🚀 NGI дайджест №34

Продолжаю традиционную рубрику с подборкой вышедших за последнее время материалов в моем канале.

1. Старт 6 потока Академии: зову на открытое занятие - на этой неделе стартовал новый поток буткемпа, и несколько человек залетело на первое открытое занятие. На следующей неделе хочу повторить этот формат для урока по промпт- и контекст-инжинирингу. Если хотите попробовать продукт и залететь на буткемп - пишите мне в ЛС, я вас добавлю. Важный момент: пускаю только новеньких! Если вы были на первом занятии и хотите учиться дальше - совершайте покупку. Формат сделан для того, чтобы люди могли прощупать подачу и понять, подходит ли им обучение, а не получать на халяву материалы, за которые другие платят. Это было бы нечестно по отношению к студентам, которые уже оплатили обучение.

2. Выступил на панели "AI Agents: The Next Digital Workforce" в США - поделился 4 главными инсайтами с мероприятия в Мичигане. Обсудили, какие процессы лучше автоматизировать, зачем нужен RAG и почему продуктовая насмотренность сейчас важнее хардкорного кодинга.

3. Нейросетевая халатность: как использование LLM приводит к последствиям - поднял критически важную тему безопасности. Почему нельзя использовать ИИ как психотерапевта, слепо доверять ему в узких нишах и как ошибки моделей бьют по бизнесу и здоровью. На следующей неделе анонсирую эфир по этой теме, на этой просто не было времени.

4. Perplexity скатились и просто хотят денег? - мои личные наблюдения о том, что сейчас происходит с одним из любимых ИИ-поисковиков: жесткое урезание лимитов и пейволлы на базовые фичи. Тем не менее, я все равно продлил подписку со скидкой. 200 долларов она сейчас точно не стоит, а вот за 100 - вполне.

5. Ревью Lenny's Pass - лучшей подписки для старта в AI - рассказал про классный бандл. В первую очередь он дает доступ к крутому образовательному контенту и рассылке от топов индустрии, а уже бонусом вы получаете легальный доступ к Bolt, ElevenLabs, Perplexity и другим инструментам, экономя около $1000.

6. Почему не стоит самостоятельно проектировать сложные мультиагентные системы - ответил на частый вопрос и разобрал, почему каскадные галлюцинации и дорогая экономика токенов делают сложные ИИ-цепочки невыгодными для обычных проектов.

7. Развитие канала, монетизация и как мы можем посотрудничать - объяснил, почему в моем блоге нет и не будет платной рекламы, а также рассказал, в каких форматах я открыт к нетворкингу, взаимопиару и бесплатной поддержке крутых проектов.

Прошлый дайджест тут

🚀 Влад Корнышев про AI и создание AI-продуктов

5 апреля я выдвигаюсь из США домой в Россию. Точные даты пока формируются, но то, сколько я там пробуду, будет зависеть от загрузки и рабочих дел. Возможно, останусь подольше.

В этот период хочу максимально продуктивно использовать время по двум направлениям:

1. Очное корпоративное обучение по ИИ.
Обычно за оффлайн я беру доплату за перелет, так как не проживаю в РФ. Но раз я все равно буду на месте, для вашей компании это отличный шанс сильно сэкономить бюджет. При этом вы получаете живой формат, максимальную вовлеченность сотрудников и наилучшее качество работы со мной. На очное обучение возьму ТОЛЬКО ОДНУ команду, не больше, так должен вернуться в Штаты в рамках сроков визы. Подробности по корп обучению можно посмотреть у меня на сайте, а вопросы задать мне в ЛС.

2. Конференции, митапы и подкасты.
Также я открыт к участию в ваших ИИ-мероприятиях: готов выступить с индивидуальным докладом или присоединиться к панельной дискуссии. Условия простые: если ивент в Москве - готов выступить бесплатно. Если это регионы, то с вас оплата дороги и проживания в месте проведения.

Обо мне и моем опыте можно почитать в закрепе канала.

Сейчас я хочу выстроить свой график на эту поездку. Поэтому если вам актуально прокачать команду или нужен спикер на мероприятие, пишите мне в личку @vladkor97 - обсудим детали и забронируем даты.

Обзор очков Oakley HSTN с AI от Цукенберга

Помните, я как-то писал про анонс умных очков от компании запрещенного в России рептилоида?

Думал о покупке сугубо спортивных Vanguard для велика, но в процессе понял, что мой текущий сетап из экшн-камеры, наушников Shokz и проверенных фотохромных очков меня устраивает на все 100%. Менять шило на мыло не стал.

А вот с обычными, повседневными очками история вышла другая. Настало время проверять зрение и менять оправу. Оказалось, что доплата за смарт-версию не такая уж и большая. В итоге я не удержался и взял прозрачные Oakley HSTN со встроенным AI!

Собственно, я походил с ними, собрал впечатления и записал для вас большой честный обзор. Постарался рассмотреть их не просто как очередной гаджет, а подошел со стороны своей экспертизы работы в индустрии ИИ:

• Показал, как работает режим Live AI в быту (да, я заставил очки подбирать мне чай к ананасу).
• Разобрал лютые костыли от разработчиков: почему очки заставляют страдать с милями и фаренгейтами, зачем нужен VPN для скачивания английского языка даже в США и как криво работают интеграции со здоровьем.
• Сравнил звук очков с костной проводимостью Shokz и оценил, насколько вообще приватно и безопасно носить камеры прямо на лице.

Видео уже выложил на нашем с женой лайвстайл канале. Залетайте смотреть, старался сделать обзор глубоким и не похожим на обычные техобзоры.

Смотрите, делитесь мнением в комментариях и не забывайте подписываться

🚀 Влад Корнышев про AI и создание AI-продуктов

Я ошибался насчёт Comet - переосмысление спустя несколько месяцев

Пару месяцев назад я уже писал про Comet. Мои претензии тогда: медленно, нет кроссплатформенности, и вообще - Google скоро всех закопает. С тех пор браузер обновили и появились версии на Android и iOS. Я решил попробовать Comet как основной браузер, чтобы понять, на что он способен.

Кроссплатформенность - закрыто
Главный стоп-фактор исчез. Android появился первым, iOS - в марте 2026-го. При этом IOS-версия - самая кастрированная из всех. Нет виджетов и нет ряда функций, которые есть на Mac. Лучшая версия - все еще macOS. Также завезли синхронизацию, правда я не понял, нафига делать ручную привязку каждого устройства через QR-код, а не через аккаунт.

Неправильные юзкейсы
Я пытался использовать Comet для задач типа “найди Х и добавь в корзину” - и он косячил. Но я неправильно ставил задачу, т.к. повелся на маркетинговый буллшит. Нам всем неправильно продавали AI-браузеры через рекламу - как автономного агента для шопинга, бронирования билетов и.т.д. Вообще все разгоны на тему AI-сотрудников я считаю буллшитом. Я не верю, что AI сейчас способен так работать. Но это не значит, что Comet бесполезен. Он заточен под другое - выполнение конкретных функций внутри ваших воркфлоу.

Что реально работает
Первое, что бросилось в глаза - переосмысление UX. Функции, которые в Perplexity были спрятаны за плюсиком и о которых многие просто не знали, теперь навиду! В сайдбар можно добавить нужные режимы поиска: академические, патенты, финансы и.т.д. - в зависимости от твоих задач. Для R&D - это то, что мне нужно. Лично я вынес академический режим и патенты.

Отдельно хочется выделить Health-коннектор. Идею взяли у Medical ChatGPT. Туда можно подключить Apple Health или Google Fit, и данные с носимой электроники подтягиваются автоматически. Сюда же - анализы, цели, пульсовые зоны. Всё это работает как постоянный системный промт внутри ассистента. Когда я использовал Gemini для похожих задач, приходилось каждый раз пулять скриншоты, а он всё равно периодически забывал часть данных. Здесь контекст всегда на месте.

Ещё один плюс - Adblocker. Я поймал себя на том, что больше не открываю приложение YouTube на iPad - просто смотрю в браузере без рекламы.

Скиллы и коннекторы
По сути, взяли то, что хорошо сделано у Anthropic, и скопировали. Сами скиллы можно комбинировать с коннекторами и строить пайплайны. Например,скилл для исследований тянет за собой ресерч рынка и сбор первичной инфы; всё это вяжется в один workflow под конкретную задачу. Вместо того чтобы каждый раз настраивать контекст вручную - просто запускаешь нужный пайплайн.

Режим Computer: ситуативно, не постоянно
Эдакий аналог Open Claw. Важный нюанс по механике: в Pro-тарифе нет отдельной подписки на этот режим, но недавно всем дали бонус - 4к кредитов. Хочешь использовать его чаще - пополняешь баланс, не переходя на дорогой тариф.

Где он реально полезен - обработка большого массива структурированной информации с понятным выходом. Я использовал его для генерации учебных материалов, заполнения таблиц и сборки гайдов. Главное правило - нужно точно знать, куда натравить агента и зачем. Анализ конкурентов ему не отдашь - там нужна продуктовая насмотренность и суждения, которых у него нет. А вот там, где есть чёткая инструкция и понятный аутпут - работает.

Единственный серьёзный минус - скорость. Он пипец какой долгий, при том, что периодически упускает детали.

Что до сих пор не нравится
Лента новостей - для меня по-прежнему бесполезна. Мои рекомендации в Chrome божественны, а Perplexity дает кучу мусора. Comet - это хороший браузер для работы, но не для обычного серфинга. Здесь остаюсь на стороне Chrome.

Итог
Интересная штука происходит: я поймал себя на том, что вместо приложения Perplexity я теперь открываю Comet - потому что там всё то же самое, но удобнее организовано. Браузер обогнал приложение по UX. Я ожидал, что Google давно должен был закрыть эту нишу - но что-то Google не торопится. Эксперимент продолжу.

🚀 Влад Корнышев про AI и создание AI-продуктов

#оффтоп

Наверное, самый большой цинизм, который я наблюдаю в США за 2 года жизни здесь, связан с фейковой заботой об экологии.

Казалось бы, здесь есть переработка мусора, компании заявляют о том, что их цель - сократить свой углеродный след до нуля. Здесь отлично развит рынок pre-owned вещей, и прямо в магазинах можно купить технику б/у или Open Box по очень приятной цене. Звучит круто, вот только на практике львиная доля этой заботы об окружающей среде оказывается банальным лицемерием.

Начнем с доставки. Заказывая что-то с Amazon, ты получаешь свой товар в его родной коробке, которая упакована в еще одну коробку, которая в 2 раза больше его родной. Зачем? Непонятно. И это в той же стране, где Apple убрала зарядки из комплекта iPhone, оправдывая это тем, что так в логистических целях в машины поместится больше устройств, а значит, потратится меньше бензина.

Идешь в магазин за покупками - встретишь кучу мелких пластиковых пакетов, которые рвутся после первого использования, и нет, не потому, что они какие-то современные биоразлагаемые. Это самый дешевый и тонкий пластик. Что иронично - часто с флагом США 😁 В магазин повторно с ними не сходишь, поэтому каждый поход минимум - это +10 пакетов, если у тебя нет шопера. Под мусор их американцы не используют, для этого они покупают отдельные пакеты для мусора... Из пластика.

Кстати, о пластике - здесь он везде. В качестве уплотнителя (вместо бумажной стружки в посылках сплошные дутые пакеты), в предметах гигиены, в упаковке продуктов. Пластик удобен, чтобы хранилось дольше, а еще в него удобно паковать огромные количества еды, что здесь называется family size. Нормальную, хотя бы картонную или стеклянную тару, можно встретить только в сегменте дорогих продуктов. Чем беднее человек в США - тем больше он оставляет за собой пластика.

Алюминиевые банки здесь можно выбросить либо сдать обратно в магазин по 0.1$ каждую. Вот только обратно на переработку принимают только банки со штрих-кодами определенных производителей.

Инфраструктура для базового передвижения в стране без автомобиля - в большинстве случаев отсутствует. И это при том, что подавляющее большинство американцев ездит на автомобилях абсолютно по любому поводу. Даже если идти из точки А в точку Б - всего 1.5 км. Что еще интересно, большинство американцев ездят на огромных американских авто, которые, во-первых, жрут больше бензина, а во-вторых - разваливаются очень быстро. Но это мало кого волнует, ведь большинство живет в рамках кредитной системы: берет машину в лизинг, а через 3 года просто сдает ее и берет новую.

Старое и сломавшееся - тут просто выбрасывают. Не ремонтируют, не выставляют на местные аналоги Авито. Часто потому что починить или отдать выходит дороже, чем выбросить, все пресловутый Cost of labor. Пылесос зажевал носок - закажу с Amazon новый за 30 баксов. Остались старые еще пригодные к использованию стулья, которые я не могу забрать при переезде? На помойку.

К этому сейчас еще добавляется строительство новых дата-центров для обеспечения работы ИИ. В том числе за пределами США, параллельно с тем, что Сэм Альтман говорит, что вред ИИ для экологии преувеличен и все плюсы перевесят минусы.

Жена некоторое время жила в Швейцарии, и там к вопросам переработки относятся максимально строго и не дай бог не туда выбросишь мусор. За время моей жизни в Испании - наблюдал то же самое. А в Штатах - ситуация, что описал выше, ну и + к этому здесь разрешена куча вреднющих добавок в еду и пестицидов. Вот такая забота о людях и экологии.

🚀 Влад Корнышев про AI и создание AI-продуктов

Утечка Claude Code, халатный вайб-кодинг и перегрев индустрии

Думаю, все уже видели новости: на днях в сеть утекли исходники Claude Code. Почти 500 тысяч строк проприетарного кода, внутренние роадмапы, архитектура - все это добро просто выложили на npm в виде sourcemap-файла при рядовом апдейте.

Честно говоря, я ждал, когда случится подобная фигня. Но уровень иронии просто зашкаливает: вся эта история произошла с компанией Anthropic, которая активнее всех продвигала идею того, что код должен писаться с помощью ИИ. Что можно не проверять за ним, давать LLM больше автономности и слепо доверять результату. Забавно вдвойне, учитывая, что их инструмент объективно считается одним из лучших в сегменте.

И тут вылезает абсолютно детская ошибка. Разработчики просто взяли и на радость пользователям (и конкурентам) слили в унитаз свое конкурентное преимущество, попутно наплевав на кибербез.

Это далеко не первый случай, когда люди садятся вайбкодить, и это оборачивается фатальными последствиями для продукта. Вспомните Cursor: то помощник некорректно отвечает на вопросы, то баги лезут из всех щелей. Буквально сегодня обсуждали на занятии с группой ИИ-кодинг. Мы настраивали приложение со студентами, и у одного из них - на точно таком же устройстве, как у остальных - вылез баг. Настройка, позволяющая отключить обучение на твоих данных, просто вылезла за пределы экрана, и до нее физически нельзя было дотянуться мышкой, чтобы деактивировать. В Perplexity Computer можно было через дыру в системе безопасности вытащить API-ключи от Anthropic и гонять запросы на сотни тысяч баксов. Я все больше наблюдаю в продуктах ИИ-компаний следы такого халатного подхода.

Глобально для бизнеса за такие косяки раньше могли содрать семь шкур. Сейчас ситуация иная: перегретым стартапам, которые закидали деньгами, можно творить любую дичь, и им за это ничего не будет. Уволят крайнего инженера - и погнали дальше.

Кто-то скажет: "Ну это же догфудинг! Практика инноваторов! Без таких рисков не будет прогресса".

С одной стороны - да. Часто для прогресса нужен прыжок веры. Но прыгать надо думая головой, а не просто с криком бросаться в овраг. На мой взгляд, то, что мы видим - это халатность, тупость и популизм.

Глядя на все эти процессы, у меня формируется четкая мысль: пытаться полностью исключить человека из цепочки и заменить его автоматикой - вообще не лучший путь. Напротив - ИИ должен быть усилителем человека. При этом компетенции самого специалиста должны эволюционировать в сторону более высокой ответственности, а не скорости, которую все требуют на рынке сейчас. Разработка не должна сводиться к простому нажатию кнопки "Accept", после которого вся инфа о вашем продукте улетает в открытый доступ.

Вторая мысль, которая не отпускает меня последние месяцев 8: сама индустрия ИИ становится все более перегретой. Лично меня не покидает ощущение, что очень скоро нас ждет мощнейшее разочарование. Тот ИИ, которого реально удастся достичь, вообще не совпадет с тем ИИ, которого ждут инвесторы, пользователи, и о котором нам красиво вещают со сцен на презентациях.

Кстати, об этом. Несколько подписчиков давно просили меня разобрать одну интересную статью на тему того, является ли ИИ пузырем. Планирую сделать это в ближайшее время - так что не переключайтесь.

🚀 Влад Корнышев про AI и создание AI-продуктов

Собрал полный гайд по LLM-скиллам для новичков

Сегодня работал над обновлением материалов лекций по ИИ-делегированию для текущего потока буткемпа. Одним из блоков, который я решил серьезно обновить, стали как раз таки материалы по скиллам для ИИ-агентов. Засел именно за них потому что был большой запрос и от ребят на потоке, и в целом, мне завалили личку с просьбами сделать такой материал. Все просто дуреют с этой прикормки 😁

Мое отношение к скиллам можно было бы описать известной фразой Тинькова: “Я это не понимаю, мне это не интересно” 😅 Шучу, конечно. На самом деле этот концепт я использую в работе уже пару лет. Изначально люди делали в том же Cursor инструкции со ссылками на соседние файлы. А еще полтора года назад я учил ребят пользоваться скиллами в AnythingLLM - по сути, скиллы в их текущем виде появились там еще тогда. Сейчас Anthropic забрали себе всю славу их создателей, хотя на деле это не так.

Что есть скилл?
В скиллах нет абсолютно ничего нового. По своей сути, это просто структурированный промпт с продвинутым управлением контекстом. Мы берем огромный системный промпт, дробим его на части и перестаем постоянно перегружать модель всем подряд.

Когда это реально нужно?
Зачастую для базовых задач с головой хватает просто написать хороший промпт для своего ассистента. Но скиллы отлично работают, если у вас:
• Сложные workflow и многоэтапные задачи.
• Стандартизированные задачи, которые очень часто повторяются.
• Оркестрация и связки, когда нужно получить результат от одного агента и передать в другой.

Как собирал гайд
Материал компилировал на базе собственных знаний и открытых источников. И, чисто из исследовательского интереса, попробовал сделать эту задачу с помощью Perplexity Computer. В целом, сам компьютер справился неплохо, правки суммарно вносил 4 раза, т.к. слишком он сложный язык изначально использовал. Если бы всё делал руками, потратил бы гораздо больше времени, а так - справился примерно за час.

Что внутри и как использовать:
Собирал всё это добро для своей группы, но раз запрос на тему большой - делюсь с вами.
• Сам PDF-гайд - берите, читайте, изучайте, используйте.
• Тетрадка в NotebookLM - закинул туда все ресурсы, упомянутые в гайде. Можете прямо там задавать вопросы ассистенту по тому, что и как делать.
• Внутри гайда сделал небольшую подборку готовых скиллов, которые тестил сам.
• Добавил крутые скиллы Саши Полякова.
• Оставил ссылочку на ресурс neuraldeep.ru (спасибо Валере)- отличный открытый каталог со скиллами для русскоязычных сервисов.

Забирайте и пользуйтесь!

🚀 Влад Корнышев про AI и создание AI-продуктов

Метод управления знаниями без RAG от Андрея Карпатого

С появлением AI, одной из задач, которую пытаются решить многие люди и компании стала организация базы знаний и работы с ними.

В 2023 году крутым подходом считался RAG и с тех пор многие используют и внедряют именно его. Вроде все просто: мы кормим ИИ какие-то данные, а он генерит на основе их контент. Но метод несовершенен: есть проблемы с точностью, а результаты генерации по умолчанию нигде не сохраняются

Те, кто давно работает в сфере AI, отлично знают: RAG - не панацея. Кто был на конференции ROИИ, наверняка помнят доклад Рефата. Он рассказывал про кейс, где отказ от RAG оказался куда более дешевым и классным решением, чем попытки его настроить. А те, кто все же решил идти до конца и настраивать RAG, постоянно сталкиваются с проблемами. Где-то он недостаточно точен, где-то обходится слишком дорого. В итоге приходится бесконечно крутиться с архитектурой, моделями и пайплайнами.

Если не заморачиваться с этим всем, то базово для решения подобных задач можно взять NotebookLM. Но NotebookLM - это скорее инструмент для ресерча и обобщения, а не полноценная база знаний. Когда мы говорим про базу знаний, мы имеем в виду Notion, Obsidian и им подобные инструменты, где люди хранят критически важную для себя инфу. К тому же, у того же NotebookLM и типичных RAG есть еще одна большая проблема, которую верно подметил Андрей Карпатый: они не умеют обновлять ваши знания. Вы можете извлечь нужную информацию, но не можете заставить ИИ самостоятельно внести изменения в документы, обновить связи между концепциями или проставить сквозные ссылки при появлении новых данных.

На днях Андрей предложил способ решения этой проблемы с помощью LLM. Он выложил паттерн того, как сделать крутую базу без геморроя, сложных архитектур и векторных баз данных. По сути, делать ничего сложного не нужно. Все, что требуется - подготовить инструменты и дать кодинговому агенту описание из репозитория Андрея.

Суть метода строится на очень простом подходе. Вместо того чтобы заставлять нейросеть каждый раз искать обрывки информации и собирать их заново (как это работает в RAG), мы просим ИИ один раз структурировать все в удобный формат и постоянно поддерживать этот порядок. Знания накапливаются и связываются между собой, а не ищутся с нуля при каждом вопросе.

Карпатый предлагает поделить весь процесс на три простых слоя:
1. Сырые исходники. Это ваши статьи, заметки с созвонов, сохраненные ссылки, разрозненные документы. Они просто лежат в отдельной папке, и их никто не меняет. Это ваш фундамент и источник правды.
2. Сама база знаний. Это набор простых текстовых файлов в формате Markdown. В них нейросеть сама собирает выжимки, связывает концепции и пишет понятные статьи. Вы эти файлы только читаете (например, через Obsidian), а нейросеть полностью берет на себя их написание и обновление.
3. Схема (Schema). Это ключевой файл настроек для вашего ИИ-агента. Он объясняет нейросети, как устроена ваша база, по каким правилам в нее нужно добавлять новые знания и как отвечать на вопросы. Оригинальный документ Карпатого специально сделан абстрактным. Вы просто отдаете его своему кодинговому агенту, и уже вместе с ним настраиваете систему конкретно под ваши нужды. Именно этот файл превращает обычного чат-бота в хранителя ваших знаний.

Получается, что ИИ работает как ваш личный архивариус. Вы просто скидываете новые исходники, а агент сам читает их, обновляет нужные файлы, проставляет ссылки на связанные темы и выдает вам готовый результат. Вся работа по ведению базы уходит на ИИ, а вам остается только курировать процесс, закидывать новые материалы и задавать правильные вопросы.

Репозиторий Андрея с описанием, который можете скормить своему агенту находится тут

🚀 Влад Корнышев про AI и создание AI-продуктов

Ликбез про кибербез: как не потерять доступ к ИИ-инструментам

Наблюдая за тем, что сейчас происходит в мире и в нашем инфополе в частности, я все больше убеждаюсь в одной вещи: кибербез перестал быть историей исключительно для корпораций айтишников.

Данные утекают по-разному: от отсутствия шифрования в мессенджере, который любит атаковать Дуров, до специфических архитектурных нюансов - уже в мессенджере Max. Отчеты по ИБ показывают, что в подобных приложениях данные и трафик могут маршрутизироваться весьма неочевидным образом, перехватывая и анализируя вашу сетевую активность.

К чему это ведет на практике?
Помимо очевидного риска компрометации данных и IP-адресов, есть и другая проблема: вы можете легко получить бан от зарубежных ИИ-сервисов.

Если в момент работы с Claude ваш трафик будет перехвачен и пущен через российский IP - вы получите бан.

Для доступа к большинству AI сейчас нужны определенные инструменты маршрутизации. Раз вы читаете этот канал, вы и так умеете ими пользоваться. По закону я не могy рассказывать о том, как их настраивать. Но я могу рассказать как защитить свой трафик и не потерять доступ к AI, учитывая, что с 15 апреля подобные функции перехвата трафика появятся во всех российских приложениях.

Что делать?
1. Идеально - Разделение устройств
Самая надежная стратегия - физическая изоляция. Одно устройство вы используете исключительно для ИИ и зарубежных сервисов, к которым важно сохранить доступ. А для российских банков, маркетплейсов и прочих приложений используете отдельный смартфон.

2. Если такой возможности нет:
• На компьютере: Не устанавливайте на компьютер ничего! Старайтесь работать исключительно через веб. В таком случае риски будут ниже.
• На смартфоне: Первое, что нужно сделать - зайти в настройки и жестко ограничить права для всех приложений. Запретите фоновую активность и доступ к геолокации. Если гео все-таки нужно для работы, установите параметр "Только при использовании приложения".

Защита от анализа трафика: iOS vs Android
В СМИ видел много статей о том, что iOS надежнее защищена от перехвата трафика на уровне системы. Я поизучал отчеты по ИБ и оказалось, что это не совсем так.

Если вы пользователь iPhone, изолировать приложения можно только через корпоративные MDM-профили (что недоступно обычному юзеру). Поэтому на iOS остается один рабочий метод: никогда не держать конфликтующие приложения открытыми. Попользовались - закрыли, свайпнув вверх, чтобы предотвратить любую фоновую активность.

А вот у пользователей Android ситуация в этом плане лучше. В системе есть встроенная функция рабочего пространства, которая позволяет изолировать любые приложения друг от друга. Они буквально перестанут видеть активность и трафик друг друга.

Также в Android 15 есть альтернатива - Private Space. Эта функция тоже изолирует трафик и приложения в отдельную среду, но запускать их оттуда не так удобно, как через рабочий профиль. Плюс там нет возможности заморозки. Поэтому для наших целей лучше использовать именно рабочий профиль.

Вот как это настроить с помощью приложения Shelter:

Шаг 1 - Установка F-Droid
• Зайдите на сайт f-droid.org с телефона.
• Скачайте и установите APK, выдав разрешение.

Шаг 2 - Установка Shelter
• Откройте магазин F-Droid, вбейте в поиск "Shelter".
• Нажмите "Установить".

Шаг 3 - Создание рабочего профиля
• Запустите Shelter.
• При первом запуске выберите "Создать рабочий профиль".
• Android автоматически развернет для вас изолированную среду.

Шаг 4 - Изоляция приложений
• В самом Shelter перейдите во вкладку "Рабочий".
• Нажмите "Установить" на всех тех приложениях, которые вам нужно изолировать от остальной системы.

Шаг 5 - Настройка автозаморозки
Если вы хотите глушить изолированные приложения, когда они не нужны.
• В Shelter зайдите в Настройки.
• Включите тумблер "Auto-freeze on shutdown".
• Теперь при сворачивании все приложения из рабочего профиля будут замораживаться и вообще перестанут работать в фоне.

За инструкцию по Shelter можете поблагодарить Артура подпиской.

Берегите свои AI и данные 🙂

🚀 Влад Корнышев про AI и создание AI-продуктов

Google и Perplexity радуют свежими релизами

Редко пишу про конкретные новости и релизы, но сегодня захотелось, так как пользуюсь обоими продуктами.

Perplexity Personal Computer
По сути это аналог OpenClaw, только обёрнутый в сторону бизнес-кейсов. Схема та же: ставите агента на свою машину, и он доступен откуда угодно. Вы ставите цель - агент сам планирует шаги, поднимает саб-агентов, ходит в сеть, дёргает интеграции, работает с локальными файлами и возвращает готовый результат. Ключевое отличие от классического OpenClaw - более высокая степень упаковки под корпоративный сценарий: меньше возни с инфрой, больше управляемости из коробки.

Сейчас доступен только по вейтлисту или для подписчиков Max.

Мне в целом нравится, как Perplexity за несколько месяцев пивотнулись из AI-поиска в агентную историю. Меньше конкуренции с гуглом, более понятный вэлью и продавать энтерпрайзам значительно проще. Чуть позже сделаю отдельный пост - разберу этот мув со стороны бизнеса и со стороны фич, потому что сейчас довольно плотно гоняю разные агентские системы, есть чем поделиться

Gemini для Mac
Наконец-то гугл снизошли и релизнули апку, которую было давно пора сделать. На фоне того, что ChatGPT и Claude уже давно живут как нативные приложения на macOS, держаться только за браузер - это реально странная история. Приложение бесплатное, требует macOS 15 и выше, как и конкуренты - может открываться поверх окон через шорткат Option + Space.

Мобильное приложение, да и вебку они очень сильно допилили за последние несколько месяцев. Поймал себя на том, что AI-studio теперь использую только для определенных кейсов с обработкой информации. В остальном - в апке все есть: и Canvas, и интеграция с Google Docs, и память реализована неплохо. Теперь то же самое, но на десктопе.

P.S. Вижу, что апка у гемини, конечно, навайбкожена 😅 Фотки грузить нельзя, часть UX-элементов прямо видно, что делал сам Gemini 😁

Ссылки:
Вейтлист Perplexity Personal Computer
Скачать Gemini для Mac

🚀 Влад Корнышев про AI и создание AI-продуктов

Как AI помог вернуть нам $1000+ и наказать Spirit Airlines: Perplexity как персональный юрист

На этот Новый год мы с женой решили слетать отдохнуть в Доминикану. Все было супер, пока не настало время лететь обратно. В итоге наш перелет с 1 пересадкой общей длительностью 6 часов превратился в ад с 3 пересадками и 2 суток в пути.

Рейс отменили буквально за пару часов до вылета. Причина - "недоступность экипажа". Наши попытки связаться с авиакомпанией на протяжении 8 часов, чтобы заменить рейс, не увенчались успехом - нас тупо игнорили. В итоге нам пришлось на месте покупать новые билеты из Майами за $1000+, чтобы успеть вернуться. Spirit Airlines вышли на связь, только когда мы были на очередной пересадке: было уже слишком поздно.

Мы не могли ждать ответа компании вечно, находясь в аэропорту. Настя - врач-резидент, и на тот момент она работала в отделении с очень тяжелыми маленькими пациентами. Замены на бэкапе не было, и от ее присутствия в больнице реально зависели жизни детей.

Во всей этой истории нам помог Perplexity. Систему выбрали не случайно: нужно было работать с огромным количеством внешних источников, искать реальные законы и ссылаться на документы. Этот инструмент полностью окупил свою подписку за один вечер.

Один важный момент, который помог нам не влететь в финансовый разрыв.
Мы знали это правило еще до кейса: в США платите за крупные покупки только кредиткой. Если вы платите дебетовой картой - вы один на один с продавцом. Если кредитной - банк защищает свои деньги и решает проблемы за вас. Это база, которая дает реальный рычаг давления.

Стена отказов
Вот вроде есть правила, есть сервис-посредник в виде Booking, который вас типа “защищает”. Однако нам отказывались возвращать деньги и авиакомпания Spirit, и Booking. Обе компании твердили: "вы часть пути пролетели, так что никаких полных возвратов".

С этим контекстом мы пошли в Perplexity и сервис помог нам в следующем:
• Юридическая база: Мы промтили AI, чтобы найти конкретные правила DOT (Департамента транспорта США). Выяснили, что "crew availability" - это controllable event. По закону авиакомпания обязана вернуть деньги в полном объеме, если пассажир отказывается от перебронирования.
• Диспут с Affirm: Билеты были в рассрочке через сервис Affirm. AI помог составить настолько обоснованную претензию, что Affirm практически сразу встал на нашу сторону и заморозил займ, увидев аргументы, которые Booking пытался игнорировать.
• Ведение переговоров в переписке: AI генерировал официальные письма со ссылками на пункты политики Spirit. А когда они пытались отделаться ваучерами по $30 - мы ссылались на законодательную базу и их же внутренние правила, написанные мелким шрифтом.
• Подготовка к суду: Perplexity нашел релевантные судебные дела в США, расписал линию защиты и подготовил документы. В США можно представлять себя в суде самому, но авиакомпании ненавидят тратить на это время. Так как сумма была небольшая, мы рассчитывали, что либо они нам сразу вернут деньги, потому что платить юристу невыгодно, либо проиграют суд и потеряют еще больше.

Кстати, делал это все не я, а Настя. Я лишь советовал как лучше работать с промптами и контекстом.

Итог истории 
Мы заранее отправили Spirit все наши аргументы и подготовленную линию защиты для суда. Естественно, они нам не отвечали до последнего дня обозначенного собой же срока, однако в итоге посчитали издержки и решили не доводить до судебного процесса.

Буквально вчера нам подтвердили: наши деньги нам вернут.

По итогу Perplexity:
• отработал роль юриста на 10/10
• помог перевести нашу фрустрированную речь, которая может показаться грубой американцам, в нормальные аргументы
• снизил уровень стресса на протяжении всего процесса, давая нам ощущение уверенности в результате

🚀 Влад Корнышев про AI и создание AI-продуктов

Claude vs Perplexity vs Manus: кто - лучший агент?

Вы могли заметить, что последние мои несколько постов так или иначе крутятся вокруг Perplexity. И это не потому, что я внезапно решил стать их амбасадором, напротив - не так давно я их ругал за бардак с ценами на подписку, а теперь приходится хвалить :)

Почему? Во-первых, ребята действительно очень заметно прокачали продукт за последние месяцы. А во-вторых, последние пару месяцев я плотно тестировал автономных агентов для рабочих задач, и Perplexity просто начал выполнять мои задачи лучше и дешевле своих конкурентов.

Сейчас у меня в работе три подписки.
- Claude я взял на месяц чисто под эксперимент.
- Perplexity у меня куплен на год.
- Manus идёт в паке от Ленни.

И я осознанно решил погонять их на своих рабочих задачах: ресёрч, работа с документами, структурирование материалов, сборка отчётов, сравнение вариантов и всё такое.

По моим ощущениям, Perplexity Computer сейчас как минимум не хуже Claude, а в некоторых сценариях я бы вообще поставил его выше. Особенно хорошо Perplexity показывает себя там, где нужно что-то найти, собрать из разных источников, понять, вытащить суть и превратить в готовый артефакт. Поиск по документам, работа с уже готовой информацией, ресёрч, сборка выводов, оборачивание всего этого в внятный результат - вот здесь он у меня прям регулярно в топе.

Claude, как и раньше, очень хорош в задачах, где важна подача. Особенно с выходом Opus 4.7 и Claude Design. Если нужно сделать что-то более аккуратное, визуальное, структурно красивое - презентацию, логику подачи, оформление мысли - он часто ощущается сильнее. То есть если Perplexity - это история про добыть и собрать, то Claude чаще про оформить и подать.

Manus на этом фоне в среднем у меня выглядел слабее. Он дольше работает, чаще даёт странный результат и ощутимо хуже по экономике использования. Но при этом я бы не сказал, что он совсем бесполезен. У него есть понятный класс задач, где он реально норм. Это сценарии, когда ты скармливаешь ему несколько исходников и просишь на их основе собрать сравнение, выводы или отчёт. То есть не просто “пойди найди что-нибудь в интернете”, а “вот тебе набор материалов, теперь сведи это в осмысленный документ”.

Например, я использовал Manus, чтобы подготовить отчёт на основании байкфита Насти и сравнить между собой два велосипеда, которые нам рекомендовал байкфитер и которые мы рассматриваем к покупке. Вот в такой логике он был вполне уместен.

Когда есть несколько документов, несколько вводных, несколько вариантов, и тебе нужно не творчество, а именно аккуратное сведение и сравнение, Manus может быть полезен.

Но как универсальный агент он у меня пока всё равно аутсайдер. На одной из задач по обновлению материалов лекции на основе старых материалов и нового транскрипта он умудрился съесть около 6000 кредитов при месячном лимите 4000 (эквивалент $30). Perplexity на ту же задачу потратил примерно 200 кредитов (2$). Claude просто упёрся в лимиты по времени, пришлось ждать отката, но с точки зрения денег это выглядело почти бесплатным сценарием.

Если коротко, мой текущий расклад такой.
1. Perplexity - лучший на задачах формата "найти, понять, собрать, обернуть".
2. Claude - очень хорош там, где важны структура, подача и визуал, но для полного опыта я бы рекомендовал подписку за $100.
3. Manus - рабочий вариант для задач на сравнительный анализ по нескольким исходникам, но пока слабый универсальный агент. За свои деньги я бы его не брал

И, честно говоря, самое интересное во всей этой истории даже не само сравнение, а то, что Perplexity в какой-то момент перестал быть просто “AI-поиском” и начал восприниматься как реально полезный агентный инструмент. А это уже отдельная тема - про нее будет следующий пост.

🚀 Влад Корнышев про AI и создание AI-продуктов

Как пивот в AI‑агентов и смена бизнес‑модели вытащили Perplexity к $450M+ ARR. Разбор кейса

В прошлом посте я сравнивал функционал 3 агентских ИИ, которыми пользуюсь сейчас, отдельно выделяя Perplexity. Сегодня, как и обещал, разбираю что команда стартапа сделала на уровне стратегии и бизнес‑модели - и почему это один из самых сильных продуктовых и бизнес мувов в AI на сегодня.

(Не) убийца Google
Изначально Perplexity позиционировались как AI‑поиск: задаёшь вопрос - получаешь готовый ответ, ссылки, саммари. Умнее и удобнее, чем классический Google, но по сути это все один сегмент: ты конкурируешь с поиском, где у людей в голове уже встроен один доминирующий бренд (не берем локальные примеры типа Яндекса).

И подобное позиционирование было недолговечным. Веб-поиск и Deep Research стали встроены в ЛЛМ, а гугл запустил AI overview. Год назад многие писали, что Perplexity конец, но команда уже предпринимала действия.

Первым шагом стали Perplexity Labs в мае 2025
Про новый режим я писал сразу после анонса. Это уже был шаг от поиска к инструменту, который создаёт артефакты - отчёты, презентации, дашборды. Но было ощущение сырости: экспериментальная фича, позиционирование размыто, качество нестабильное. Казалось, что вектор правильный, но чего‑то явно не хватает.

Чуть меньше чем через год появился Computer
Фичу релизнули в марте 2026. И это уже не “ещё один режим”, а отдельный продукт‑оркестратор: под капотом он гоняет около 19 моделей, сам планирует шаги, ходит в сеть, дёргает интеграции и в фоне доводит задачу до результата.

Отдельное внимание хочется обратить на позиционирование - его не продавали как цифрового сотрудника (коих на рынке сейчас полно). Напротив, в позиционировании очень чётко проговаривается, что это инструмент для специалистов, усилитель, который делает часть работы в фоне, пока ты занимаешься другим.

И людям и бизнесу это понравилось!
Нарратив не в стиле “мы уволим людей, поставим ИИ”, а “сделаем так, чтобы текущие люди могли закрывать в Х раз больше задач за те же часы” сработал. А в связке с токен‑бейс моделью это дает очень понятную логику для бизнеса: мы платим за задачу, получаем результат, не ломая оргструктуру, нам не надо учиться работать в коллективе человек + машина, а риск саботажа внедрения ИИ - ниже.

Вы можете сказать "Красиво стелишь, Влад". Да, но посмотрите на цифры!
По данным Sacra, в 2023 году у Perplexity было около $7M ARR, к концу 2024 - уже $63M ARR. После выкатки Computer и смещения фокуса на агентов FT пишут про $450M+ ARR и рост выручки на ~50% всего за один месяц. Sacra сейчас рисуют траекторию к $500M ARR+ и росту больше чем в 7 раз за два года. Рынок голосует деньгами за эту концепцию.

Оркестратор - это топ
Отдельно мне нравится, что они пошли по пути создания оркестратора, а не “ещё одного вендора с собственной моделью”. Perplexity не гоняются за бенчмарками, стоя убийцу GPT, не тратят кучу бабла на компьют, не привязываются к одной модели, повышая вероятность вендор-лока.

Вместо этого они собирают слой, который умеет:
- понимать, какие задачи выполняют пользователи;
- выбирать под них лучшую модель/комбинацию моделей;
- со временем учиться на этом трафике и улучшать оркестратор.

Это открывает им очень интересный апсайд на будущее.
Собирая данные о типах задач, паттернах использования и качестве результата, они могут со временем либо дообучать свои модели, либо всё лучше подстраивать роутинг и пайплайны. И при этом они уже сейчас показывают, что в 2026 году можно строить мощный AI‑бизнес без собственной LLM, просто грамотно упаковав существующие модели в продукт, который решает реальные задачи. Люди готовы за это платить, а инвесторы - вкладывать.

Вместо разговоров про AGI, безусловный доход и замену людей Perplexity пошли не по пути абстракций, а по понятному для большинства людей здесь и сейчас сценарию. И за это им хочется поаплодировать.

🚀 Влад Корнышев про AI и создание AI-продуктов

Локальные модели для простых смертных: что выбрать, если у вас нет супер-компьютера

В последнее время вижу у людей рост интереса к локальным моделям. Часто ко мне приходят клиенты, у которых уже что-то развернуто в локальном контуре через OpenWebUI - они либо хотят улучшений, либо целятся в масштабирование, но сейчас не об этом.

Свою личную LLM хотят не только корпы, но и простые пользователи. Однако одно дело - уровень компании, а совсем другое - на своем компьютере.

Глобально, мак с 64 ГБ под условную GPT OSS 20B - это лучший вариант. Но будем честны: большинство ими не обладают. В лучшем случае у вас MacBook Pro на 16 ГБ, а чаще всего - Air с 8 ГБ. И этот пост как раз для большинства.

Я использую для локалок два устройства: MacBook Pro (M2 PRO, 16 ГБ) и iPad Pro (M2, 8 ГБ - считай, эквивалент Air). И под них у меня собрался следующий зоопарк.

Лучшая с текстами по соотношению затрачиваемых ресурсов: Gemma 4 E4B
Здесь Google круто пошаманили с архитектурой модели. В результате модель требует железа как 4B, а работает как модель с 12-14B параметров. Не буду вдаваться в технические детали, но скажу следующее. На мой взгляд, сейчас это модель, которая лучше всего справляется с преобразованием текстов в артефакты. Саммари звонков, заполнение документов, анонимизация текстов - все делает очень хорошо, благодаря в том числе появившемуся ризонингу. С русским языком справляется неплохо, хотя иногда проскальзывают косяки и видно, что модель мыслит на английском. Отдельная прелесть - модель не так требовательна к промптам и многие задачи может выполнить сама, без необходимости промптить ее по SGR. Минуса два. Во-первых, моделька хоть и заявлена как Vision, картинки распознает так себе. Во-вторых, очень любит спамить эмодзи по умолчанию.

Для устройств на 8 ГБ: Gemma 4 E2B
Если же у вас 8 гигов - ее сестричка Gemma 4 E2B станет отличным вариантом. Все, что я сказал про старшую модель, также относится к младшей, кроме требований к промптам. Здесь SGR необходим для большинства задач.

Лучшая для работы с русским языком: Gemma 3 12b QAT
Моделька, которой уже год, которую дообучали при квантизации, чтобы она не теряла в качестве. Вариант для тех, у кого есть 16 гигов памяти. За больше чем год ее использования я могу сказать, что модель актуальна до сих пор. В задачах, где нужно не обработать, а именно составить текст - эта моделька лучшая. Русский язык у нее из всего, что я пробовал, самый естественный и приятный, за ней нужно минимум правок. Для задач обработки и трансформации текстов моделька подходит меньше, но SGR решает ее проблемы.

Лучшая вижн-модель: Qwen 3.5 4B
Периодически бывают задачки, когда нужно скинуть документ или какой-то объект модельке и позадавать вопросы. И здесь в моих тестах лучше всего показала себя Qwen. Однако я не советовал бы эту модель использовать именно для обсуждений. Исключительно как распознавалку, потому что русский язык у нее максимально поганый и очень кривой. А еще моделька очень склонна излишне долго рассуждать и тратить токены, пожирая и так ограниченное для локальных моделей контекстное окно.
Понятно, что для большинства задач, связанных именно с распознаванием текста, лучше всего будет использовать отдельную OCR, например вот эту, но сейчас речь именно про LLM.

Что еще можно попробовать:
• Privacy Filter от OpenAI - свежая модель для анонимизации корп данных. С английским отлично, русский пока не пробовал;
• Nemotron OCR - свежая распознавалка текста от NVIDIA
• Файн-тюны от huihui-ai (я не ругаюсь, это ник разраба) - есть разное. Модели без цензуры, которые генерят вообще все, дистилляции опуса и.т.д. Свое точно найдете.

Что я не рекомендую:
• YandexGPT - максимально тупая модель на моих задачах, ну и не всем нравится Яндекс;
• DeepSeek - косячит с инструкциями, до сих пор лезет китайщина на малых размерах, ризонинг очень много жрет

Для запуска моделей я использую: LM Studio на Mac (нужен MLX-формат) и Locally AI на iPad (убедитесь, что регион App Store - США).

Делитесь, чем пользуетесь вы и для каких кейсов

🚀 Влад Корнышев про AI и создание AI-продуктов

Как избавиться от AI FOMO: мой подход к ознакомлению с кейсами, новостями и новыми инструментами

AI-сфера развивается с такой скоростью, что попытка уследить за всем превращается в полноценную работу. Раньше я старался пробовать больше новых инструментов, читать каждую статью из рассылки, тестировать каждую модель. И вроде ты находишься на переднем крае прогресса, но вся эта суета только вгоняет в какую-то лишнюю тревогу и постоянные сомнения.

Ты больше тратишь времени на поиск и на анализ, чем на формирование навыков. Кроме того, каждый день инструментов умирает едва ли не больше, чем появляется. Поэтому необходимость знать все и вся - просто отпадает.

Я практически не читаю русскоязычные каналы. Проблема новостников в том, что они часто опаздывают и редко выдают то, что мне действительно интересно, а вы знаете, как я люблю почитать всякие статейки, необычные кейсы и лонгриды.

Поэтому в РЯ-пространстве я слежу только за практиками, их кейсами и мыслями. Что касается новостей, но здесь мои источники на 100% англоязычные: рассылки (TLDR AI, The Rundown), блоги компаний, Arxiv.

Однако часть из этого идет в формате рассылок, часть - надо искать, а часть - скакать по куче вкладок. В то время как я:
• терпеть не могу почту и рассылки как формат;
• не люблю скакать между вкладками;
• при ручном поиске могу провалиться на часы, открыть 100 статей и не прочитать ни одну;

Поэтому я делегировал эту задачу ИИ-агенту
Вот мой воркфлоу, который вы можете повторить в Perplexity, Claude, Manus либо в любом другом AI, где есть запланированные задачи.

1. Настройка коннекторов
В настройках Perplexity я подключил Google Drive и Gmail. Это позволяет агенту читать мою почту, а результаты каких-то ресерчей я могу сохранять сразу себе в облако.

2. Источники
В настройках поиска я выбираю Web, Gmail и Academic (чтобы цеплять свежие научные статьи с Arxiv).

3. Режим поиска
Использую Deep Research для максимального погружения. Но Sonnet/Gemini тоже подойдет. Выбираю модель и нужное мне расписание. Результаты сохраняю в отдельном пространстве Perplexity.

4. Промпт
В промпте я указываю четкий порядок поиска, нужные мне источники (чтобы избежать попадания в подборку всякого мусора, который оптимизировали под GEO) и правила оформления в маркдауне (для читаемости). Мой промпт в первом комментарии.

Главный совет
Формируя свой информационный фон - идите от своих задач. Выберите свой стек (например, Claude, Gemini, Perplexity) и следите за ними максимально глубоко. А все остальное пусть фильтрует ваш агент. Если там появится что-то действительно прорывное - вы об этом узнаете из своего утреннего дайджеста.
Главное - не сколько инструментов вы знаете, а какие задачи вы умеете решать с помощью них.

🚀 Влад Корнышев про AI и создание AI-продуктов

Уже довольно длительное время занимаюсь подбором для себя Executive программы, чтобы максимизировать свою пользу от пребывания в Штатах.

После долгих ресерчей и анализа выбор свёл к двум вариантам, между которыми буду в итоге выбирать.

Вариант 1 - программа Digital Business от MIT, которая включает 4 курса по выбору. И там есть интересующие меня очные AI-Driven Organization и Transforming Healthcare with AI.

Вариант 2 - залететь в Stanford но не на программу, а на 2 отдельных курса: Stanford The AI-Powered Organization + Stanford Medicine AI in Healthcare.

Пока сижу на очередной пересадке - решил сделать табличку с кучей критериев и весами, один из которых - "Воспринимаемая сила бренда в СНГ".

Так вот, вопрос к аудитории: для вас кто круче: MIT или Stanford?

❤️ - MIT
🔥 - Stanford

Как нейросети уберегли меня от ненужной операции и почему LLM как второе мнение - это уже реальность

Давние подписчики канала знают, что я активно увлекаюсь велоспортом. Однако любой спорт сопряжен с травмами, что и произошло со мной

Предыстория
Прошлым летом из-за работы я начал сезон только августе и к январю накрутил больше 5000 км. Все было круто: новый велосипед, профессионально выставленная посадка, физические показатели росли. Но в январе я сильно заболел. Хоть организм и ослаб, я решил не сбавлять обороты и перегрузил ноги на интервалах и силовых.

Острой травмы или падений не было. Просто левая нога стала ощущаться постоянно забитой, а баланс мощности между ногами предательски съехал на 46/54. Левая нога почему-то перестала тянуть. Я перешел в легкий режим тренировок, решив дождаться поездки в Россию.

Мнение первое: Российская клиника
Пока был в поездке в России, решил проверить колено. Сделал МРТ, нашел центр со спортивным ортопедом и реабилитологом и записался туда. Но прямо перед приемом профильного врача заменяют на обычного ортопеда (который на спортсменах не специализируется), а реабилитолога отменяют по итогам приема.

Почему?
Посмотрев на снимки врач заявила мне, что у меня вылетел мениск (комплексный дегенеративный разрыв). Назначила жесткий тутор на ногу на 6 недель (полная иммобилизация!), и предупредила о возможной операции, выписав пить антикоагулянты. А это очень серьезные таблетки, у которых куча побочек. При этом официальное заключение рентгенолога гласило: "Мениски не изменены". Времени искать другого специалиста в РФ уже не было, пора было улетать. Я записался в центр спортивной медицины в Мичигане, но до приема оставалось время.

Мнение второе: ИИ-консилиум
Сидеть в неведении (и тем более в туторе) не хотелось. Сразу оговорюсь: у меня не было цели использовать ИИ для постановки диагноза. Я просто хотел получить независимую оценку, не воспринимая ее как истину в последней инстанции.

Я вытащил снимки МРТ с диска и начал эксперимент. Использовал изоляцию контекста: загружал снимки по отдельности в Opus 4.7, GPT-5.4, Gemini 3.1 Pro и Muse Spark от компании Цукерберга (Meta, признана в РФ экстремистской организацией и запрещена). Ни одной из моделей я не рассказывал про выводы других.

Отдельно прогнал свой анамнез и снимки МРТ через OpenEvidence (это специальная LLM для врачей в США, работающая на базах доказательной медицины). А затем собрал все в мастер-промпт и попросил ИИ провести "консилиум".

Кстати, интересный инсайт: модель от Meta в процессе анализа снимков показала себя наиболее адекватной и точной.

Итог: модели не увидели ничего серьезного. Все они сошлись на том, что разрывов нет. То, что врач принял за травму, оказалось просто нагрузочной дегенерацией (абсолютный вариант нормы для велосипедистов). Причина забитости крылась в банальном воспалении сухожилия от перетрена, из-за которого мозг программно "отключил" силу левой ноги.

Мнение третье: Спортивный врач в США
И вот сегодня я, наконец, дошел до профильного спортивного врача в Штатах. И знаете что?

Вердикт: ноги абсолютно здоровы! Никаких разрывов мениска, никаких туторов на полтора месяца и тем более операций. Мне разрешили продолжать тренировки в нормальном режиме и просто направили к спортивному реабилитологу, чтобы работать с тем самым дисбалансом сил и слабостью левой ноги, из-за которой всё и началось.

Вывод
Понятно, что LLM широкого профиля не являются сертифицированными медицинскими инструментами. Но в моем случае грамотный промптинг и использование профильной OpenEvidence дали взвешенное второе мнение.

Это помогло мне не поддаться панике, не пить тяжелые таблетки, не заковать здоровую ногу ортез на 6 недель (что привело бы к атрофии мышц) и спокойно дождаться приема нормального специалиста.

А вы доверяете ИИ анализ своих медицинских данных или пока относитесь со скепсисом? Пишите в комменты

🚀 Влад Корнышев про AI и создание AI-продуктов

Быстрый старт - быстрые похороны: как вайбкодинг убивает продукты

Уже больше года мы живем в мире, где существует вайбкодинг. За это время многие начали экспериментировать с новыми инструментами, пытаться внедрить их в свои процессы, а кто-то даже благодаря им смог построить свой бизнес. Буквально недавно натыкался на подборку стартапов, которые сделали свои MVP в Lovable. И это действительно круто.

Однако, как это обычно бывает, успешным инструментам начинают приписывать чудотворные свойства. На том же YouTube и промо к курсам по AI часто можно встретить истории в стиле: “Я навайбкодил стартап, заработал $100k”.

Отдает какой-то Бизнес Молодостью, приправленной AI. Продвигается нарратив, что любой человек может навайбкодить приложение, которое станет масштабируемым бизнесом.

И действительно, если раньше нужно было уметь кодить или иметь деньги на разработку. То сейчас за 20 баксов ты можешь собрать полноценное приложение. И да, рынок сейчас в такой фазе, что можно на коленке собрать сервис, который в моменте решит чью-то микро-боль и даже принесет первые деньги. Но навайбкодить продукт ≠ сделать хороший продукт.

И вот почему
1. Продуктовая пустота. Многие идут в разработку без нормально проработанного ТЗ, без CJM и понимания болей ЦА. Пишут абстрактное: “Сделай мне приложение для Х”. В итоге получается дизайн ради дизайна. LLM собирает интерфейс, но она не исходит из первоначальных болей. Крутые продукты получаются либо у тех, кто умеет проектировать UX и понимать аудиторию, либо у тех, кто шарит в определенной теме, например, в формате хобби.

Допустим, я увлекаюсь велоспортом и знаю как тут все устроено на любительском уровне. Поэтому если я пойду делать продукт под эту нишу, у меня есть неплохие шансы сделать годноту. Но отнимите у меня это хобби, а лучше - заберите продуктовое мышление и попробуйте придти с запросом на приложение для велосипедистов к AI. Без контекста LLM выдаст средненький трекер, который и так есть в смарт-часах. Итог - мы получим продукт, лишь создающий видимость решения проблемы. Масштабируйте это на количество идей у людей, и таких поделок станут тысячи.

2. Архитектурный тупик. Помимо того, чтобы сделать что-то востребованное и юзабельное есть еще задача, чтобы это работало нормально. И здесь у вайб-кодинга есть очень четкие границы применимости. Это отличный инструмент, чтобы быстро собрать прототип, проверить гипотезу, получить первый трекшн и найти PMF. Но не будучи техническим специалистом, ты никогда не сможешь заложить масштабируемую архитектуру. Ты не продумаешь устойчивость и безопасность и много других аспектов.

3. Проблема масштабирования. Проистекает из предыдущего. Для полноценного запуска на скейле и поддержки требуется нормальная доработка. Если ты хочешь 1000 DAU полагаться на LLM для проектирование инфраструктуры и правильной архитектуры работы с данными уже не надежно. Как работать с пользовательскими данными? Как обеспечить соответствие вашего приложения требованиям регуляторов? Как правильно разделить тестовую среду от продакшена? Большинство людей даже не задумываются об этих вещах, а нативно AI закладывает далеко не все. Здесь нужен уже не вайбкодинг, а AI-assisted-кодинг и люди, которые покажут AI что и как делать, давая ему ОС.

Глобальная идея о том, что вайб-кодинг позволит абсолютно всем штамповать крутые продукты - это утопия. Инструмент снизил порог входа в написание кода, но не в проектирование систем и смыслов. Без этого нас ждут поломанные CJM, проблемы с производительностью, дыры в безопасности и прочие прелести.

Причем самое интересное, что вайбкодинг - лишь одно из проявлений AI в нашей жизни, просто самое хайповое. Самих же направлений его влияния намного больше, и каждое имеет свою специфику и подводные камни.

Сейчас с коллегами собираем камерную лабу по этой тематике. Разложим, как на нас влияет AI с разных сторон и что с этим делать.

Анонс уже скоро, а пока давайте вернемся к теме поста: с какими проблемами сталкивались вы, пытаясь сделать продукт чисто на вайбе?

🚀 Влад Корнышев про AI и создание AI-продуктов