Media is too big
VIEW IN TELEGRAM
Павел Дуров и Илон Маск договорились о сотрудничестве
Очень важная новость для Telegram. Пашка договорился с Илоном о том, что Grok будет эксклюзивно представлен в Telegram уже этим летом. Различные AI-фичи, удобный интерфейс для управления чатами с LLM, суммаризация, драфты и куча других фичей - смотрите видео.
Еще из важного - Telegram получит 300 млн долларов кешем и в акционерном капитале от xAI, а также 50% выручки от подписок xAI, проданных через Telegram.
На этом фоне криптовалюта TON взлетела в цене на 20%+ а я как раз ее прикупил немножко в свой портфель на днях. Stonks 😁
Тот случай, когда AI и Blockchain прикольно так объединились. Кстати, на днях планирую пост на тему того, как я думал работать с Blockchain, но ушел в AI.
Очень важная новость для Telegram. Пашка договорился с Илоном о том, что Grok будет эксклюзивно представлен в Telegram уже этим летом. Различные AI-фичи, удобный интерфейс для управления чатами с LLM, суммаризация, драфты и куча других фичей - смотрите видео.
Еще из важного - Telegram получит 300 млн долларов кешем и в акционерном капитале от xAI, а также 50% выручки от подписок xAI, проданных через Telegram.
На этом фоне криптовалюта TON взлетела в цене на 20%+ а я как раз ее прикупил немножко в свой портфель на днях. Stonks 😁
Тот случай, когда AI и Blockchain прикольно так объединились. Кстати, на днях планирую пост на тему того, как я думал работать с Blockchain, но ушел в AI.
❤9👍6🔥4🤔1👌1
Как я променял Blockchain на AI
Мало кто знает, но в свое время я тащился по истории с блокчейном и криптовалютами. Еще в школьные годы я очень хотел купить половинку биткоина за 1000 рублей, но мама не дала денег на эти все интернеты 😁 Это, кстати, преподало мне ценный урок: когда появятся свои дети, обязательно выделю им отдельный бюджет на всякие безумства и эксперименты 😄 Но сейчас не об этом.
Когда я чем-то увлекаюсь - мне хочется исследовать это поглубже. Собственно, тему блокчейна я с собой унес в универ и угадайте, про что был мой бакалаврский диплом?
Пока все писали про оптимизацию работы предприятий - я загорелся идеей регистрировать стартапы в блокчейне. Я даже сделал прототипчик на базе Flureedb, но для нормальной реализации не хватило технических навыков. А сама идея мне в итоге показалась очень специфичной, которая не зайдет на массовый рынок, а так и останется в WEB 3. Потому что нужно разбираться со всем, все сложно и неинтуитивно, а массовое принятие подобной технологии казалось не таким уж близким.
Что касается криптовалюты - она не поддавалась какому-либо логическому анализу, не регулировалось в правовом поле и уже тогда привлекала “темщиков” и инфоцыган. Я никогда не считал индустрию пузырем, технология действительно очень крута. Но реальные кейсы применения блокчейна были относительно далеки от воплощения в жизнь, а люди, увлеченные тематикой, меня не вдохновляли, я не хотел быть одним из них. Я начал терять интерес к индустрии.
При этом параллельно я следил за AI. Это был 2017 год, и тогда вышла нашумевшая статья гугла - Attention Is All You Need - начало современных LLM. Уже была основана OpenAI, Alpha Go обыграла чемпиона мира по Go. И эта сфера заинтересовала меня куда больше. Вместо “темщиков” здесь были ученые, математики, инженеры, вместо абстрактных смарт-контрактов, не необеспеченный ничем сущности - реальные кейсы применения: от игры в Go до систем медицинской диагностики. Сама технология, при всей ее сложности, казалась более понятной и, что важнее, – полезной. При этом и порог входа сюда был выше, в виду того, что для того, чтобы заниматься AI нужно реально иметь либо мозги либо ученую степень (либо и то и то): просто так залететь на хайпе и подняться на спекуляциях не получится.
Другой момент состоял в том, что где реальный мир - там и хороший UX. Я не считаю чат лучшим интерфейсом для взаимодействия с ИИ, однако посмотрите: любой человек без предварителной подготовки может получить от AI какой-то профит. А разработчики сервисов пытаются всячески упростить взаимодействие с их AI через фичи либо разработку качественного UI.
Работает ли так с криптой? Вообще нет. В приложениях бирж черт ногу сломит. Онбординги отвратительные, если ты не прочитаешь предварительно длинющие инструкции - с наибольшей вероятностью ты потеряешь свои деньги. Недвижку за крипту покупают только самые прошаренные. Так было в 2017 - так есть и до сих пор, в 2025. Красивого UI в приложениях по крипте практически не встречается. Все делается криптанами для криптанов, а не экспертами. Дизайн большинства приложений - это сблёв.
Рынок вырос - это факт. Вместе с ним выросло количество “темщиков” и обмана. А вместе с тем, практическая польза для мира тема блокчейна и криптовалют на мой взгляд, принесла далеко не так много, как ожидалось. Юридические кейсы, логистика, недвижимость и все остальное - как будто вообще не развились. Единственная область, где движение заметно - финансы, и то, Американские банки, которые это инициируют, имеют свой шкурный интерес. Лично для меня крипта сейчас - это просто дополнительная платежка и какая-то диверсификация активов, не более.
Мало кто знает, но в свое время я тащился по истории с блокчейном и криптовалютами. Еще в школьные годы я очень хотел купить половинку биткоина за 1000 рублей, но мама не дала денег на эти все интернеты 😁 Это, кстати, преподало мне ценный урок: когда появятся свои дети, обязательно выделю им отдельный бюджет на всякие безумства и эксперименты 😄 Но сейчас не об этом.
Когда я чем-то увлекаюсь - мне хочется исследовать это поглубже. Собственно, тему блокчейна я с собой унес в универ и угадайте, про что был мой бакалаврский диплом?
Пока все писали про оптимизацию работы предприятий - я загорелся идеей регистрировать стартапы в блокчейне. Я даже сделал прототипчик на базе Flureedb, но для нормальной реализации не хватило технических навыков. А сама идея мне в итоге показалась очень специфичной, которая не зайдет на массовый рынок, а так и останется в WEB 3. Потому что нужно разбираться со всем, все сложно и неинтуитивно, а массовое принятие подобной технологии казалось не таким уж близким.
Что касается криптовалюты - она не поддавалась какому-либо логическому анализу, не регулировалось в правовом поле и уже тогда привлекала “темщиков” и инфоцыган. Я никогда не считал индустрию пузырем, технология действительно очень крута. Но реальные кейсы применения блокчейна были относительно далеки от воплощения в жизнь, а люди, увлеченные тематикой, меня не вдохновляли, я не хотел быть одним из них. Я начал терять интерес к индустрии.
При этом параллельно я следил за AI. Это был 2017 год, и тогда вышла нашумевшая статья гугла - Attention Is All You Need - начало современных LLM. Уже была основана OpenAI, Alpha Go обыграла чемпиона мира по Go. И эта сфера заинтересовала меня куда больше. Вместо “темщиков” здесь были ученые, математики, инженеры, вместо абстрактных смарт-контрактов, не необеспеченный ничем сущности - реальные кейсы применения: от игры в Go до систем медицинской диагностики. Сама технология, при всей ее сложности, казалась более понятной и, что важнее, – полезной. При этом и порог входа сюда был выше, в виду того, что для того, чтобы заниматься AI нужно реально иметь либо мозги либо ученую степень (либо и то и то): просто так залететь на хайпе и подняться на спекуляциях не получится.
Другой момент состоял в том, что где реальный мир - там и хороший UX. Я не считаю чат лучшим интерфейсом для взаимодействия с ИИ, однако посмотрите: любой человек без предварителной подготовки может получить от AI какой-то профит. А разработчики сервисов пытаются всячески упростить взаимодействие с их AI через фичи либо разработку качественного UI.
Работает ли так с криптой? Вообще нет. В приложениях бирж черт ногу сломит. Онбординги отвратительные, если ты не прочитаешь предварительно длинющие инструкции - с наибольшей вероятностью ты потеряешь свои деньги. Недвижку за крипту покупают только самые прошаренные. Так было в 2017 - так есть и до сих пор, в 2025. Красивого UI в приложениях по крипте практически не встречается. Все делается криптанами для криптанов, а не экспертами. Дизайн большинства приложений - это сблёв.
Рынок вырос - это факт. Вместе с ним выросло количество “темщиков” и обмана. А вместе с тем, практическая польза для мира тема блокчейна и криптовалют на мой взгляд, принесла далеко не так много, как ожидалось. Юридические кейсы, логистика, недвижимость и все остальное - как будто вообще не развились. Единственная область, где движение заметно - финансы, и то, Американские банки, которые это инициируют, имеют свой шкурный интерес. Лично для меня крипта сейчас - это просто дополнительная платежка и какая-то диверсификация активов, не более.
👍6❤2🔥2
Trae вводит платную подписку на свой сервис с очень вкусной ценой
Все знают про Cursor и GitHub Copilot - инструменты, с помощью которых практически любой может написать код сайта или приложения. Но есть ещё Trae - похожий сервис от TikTok.
До недавних пор этот инструмент был полностью бесплатным. У него красивый интерфейс и те же модели, что и у Cursor, но что действительно раздражало - это лимиты на использование. Из-за бесплатности постоянно приходилось стоять в очереди на запросы. И вот, они выпустили подписку, да какую!
Pro-подписка включает 600 быстрых запросов в месяц (у Cursor - 500) и безлимитные медленные запросы. И всё это всего за $10 (в 2 раза дешевле Cursor), а первый месяц отдают вообще за $3! При покупке на год месяц вам обойдётся в $7.5!
Для тех, кто хотел попробовать себя в кодинге, это самый дешёвый способ начать. Сам редактор не такой продвинутый, как Cursor, там меньше настроек, но на старте они вам и не нужны. Модели те же, а для быстрого вкатывания этот вариант очень даже хорош.
Купить подписку можно тут
Все знают про Cursor и GitHub Copilot - инструменты, с помощью которых практически любой может написать код сайта или приложения. Но есть ещё Trae - похожий сервис от TikTok.
До недавних пор этот инструмент был полностью бесплатным. У него красивый интерфейс и те же модели, что и у Cursor, но что действительно раздражало - это лимиты на использование. Из-за бесплатности постоянно приходилось стоять в очереди на запросы. И вот, они выпустили подписку, да какую!
Pro-подписка включает 600 быстрых запросов в месяц (у Cursor - 500) и безлимитные медленные запросы. И всё это всего за $10 (в 2 раза дешевле Cursor), а первый месяц отдают вообще за $3! При покупке на год месяц вам обойдётся в $7.5!
Для тех, кто хотел попробовать себя в кодинге, это самый дешёвый способ начать. Сам редактор не такой продвинутый, как Cursor, там меньше настроек, но на старте они вам и не нужны. Модели те же, а для быстрого вкатывания этот вариант очень даже хорош.
Купить подписку можно тут
🔥7👍4❤2
Anthropic выложили бесплатный курс по AI-грамотности, который лучше 99% платных
Ребята из Anthropic не перестают радовать! И на этот раз не моделями и исследованиями, а тем, что на мой взгляд, нужно каждому.
Они запустили бесплатный курс по AI-грамотности - AI Fluency, который уже доступен прямо на их сайте. Казалось бы, ну что такого? Курсов по AI сейчас пруд пруди, многие "эксперты" продают их за сумасшедшие деньги. Но Anthropic, как всегда, пошли своим путем.
В рамках этого обучения они предлагают свой фреймворк AI-грамотности 4D:
- Delegation (Делегирование): Вдумчиво решаем, какую работу отдать ИИ, а что сделать самому. Это не про то, чтобы бездумно скидывать все задачи боту, а про умное распределение усилий.
- Description (Описание): Учимся четко и ясно общаться с AI-системами. Ведь от того, как мы сформулируем запрос, зависит качество результата.
- Discernment (Различение): Критически оцениваем результаты работы ИИ и его поведение. Нельзя слепо доверять всему, что выдает нейросеть.
- Diligence (Добросовестность): Гарантируем ответственное взаимодействие с ИИ. Это про этику, безопасность и долгосрочные последствия.
Я буквально пролистал этот курс, и могу с уверенностью сказать, что он будет полезен каждому, независимо от уровня подготовки. Материал очень высокого качества, что неудивительно, учитывая участие университетских преподов, авторы - Профессор Джозеф Феллер (Университетский колледж Корк) и Профессор Рик Дакан (Колледж Ринглинг).
И да, я скажу это прямо: этот курс лучше 99% платных курсов, которые сейчас активно продаются "экспертами" по ИИ. В отличие от многих инфоцыганских продуктов, здесь нет воды, только концентрированные, прикладные знания, которые помогут вам не просто "пользоваться" ИИ, но и понимать, как с ним работать эффективно и безопасно.
Знаю, что английский язык для многих может стать барьером на пути к этому ценному знанию. Поэтому у меня появилась идея: перевести и опубликовать этот курс в формате серии постов в моем блоге. Что думаете?
Ребята из Anthropic не перестают радовать! И на этот раз не моделями и исследованиями, а тем, что на мой взгляд, нужно каждому.
Они запустили бесплатный курс по AI-грамотности - AI Fluency, который уже доступен прямо на их сайте. Казалось бы, ну что такого? Курсов по AI сейчас пруд пруди, многие "эксперты" продают их за сумасшедшие деньги. Но Anthropic, как всегда, пошли своим путем.
В рамках этого обучения они предлагают свой фреймворк AI-грамотности 4D:
- Delegation (Делегирование): Вдумчиво решаем, какую работу отдать ИИ, а что сделать самому. Это не про то, чтобы бездумно скидывать все задачи боту, а про умное распределение усилий.
- Description (Описание): Учимся четко и ясно общаться с AI-системами. Ведь от того, как мы сформулируем запрос, зависит качество результата.
- Discernment (Различение): Критически оцениваем результаты работы ИИ и его поведение. Нельзя слепо доверять всему, что выдает нейросеть.
- Diligence (Добросовестность): Гарантируем ответственное взаимодействие с ИИ. Это про этику, безопасность и долгосрочные последствия.
Я буквально пролистал этот курс, и могу с уверенностью сказать, что он будет полезен каждому, независимо от уровня подготовки. Материал очень высокого качества, что неудивительно, учитывая участие университетских преподов, авторы - Профессор Джозеф Феллер (Университетский колледж Корк) и Профессор Рик Дакан (Колледж Ринглинг).
И да, я скажу это прямо: этот курс лучше 99% платных курсов, которые сейчас активно продаются "экспертами" по ИИ. В отличие от многих инфоцыганских продуктов, здесь нет воды, только концентрированные, прикладные знания, которые помогут вам не просто "пользоваться" ИИ, но и понимать, как с ним работать эффективно и безопасно.
Знаю, что английский язык для многих может стать барьером на пути к этому ценному знанию. Поэтому у меня появилась идея: перевести и опубликовать этот курс в формате серии постов в моем блоге. Что думаете?
Anthropic
AI Fluency: Framework and Foundations
Anthropic AI Fluency course and education
🔥35❤14👍12👌1
Perplexity представили Labs - коллаборативный агентский режим
В последнее время, когда речь заходит об эффективной работе с информацией, для многих из нас Deep Research стал настоящим стандартом. Но у него есть один большой недостаток - полная агентность и самостоятельность. Даже в Google Deep Research, где у тебя есть возможность составить план в начале и идти по нему, дальше модель предоставлена сама себе. Это делегирование через автоматизацию, но зачастую коллаборация будет эффективнее, так считаю и я и Anthropic в курсе из поста выше 😁 (сегодня выложу первую часть)
Ребята из Perplexity, кажется, это поняли и придумали отдельный режим - Perplexity Labs. Здесь агент не выполняет работу за вас, а коллаборирует с вами. Вы, как бы, выступаете в роли менеджера и валидатора его работы. И это действительно крутой режим.
Функцию позиционируют как способ воплотить ваши проекты в жизнь быстрее, чем когда-либо. Если раньше Perplexity Search был вашей круглосуточной "машиной ответов", а Deep Research - для более глубокого анализа, то Labs - это уже как команда, способная реализовать целую идею. Labs могут создавать отчеты, электронные таблицы, дашборды и даже простые веб-приложения. Вы делаете аналитический пайплайн и получаете результат. Labs могут выполнять 10 и более минут самостоятельной работы, используя при этом набор инструментов, таких как веб-браузинг, исполнение кода, создание графиков и изображений. Также Perplexity заявляют, что эта работа раньше требовала бы у вас недели трудозатрат и кучи навыков.
Какие функции есть в Labs:
Генерация кода: Labs пишет и выполняет код для таких задач, как структурирование данных, применение формул и создание графиков, текстовых документов или электронных таблиц.
Вкладка "Assets": Все файлы, созданные во время рабочего процесса - от сгенерированных графиков и изображений до файлов CSV и кода - организованы во вкладке "Assets". Оттуда вы можете легко просматривать и скачивать все, что вам нужно.
Мини-приложения: Labs может разрабатывать и развертывать простые интерактивные веб-приложения прямо во вкладке "App" в вашем проекте. Это позволяет создавать базовые дашборды, слайд-шоу и веб-сайты без внешних инструментов разработки.
Вместе с появлением Labs, Deep Research теперь будет называться просто Research, чтобы отразить его центральную роль между режимами Search и Lab.
В общем, они сделали что-то типа Manus-а, но с большим контролем.
Perplexity Labs уже доступен для Pro-подписчиков. Начать работу можно с помощью селектора режима в строке ввода на веб-версии, iOS и Android (скоро обещают в приложениях для Mac и Windows).
P.S. Я уже попробовал режим для пары задач и это пушка! Долго серчит, в процессе рисует схемы. Также у меня получилось найти ответы на довольно сложные юридические вопросы, для которых ранее мне бы понадобилось нанимать юриста. Обычный Deep Research такого не давал
В последнее время, когда речь заходит об эффективной работе с информацией, для многих из нас Deep Research стал настоящим стандартом. Но у него есть один большой недостаток - полная агентность и самостоятельность. Даже в Google Deep Research, где у тебя есть возможность составить план в начале и идти по нему, дальше модель предоставлена сама себе. Это делегирование через автоматизацию, но зачастую коллаборация будет эффективнее, так считаю и я и Anthropic в курсе из поста выше 😁 (сегодня выложу первую часть)
Ребята из Perplexity, кажется, это поняли и придумали отдельный режим - Perplexity Labs. Здесь агент не выполняет работу за вас, а коллаборирует с вами. Вы, как бы, выступаете в роли менеджера и валидатора его работы. И это действительно крутой режим.
Функцию позиционируют как способ воплотить ваши проекты в жизнь быстрее, чем когда-либо. Если раньше Perplexity Search был вашей круглосуточной "машиной ответов", а Deep Research - для более глубокого анализа, то Labs - это уже как команда, способная реализовать целую идею. Labs могут создавать отчеты, электронные таблицы, дашборды и даже простые веб-приложения. Вы делаете аналитический пайплайн и получаете результат. Labs могут выполнять 10 и более минут самостоятельной работы, используя при этом набор инструментов, таких как веб-браузинг, исполнение кода, создание графиков и изображений. Также Perplexity заявляют, что эта работа раньше требовала бы у вас недели трудозатрат и кучи навыков.
Какие функции есть в Labs:
Генерация кода: Labs пишет и выполняет код для таких задач, как структурирование данных, применение формул и создание графиков, текстовых документов или электронных таблиц.
Вкладка "Assets": Все файлы, созданные во время рабочего процесса - от сгенерированных графиков и изображений до файлов CSV и кода - организованы во вкладке "Assets". Оттуда вы можете легко просматривать и скачивать все, что вам нужно.
Мини-приложения: Labs может разрабатывать и развертывать простые интерактивные веб-приложения прямо во вкладке "App" в вашем проекте. Это позволяет создавать базовые дашборды, слайд-шоу и веб-сайты без внешних инструментов разработки.
Вместе с появлением Labs, Deep Research теперь будет называться просто Research, чтобы отразить его центральную роль между режимами Search и Lab.
В общем, они сделали что-то типа Manus-а, но с большим контролем.
Perplexity Labs уже доступен для Pro-подписчиков. Начать работу можно с помощью селектора режима в строке ввода на веб-версии, iOS и Android (скоро обещают в приложениях для Mac и Windows).
P.S. Я уже попробовал режим для пары задач и это пушка! Долго серчит, в процессе рисует схемы. Также у меня получилось найти ответы на довольно сложные юридические вопросы, для которых ранее мне бы понадобилось нанимать юриста. Обычный Deep Research такого не давал
👍22
Очередная бесплатная раздача AI-инструментов
Blot.new организуют хакатон с призовыми 1 млн баксов. Мероприятие для вайбкодеров и тех, кто вообще не имеет отношения к разработке. В детали я не вдавался, но кто хочет - может поучаствовать.
Однако нам важен не сколько сам хакатон, сколько то, что он даёт.
А даёт он много бесплатных плюшек для тех, кто зареган:
- подписка на Bolt
- подписка на Elevenlabs
- подписка на Pica
- 1 бесплатный домен на Entry
- кредиты на Expo (можно делать мобильные приложения)
- и кучу других сервисов
Забрать можно по ссылке. Количество бесплатных подписок ограничено
Апдейт: как я понял, нужно ещё на сам хакатон регнуться
Blot.new организуют хакатон с призовыми 1 млн баксов. Мероприятие для вайбкодеров и тех, кто вообще не имеет отношения к разработке. В детали я не вдавался, но кто хочет - может поучаствовать.
Однако нам важен не сколько сам хакатон, сколько то, что он даёт.
А даёт он много бесплатных плюшек для тех, кто зареган:
- подписка на Bolt
- подписка на Elevenlabs
- подписка на Pica
- 1 бесплатный домен на Entry
- кредиты на Expo (можно делать мобильные приложения)
- и кучу других сервисов
Забрать можно по ссылке. Количество бесплатных подписок ограничено
Апдейт: как я понял, нужно ещё на сам хакатон регнуться
🔥10❤3👍2
Перевод курса “AI-грамотность” от Anthropic с дополнениями - часть 1
Друзья, как и обещал, этим постом я начинаю цикл публикаций моего перевода только что вышедшего курса от Anthropic. Поздно вчера его закончил, публикую сейчас.
Данный курс я сам полностью отсмотрел и буду добавлять свои комментарии и доп материалы из канала (и не только) там, где вижу это уместным. Кроме того, вместе с самими темами, к посту я буду прикреплять переведенные вспомогательные материалы, типа словариков, шпаргалок и упражнений. Их я не видоизменял, а перевел через Perplexity Labs (вот вам пример задачи, которую можно ей отдать)
Публиковать буду по одному посту в день либо через день, а не все сразу. Таким образом каждый из вас сможет дозировано изучить материал. Даже те, кто не может заставить себя сесть за прохождение курса. Первую и вторую лекцию курса я объединил, так как они короткие, а в вводной было много воды. Надеюсь, что курс будет вам полезен.
Мне лекция показалась коротковатой, поэтому докинул побольше своего материала, а для удобства оформил в виде отдельной страницы. В гугл диске лежат задания и глоссарий (обратите внимание, он относится ко всему курсу целиком. Рекомендую ознакомиться с ним сейчас, чтобы не впадать в конфуз, когда увидите термины в следующих темах)
Для тех, кому удобнее аудио-формат - собрал основное через NotebookLM в формат подскаста, там есть проблемы с ударениями и произношениями, но в целом, получилось неплохо :)
Домашки тоже у них прикольные, рекомендую взять себе что-то на подумать.
Лайки не прошу, прошу репосты :) Я делюсь информацией с вами, а вы делитесь с теми, кому она необходима. Вам - полезный контент, мне - новая аудитория :)
👉🏻 Содержание лекции с моими дополнениями
🎧 Подкаст в NotebookLM
🔗 Ссылка на подкаст для тех, у кого не работает NotebookLM
✍️ Тетрадка NotebookLM
📄 Переведенные материалы и упражнения
#обучающиематериалы@NGI_ru
@NGI_ru
Друзья, как и обещал, этим постом я начинаю цикл публикаций моего перевода только что вышедшего курса от Anthropic. Поздно вчера его закончил, публикую сейчас.
Данный курс я сам полностью отсмотрел и буду добавлять свои комментарии и доп материалы из канала (и не только) там, где вижу это уместным. Кроме того, вместе с самими темами, к посту я буду прикреплять переведенные вспомогательные материалы, типа словариков, шпаргалок и упражнений. Их я не видоизменял, а перевел через Perplexity Labs (вот вам пример задачи, которую можно ей отдать)
Публиковать буду по одному посту в день либо через день, а не все сразу. Таким образом каждый из вас сможет дозировано изучить материал. Даже те, кто не может заставить себя сесть за прохождение курса. Первую и вторую лекцию курса я объединил, так как они короткие, а в вводной было много воды. Надеюсь, что курс будет вам полезен.
Мне лекция показалась коротковатой, поэтому докинул побольше своего материала, а для удобства оформил в виде отдельной страницы. В гугл диске лежат задания и глоссарий (обратите внимание, он относится ко всему курсу целиком. Рекомендую ознакомиться с ним сейчас, чтобы не впадать в конфуз, когда увидите термины в следующих темах)
Для тех, кому удобнее аудио-формат - собрал основное через NotebookLM в формат подскаста, там есть проблемы с ударениями и произношениями, но в целом, получилось неплохо :)
Домашки тоже у них прикольные, рекомендую взять себе что-то на подумать.
Лайки не прошу, прошу репосты :) Я делюсь информацией с вами, а вы делитесь с теми, кому она необходима. Вам - полезный контент, мне - новая аудитория :)
👉🏻 Содержание лекции с моими дополнениями
🎧 Подкаст в NotebookLM
🔗 Ссылка на подкаст для тех, у кого не работает NotebookLM
✍️ Тетрадка NotebookLM
📄 Переведенные материалы и упражнения
#обучающиематериалы@NGI_ru
@NGI_ru
Telegram
NGI | Влад Корнышев про AI и создание AI-продуктов
Anthropic выложили бесплатный курс по AI-грамотности, который лучше 99% платных
Ребята из Anthropic не перестают радовать! И на этот раз не моделями и исследованиями, а тем, что на мой взгляд, нужно каждому.
Они запустили бесплатный курс по AI-грамотности…
Ребята из Anthropic не перестают радовать! И на этот раз не моделями и исследованиями, а тем, что на мой взгляд, нужно каждому.
Они запустили бесплатный курс по AI-грамотности…
2🔥33❤11👍8👌2
1. Как сохранить остроту мышления при использовании AI - поделился своими методами того, как не деградировать в эпоку развития ИИ
2. Ищу людей для наших проектов - нужно 3 позиции: Sales, Project, QA/саппорт. Тех, кто уже подал заявку - рассмотрим в течение пары недель. Кто не пройдет - при желании опубликую подборку резюме у себя в канале
3. Stitch: от вайб-кодинга к вайб-дизайну и обратно - рассказываю про AI-тул для дизайна и его особенности. Вам пост очень зашел, поделились аж 31 раз
4. Как мы сделали лучший на рынке продукт для учителей английского, а Pearson его испортили - часть 1 - делюсь кейсом из моей практики. Продолжение выйдет уже во вторник!
5. Павел Дуров и Илон Маск договорились о сотрудничестве - очень крутая новость про телеграм, думаю, что везде видели, кто не видел - теперь знаете 🙂
6. Как я променял Blockchain на AI - делюсь историей о том, почему выбрал AI для развития своей карьеры
7. Trae вводит платную подписку на свой сервис с очень вкусной ценой - первый месяц за 3$, последуюшие за $10, при покупке на год - $7.5. Гораздо выгоднее Cursor для тех, кто искал недорогую альтернативу
8. Anthropic выложили бесплатный курс по AI-грамотности, который лучше 99% платных - эта новость вам вообще зашла (больше 100 репостов). Поэтому я начинаю выкладывать перевод этого курса с дополнениями от себя в формате постов!
9. Perplexity представили Labs - коллаборативный агентский режим - очень прикольный режим. Мне понравился. Протестировал его побольше в эти дни. В понедельник будет полноценный обзор!
10. Очередная бесплатная раздача AI-инструментов - в честь хакатона Bolt раздают доступ к AI-тулам. Успейте забрать, кто не сделал.
📕Материалы курса от Anthropic:
1. Перевод курса AI-грамотность от Anthropic с дополнениями - часть 1 - выложил первую вводную часть. Все, о чем прошу - поделиться с теми, кто не подписан на канал 🙂 В пост добавил также тетрадку NotebookLM со всеми материалами
Прошлый дайджест тут
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍3❤2
Перевод курса “AI-грамотность” от Anthropic с дополнениями - часть 2
Продолжаю выкладывать лекции из курса Anthropic. На очереди лекция на тему “Погружение в генеративный ИИ и LLM”.
В отличие от предыдущих лекций, эта гораздо длинее и более содержательна, но все равно я нашел, что добавить от себя 🙂 Компенсируется это тем, что упражнение там одно, чисто на подумать.
В этом уроке также сделал несколько улучшений по формату:
1. Добавил сразу тетрадку в NotebookLM для вас - можете задавать туда любые вопросы, закинул туда статьи, видео, тексты постов
2. Значительно улучшил качество подкаста - он почти на 10 минут и его интересно слушать. Я нашел способ заставить NotebookLM нормально работать на русском
Делитесь материалами с друзьями, сохраняйте себе. Давайте прокачивать ИИ-грамотность вместе!
👉🏻 Содержание лекции с моими дополнениями
🎧 Подкаст в NotebookLM
🔗 Ссылка на подкаст для тех, у кого не работает NotebookLM
✍️ Тетрадка NotebookLM
📄 Переведенные материалы и упражнения
📌 Предыдущие лекции курса:
1. Лекция 1 - Введение в ИИ-грамотность и фреймворк 4D
#обучающиематериалы@NGI_ru
@NGI_ru
Продолжаю выкладывать лекции из курса Anthropic. На очереди лекция на тему “Погружение в генеративный ИИ и LLM”.
В отличие от предыдущих лекций, эта гораздо длинее и более содержательна, но все равно я нашел, что добавить от себя 🙂 Компенсируется это тем, что упражнение там одно, чисто на подумать.
В этом уроке также сделал несколько улучшений по формату:
1. Добавил сразу тетрадку в NotebookLM для вас - можете задавать туда любые вопросы, закинул туда статьи, видео, тексты постов
2. Значительно улучшил качество подкаста - он почти на 10 минут и его интересно слушать. Я нашел способ заставить NotebookLM нормально работать на русском
Делитесь материалами с друзьями, сохраняйте себе. Давайте прокачивать ИИ-грамотность вместе!
👉🏻 Содержание лекции с моими дополнениями
🎧 Подкаст в NotebookLM
🔗 Ссылка на подкаст для тех, у кого не работает NotebookLM
✍️ Тетрадка NotebookLM
📄 Переведенные материалы и упражнения
📌 Предыдущие лекции курса:
1. Лекция 1 - Введение в ИИ-грамотность и фреймворк 4D
#обучающиематериалы@NGI_ru
@NGI_ru
2🔥19❤2👍1
Обзор возможностей Perplexity Labs
Честно говоря, меня анонс этой функции очень заинтриговал. Я очень люблю Perplexity, прежде всего, за UX, и этот апдейт как раз про улучшение UX. Многие говорят, что “Perplexity всё”, однако я так не считаю, почему - будет отдельный пост. А сегодня разбираем новый функционал.
Что такое Labs - я писал ранее, но если коротко, Perplexity сделали агента наподобие Manus, заточенного на коллаборацию и выполнение комплексных задач. Идея не нова, но у текущих аналогов много проблем как с качеством, так и с UX. Спойлер - в Labs тоже не всё так радужно, однако, как я говорил во время одного из эфиров - 2025 - это год агентов, год косячных агентов, это нужно принять и научиться использовать то, что есть.
Какого типа задачи я пробовал отгружать в Labs:
- поиск сложной юридической инфы
- переводы документов и формирование их сразу в PDF
- создание интерактивных дашбордов, мой прототип тут
Как справилась Labs
1. С юридической инфой мне прямо очень зашло. Был один вопрос, касающийся налогового права и резидентства в США в сочетании с визами. Тема максимально мутная. В любом случае мне придется, скорее всего, консультироваться с юристом в США, но ни один дип ресерч не давал ранее мне внятного ответа на вопрос, сам я находил инфу обрывками. Ранее консультировался с несколькими неамериканскими юристами, и они скидывали мне определенную информацию. Так вот, выводы Labs совпали с выводами этих юристов. А еще она нарисовала схемы для визуализации всех процессов, но про схемы позже.
2. Переводы документов. На 4/5. В процессе возникла проблема с кодировкой, о ней ниже. Переводит либо всё подряд. Либо, если просишь не переводить, например, устоявшиеся термины, он решает не переводить вообще ничего. В итоге удалось добиться того, чего хотел. Но писать нужно МАКСИМАЛЬНО ДЕТАЛЬНО, что ты от него хочешь.
3. Создание дашбордов. Также на 4/5. После первого промпта у него не работали кнопки, хотя визуально выглядело всё выше моих ожиданий. Второй промпт это пофиксил.
В чем недостатки:
1. Инструмент прогнозирует время на выполнение, но эта оценка ВСЕГДА неточная. Причем отклонение может быть в обе стороны.
2. Если вам предстоит работать с кириллицей - скорее всего с одного промпта вы не решите свою задачу. По умолчанию Perplexity не использует UTF-8, и у вас вместо текста будут кракозябры. Указание в промпте использовать UTF-8, чтобы кириллица выглядела нормально, помогает, но не всегда.
3. Для комплексных задач, требующих дополнительных операций, также нужно 2+ промпта или 15-20 минут на выполнение. Делаете приложение - кнопки могут не работать, а где-то вам нужно будет задавать фоллоу-ап вопросы.
4. Все схемы рисуются с помощью кода, и часть схем выглядит максимально фигово. Если вам нужны схемы - лучше просите мини-приложение, там это работает лучше.
5. В некоторые задачи хочется вмешаться в процессе, как это можно в Manus, но тут так нельзя.
6. Склонность усложнять. Когда я просил просто перевести мне гайд от Anthropic, прикрепив PDF, агент зачем-то сначала пошел на их сайт, начал искать курс и извлекать из него инфу. Затем, после того, как перевёл - вместо того, чтобы сразу конвертировать в PDF, он сначала конвертнул в HTML, а только потом в PDF. Лишние шаги - дольше время на выполнение.
7. Для мелких задач, если вам надо сделать быстро - быстрее сделать руками либо найти в гугле подходящий сервис. Если вы работаете в режиме мультизадачности и вам ок выполнение в фоне, то хорошо.
Итого, функция мне, в целом, понравилась, несмотря на недостатки. Просто нужно понять, как и когда с ней лучше взаимодействовать, а когда использовать что-то другое.
Честно говоря, меня анонс этой функции очень заинтриговал. Я очень люблю Perplexity, прежде всего, за UX, и этот апдейт как раз про улучшение UX. Многие говорят, что “Perplexity всё”, однако я так не считаю, почему - будет отдельный пост. А сегодня разбираем новый функционал.
Что такое Labs - я писал ранее, но если коротко, Perplexity сделали агента наподобие Manus, заточенного на коллаборацию и выполнение комплексных задач. Идея не нова, но у текущих аналогов много проблем как с качеством, так и с UX. Спойлер - в Labs тоже не всё так радужно, однако, как я говорил во время одного из эфиров - 2025 - это год агентов, год косячных агентов, это нужно принять и научиться использовать то, что есть.
Какого типа задачи я пробовал отгружать в Labs:
- поиск сложной юридической инфы
- переводы документов и формирование их сразу в PDF
- создание интерактивных дашбордов, мой прототип тут
Как справилась Labs
1. С юридической инфой мне прямо очень зашло. Был один вопрос, касающийся налогового права и резидентства в США в сочетании с визами. Тема максимально мутная. В любом случае мне придется, скорее всего, консультироваться с юристом в США, но ни один дип ресерч не давал ранее мне внятного ответа на вопрос, сам я находил инфу обрывками. Ранее консультировался с несколькими неамериканскими юристами, и они скидывали мне определенную информацию. Так вот, выводы Labs совпали с выводами этих юристов. А еще она нарисовала схемы для визуализации всех процессов, но про схемы позже.
2. Переводы документов. На 4/5. В процессе возникла проблема с кодировкой, о ней ниже. Переводит либо всё подряд. Либо, если просишь не переводить, например, устоявшиеся термины, он решает не переводить вообще ничего. В итоге удалось добиться того, чего хотел. Но писать нужно МАКСИМАЛЬНО ДЕТАЛЬНО, что ты от него хочешь.
3. Создание дашбордов. Также на 4/5. После первого промпта у него не работали кнопки, хотя визуально выглядело всё выше моих ожиданий. Второй промпт это пофиксил.
В чем недостатки:
1. Инструмент прогнозирует время на выполнение, но эта оценка ВСЕГДА неточная. Причем отклонение может быть в обе стороны.
2. Если вам предстоит работать с кириллицей - скорее всего с одного промпта вы не решите свою задачу. По умолчанию Perplexity не использует UTF-8, и у вас вместо текста будут кракозябры. Указание в промпте использовать UTF-8, чтобы кириллица выглядела нормально, помогает, но не всегда.
3. Для комплексных задач, требующих дополнительных операций, также нужно 2+ промпта или 15-20 минут на выполнение. Делаете приложение - кнопки могут не работать, а где-то вам нужно будет задавать фоллоу-ап вопросы.
4. Все схемы рисуются с помощью кода, и часть схем выглядит максимально фигово. Если вам нужны схемы - лучше просите мини-приложение, там это работает лучше.
5. В некоторые задачи хочется вмешаться в процессе, как это можно в Manus, но тут так нельзя.
6. Склонность усложнять. Когда я просил просто перевести мне гайд от Anthropic, прикрепив PDF, агент зачем-то сначала пошел на их сайт, начал искать курс и извлекать из него инфу. Затем, после того, как перевёл - вместо того, чтобы сразу конвертировать в PDF, он сначала конвертнул в HTML, а только потом в PDF. Лишние шаги - дольше время на выполнение.
7. Для мелких задач, если вам надо сделать быстро - быстрее сделать руками либо найти в гугле подходящий сервис. Если вы работаете в режиме мультизадачности и вам ок выполнение в фоне, то хорошо.
Итого, функция мне, в целом, понравилась, несмотря на недостатки. Просто нужно понять, как и когда с ней лучше взаимодействовать, а когда использовать что-то другое.
🔥8👍6
Как мы сделали лучший на рынке продукт для учителей английского, а Pearson его испортили - часть 2
В предыдущем посте я описывал, какой продукт мы разработали. Вы накидали очень много реакций! Сегодня я расскажу, что произошло.
Проект вышел на рынок с названием Smart Lesson Generator (гениально). И это совершенно другой продукт. Компания не использовала ни одну из наших наработок. Продукт является частью экосистемы Pearson и представляет по своей сути обертку для GPT, которая с помощью RAG генерирует уроки на основании существующих материалов Pearson. А в самих уроках она генерирует только тексты и ничего более. Демо этого убожества можно посмотреть тут. А на скринах вы можете увидеть наши впечатления от запуска.
Как это произошло?
Причина 1 - новые политики и ограничения на найм привели к сливу нашей команды
После назначения нового CEO произошло самое неприятное - приостановили работу со всеми сотрудниками компании, кто был на контракте, а не в штате. Под раздачу попала почти вся команда акселлератора, включая меня и ребят, кто делал Teaching PAL, т.к. мы не проживали в странах, где есть офисы компании. Обещали разобраться до февраля, потом до марта, апреля. Все это время я мониторил рынок и описывал будущие фичи продукта, работая бесплатно и копя материалы, чтобы быстрее вернуться. В итоге все угасло, подробнее писал тут. Новая стратегия предполагала исключительно найм в штат в ограниченных локациях. Разрешено стало нанимать только в Испании. В США и других локациях запрет на найм. Бюджет на одного специалиста - смехотворный. Не называю конкретные цифры, но ЗП ML-инженера зажали настолько, что она меньше, чем ЗП ML-инженера в РФ. Отвалились мы сами и все крутые кандидаты в команду.
Причина 2 - проект реализовала другая команда
Эти ребята не проводили исследований, они не делали тестов, им не нужно было защищать продукт и все то, что было в него вложено, они не знали, почему были приняты те или иные решения. Они просто как наемники сделали то, что им было сказано. К проекту даже не допустили моего бывшего руководителя - единственного, кто остался в компании и был в контексте проекта.
Причина 3 - растрата ресурсов и бюрократия
Подробно про политику Shared Teams и согласования я писал вот тут. Из-за всего этого мы ОЧЕНЬ ДОЛГО разрабатывали MVP. Арендованный дизайнер работал очень медленно. Мне с трудом удалось слить его с проекта и выбить бюджет на найм своего диза, который обходился нашему бюджету более, чем в 2 раза дешевле с учетом налогов. Мы работали долго, медленно и прожгли просто нереальные суммы на разработку MVP. Если бы не это - нам бы удалось сделать запуск еще в 2023, а не тянуть до 2025.
Причина 4 - компания побоялась себя дизраптить
Pearson - это паблишер. Основной бизнес компании держится на бумажных учебниках. И пока конкуренты переводили образование в цифру, Pearson продолжали держаться за бумажки, потому что была существующая база, которая приносила прибыль. Они не хотели отходить в сторону. А еще у компании есть пресловутая GSE - шкала измерения уровня, аналог CEFR, которую она пихала ПРОСТО ВЕЗДЕ. Проблема была в том, что наш MVP не мог генерить контент четко по уровням GSE (мог CEFR), для этого нужно было обучать модель либо использовать RAG. Я предлагал забить хер на GSE, сделать лонч MVP по общепринятой шкале, а в процессе дообучить модельку, но меня послали нафиг. В итоге они сделали запуск просто на RAG и все…
Причина 5 - не AI-first
Чтобы сделать крутой AI-продукт - нужно, чтобы AI рассматривался как ключевой элемент стратегии, а не дополнительная фича. Продукт не захотели рассматривать как самостоятельную единицу. Его решили встроить в экосистему для существующих пользователей. Никакого B2C. Вместо диверсификации через AI и привлечения новых пользователей, компания выбрала сделать обертку GPT для старой аудитории. Так Teaching Pal из продукта с потенциалом превратился в Smart Lesson Generator
Накидайте еще реакций и в последнем посте цикла я напишу, какие уроки я для себя извлек, работая над этим проектом.
#кейсы@NGI_ru
В предыдущем посте я описывал, какой продукт мы разработали. Вы накидали очень много реакций! Сегодня я расскажу, что произошло.
Проект вышел на рынок с названием Smart Lesson Generator (гениально). И это совершенно другой продукт. Компания не использовала ни одну из наших наработок. Продукт является частью экосистемы Pearson и представляет по своей сути обертку для GPT, которая с помощью RAG генерирует уроки на основании существующих материалов Pearson. А в самих уроках она генерирует только тексты и ничего более. Демо этого убожества можно посмотреть тут. А на скринах вы можете увидеть наши впечатления от запуска.
Как это произошло?
Причина 1 - новые политики и ограничения на найм привели к сливу нашей команды
После назначения нового CEO произошло самое неприятное - приостановили работу со всеми сотрудниками компании, кто был на контракте, а не в штате. Под раздачу попала почти вся команда акселлератора, включая меня и ребят, кто делал Teaching PAL, т.к. мы не проживали в странах, где есть офисы компании. Обещали разобраться до февраля, потом до марта, апреля. Все это время я мониторил рынок и описывал будущие фичи продукта, работая бесплатно и копя материалы, чтобы быстрее вернуться. В итоге все угасло, подробнее писал тут. Новая стратегия предполагала исключительно найм в штат в ограниченных локациях. Разрешено стало нанимать только в Испании. В США и других локациях запрет на найм. Бюджет на одного специалиста - смехотворный. Не называю конкретные цифры, но ЗП ML-инженера зажали настолько, что она меньше, чем ЗП ML-инженера в РФ. Отвалились мы сами и все крутые кандидаты в команду.
Причина 2 - проект реализовала другая команда
Эти ребята не проводили исследований, они не делали тестов, им не нужно было защищать продукт и все то, что было в него вложено, они не знали, почему были приняты те или иные решения. Они просто как наемники сделали то, что им было сказано. К проекту даже не допустили моего бывшего руководителя - единственного, кто остался в компании и был в контексте проекта.
Причина 3 - растрата ресурсов и бюрократия
Подробно про политику Shared Teams и согласования я писал вот тут. Из-за всего этого мы ОЧЕНЬ ДОЛГО разрабатывали MVP. Арендованный дизайнер работал очень медленно. Мне с трудом удалось слить его с проекта и выбить бюджет на найм своего диза, который обходился нашему бюджету более, чем в 2 раза дешевле с учетом налогов. Мы работали долго, медленно и прожгли просто нереальные суммы на разработку MVP. Если бы не это - нам бы удалось сделать запуск еще в 2023, а не тянуть до 2025.
Причина 4 - компания побоялась себя дизраптить
Pearson - это паблишер. Основной бизнес компании держится на бумажных учебниках. И пока конкуренты переводили образование в цифру, Pearson продолжали держаться за бумажки, потому что была существующая база, которая приносила прибыль. Они не хотели отходить в сторону. А еще у компании есть пресловутая GSE - шкала измерения уровня, аналог CEFR, которую она пихала ПРОСТО ВЕЗДЕ. Проблема была в том, что наш MVP не мог генерить контент четко по уровням GSE (мог CEFR), для этого нужно было обучать модель либо использовать RAG. Я предлагал забить хер на GSE, сделать лонч MVP по общепринятой шкале, а в процессе дообучить модельку, но меня послали нафиг. В итоге они сделали запуск просто на RAG и все…
Причина 5 - не AI-first
Чтобы сделать крутой AI-продукт - нужно, чтобы AI рассматривался как ключевой элемент стратегии, а не дополнительная фича. Продукт не захотели рассматривать как самостоятельную единицу. Его решили встроить в экосистему для существующих пользователей. Никакого B2C. Вместо диверсификации через AI и привлечения новых пользователей, компания выбрала сделать обертку GPT для старой аудитории. Так Teaching Pal из продукта с потенциалом превратился в Smart Lesson Generator
Накидайте еще реакций и в последнем посте цикла я напишу, какие уроки я для себя извлек, работая над этим проектом.
#кейсы@NGI_ru
2🤯12👍8🔥6❤4
Про хорошие Telegram-каналы об AI
Каналов в AI-тематике сейчас стало как грибов. 100500 новостных и еще больше от тех, кто потыкал пару сервисов и теперь именует себя экспертом. Ты просто открываешь поиск и видишь в топе каналы маркетологов и блогеров с 30к подписчиков.
Среди всего этого хлама может быть сложно найти что-то качественное, но качественное - не значит популярное, я обычно стараюсь смотреть на маленькие блоги с небольшой аудиторией, так как подписчики - это про маркетинг, а экспертиза все-таки определяется контентом. Кроме того, реально хорошие спецы очень часто могут быть непубличны: либо из-за личной скромности (знаю кучу таких ребят) либо потому что компания запрещает быть публичным (как у меня с Pearson). Самый верный и бесплатный способ набрать аудиторию - оставлять умные комментарии в в больших пабликах. Большинство из вас именно так вышло на мой блог.
И вот таким образом, я ходил, оставлял комменты и заметил, что помимо меня, умные комментарии оставляют еще несколько человек, с которыми мы объединились в один чатик, обсуждаем AI и планируем совместные активности.
Сегодня хочется поделиться каналом одного из этих ребят - Коли - AI и Грабли. Коля раньше работал в американском HR-tech как инженер по AI, а сейчас занимается примерно тем же, чем и я - пилит AI для бизнесов, параллельно ведя свой канал 🙂
В канале много полезного и для меня показатель качества и экспертности - это когда я читаю чей-то канал и могу сам чему-то научиться будучи в теме. Здесь как раз такой случай.
Например, Коля полностью переводил статью AI2027 на русский, делился методами сравнения производительности моделей между собой (которые может использовать каждый), рассказывал про то, как можно вытаскивать инсайты из огромных чатов и каналов в телеграме с помощью AI, а в последнем своем посте поднял серьезную тему самообмана с помощью LLM.
В общем, если вам нравится мой контент, то понравится и у Коли.
👉 ПОДПИСЫВАЙТЕСЬ НА AI И ГРАБЛИ
Каналов в AI-тематике сейчас стало как грибов. 100500 новостных и еще больше от тех, кто потыкал пару сервисов и теперь именует себя экспертом. Ты просто открываешь поиск и видишь в топе каналы маркетологов и блогеров с 30к подписчиков.
Среди всего этого хлама может быть сложно найти что-то качественное, но качественное - не значит популярное, я обычно стараюсь смотреть на маленькие блоги с небольшой аудиторией, так как подписчики - это про маркетинг, а экспертиза все-таки определяется контентом. Кроме того, реально хорошие спецы очень часто могут быть непубличны: либо из-за личной скромности (знаю кучу таких ребят) либо потому что компания запрещает быть публичным (как у меня с Pearson). Самый верный и бесплатный способ набрать аудиторию - оставлять умные комментарии в в больших пабликах. Большинство из вас именно так вышло на мой блог.
И вот таким образом, я ходил, оставлял комменты и заметил, что помимо меня, умные комментарии оставляют еще несколько человек, с которыми мы объединились в один чатик, обсуждаем AI и планируем совместные активности.
Сегодня хочется поделиться каналом одного из этих ребят - Коли - AI и Грабли. Коля раньше работал в американском HR-tech как инженер по AI, а сейчас занимается примерно тем же, чем и я - пилит AI для бизнесов, параллельно ведя свой канал 🙂
В канале много полезного и для меня показатель качества и экспертности - это когда я читаю чей-то канал и могу сам чему-то научиться будучи в теме. Здесь как раз такой случай.
Например, Коля полностью переводил статью AI2027 на русский, делился методами сравнения производительности моделей между собой (которые может использовать каждый), рассказывал про то, как можно вытаскивать инсайты из огромных чатов и каналов в телеграме с помощью AI, а в последнем своем посте поднял серьезную тему самообмана с помощью LLM.
В общем, если вам нравится мой контент, то понравится и у Коли.
👉 ПОДПИСЫВАЙТЕСЬ НА AI И ГРАБЛИ
❤8👍8🔥7
Почему промпт-инженер - это мертвая профессия
Интересный спор у меня на днях завязался в чатике ex-Skyeng. Один человек искал в команду промпт-инженера, другой - раздавал советы, а потом пришел я со словами о том, что ребята занимаются фигней и промпт-инженер - это не профессия 😁 Завязалась живая дискуссия. А я решил написать пост, потому что давно назревали такие мысли. Мы с ML-инженерами каждый раз откровенно ржем, когда видим вакансию промпт-инженера у какого-нибудь банка с зарплатой в 300к рублей.
Итак, разбираемся, почему вам не стоит идти работать промпт-инженером и/или нанимать к себе их в команду
Считаете ли вы, что умение пользоваться MS Word - это профессия? Думаю, что нет, а ведь когда-то людей нанимали из-за этого на работу. Затем данная “профессия” преобразовалась в навык и стала минимальным требованием, которое даже стыдно в резюме указывать. Аналогично с промпт-инженерами. Сейчас - да, это востребованно, но в AI все развивается просто бешенными темпами. На мой взгляд, промпт инжиниринг - это базовый навык, которым должен сегодня обладать каждый. Если у человека его нет - либо не нанимаем, либо активно обучаем, пока еще есть время.
Помимо этого, на горизонте года, максимум двух “промпт-инженеры” станут вообще никому не нужны, и не соблазняйтесь на вакансии с ЗП в 300к. Сейчас очень активно развивается тема LLM-managed workflows, когда одна LLM пишет промпты для другой в длинных пайплайнах. Это рекомендуют делать Google, Anthropic и еще много других команд, которые делают LLM. А развиваться вся история начала аж в начале 2023. Значит ли это, что не надо осваивать навыки промпт-инжиниринга? Вовсе нет. Просто в том виде, что сейчас: написание промптов, контроль параметров и так далее - данная профессия вымрет. Важнее станут навыки проектирования сложных пайплайнов и архитектуры, выбора связки моделей и тестирования их метрик, безопасности и так далее. А это уже другая профессия. В Anthropic, OpenAI и Google есть позиция AI Researcher. Вот эти ребята и занимаются чем-то похожим, но это лишь малая часть.
Кто такие AI-researchers?
Это уже более технические специалисты. Понимание принципов статистики и математики, того, как функционируют и обучаются модели, владение Python. Умение ломать модель через иньекции, Red Teaming и прочее - вот чем обладают данные специалисты. И, как видите, это не те навыки, которые легко освоить за те 3 года, что AI находится на хайпе. Эта профессия существовала задолго до появления промпт-инженеров. Стоит ли идти в AI-researcher-ы? Сложно сказать. Послушайте лучше вот этого парня, он работал AI reseacher-ом в OpenAI, а теперь в Anthropic, и даже он не уверен в будущем своей профессии. Но она явно надежнее, чем промпт-инженер, потому что можно уйти в более техническую специальность ML-инженера.
Так почему же сейчас такой спрос на промпт-инженеров?
Во-первых, это непонимание бизнесом того, как функционирует AI, его архитектуры и всех сложностей. На короткой дистанции промпт-инженер закроет дыры, однако вместе с ростом уровня AI-систем им понадобятся более глубокие изменения. Во-вторых, никто не думает о команде и долгосрочных перспективах. Им дешевле плодить промпт-инженеров, чем нанять нормального специалиста по AI. Экономия в 2-3 раза, ничего личного, просто бизнес. А в долгосрок никакой экономии не будет! Потому что промпт-инженеров придется либо увольнять/переобучать либо же нанимать на их места тех самых нормальных специалистов. Промпт-инженеры просто останутся без работы. И это вообще не про команду.
Что я предлагаю делать?
Осваивайте промпт-инжиниринг как базовый навык, а если хотите работать в AI - смотрите в сторону более сложных профессий, не ведитесь на легкие деньги, в моменте вы выиграете, но на дистанции останетесь ни с чем.
Интересный спор у меня на днях завязался в чатике ex-Skyeng. Один человек искал в команду промпт-инженера, другой - раздавал советы, а потом пришел я со словами о том, что ребята занимаются фигней и промпт-инженер - это не профессия 😁 Завязалась живая дискуссия. А я решил написать пост, потому что давно назревали такие мысли. Мы с ML-инженерами каждый раз откровенно ржем, когда видим вакансию промпт-инженера у какого-нибудь банка с зарплатой в 300к рублей.
Итак, разбираемся, почему вам не стоит идти работать промпт-инженером и/или нанимать к себе их в команду
Считаете ли вы, что умение пользоваться MS Word - это профессия? Думаю, что нет, а ведь когда-то людей нанимали из-за этого на работу. Затем данная “профессия” преобразовалась в навык и стала минимальным требованием, которое даже стыдно в резюме указывать. Аналогично с промпт-инженерами. Сейчас - да, это востребованно, но в AI все развивается просто бешенными темпами. На мой взгляд, промпт инжиниринг - это базовый навык, которым должен сегодня обладать каждый. Если у человека его нет - либо не нанимаем, либо активно обучаем, пока еще есть время.
Помимо этого, на горизонте года, максимум двух “промпт-инженеры” станут вообще никому не нужны, и не соблазняйтесь на вакансии с ЗП в 300к. Сейчас очень активно развивается тема LLM-managed workflows, когда одна LLM пишет промпты для другой в длинных пайплайнах. Это рекомендуют делать Google, Anthropic и еще много других команд, которые делают LLM. А развиваться вся история начала аж в начале 2023. Значит ли это, что не надо осваивать навыки промпт-инжиниринга? Вовсе нет. Просто в том виде, что сейчас: написание промптов, контроль параметров и так далее - данная профессия вымрет. Важнее станут навыки проектирования сложных пайплайнов и архитектуры, выбора связки моделей и тестирования их метрик, безопасности и так далее. А это уже другая профессия. В Anthropic, OpenAI и Google есть позиция AI Researcher. Вот эти ребята и занимаются чем-то похожим, но это лишь малая часть.
(В комментариях мне еще напомнили, что есть AI Engineer) Кто такие AI-researchers?
Это уже более технические специалисты. Понимание принципов статистики и математики, того, как функционируют и обучаются модели, владение Python. Умение ломать модель через иньекции, Red Teaming и прочее - вот чем обладают данные специалисты. И, как видите, это не те навыки, которые легко освоить за те 3 года, что AI находится на хайпе. Эта профессия существовала задолго до появления промпт-инженеров. Стоит ли идти в AI-researcher-ы? Сложно сказать. Послушайте лучше вот этого парня, он работал AI reseacher-ом в OpenAI, а теперь в Anthropic, и даже он не уверен в будущем своей профессии. Но она явно надежнее, чем промпт-инженер, потому что можно уйти в более техническую специальность ML-инженера.
Так почему же сейчас такой спрос на промпт-инженеров?
Во-первых, это непонимание бизнесом того, как функционирует AI, его архитектуры и всех сложностей. На короткой дистанции промпт-инженер закроет дыры, однако вместе с ростом уровня AI-систем им понадобятся более глубокие изменения. Во-вторых, никто не думает о команде и долгосрочных перспективах. Им дешевле плодить промпт-инженеров, чем нанять нормального специалиста по AI. Экономия в 2-3 раза, ничего личного, просто бизнес. А в долгосрок никакой экономии не будет! Потому что промпт-инженеров придется либо увольнять/переобучать либо же нанимать на их места тех самых нормальных специалистов. Промпт-инженеры просто останутся без работы. И это вообще не про команду.
Что я предлагаю делать?
Осваивайте промпт-инжиниринг как базовый навык, а если хотите работать в AI - смотрите в сторону более сложных профессий, не ведитесь на легкие деньги, в моменте вы выиграете, но на дистанции останетесь ни с чем.
YouTube
Что скрывает ИИ? Глупые вопросы к Павлу Измайлову, Anthropic, ex-OpenAI
Добро пожаловать на первый выпуск канала «Глупые вопросы умным людям»! Сегодня мой гость — Павел Измайлов, исследователь в компании Anthropic, ранее работавший в OpenAI и готовящийся стать профессором в Нью-Йоркском университете в следующем году.
Мы поговорим…
Мы поговорим…
❤8🔥7👍4
Как я навайбкодил LMS с 100 000+ строк кода
Я уже неоднократно спойлерил, что делаю LMS для своих тренингов. Люди все больше положительно отзывались о материалах, но в обратной связи мне очень часто возвращали, что хочется более плавного образовательного опыта взаимодействия с платформой.
Для первых потоков я решил не брать готовые LMS и вот почему:
- отвратительный UX у большинства, например, Getcourse просто отвратный, а стоит немало денег
- другие LMS типа опенсорсных Open LMS - слишком тяжелые
- единственное, что мне понравилось - Frappe LMS, но немного не то
- мне не хватало функционала, я хотел больше контроля, свою структуру материалов, хотел редактировать материалы как в Notion
Поэтому я стартанул, подняв Docmost у себя на сервере, где хранил материалы, а для домашек написал телеграм-бота. Это было быстро и бесплатно, но не совсем удобно. Поэтому я начал потихоньку пилить свою LMS.
Какие инструменты я использовал:
1. Google AI Studio - для написания ТЗ, структурирования информации и понимания того, что я хочу
2. Stitch - это то, что ОЧЕНЬ сильно упростило мне работу с дизайном, подробнее писал тут
3. Cursor - моя основная IDE для написания кода
Какой стек я выбрал:
React + Fast API потому что уже понимаю структуру этих языков и на них есть огромное количество готовых библиотек. В качестве БД - Supabase, она забирает на себя авторизацию и письма, провайдер писем для магических ссылок - Brevo (дает до 300 писем в день)
Какие MCP использовал:
Docker MCP + Figma MCP + Context7
Как сэкономил время:
Как любой разработчик - я пытался использовать как можно больше готовых компонентов. Для редактора уроков я взял маркдаун редактор BlockNote, плеер Youtube я написал на основе официальной библиотеки React, авторизацию и БД взял из Supabase, иконки и компановки - Material UI, т.к. в нем нативно работает Stitch.
Как писал код:
1. Начал я с разработки Backend-а. Первым этапом в моем ТЗ было создание его логики работы. LMS предполагает наличие 111 различных запросов и тестировать их руками не вариант. Как я это оптимизировал? В одном окне чата курсора Claude 4 писал мне код бекенда и сразу писал к нему тесты. Тесты разбил по функционалу: управление пользователями, управление курсами, управление уроками, API для студентов, API безопасности, аунтефикация, блокировка.
Claude сразу прогонял тесты и правил баги. Затем я показал эти тесты и ТЗ Gemini 2.5 Pro и попросил проверить, не подогнаны ли тесты под код. Он выявил несколько случаев мухлежа и поправил тесты, с чем я вернулся к Claude.
2. Далее перешел к Frontend. Реализовал полностью админские страницы. А для превью уроков сделал общий компонент, который выглядит по-разному для админа и студанта, в зависимости от роли. Далее перешел к функционалу студента. Страницы реализовывал строго по 1, копируя код из Stitch, и что-то загоняя в Figma. Для страниц сразу попросил создать стили по образцу, чтобы все страницы были консистентны.
Для чего какие модели:
Sonnet 4 (обычный) - это базука, которая кодит все подряд. Основная модель. Но часто делает лишнего, осторожнее с ней.
Gemini 2.5 Pro - пулемет. Когда надо не так много, но четко - сложная логика бекенда, код-ревью. Помогала при затыках Sonnet.
Sonnet 4 (думающий) - использовал, когда была сложная фича, на которой обычный затыкался, но редко. Модель оставляет за собой много мусора и лезет куда не надо.
GPT 4.1 - снайперская винтовка. Для точечных правок, когда я четко знал, что и зачем мне надо изменить.
LMS сейчас в проде. Тестируем ее вместе с потоком по AI-продакт менеджменту, который стартанул вчера и на который можно еще записаться эту и следующую неделю :)
Я уже неоднократно спойлерил, что делаю LMS для своих тренингов. Люди все больше положительно отзывались о материалах, но в обратной связи мне очень часто возвращали, что хочется более плавного образовательного опыта взаимодействия с платформой.
Для первых потоков я решил не брать готовые LMS и вот почему:
- отвратительный UX у большинства, например, Getcourse просто отвратный, а стоит немало денег
- другие LMS типа опенсорсных Open LMS - слишком тяжелые
- единственное, что мне понравилось - Frappe LMS, но немного не то
- мне не хватало функционала, я хотел больше контроля, свою структуру материалов, хотел редактировать материалы как в Notion
Поэтому я стартанул, подняв Docmost у себя на сервере, где хранил материалы, а для домашек написал телеграм-бота. Это было быстро и бесплатно, но не совсем удобно. Поэтому я начал потихоньку пилить свою LMS.
Какие инструменты я использовал:
1. Google AI Studio - для написания ТЗ, структурирования информации и понимания того, что я хочу
2. Stitch - это то, что ОЧЕНЬ сильно упростило мне работу с дизайном, подробнее писал тут
3. Cursor - моя основная IDE для написания кода
Какой стек я выбрал:
React + Fast API потому что уже понимаю структуру этих языков и на них есть огромное количество готовых библиотек. В качестве БД - Supabase, она забирает на себя авторизацию и письма, провайдер писем для магических ссылок - Brevo (дает до 300 писем в день)
Какие MCP использовал:
Docker MCP + Figma MCP + Context7
Как сэкономил время:
Как любой разработчик - я пытался использовать как можно больше готовых компонентов. Для редактора уроков я взял маркдаун редактор BlockNote, плеер Youtube я написал на основе официальной библиотеки React, авторизацию и БД взял из Supabase, иконки и компановки - Material UI, т.к. в нем нативно работает Stitch.
Как писал код:
1. Начал я с разработки Backend-а. Первым этапом в моем ТЗ было создание его логики работы. LMS предполагает наличие 111 различных запросов и тестировать их руками не вариант. Как я это оптимизировал? В одном окне чата курсора Claude 4 писал мне код бекенда и сразу писал к нему тесты. Тесты разбил по функционалу: управление пользователями, управление курсами, управление уроками, API для студентов, API безопасности, аунтефикация, блокировка.
Claude сразу прогонял тесты и правил баги. Затем я показал эти тесты и ТЗ Gemini 2.5 Pro и попросил проверить, не подогнаны ли тесты под код. Он выявил несколько случаев мухлежа и поправил тесты, с чем я вернулся к Claude.
2. Далее перешел к Frontend. Реализовал полностью админские страницы. А для превью уроков сделал общий компонент, который выглядит по-разному для админа и студанта, в зависимости от роли. Далее перешел к функционалу студента. Страницы реализовывал строго по 1, копируя код из Stitch, и что-то загоняя в Figma. Для страниц сразу попросил создать стили по образцу, чтобы все страницы были консистентны.
Для чего какие модели:
Sonnet 4 (обычный) - это базука, которая кодит все подряд. Основная модель. Но часто делает лишнего, осторожнее с ней.
Gemini 2.5 Pro - пулемет. Когда надо не так много, но четко - сложная логика бекенда, код-ревью. Помогала при затыках Sonnet.
Sonnet 4 (думающий) - использовал, когда была сложная фича, на которой обычный затыкался, но редко. Модель оставляет за собой много мусора и лезет куда не надо.
GPT 4.1 - снайперская винтовка. Для точечных правок, когда я четко знал, что и зачем мне надо изменить.
LMS сейчас в проде. Тестируем ее вместе с потоком по AI-продакт менеджменту, который стартанул вчера и на который можно еще записаться эту и следующую неделю :)
🔥24❤11👍6