Разбор задач для ИИ-автоматизации
Недавно я писал, что автоматизацию лучше начинать не с большой идеи, а с повторяющейся задачи.
Теперь скажу прямо, с чем я могу помочь.
Я могу разобрать вашу работу, небольшой бизнес или личную систему и найти задачи, где ИИ может снять часть ручной работы.
Не “поговорить про ИИ вообще”.
Не “подобрать модный сервис”.
Не “автоматизировать весь бизнес”.
А взять конкретный кусок работы и понять:
что вы делаете руками;
как часто это повторяется;
сколько времени отнимает;
где сейчас всё держится на памяти, переписках, таблицах или заметках;
что должно получаться на выходе.
Примеры таких задач:
- заявки приходят из разных мест, и их нужно вручную собирать;
- клиенты или коллеги задают похожие вопросы;
- ответы разбросаны по документам, чатам и памяти сотрудников;
- приходится долго искать нужный файл, статус, договор или переписку;
- нужно регулярно собирать отчёты, сводки или сообщения;
- есть база знаний, но ей неудобно пользоваться;
- в переписках и задачах сложно быстро понять, что зависло;
- в личных делах постоянно повторяются одни и те же списки, планы, заметки, решения;
- нужно анализировать рынок, документы, предложения или другие материалы, а вручную это занимает много времени.
Это может быть бизнес, работа специалиста или личная система.
Для меня здесь главное не название сферы, а сама задача. Если она повторяется и её можно описать простыми словами, с ней уже можно работать.
После консультации у вас должно остаться:
1–3 задачи, с которых можно начать;
понимание, где ИИ действительно может помочь;
понимание, где ИИ пока не нужен;
список материалов, которые понадобятся: документы, примеры, таблицы, переписки, типовые ответы;
следующий шаг: что сделать самим, а что можно отдавать в разработку или настройку. Какие инструменты использовать (софт, скиллы).
Иногда результатом будет не внедрение, а честный вывод: сначала нужно привести в порядок базу знаний, таблицу или сам процесс.
Это тоже полезно. Потому что иначе можно потратить деньги на красивого ИИ-помощника, которым потом никто нормально не пользуется.
Чтобы консультация не упёрлась в “ну не знаю”, я заранее дам короткие вопросы.
Например:
что вы делали руками на этой неделе;
что чаще всего копируете и вставляете;
какую информацию ищете дольше всего;
какие вопросы вам задают повторно;
какие отчёты, сообщения или документы делаете регулярно;
что давно хочется кому-нибудь отдать.
По этим ответам уже можно начать разговор не с пустого места, а с конкретных действий.
Если после разбора задача подходит для ИИ, можно отдельно обсудить внедрение: помощника по базе знаний, сводки по заявкам, разбор переписок, контроль зависших задач или другой понятный сценарий.
Если не подходит — так и скажу. Значит, сейчас лучше не тратить деньги на ИИ, а сначала навести порядок в процессе.
Стоимость разбора — 10 000 рублей. Обычно это консультация до часа. Внедрение, если оно понадобится, обсуждается отдельно.
Если хотите разобрать свою задачу, напишите в бот для связи:
@blind_dev_contact_bot
Лучше сразу коротко указать:
что делаете руками;
как часто это повторяется;
где теряется время;
какой результат хотите получить.
😎 Незрячий web3 программист (подписаться)
Чат | бот
Недавно я писал, что автоматизацию лучше начинать не с большой идеи, а с повторяющейся задачи.
Теперь скажу прямо, с чем я могу помочь.
Я могу разобрать вашу работу, небольшой бизнес или личную систему и найти задачи, где ИИ может снять часть ручной работы.
Не “поговорить про ИИ вообще”.
Не “подобрать модный сервис”.
Не “автоматизировать весь бизнес”.
А взять конкретный кусок работы и понять:
что вы делаете руками;
как часто это повторяется;
сколько времени отнимает;
где сейчас всё держится на памяти, переписках, таблицах или заметках;
что должно получаться на выходе.
Примеры таких задач:
- заявки приходят из разных мест, и их нужно вручную собирать;
- клиенты или коллеги задают похожие вопросы;
- ответы разбросаны по документам, чатам и памяти сотрудников;
- приходится долго искать нужный файл, статус, договор или переписку;
- нужно регулярно собирать отчёты, сводки или сообщения;
- есть база знаний, но ей неудобно пользоваться;
- в переписках и задачах сложно быстро понять, что зависло;
- в личных делах постоянно повторяются одни и те же списки, планы, заметки, решения;
- нужно анализировать рынок, документы, предложения или другие материалы, а вручную это занимает много времени.
Это может быть бизнес, работа специалиста или личная система.
Для меня здесь главное не название сферы, а сама задача. Если она повторяется и её можно описать простыми словами, с ней уже можно работать.
После консультации у вас должно остаться:
1–3 задачи, с которых можно начать;
понимание, где ИИ действительно может помочь;
понимание, где ИИ пока не нужен;
список материалов, которые понадобятся: документы, примеры, таблицы, переписки, типовые ответы;
следующий шаг: что сделать самим, а что можно отдавать в разработку или настройку. Какие инструменты использовать (софт, скиллы).
Иногда результатом будет не внедрение, а честный вывод: сначала нужно привести в порядок базу знаний, таблицу или сам процесс.
Это тоже полезно. Потому что иначе можно потратить деньги на красивого ИИ-помощника, которым потом никто нормально не пользуется.
Чтобы консультация не упёрлась в “ну не знаю”, я заранее дам короткие вопросы.
Например:
что вы делали руками на этой неделе;
что чаще всего копируете и вставляете;
какую информацию ищете дольше всего;
какие вопросы вам задают повторно;
какие отчёты, сообщения или документы делаете регулярно;
что давно хочется кому-нибудь отдать.
По этим ответам уже можно начать разговор не с пустого места, а с конкретных действий.
Если после разбора задача подходит для ИИ, можно отдельно обсудить внедрение: помощника по базе знаний, сводки по заявкам, разбор переписок, контроль зависших задач или другой понятный сценарий.
Если не подходит — так и скажу. Значит, сейчас лучше не тратить деньги на ИИ, а сначала навести порядок в процессе.
Стоимость разбора — 10 000 рублей. Обычно это консультация до часа. Внедрение, если оно понадобится, обсуждается отдельно.
Если хотите разобрать свою задачу, напишите в бот для связи:
@blind_dev_contact_bot
Лучше сразу коротко указать:
что делаете руками;
как часто это повторяется;
где теряется время;
какой результат хотите получить.
😎 Незрячий web3 программист (подписаться)
Чат | бот
👍6🔥2👌2❤1
Почему я больше не верю «децентрализации» — и всё равно продолжаю участвовать в DeFi
Раньше слово «децентрализация» для меня звучало сильнее.
Было ощущение, что если проект децентрализованный, значит он честнее, устойчивее и свободнее обычных финансовых систем. Нет одного центра, нет банка, нет компании, которая может просто всё закрыть или поменять правила.
Сейчас я смотрю на это спокойнее.
Не потому что DeFi оказался бессмысленным. Скорее потому, что со временем начинаешь видеть, сколько там реальных компромиссов.
У проекта может быть токен, DAO, красивые слова про комьюнити и управление. Но потом смотришь глубже — и видишь мультисиг, команду, фонды, инвесторов, централизованный фронтенд, оракулы, мосты, апгрейды контрактов, админские ключи.
То есть формально система может называться децентрализованной, но важные точки контроля всё равно где-то есть.
С DAO то же самое.
На бумаге это управление сообществом. На практике часто голосует очень маленькая часть держателей. У кого-то больше токенов, у кого-то больше делегированной силы, кто-то лучше понимает процедуру, кто-то ближе к команде. Иногда решение уже почти сформировано до голосования, а само голосование становится подтверждением.
И это не обязательно делает DAO плохим. Просто это не магическая демократия, где все равны и всё решает «сообщество». Там тоже есть концентрация влияния, пассивность участников и нюансы системы управления.
Наверное, главное разочарование у меня не в том, что DeFi обманул.
Скорее в том, что слово «децентрализация» слишком часто используют как готовый знак качества. Как будто если оно написано в документации или на сайте, то дальше можно не задавать вопросы.
А вопросы как раз нужны.
Кто может обновить контракт? Кто контролирует мультисиг? Как распределены токены? Кто реально голосует в DAO? Что будет, если фронтенд закроют? Можно ли пользоваться протоколом напрямую? От чего зависят оракулы и мосты? Что произойдёт в кризисной ситуации?
Раньше я мог сильнее верить самому лозунгу. Сейчас мне интереснее конкретная механика.
И при этом я всё равно не ушёл из DeFi.
Потому что даже с этими компромиссами там остаются вещи, которые мне важны: открытые транзакции, проверяемые контракты, возможность работать с финансовыми инструментами без обычных банковских ворот, эксперименты с рынками, кредитованием, деривативами, DAO и новыми формами координации.
Да, многое не такое децентрализованное, как звучит в маркетинге.
Но это не значит, что всё надо выбросить.
Для меня изменилась не сама причина участвовать, а уровень доверия. Я меньше верю словам «мы децентрализованы» и больше смотрю на то, где находятся реальные рычаги контроля.
Кто держит ключи. Кто может остановить или изменить систему. Кто принимает решения. Что можно проверить самому. Где пользователь реально свободен, а где просто пользуется красивым интерфейсом поверх старой логики контроля.
Наверное, это и есть более взрослая позиция по DeFi.
Не верить лозунгам.
Но и не уходить только потому, что идеальной децентрализации почти нигде нет.
😎 Незрячий web3 программист (подписаться)
Чат | бот
Раньше слово «децентрализация» для меня звучало сильнее.
Было ощущение, что если проект децентрализованный, значит он честнее, устойчивее и свободнее обычных финансовых систем. Нет одного центра, нет банка, нет компании, которая может просто всё закрыть или поменять правила.
Сейчас я смотрю на это спокойнее.
Не потому что DeFi оказался бессмысленным. Скорее потому, что со временем начинаешь видеть, сколько там реальных компромиссов.
У проекта может быть токен, DAO, красивые слова про комьюнити и управление. Но потом смотришь глубже — и видишь мультисиг, команду, фонды, инвесторов, централизованный фронтенд, оракулы, мосты, апгрейды контрактов, админские ключи.
То есть формально система может называться децентрализованной, но важные точки контроля всё равно где-то есть.
С DAO то же самое.
На бумаге это управление сообществом. На практике часто голосует очень маленькая часть держателей. У кого-то больше токенов, у кого-то больше делегированной силы, кто-то лучше понимает процедуру, кто-то ближе к команде. Иногда решение уже почти сформировано до голосования, а само голосование становится подтверждением.
И это не обязательно делает DAO плохим. Просто это не магическая демократия, где все равны и всё решает «сообщество». Там тоже есть концентрация влияния, пассивность участников и нюансы системы управления.
Наверное, главное разочарование у меня не в том, что DeFi обманул.
Скорее в том, что слово «децентрализация» слишком часто используют как готовый знак качества. Как будто если оно написано в документации или на сайте, то дальше можно не задавать вопросы.
А вопросы как раз нужны.
Кто может обновить контракт? Кто контролирует мультисиг? Как распределены токены? Кто реально голосует в DAO? Что будет, если фронтенд закроют? Можно ли пользоваться протоколом напрямую? От чего зависят оракулы и мосты? Что произойдёт в кризисной ситуации?
Раньше я мог сильнее верить самому лозунгу. Сейчас мне интереснее конкретная механика.
И при этом я всё равно не ушёл из DeFi.
Потому что даже с этими компромиссами там остаются вещи, которые мне важны: открытые транзакции, проверяемые контракты, возможность работать с финансовыми инструментами без обычных банковских ворот, эксперименты с рынками, кредитованием, деривативами, DAO и новыми формами координации.
Да, многое не такое децентрализованное, как звучит в маркетинге.
Но это не значит, что всё надо выбросить.
Для меня изменилась не сама причина участвовать, а уровень доверия. Я меньше верю словам «мы децентрализованы» и больше смотрю на то, где находятся реальные рычаги контроля.
Кто держит ключи. Кто может остановить или изменить систему. Кто принимает решения. Что можно проверить самому. Где пользователь реально свободен, а где просто пользуется красивым интерфейсом поверх старой логики контроля.
Наверное, это и есть более взрослая позиция по DeFi.
Не верить лозунгам.
Но и не уходить только потому, что идеальной децентрализации почти нигде нет.
😎 Незрячий web3 программист (подписаться)
Чат | бот
👍16🔥2
NVIDIA и NVDAx: одна история, два разных риска
Я прогнал через TCCC AI два аудита: обычную акцию NVIDIA и токенизированную версию NVDAx в xStocks. Полезно смотреть на них рядом, потому что название одно, а риски разные.
Сначала акция NVDA.
По бизнесу всё понятно: NVIDIA сейчас держится на Data Center и AI-инфраструктуре. В аудите этот сегмент даёт около 90% выручки FY26. Это сильная позиция, но одновременно главная зависимость.
По финансам картина очень сильная: валовая маржа примерно 71–75%, операционная около 60%, свободный денежный поток хорошо конвертируется из прибыли. Баланс тоже крепкий: чистая кэш-позиция выросла примерно до $55 млрд.
По рынку акция очень ликвидная, капитализация уже около $5 трлн, бета выше 2. То есть это не «тихая голубая фишка», а большой и очень чувствительный к ожиданиям актив.
По оценке нет простого ответа «дёшево» или «дорого». Компания стоит примерно 20 годовых выручек, а вся компания с учётом долга — примерно 25 годовых операционных прибылей. Это дорого. Но если смотреть на ожидаемую прибыль следующего года, оценка уже около 21 годовой прибыли, а соотношение цены и темпа роста выглядит ближе к нормальному. В этом и суть: текущая цена держится на вере, что AI-capex не сломается.
Главные риски NVDA:
- зависимость от капекса Microsoft, Google, Amazon, Meta и других крупных клиентов;
- почти вся история роста завязана на Data Center;
- TSMC, упаковка CoWoS-L и цепочка поставок;
- экспортные ограничения, особенно по Китаю;
- регуляторное давление из-за доминирования на GPU-рынке;
- высокая чувствительность оценки к любому замедлению.
По риск-профилям акция получила moderate risk. Моё мнение по акции: бизнес очень сильный, но покупать её как «безопасную ставку на ИИ» нельзя. Это ставка на продолжение больших расходов гиперскейлеров и сохранение маржи.
Теперь NVDAx в xStocks.
NVDAx — не акция NVIDIA и не обычный криптотокен. Это токенизированный сертификат-трекер: 1 NVDAx должен отслеживать 1 акцию NVDA. Эмитент — Backed Assets, заявлены 1:1 обеспечение, segregated custody, KYC, whitelist и юридическая структура под Liechtenstein Blockchain Act и EU Prospectus Regulation.
Плюсы есть: продукт мультичейн, есть Ethereum и Solana, исходники контрактов проверены, xStocks интегрирован с CEX/DEX и DeFi, у NVDAx десятки тысяч держателей. Токеномика простая: нет вестинга, unlock-графиков, стейкинга, governance-игр. Комиссия управления сейчас 0%, но может стать до 0.25% в год; выпуск/погашение — до 0.50%.
Но риски у NVDAx другие:
- нет публичного свежего аудита основного контракта NVDAx;
- не раскрыты multisig/timelock для admin-ключей;
- не найден bug bounty;
- один адрес держит около 47.5% supply, вероятно кастодиальный, но риск концентрации остаётся;
- есть расхождения в market cap и supply между источниками;
- oracle и rebase-механизм раскрыты не полностью;
- пользователь зависит от эмитента, кастодианов, KYC, юрисдикций и правил доступа.
По риск-профилям NVDAx тоже moderate risk, но вывод жёстче: для консервативного профиля — reject, для сбалансированного — только маленькая позиция, для агрессивного — спекулятивно и небольшим размером.
Мой итог: NVDA — это риск дорогого, концентрированного, но реального бизнеса. NVDAx — это риск того же рыночного актива плюс слой эмитента, кастодиана, контрактов, админ-ключей, оракулов и юрисдикций.
Если человеку нужен долгосрочный инвестиционный доступ к NVIDIA, обычная акция выглядит чище. NVDAx интересен как эксперимент с RWA и DeFi-совместимостью, но я бы не воспринимал его как равную замену акции, пока не раскрыты аудит основного контракта, схема админ-ключей и детали oracle/rebase.
Ссылки:
Аудит акции NVIDIA
Аудит NVDAx
Не финансовая рекомендация. Скорее пример, почему токенизированная акция — это не та же акция в кошельке.
😎 Незрячий web3 программист (подписаться)
Чат | бот
Я прогнал через TCCC AI два аудита: обычную акцию NVIDIA и токенизированную версию NVDAx в xStocks. Полезно смотреть на них рядом, потому что название одно, а риски разные.
Сначала акция NVDA.
По бизнесу всё понятно: NVIDIA сейчас держится на Data Center и AI-инфраструктуре. В аудите этот сегмент даёт около 90% выручки FY26. Это сильная позиция, но одновременно главная зависимость.
По финансам картина очень сильная: валовая маржа примерно 71–75%, операционная около 60%, свободный денежный поток хорошо конвертируется из прибыли. Баланс тоже крепкий: чистая кэш-позиция выросла примерно до $55 млрд.
По рынку акция очень ликвидная, капитализация уже около $5 трлн, бета выше 2. То есть это не «тихая голубая фишка», а большой и очень чувствительный к ожиданиям актив.
По оценке нет простого ответа «дёшево» или «дорого». Компания стоит примерно 20 годовых выручек, а вся компания с учётом долга — примерно 25 годовых операционных прибылей. Это дорого. Но если смотреть на ожидаемую прибыль следующего года, оценка уже около 21 годовой прибыли, а соотношение цены и темпа роста выглядит ближе к нормальному. В этом и суть: текущая цена держится на вере, что AI-capex не сломается.
Главные риски NVDA:
- зависимость от капекса Microsoft, Google, Amazon, Meta и других крупных клиентов;
- почти вся история роста завязана на Data Center;
- TSMC, упаковка CoWoS-L и цепочка поставок;
- экспортные ограничения, особенно по Китаю;
- регуляторное давление из-за доминирования на GPU-рынке;
- высокая чувствительность оценки к любому замедлению.
По риск-профилям акция получила moderate risk. Моё мнение по акции: бизнес очень сильный, но покупать её как «безопасную ставку на ИИ» нельзя. Это ставка на продолжение больших расходов гиперскейлеров и сохранение маржи.
Теперь NVDAx в xStocks.
NVDAx — не акция NVIDIA и не обычный криптотокен. Это токенизированный сертификат-трекер: 1 NVDAx должен отслеживать 1 акцию NVDA. Эмитент — Backed Assets, заявлены 1:1 обеспечение, segregated custody, KYC, whitelist и юридическая структура под Liechtenstein Blockchain Act и EU Prospectus Regulation.
Плюсы есть: продукт мультичейн, есть Ethereum и Solana, исходники контрактов проверены, xStocks интегрирован с CEX/DEX и DeFi, у NVDAx десятки тысяч держателей. Токеномика простая: нет вестинга, unlock-графиков, стейкинга, governance-игр. Комиссия управления сейчас 0%, но может стать до 0.25% в год; выпуск/погашение — до 0.50%.
Но риски у NVDAx другие:
- нет публичного свежего аудита основного контракта NVDAx;
- не раскрыты multisig/timelock для admin-ключей;
- не найден bug bounty;
- один адрес держит около 47.5% supply, вероятно кастодиальный, но риск концентрации остаётся;
- есть расхождения в market cap и supply между источниками;
- oracle и rebase-механизм раскрыты не полностью;
- пользователь зависит от эмитента, кастодианов, KYC, юрисдикций и правил доступа.
По риск-профилям NVDAx тоже moderate risk, но вывод жёстче: для консервативного профиля — reject, для сбалансированного — только маленькая позиция, для агрессивного — спекулятивно и небольшим размером.
Мой итог: NVDA — это риск дорогого, концентрированного, но реального бизнеса. NVDAx — это риск того же рыночного актива плюс слой эмитента, кастодиана, контрактов, админ-ключей, оракулов и юрисдикций.
Если человеку нужен долгосрочный инвестиционный доступ к NVIDIA, обычная акция выглядит чище. NVDAx интересен как эксперимент с RWA и DeFi-совместимостью, но я бы не воспринимал его как равную замену акции, пока не раскрыты аудит основного контракта, схема админ-ключей и детали oracle/rebase.
Ссылки:
Аудит акции NVIDIA
Аудит NVDAx
Не финансовая рекомендация. Скорее пример, почему токенизированная акция — это не та же акция в кошельке.
😎 Незрячий web3 программист (подписаться)
Чат | бот
👍8👌4🔥3💯2
Обновил скилл для скачивания документаций, уменьшив расход по токенам модели
Для чего вообще нужен getDocs?
Представьте, что у сервиса большая документация: десятки страниц про функции, настройки, API и примеры.
Например, CRM с ИИ, бухгалтерией, обработкой заказов, контакт-центром, номером +8 800, ...
Вам нужно не читать всё подряд, а быстро понять конкретный вопрос: как подключиться, какие есть методы, где ограничения, как выглядит пример запроса.
Например, в случае с CRM лишь бухгалтерия и обработка заказов.
Вручную это может занять несколько часов!
getDocs помогает забрать такую документацию в Markdown-формат, то есть в файлы .md, а потом разбирать её вместе с ИИ-агентом.
Он прочитает, и может подсказать только нужное вам. Или даже интегрировать.
Недавно я обновил этот скилл.
Потому что была проблема.
Если документация большая, агенту легко скормить слишком много лишнего текста. Он читает большой файл или много отдельных файлов, а в контекст модели улетает всё подряд.
А вместе с этим быстрее заканчиваются лимиты по токенам.
Теперь в getDocs добавлена поддержка QMD.
Если QMD установлен, скилл после скачивания автоматически создаёт индекс по документации. Дальше агент может сначала искать по индексу, а уже потом читать только найденные фрагменты.
То есть не так:
«вот вся документация, разбирайся».
А так:
«найди места про нужный метод или интеграцию - и прочитай только эти куски».
Проверил на документации одного проекта, название специально не пишу.
Что получилось:
• вся документация: примерно 18 тысяч слов, около 50-55 тысяч токенов;
• поиск через QMD для конкретного вопроса: примерно 2,5 тысячи слов, около 5-6 тысяч токенов;
• экономия контекста - примерно в 9 раз.
Потом отдельно прошёлся по файлам напрямую и сравнил, не потерялись ли важные места.
По смыслу QMD нашёл те же релевантные фрагменты. Просто без загрузки всей документации в модель.
Для меня это хороший пример того, как надо улучшать ИИ-инструменты.
Документация лежит отдельно. Агент сначала ищет. Модель получает только нужные куски. Полное чтение остаётся как запасной вариант, если поиск не помог.
Похоже на подход NotebookLM, только локально: без cookies, неофициальных API Google и риска, что завтра сторонняя связка сломается.
Минус тоже есть: нужно один раз встроить поиск в рабочий процесс скилла и явно прописать агенту правило - сначала QMD, потом точечное чтение, полный файл только если иначе нельзя.
Практическая выгода простая: при работе с большой документацией вы меньше тратите лимиты модели.
Если агент читает все файлы подряд, лимит может закончиться быстро. А если сначала ищет через QMD и отдаёт модели только нужные фрагменты, с тем же ChatGPT можно работать заметно дольше.
Особенно это полезно, когда основная работа идёт не через чтение всей документации, а через поиск по файлам.
Кстати, на сайте ChatGPT вы так не сделаете. Да и не уверен, что там вообще удобно изучать 20-100 страниц справки проекта.
Репозиторий:
https://github.com/web3blind/getdocs-skill
Всё ли понятно? Если нет - спрашивайте, помогу разобраться.
😎 Незрячий web3 программист (подписаться)
Чат | бот
Для чего вообще нужен getDocs?
Представьте, что у сервиса большая документация: десятки страниц про функции, настройки, API и примеры.
Например, CRM с ИИ, бухгалтерией, обработкой заказов, контакт-центром, номером +8 800, ...
Вам нужно не читать всё подряд, а быстро понять конкретный вопрос: как подключиться, какие есть методы, где ограничения, как выглядит пример запроса.
Например, в случае с CRM лишь бухгалтерия и обработка заказов.
Вручную это может занять несколько часов!
getDocs помогает забрать такую документацию в Markdown-формат, то есть в файлы .md, а потом разбирать её вместе с ИИ-агентом.
Он прочитает, и может подсказать только нужное вам. Или даже интегрировать.
Недавно я обновил этот скилл.
Потому что была проблема.
Если документация большая, агенту легко скормить слишком много лишнего текста. Он читает большой файл или много отдельных файлов, а в контекст модели улетает всё подряд.
А вместе с этим быстрее заканчиваются лимиты по токенам.
Теперь в getDocs добавлена поддержка QMD.
Если QMD установлен, скилл после скачивания автоматически создаёт индекс по документации. Дальше агент может сначала искать по индексу, а уже потом читать только найденные фрагменты.
То есть не так:
«вот вся документация, разбирайся».
А так:
«найди места про нужный метод или интеграцию - и прочитай только эти куски».
Проверил на документации одного проекта, название специально не пишу.
Что получилось:
• вся документация: примерно 18 тысяч слов, около 50-55 тысяч токенов;
• поиск через QMD для конкретного вопроса: примерно 2,5 тысячи слов, около 5-6 тысяч токенов;
• экономия контекста - примерно в 9 раз.
Потом отдельно прошёлся по файлам напрямую и сравнил, не потерялись ли важные места.
По смыслу QMD нашёл те же релевантные фрагменты. Просто без загрузки всей документации в модель.
Для меня это хороший пример того, как надо улучшать ИИ-инструменты.
Документация лежит отдельно. Агент сначала ищет. Модель получает только нужные куски. Полное чтение остаётся как запасной вариант, если поиск не помог.
Похоже на подход NotebookLM, только локально: без cookies, неофициальных API Google и риска, что завтра сторонняя связка сломается.
Минус тоже есть: нужно один раз встроить поиск в рабочий процесс скилла и явно прописать агенту правило - сначала QMD, потом точечное чтение, полный файл только если иначе нельзя.
Практическая выгода простая: при работе с большой документацией вы меньше тратите лимиты модели.
Если агент читает все файлы подряд, лимит может закончиться быстро. А если сначала ищет через QMD и отдаёт модели только нужные фрагменты, с тем же ChatGPT можно работать заметно дольше.
Особенно это полезно, когда основная работа идёт не через чтение всей документации, а через поиск по файлам.
Кстати, на сайте ChatGPT вы так не сделаете. Да и не уверен, что там вообще удобно изучать 20-100 страниц справки проекта.
Репозиторий:
https://github.com/web3blind/getdocs-skill
Всё ли понятно? Если нет - спрашивайте, помогу разобраться.
😎 Незрячий web3 программист (подписаться)
Чат | бот
1🔥12👏3