Продукт

Я мигрировал Personal OS с git repo на server-side RAG с песочницей История экспериментов с Personal OS: (1) первый эксперимент с Git+Obsidian - 8 февраля 2026 (2) Описание структуры Personal OS - 27 февраля (3) сравнение с LLM Wiki Karpathy - 5 апреля (4) субличность Марка - 23 Мая Эксперимент 12. Yggdrasil В Personal OS набралось полторы тысячи документов. Вчера я почти все с диска и перенес на сервер. Новый сервер - это самописный файловый сервер с отслеживанием версий. Он выполняет почти все мои хотелки из прошлого (кроме типизированных документов, ибо больше не важно) Основные различия по сравнению с git + Obsidian: (1) не нужно чехарды с git командами при работе. (2) в отличие от Notion и аналогов - изменения глобально версионированы (а не по файлам отдельно). Можно откатить изменение агента, даже если он поменял тысячу файлов в разных workspaces одновременно (3) у всех участников поиск работает одинаково (4) оно сразу заточено под одновременную работу нескольких человек с их агентами над общими материалами. Под капотом - golang + SQLite + CAS + MCP API 2.0 + CLI (ставится сразу в системную папку для Codex-a) + Borg Backup на удаленный сервер. Первые впечатления - стало проще работать с файлами. Можно отправить агента завести себе workspace, не задумываясь про git push/pull итп. И можно не держать в голове текущее состояние git папок при работе. Если агент сказал, что сохранил транскрипт разговора с выжимкой, значит он уже лежит там и доступен всем. Про конфликты от одновременной работы можно не беспокоиться, откаты изменений есть. Но в минус - агенты находят документы быстрее, но стали дольше копошиться с их изменением. Оказывается, когда файлы лежат где-то там, их нельзя так просто взять и изменить. У Sol 6.1 уходило 6 c половиной минут на то, чтобы отработать такой запрос: > hey, capture that latest exchange with Aigiz into Bragi (continuing our last conversation)... (Под капотом Марк должен подключиться к серверу, найти нужный workspace, понять принципы организации capture/distill/arks, подшить куда надо, немного перелопачивая файл на 70kb, собрать изменение и смерджить его) Поэтому пришлось поставить ряд экспериментов в поиске tool calling интерфейса, который бы позволил кодексу решать эту RAG задачу быстрее. Самое забавное, что этот интерфейс оказался питоном. Вместо того, чтобы тягать файлы c сервера туда-сюда (удачи со случаем, когда мы делаем replace по папке), агент пишет маленький скрипт, который отправляется на сервер и в изолированной песочнице работает с изменениями в рамках сессии там. То есть не нужно мучаться с придумыванием оптимальных инструментов для MCP/API/CLI, когда можно сказать “писать питон вот сюда, вот тебе описание SDK”. В итоге теперь аналогичная задача выполняется Sol 6.1 без лишних танцев с бубнами за три с половиной минуты. Причем половина времени тратится на RAG задачи, а вторая - на написание текста. Заодно я смог выкинуть из MCP API и CLI все инструменты и команды кроме двух - start (начать новую сессию/commit и получить в контекст описание текущего SDK) и run (запустить питон на сервере). В общем, если у вас у какой-то AI Native системы получается сложный интерфейс с кучей API-шек и инструментов - попробуйте просто дать агентам Python, благо инструментов для этого есть море, от jails до Firecracker VM. Ваш, @llm_under_hood 🤗

Улучшаем харнес с помощью ast-grep Утро сегодня началось не с кофе. Пока мы переезжаем (с разной степенью успешности) в другой дц, расскажу про недавнее интересное открытие, связанное с тем как сделать улучшить работу агентов и сделать больше надежных автоматических проверок разных архитектурных правил. Понятно что со временем появляется все больше и больше правил, которые описываются в AGENTS.md (или что лучше в CODING_STANDARDS.md). Но хотелось бы чтобы они чекались автоматом. Клод нам сам постоянно предлагал и в какой-то момент начал писать скрипты допом к линтингу, которые, в основном, регулярками, проверяли что-то. Кушать не просит и ладно, я не сопротивлялся, но видел что это решение на тоненького, хотя и лучше чем ничего. Когда эти скрипты начали копиться, я подумал, хм, а ведь мне ничего не стоит попросить его переписать правила как плагины к линтерам на конкретных языках. Кое что мы так действительно переписали, но в какой-то момент сам клод говорит, а давай заюзаем ast-grep. Я посмотрел и понял что проспал очень логичную штуку. Еще в 22 году, когда полетел treesitter, кто-то замутил инструмент, который грепает не исходники, а AST. Причем что важно, независимо от языка, оно все языки превращает AST и грепает по его нодам. Это резко повышает точность рабатываний, потому что вместо регулярок, которые ловят ненадежно, плюс херово работают с вложенностью, мы имеем по сути универсальный способ представить весь код (и все форматы) в виде единого AST пространства, по которому идет поиск. Ну и естессно переписали все проверки, потому что у этой штуки еще есть sdk для ноды. А все подобные скрипты у нас агент фигачит на TypeScript. Пара примеров: 1. no-unknown-in-generated-types: в сгенерированных фронт-типах (app/javascript/types/serializers/) не должно быть unknown. Typelizer пишет unknown, когда не смог вывести тип поля. Это бывает у атрибута поверх T::Struct или у вычисляемого атрибута без typelize. Тип нужно объявить явно в ресурсе. 2. no-untyped-resource-dsl: в сгенерированных RBI-сигнатурах DSL ресурсов не должно быть T.untyped. Чинить надо в ресурсе или в компиляторе typelizer.rb, а не в RBI. Но это еще оказалось не все. ast-grep в принципе полезен даже вместо обычного грепа, особенно для самих агентов, которые постоянно ищут какие-то символы в исходниках. У ast-grep есть дока с инструкцией, как подключить его к агенту, чтобы агент начал использовать его вместо grep там где это имеет смысл. p.s. Какие еще фишки вы знаете?

Пора вводить рубрику лайфхаки для ChatGPT. Продуктовый дизайнер в OpenAI явно кодекс. И найти там что-то в настройках — это прям целый квест. Ну, во-первых, как и обещали, раскатали GPT-6 в чате, не в ворке, а именно в чате, по крайней мере для плюсового плана. Во-вторых, появилась мелкая, но приятная деталь. Теперь хоткей можно назначать не только с модификаторами Ctrl, Alt и так далее, а просто, например, F9, или, что самое удивительное, левый Shift, правый Shift. Например вы можете назначитьправый Shift для начала диктовки в любом месте Windows, не только в ChatGPT. Об этом я уже писал целый пост. Это жутко удобно. Нажали правый Shift, включается режим, грубо говоря, рации, вы наговариваете, и ChatGPT это транскрибирует и вставляет туда, откуда вы пришли в эту диктовку. Ну, например в телегу. Есть маленькая засада. Вот этот режим на диктовке в любом месте Windows работает стабильно только когда у вас включена английская раскладка клавиатуры. У меня, когда выбрана русская раскладка клавиатуры, это в принципе не работает. Он либо не вставляет, либо вставляет буковку V. Было найдено экспериментальным путем после убийства Punto Switcher и обвинения разных других программ. Нет, это просто не работает, когда включен не английский язык для ввода с клавиатуры. Но ChatGPT быстро мне написал скрипт для AutoHotkey, который просто переключается в английскую клавиатуру, потом включает режим рации, транскрибирует и переключается в тот язык, который был. Если вы используете AutoHotkey, это прям бомба софт. В-третьих, в ChatGPT появился новый режим, называется Apps Snapshot. Наверное, многие уже сталкивались с такой задачей, что надо постоянно бросать скриншоты в ChatGPT. Теперь, по идее, это делается в любом месте. Вы нажимаете два Altа или два Shiftа, и скриншот экрана сразу летит в ChatGPT и вставляется в строку ввода. Одна проблема. Это работает криво. Скриншот-то снимается, в ChatGPT залетает, но только не в текущий чат, как выбрано в настройках у меня, например, а всегда в новый чат и всегда почему-то не в режим чата, а в режим ворк. Это официальный баг, он уже задокументирован. Я жду апдейта. Ну, опять же, пока ChatGPT мне быстренько написал нужный скрипт для AutoHotkey, который я вообще назначил на боковую кнопку мыши. Он снимает скриншот, переключается в ChatGPT и вставляет туда этот скриншот. Так что либо ждите апдейта, либо можете попросить ChatGPT написать такой скриптик. @cgevent

Пробежал Heavy Rain Или "у нас есть механика гуляющих раздражающих NPC, мещающих пройти главному персонажу, и это настолько удачно, что мы её вставим в игру как можно чаще" (сарказм, само собой). Сначала я хотел написать, что "прошёл, чтобы вам не пришлось", но думаю, всё-таки можно посоветовать игру с некоторыми оговорками, о чём напишу чуть ниже. Пройдя игру я понял, как сильно и в лучшую стороны изменился UX за прошедшее десятилетие. Это одна из самых раздражающих по механике игр, в которые я играл за последние, наверное, лет 15. Но при этом, это одновременно одна из самых любопытных по истории игр, в которые я играл за это же время. Здесь не всё идеально по истории, на мой взгляд, есть лишние персонажи, которые очень слабо раскрыты, тот же агент ФБР, и его концовки тоже не так интересны, особенно по сравнению с концовкой основного героя (постараюсь тут без лишних спойлеров, поэтому без имён). Однако, сама история всё ещё довольно хорошая, крепко сбитый детектив, где есть все основные элементы хорошей приключенческой истории. И отдельный лайк за минимум мистики и потусторонней ерунды, особенно в сравнении с Фаренгейтом. По механикам игра мне показалась очень слабой. Управление персонажем адски неудобное, область взаимодействия с предметами это прямо отдельная боль. Ну и направляют персонажей здесь, ну, почти никак. Это кстати к вопросу о том, что в таких проектах левел дизайн не особо нужен. Ещё как нужен) Плюс ко всему, у меня частично не заработал DualSense, игра просто отказывалась регистрировать некоторые движения правым стиком, по итогу я частично управлял с клавиатуры и мышки. В итоге справился, но этот момент преследовал вплоть до самого конца игры. Понятно, что проекту уже много лет, но учитывая, что он довольно культовый, грустно, что не подружили с последним актуальным контроллером и не починили вылеты. Ну и время загрузки удивило, такое впечатление, что там стоит какой-то искусственный дилей на это всё, чтобы было время насладиться крупными лицами персонажей) В итоге прошёл на почти самую лучшую концовку и думаю, что могу порекомендовать проект, если любите хорошие детективы и интересных персонажей, но в современных условиях придётся пострадать: механики здесь во многом чтобы быть, а не чтобы игроку было интересно. Ну и UI/UX прям плох. Я редко такое говорю про отдельный аспект игры, но здесь можно) Игру часто отдают по скидкам на разных распродажах. Если соберётесь, лучше всё-таки играть с клавиатуры и мышки. #HeavyRain #пробежал #мнение

Будете смеяться, но у нас новый видеогенератор.  Vidu бахнули Q4 Preview - генерация видео в 4K и с 10-битным цветом Главный акцент - качество картинки, управление персонажами, сложные сцены и пригодность материала для дальнейшего монтажа. Про качество у меня сразу много вопросов, ибо мне всё это напоминает позапрошлогодний клинг. По крайней мере в тех видео, где претензия на фотореал, лица и вот это вот всё. А вот для аниме-шманиме и анимации выглядит любопытно.  Что умеет:

Генерирует видео до 4K продолжительностью до 16 секунд. Поддерживает Image-to-Video и Reference-to-Video. Принимает до 15 изображений-референсов для сохранения персонажей, одежды, объектов и окружения. Использует до 3 аудиореференсов для воспроизведения голосов персонажей. Генерирует диалоги и звуковые эффекты с синхронизацией изображения и звука. Поддерживает несколько планов и переключение камеры внутри одного ролика. Улучшена работа с мимикой, эмоциями, движением, освещением, взрывами, дымом и другими VFX.

Самое интересное - 10-битный цвет. Но. Точные параметры экспорта, кодек, цветовое пространство и наличие HDR не раскрыты.  Само по себе 10-bit не означает HDR или более широкий цветовой охват. Берут ценами - сейчас этап сладкого превью.  Стартовая акция от $0.014/с и скидка 30% на Image-to-Video и Reference-to-Video до 30 ноября. Типа шестнадцатисекундный ролик за, внимание, 22 цента! Позиционирование - очень дешёвые итерации.  Где попробовать прямо сейчас: Vidu Q4 Preview уже доступна на официальном сайте.  Если залогинитесь Google, то вам дадут сгенерировать три ролика, причем 10 секунд. Один в 1080, второй в 720 и третий поменьше. То есть у вас есть три попытки.  Для разработчиков работает API с идентификатором viduq4-preview. Попробовать Vidu Q4: https://www.vidu.com/vidu-q4 API: https://platform.vidu.com/ Документация: https://platform.vidu.com/docs/api-reference/video-models/vidu-q4-preview/image-to-video @cgevent

Бизнес-модели в эпоху AI. Часть 2: оплата за потребление Клиенты сами попросили стартап брать деньги за место, а не за объём, потому что боятся, что счёт вырастет. Об этом написал Александр в комментариях под первой частью. Кажется, это главный вопрос всей темы: кто несёт риск непредсказуемого счёта? При оплате за места этот риск на нас: клиент пользуется больше, а маржа тает, как в истории Harvey. При оплате за потребление риск переходит к клиенту, и он, как видим, не всегда этому рад. В облаках оплата за потребление давно норма, так почему в AI с ней сложнее? Ответ в комментариях подсказал Дмитрий, который делает сервис Noteall: главный конкурент — не другие сервисы, а сами вендоры. Клиенты говорят:

Мы пользуемся Claude или ChatGPT за $20 в месяц, и нам норм

Любой наш счёт сравнивают с этой подпиской, а не с конкурентами. На этом фоне счёт, который непонятно сколько составит в конце месяца, проигрывает заранее. Поэтому многие ищут середину. В Noteall пришли к двухставочной схеме: фикс за собранный «пазл» из сервисов плюс собственные кредиты на потребление. Фикс считают как текущий средний чек плюс 20–30%, кредиты продают с такой же наценкой к себестоимости. Кредиты свои, а не токены вендора, потому что модели под разные задачи разные и меняются на лету. Василий в комментариях спрашивал, как такое показывать в счёте: построчно по моделям и токенам или в своих кредитах. Я за свои кредиты. Строчки вида «модель X, 300 тысяч токенов» клиенту ничего не говорят: что такое токен, почему у разных моделей разная цена, почему в этом месяце дороже, чем в прошлом? Свои кредиты, привязанные к понятному действию — обработанной встрече, готовому документу, — вызывают куда меньше вопросов. А если вендор поменяет цены, это останется нашей внутренней кухней, а не сюрпризом в счёте клиента. А что я вижу здесь как инвестор? Оплата за потребление мне нравится по той же причине, что и любая модель, где можно анализировать когорты, только здесь сигнал гораздо чувствительнее: места клиент покупает раз в год, а потребление меняется каждый месяц. Смотришь на клиентов, пришедших в одном месяце, и видишь, что происходит с их потреблением дальше. Если в когортах оно растёт или хотя бы не падает, стартап движется в правильном направлении: клиенты встраивают продукт в работу. А если потребление скачет — в одном месяце плюс 10%, в следующем минус 30%, — это настораживает, и хочется разобраться почему. Это может быть сезонность, а может быть, клиенты пробуют продукт и уходят, те самые «туристы» из первой части. Получается, у оплаты за потребление две стороны. Для инвестора это самая прозрачная модель: когорты не врут. Для клиента — самая страшная: счёт непредсказуем. Задача, похоже, в том, чтобы сохранить первое и снять второе: лимитами, пакетами кредитов, фиксированной частью. Этот пост, по сути, написали вы: половина мыслей в нём — из комментариев к части 1. Спасибо всем, кто подключился к дискуссии 🙏 Мне такой формат очень нравится, так что давайте продолжать. Если вы уже пробовали брать деньги за потребление или, наоборот, отказались от этой идеи — поделитесь в комментариях, это попадёт в разбор. Андрей Резинкин | Money For Startup

Сейчас для PersMarket приходится много где добавлять кэш. Есть файловый кэш на бэкенде, есть на фронтенде, и есть отдельный Redis для этого дела. И вот хочу напомнить, что кэш имеет свои нюансы. Например, есть так называемая проблема грохочущего стада (Cache Stampede), это ситуация, когда протухает какой-то популярный ключ и много параллельных процессов пытаются его освежить одновременно, тем самым перегружая систему. Есть вот такие способы решения проблемы: ▪️Внешняя блокировка (Mutex Lock) - один из процессов получает право идти за обновлением, остальные заблокированы и ждут. ▪️Дедупликация запросов (Singleflight) - запросы объединяются в один, идут за обновлением, результат получают все. ▪️Стратегия Stale-While-Revalidate - кэш продолжает отдавать устаревшее (stale) значение, пока фоновый процесс ходит за обновлением. ▪️Фоновый предрасчет (Cache Warming / Background Refresh) - фоновый процесс обновляет ключи незадолго ДО их истечения. ▪️Случайный TTL (Jitter) - к времени жизни ключа (TTL) добавляется случайная погрешность (jitter), чтобы ключи с одинаковым TTL не истекали одновременно. Чаще всего эти подходы не обязательно внедрять руками. Есть уже готовые решения для всех популярных языков, например, такие: .NET, Node.js, Python, Java, PHP, Go. И не одно решение, конечно. Даже в вайбкодинге не забывайте про стадо! 🐂🐂🐂 #architecture

Кто будет чинить роботов? Полевой сервис становится главным узким местом в робототехнике 🤖 🤍Пока разработчики хвастаются ловкостью гуманоидов и автономностью клинеров на выставках, за кадром остается главная проблема реальной эксплуатации. Машины ломаются, и сервисное обслуживание в полевых условиях отстает от темпов внедрения. 🤍Как отмечает Steve Urban, Founder и COO компании Robo Reliance, индустрия уперлась в нехватку инженеров для оперативного ремонта сложной техники. Ремонт «в полях» требует совершенно других компетенций, чем сборка на заводе. 🤍Если раньше инженеров волновала только чистая навигация и алгоритмы, то теперь экономика внедрения упирается в простой оборудования. Без развитой сети техподдержки и быстрого доступа к запчастям даже самый умный робот останется дорогой игрушкой. 🤍Подробнее — в источнике. ————————— 🤖Подписывайтесь на лучший канал PRO Роботов 📲Мы в MAX

ИИ научился собирать дашборды за вечер. Почему они не стали полезнее? Еще несколько лет назад подготовка нового дашборда для команды могла занимать месяцы: исследование аналитиков, интервью стейкхолдеров, выбор метрик, а затем кропотливая верстка и проверка в несколько итераций. Сегодня черновик дашборда ИИ собирает за вечер. И выяснилось неприятное: свободные руки разработчиков никогда не были главным ограничением. Мы проанализировали фреймворк Dashboard Canvas, о котором несколько лет назад рассказывал Роман Бунин читателям нашего блога (сама статья — здесь). И поделимся тем, что за это время изменилось вместе с внедрением ИИ в работу. Самый трудный блок в фреймворке Dashboard Canvas — вопросы и бизнес-решения. Заказчик говорит «хочу следить за метриками», и эту фразу нужно превратить в правило действия: — если retention проседает, запускаем рассылку по конкретным сегментам; — если менеджер не выполняет план, руководитель открывает его сделки и ищет те, которые поможет закрыть. Пока у метрики нет порога и следующего шага, на экране просто красивая картинка. ИИ может предложить варианты действий, но не определит за команду, какие решения она действительно готова принимать и на каких условиях. Второе, что подорожало, — данные. Модель уверенно напишет запрос к таблице, где сделки дублируются, а план лежит в экселе с другими написаниями фамилий менеджеров. График будет аккуратным и неверным, сама аккуратность только добавит доверия к ошибке. Поэтому недостаточно правильно поставить задачу модели. Нужно проверить источники, логику расчета и итоговые цифры. ИИ ускоряет работу с данными, но не отменяет ответственность за их качество. Подробнее об этом и том, как повысить качество ответов ИИ, мы говорили в недавнем подкасте. Третье — контекст. Кто откроет дашборд, когда, на каком экране и что сделает дальше. Нужна ли мобильная версия, как часто обновлять данные, нужно ли обновление в реальном времени — все решается вопросом: что я сделаю, если увижу это прямо сейчас? Если ответ «расстроюсь», эта опция не нужна, как бы легко это теперь ни было собрать. Что действительно изменилось к лучшему — цена итерации. Раньше ошибку в требованиях находили после недель разработки. Теперь за вечер можно показать заказчику три черновика и сразу после изучения макета услышать: «я смотрю это на стендапе с ноутбука, мне нужна одна цифра сверху». Скорость в доработке прототипа позволяет быстрее собирать обратную связь на кастдевах и итеративно улучшать его. Обратная сторона дешевизны — дашборды плодятся. Когда новый отчет стоит час, их появляется сорок, и ни один не отвечает на вопрос, ради которого его делали. Обычно делают два типа отчетов: обзорный отвечает на вопрос «как у нас дела в целом?», аналитический — «почему именно так?». Разделять отчеты и иметь возможность перейти из одного в другой по клику должно стать базовым правилом работы с ними. Если коротко: ИИ ускорил создание дашбордов и проверку гипотез о том, как они должны выглядеть. Но не снял с команды ответственность за главное: понять, какие решения должен поддерживать отчет и можно ли доверять данным. Именно в этих шагах остаются самые ценные инсайты. Хорошая новость в том, что на них наконец-то появилось больше времени и когнитивных ресурсов. Подробно про Dashboard Canvas, список вопросов к заказчику, принципы верстки и архитектуру отчетов — в статье. Читать статью ➡️ @productmindset

Удивительное рядом, наблюдая за собой как за покупателем. Поцарапала недавно пластиковую накладку на порог на машине, и хочу покрасить. Не люблю ездить на поцарапанной машине. И вот мы выбираем сервис, один предлагает покрасить за 10 000₽, второй — за 27 000₽. Второй сервис мы уже посещали, меняли стекло на фаре. Там же с нами отлично общались, соблюдали сроки, всегда отвечали на сообщения и все было спокойно и четко. И вот момент истины — даже при разнице стоимости почти в 3 раза, я с радостью побегу во второй. Потому что я им ДОВЕРЯЮ и могу спокойно оставить машину на время отпуска. Уверена, что они сделают нормально. Они в моих глазах благонадежные. Первые, вероятно, не хуже работают, но хуже отвечают, общаются. Вторые, вероятно, могут накосячить. Но я осознанно выбираю гораздо более дорогой вариант, потому что надежнее и спокойнее. И так с любой услугой. Люди готовы переплачивать за сервис, за ответственный подход, заботу о себе и своем имуществе (деньгах). Важно, чтобы ваш бренд вызывал доверие у клиента 🫶🏻 (И вроде звучит просто, но для этого нужно реально круто работать, общаться и быть полезным)

Цена — это не только про деньги При разработке клиентского опыта важно учитывать не только прямые затраты, но и так называемые поведенческие издержки — время, усилия и сложность, с которыми сталкивается человек, чтобы получить ваш продукт или услугу. Особое значение имеет восприятие времени. Если клиент уже включился в процесс, он будет терпимее к ожиданию, особенно если это ожидание организовано с комфортом. Хороший пример — автосервис, где клиенты могут скоротать время в уютной зоне с Wi-Fi и напитками. Это превращает «время ожидания» в «время с пользой». Неопределённость тоже играет роль: когда клиент чётко понимает, сколько займет процесс и к какому результату он придёт, он легче переносит даже длительные этапы. Возьмём интернет-магазин: после того как компания убрала обязательную регистрацию перед покупкой, количество заказов выросло на 45%. Чем проще и прозрачнее взаимодействие, тем легче человеку принять решение о покупке. Удаляя лишние шаги, вы снижаете нагрузку на клиента и повышаете конверсию. Фаундер | Бизнес и Стартапы

Про фаундерские продажи, в дополнение к моему выступлению хочу предложить к прочтению эпичный текст Леши @mister_sosister, тоже YC фаундера. Думаю это самое важное, о чем стоит задуматься перед стартом бизнеса или стартапа: На пятый год у меня сошелся пазл, и я наконец понял формулу, как достичь успеха в бизнесе Поговорим про хардкор Это тема которая меня близко задела, и заставила за полностью пересмотреть каждую функцию в компании. Дело в том, что ваши результаты (в любой сфере), напрямую зависят от вашего подхода, как вы взаимодействуйте с системой, и вашей продуктивности—какой аутпут вы получаете при равном инпуте

Нельзя получить выдающийся результат выполняя рядовые действия

Сейчас объясню: Представьте, такого, наивного ферст тайм фаундера, который решил сделать свою дейтинг аппу, туду-лист, маркетплейс, что угодно классическое, о чем прикольно фантазировать, но очень сложно запускать; как этот фаундер пол года обдумывает механики, хвастается идеей, вылизывает экраны, представляет как сейчас разбогатеет, а потом ничего не происходит. Для большинства из вас, умных, такой человек кажется наивным, и вы понимаете что это не будет работать, и то что он делает скорее контр-продуктивно А теперь представьте что на этой шкале вы посредине, а дальше есть более осмысленные люди, которые лучше понимают систему, и для которых то что вы делаете кажется ковырянием в песочнице. И вот я пообщался с таким человеком, он мне говорит: "мы постим 10 постов в день с 10 аккаунтов, а то что вы делаете, один пост в день, это и не может работать" Поймите эту разницу в масштабе: • кто то использует систему линейно, берет свой имейл и пишет лидам ручками, по 5 писем в день, а кто то покупает 10 доменов, 50 ящиков, и отправляет 500 писем в день • кто то целый день переснимает видос, редактирует, и потом получает пару тысяч просмотров в месяц, а кто то строит контент ферму, льет видосы со 100 акаунтов, и генерит миллиард просмотров • кто то сидит месяц ждет лендос от агенства, и потом не может к нему прикоснуться, а кто то генерит 10 лендосов за вечер под каждый ICP • в разработке так же: кто то неделями меняет цвет кнопки обсуждая это на звонках, а кто то за день строит целый продукт; кто то пишет обертки для api, а кто то за то же время строит свои модели; кто то делает аналитику, а кто то находит проблемы и сразу их решает • кто то неделю пишет одну статью в блог, а кто то публикует десять статей в день, и тд Чувствуете вкус? Те, кто получает топ 1% результата системы (денег, просмотров, юзеров, етц) используют систему с топ 1% эффективностью. Соответственно, если вы прикладываете 1х усилия, и используете систему линейно, то стоит ли удивляться, что вы получаете 1х результат, как любой другой человек? Что я наблюдаю, что работает для успешных компаний, и что выводит игроков в лидеры, это не простой наивный подход "как все", а хардкор: как сделать больше усилий, или найти хаки, чтобы один человек мог приумножить свои усилия 100х, и делать, то что другим потребует 100х людей или 100х времени. ________ Для этого, конечно, приходится чем то жертвовать. Когда ты автоматизируешь/делегируешь что угодно, уходит контроль над деталями, внимание к мелочам, проседает качество, но повышается объем. Конечно, нанятые инфлюенсеры рассказывают о проекте хуже чем это сделал бы фаундер, кринжовые посты продают лучше чем умные, агент пишет текст хуже чем человек, а делегирование личных акаунтов вообще убивает в них личность... ...но в капитализме побеждает продуктивность, а не перфекционизм Это еще можно назвать агрессивностью, на сколько ты готов выходить за рамки, жертвовать качеством, чувствовать кринж, ради результата—тк это все обычно работает на грани, в серой зоне (см. airbnb, uber, higgsfield), часто через нарушения правил пользования, ботоводство, спам, копирование, регуляции, общественные нормы, которые направлены защитить линейных пользователей. Продолжение в первом комменте или у Леши в посте.

Облачные сессии Claude Code: как запустить и что туда отдавать В блоге Claude Code вышел полевой гайд по облачным сессиям. Каждая задача получает свежую виртуалку с клоном репозитория в отдельной ветке. Можно запустить несколько сразу, и они работают дальше, когда вы закрыли ноутбук. За машину отдельно не платят, сессии тратят обычные лимиты Pro, Max, Team или Enterprise. Из терминала одна команда на задачу: claude --cloud "Найди флакающий тест, почини причину в коде и прогони тесты 30 раз подряд" Виртуалка клонирует ветку с GitHub, так что сначала пушим. Ещё сессию можно стартовать из claude.ai/code, приложения на телефоне, Desktop и Slack. Семь сценариев из гайда: разгрести бэклог параллельно, дать Claude доказать фикс сотнями прогонов тестов, спланировать локально и собрать в облаке (готовое забирается в терминал через claude --teleport), проверять сессии с телефона, отдать Claude упавший CI и комментарии ревью, запускать работу по расписанию или событию GitHub, гонять код, которому вы не доверяете. Если первая сессия не заводится, чаще всего виноват GitHub: доступов там два. Вход через GitHub открывает только публичные репозитории. Для приватных нужно поставить Claude GitHub App на аккаунт или организацию, где лежит репо. Если пользуетесь gh, внутри Claude Code хватит команды /web-setup. Auto-fix PR и триггеры GitHub всё равно работают только через App. Ваш ~/.claude в облако не едет, поэтому команды для тестов пропишите в CLAUDE.md репозитория. Сергей Булаев AI 🤖 - об AI и не только

Ну и как такое можно слопать? Соцсети по всему миру заполонили снимки из заведений общепита, владельцы которых решили сэкономить на профессиональной съёмке и слепили вывески и меню с помощью ИИ. Полюбуйтесь сами на этот гастрономический хоррор: креветки смахивают на резиновые спасательные круги, а куриные крылышки – на что-то вытащенное из ядерного реактора. В общем, выглядит это максимально неестественно и несъедобно. Люди пишут, что от такого нейрослопа их реально мутит и в подобные забегаловки они ни ногой. По мнению психологов, срабатывает заложенный эволюцией защитный механизм: мы подсознательно отвергаем странную еду. Мозг видит вроде бы знакомое, но неестественное блюдо и бьёт тревогу: осторожно, вдруг отрава! К тому же, у покупателей включается простая логика: если заведение фальшивит на афише, то и на кухне вряд ли порядок. Написать промпт – ума много не надо. А вот отличить вменяемый результат от шлака, когда машина выдаёт десяток вариантов за минуту, – это уже задачка со звёздочкой. ИИ работает как усилитель: у человека со вкусом он умножает вкус, у человека без него – безвкусицу. Раньше визуальную безграмотность руководителя бизнеса выдавали Comic Sans, тени под буквами и пять цветов на одной вывеске, теперь – такие вот картинки. Так что нейросети осваивать надо. Но параллельно стоит тренировать насмотренность: разглядывать работы хороших фотографов, анализировать меню сильных ресторанов и даже, боюсь сказать, смотреть живописные полотна великих мастеров. Иначе машина просто будет быстрее делать то же самое.

Старость не в радость или? Мы живем намного быстрее и в тоже самое время намного дольше, то есть родители моих родителей дожили до 60-70 и это уже считалось большим достижением, сейчас же - мои родители планируют жить очень долго. Благо и медицина, и возможности для этого имеются. Я много размышлял об этом, и недавно наткнулся на новость:

Людей старше 65 лет в мире впервые стало больше, чем детей до 5 лет. К 2060 году их будет 2 млрд из 10 млрд населения Земли.

Иными словами - мы получаем один из самых быстро растущих сегментов в мире. возрастном распределении он находится справа от пика человеческих возможностей, но при этом, средний пожилой человек обладает временем, имеет постоянный доход (пенсия), имеет определенные постоянные привычки не склонен принимать резкие решения - чем вам не золотой сегмент? Долгое время этот сегмент считался «неперспективным»: нет цифровых навыков, низкая конверсия, сложно с UX. А значит отличная задача для решения. Пока мы делали продукты для миллениалов и зумеров, на глобальном рынке уже выросли целые экосистемы для старшего поколения. • США - Papa (компаньон + бытовая помощь через страховые планы), • США ElliQ (ИИ-робот против одиночества), • GrandPad (упрощённый планшет 4G), • США Best Buy Health (мониторинг здоровья на дому с retail-дистрибуцией). Я поискал информацию про сервисы в РФ, есть несколько фондов и платформ. Мне кажется вопрос в том, как скоро появятся решения во всех сферах для людей пожилого возраста и кто этот рынок возглавит. Что думаете вы, мои дорогие? Какие сервисы для пожилых вы знаете? пишите в комментах, ну и ставьте реакции за наших мам и пап! @blackproduct