покадрово анимировал через доступные видеогенерации. Конкретно в этом ролике были 2 типа анимации: липсинк и классическая анимация. Для липсинка брал клин.Аватар и хейген4. Клинг.Аватар крут, что оживляет фон (то есть ты сначала делаешь анимацию и потом накидываешь текст), хейгнен тем, что лучше в губы попадает. Возникло много трудностей. Эпизод с кетчупом и с аварией никто не хотел генерить. Клинг, Вео, Сидэнс - все ругались. Ни в какую. Сделали только Ван и Гром.тв (местный от джипитанел) Выбрал вановский. Я вообще изрядно разочаровался в сидэнском. Оч много запретов у него: то не хочу, то не буду. И стоит дороже всех. Короче говоря, что-то сложнее милоты черт знает, как генерить. Последний эпизод с зеркалом там была другая картинка, но и хейген и клинг отказались анимировать, пришлось выбрать для финального эпизода другую, более лайтовую картинку. 6. Озвучки брал из доступной библиотеки в самом агрегаторе. Саунд-дизайн делал сам. Я терпеть не могу какие звуrи делают генераторы в режиме нэтив аудио, абсолютная шляпа (мб я не прав). В общем, библиотека звуков и вручную. Домантаживал в премьере Мини-вывод: оч много ограничений в плане "опасно, нарушает наши правила". Теперь буду исследовать, как всё это обходить P.s. Если вдруг кто хочет посмотретm на картинку, которую так и не сгенерил хейген (скину в личку), и покаңу своё воркфлоу, если тоже любопытно Потрачено примерно 75 долларов (без учета подписки на опенай) Итог - получился ролик Ролик в более высоком качестве @cgevent