Opus 5.5 — машина для роликов или ИИ-агенты пришли за ютубом

Вдохновился постом у Игоря про то, что люди генерят тонны контента через Опус https://t.iss.one/tips_ai/4925
Решил проверить и сгенерировать мне видео описание для скилла вордстата (писал про него зимой ссылка)

Где-то в середине работы Опус сам предложил мне озвучить и спросил про ключик Elevenlabs. Я положил, мы выбрали голос и получили ролик.

🤔 Хотелось бы радоваться, но…

В одном из чатов про ИИ сегодня обсуждали неприятный момент в рабочей коммуникации. Вашего покорного слугу страшно бесит, когда ему в персональной переписке закидывают тонну ИИ-слопа: «Вот тебе Саша, разбирайся». Мне кажется, что подобный слоп, развёрнутый поток мыслей и выводов хорош для передачи задач между агентами, но никак не для людей.
А ещё вашего покорного слугу всегда бесили голосовухи.

😀 Так вот недавно я понял, что если мне приходят голосовые сообщения или кружочки — то это 100% не будет нейрослоп. Там что-то осмысленное, что человек хоть как-то пытался для меня структурировать.

То же самое уже где-то год как происходит с текстовым контентом. Ты открываешь статью на платформе, которая всю жизнь была для инженеров и понимаешь, что читаешь сгенерированное ИИ творчество. Я бы не сказал, что оно прям плохое, просто его неудобно читать из-за англицизмов и ломанных антитез.

▶️ Засоряем видеохостинги

Учитывая то, что текстовый контент стал синтетическим, а SynthID пока не получил распространение для разметки внутри платформ, то лично для меня более предпочтительным стал видеоконтент. Если автор снял ролик, там явно будет человеческая проработка, даже если текст ему генерировал ИИ.

Кажется, что теперь, учитывая простоту и доступность нас ждёт замусоривание в том числе и видео. И не очень понятно, как подобные анимации можно зачизать с позиции синтетических меток.

Обсуждение под постом предлагаю построить вокруг вопросов о том, где и почему ИИ-контент это всё таки хорошо, а не плохо.

----

Поляков считает — AI, код и кейсы

А как вы проверяете свои знания в мире нейронок?

Не смотря на то, что плотно сижу в ИИ-чатиках и непрерывно черпаю информацию из них и обмениваюсь опытом с коллегами, всё равно довольно часто всплывают какие-то темы, которых я не касался или же не было времени попробовать/протестировать. А еще чаще в голове сидят мысли по какой-то теме, в которой я не уверен, вроде информации много крутится вокруг, а как оно на самом деле должно быть правильно, не ясно, мнения сильно разнятся и четкой картины нет.

Думал, как бы эффективнее держать руку на пульсе и совсем не сойти с ума читая все новости из телеграма. Пришел к такой схеме: иду в десктопный Codex или Claude Code, подгружаю туда пару актуальных книжек по теме, и прошу меня протестировать вопросами (обычно 15-20 вопросов достаточно). По результатам тестов составляем карту "слепых зон" в моих знаниях, и на основе этой информации прошу подготовить мне план обучения: про что стоит почитать и подтянуть знания, чтобы закрыть пробелы.

И последний подобный сеанс с Claude меня так увлек, что я посчитал это отличным способом периодически проводить "инвентаризацию" своих знаний и иметь четкий план дообучения. Тут даже не обязательно идти читать саму книгу по нужным главам, достаточно на основе нее попросить Claude в удобной мне форме доставить мне всех недостающих знаний. Просто так без какой либо опоры в виде статей и книг, нейронки далеко не всегда хорошо помогают изучать работу с нейронками и агентами в частности, банально у них нет актуальной информации в весах или же знания слишком поверхностные. Поэтому какая-то база по-любому нужна.

И вот, решил вчера сам для себя сделать небольшой проектик по тестированию своих знаний на основе подгружаемых материалов. Просто вкидываю нужную книгу/ресурс, генерирую себе пачки вопросов, раскладываю по темам, потом делаю независимое ревью, чтобы быть уверенным, что в процессе генерации не было галлюцинаций и все вопросы с ответами на них актуальны и действительно опираются на книги.

🔗 И сделал для себя вот это: https://context.aihubnews.ru/

Помогает пройти как быструю диагностику текущих знаний на масштабе, так и пройтись по одной из профильных тем. Предлагаю и Вам попробовать такой формат, чтобы подсветить пробелы в знаниях.

Все тесты основаны на 8 топовых книжках, которые я посчитал актуальными на данный момент и дают все необходимые знания в деталях. И одна из нашего комьюнити, где лучше практики собраны за пол года общения в чатиках и сконцентрированы в pdf на 200 страниц, тоже участвует в генерации тестов. (если кому будет интересно скину в комментариях).

Если что, список книг которые в целом советовал бы почитать или изучить частично по нужным темам: (что-то может быть не самым свежим, но база особо не менялась)

📓 AI Agents in Depth: Design Principles and Engineering Practice
Bojie Li · 2026

📕 AI Engineering
Chip Huyen · 2025

📔 Essential GraphRAG
Tomaž Bratanič, Oskar Hane · 2025

📘 Generative AI Design Patterns
Valliappa Lakshmanan, Hannes Hapke · 2025

📙 Building Applications with AI Agents
Michael Albada · 2025

📗 The Developer's Playbook for Large Language Model Security
Steve Wilson · 2024

📒 Agentic Design Patterns
Antonio Gullí · 2025

📕 Prompt Engineering for LLMs
John Berryman, Albert Ziegler · 2024

Веб-дизайн с Codex: что я переосмыслил за неделю без Claude Design

Последнюю неделю стараюсь делать все задачи в Codex, пока мой будущий аккаунт Claude созревает, и меня расстраивает насколько же у моделей OpenAI нет вкуса. Такое ощущение, что с весны, когда Anthropic выпустили свой подпродукт для дизайнеров они очень прокачались и научились попадать в кайфовые графические концепции с первого раза.

💬 На самом деле есть тонкий момент — когда начинаешь прикладывать дизайн от оранжевого маэстро к продакшену, он разваливается — дизайн слишком красив, чтобы стать частью кривой базы данных, но об этом как-нибудь в другой раз.

Короче когда я начал просить Codex делать варианты дизайна, получал какие-то нелепые идеи в лоб из 2010-х.

🌟 Нашел статью Anthropic, из которой забрал подход

В конце сентября инженеры Anthropic снова выпустили материал, в котором заставили ИИ-агентов выполнять экономически полезную работу для пользователя. Представлять интересы пользователей в игровом обмене книгами. И прикол в том, что торговались агенты отлично, а вот людей понимали посредственно: вкусы угадали в 61% случаев против 50% у монетки.

В исследовании предложили прототип решения: перед прогоном агент демонстриует перед пользователем пробные варианты и сверяет догадки. Таким образом агент формирует знание о предпорчтениях.

Само исследование:
• оригинал на английском
• пересказ glm5.3 на русском

Причём тут работа с дизайном?

🗺️ Я решил не ваншотить, а собирать страницу по частям

Идея была в том, чтобы взять достаточно сложную страницу сайта (взял отдельный товар) и собрать её вместе с Astra 6 в формате обсуждения даже не экранов, а отдельных элементов. Как должен выглядеть поиск? Какие ограничения у навигационного меню? Как происходит навигация внутри карточек товаров?

В ходе интервью вылетали детали:

• не у всех товаров есть размеры
• бывают траблы с наличием
• вариантов изделий может быть очень много
• неплохо было бы показать прибавку в цене, как у авиаперевозчиков
• и т.д.

После каждой правки агент должен её применить, и записать в документ с данными по страницам. Он сохраняет предпочтения, беклог, функциональность (чтобы когда другой агент придёт натягивать дизайн, то ему были понятны принципы работы).
Появилась даже заметка о кривой кнопке с промо, которую в итоге можно наряжать в снежинки и цветочки по праздникам.

🤔 Ну и куда же без концепции тогглов

Мне нравится, что клод дизайн сразу генерирует превью с интерактивными переключателями. То есть ты сразу можешь выбрать пустую или полную корзину товаров, можешь играться с наличием, поэтому я попросил кодекс также собирать для меня макеты с переключателями: рядом мобильная и десктопная вёрстка.

Самое крутое, что после того, как я написал ему 20 сообщений про шапку и меню, элементы дальше стали генерироваться намного быстрее, всего за 1-2 правки.

Мораль: вкус — это контекст и предпочтения. Предпочтениям может следовать и Claude и Codex (просто кто-то очень медленно). Вкус — это такой сжатый опыт продукта: передал этот опыт, и у модели появляется вкус. Проблема заключается ещё и в том, что в момент брифинга мы ещё не думаем про функциональные ограничения, они начинают вылезать после того, как мы начали объединять набросок и товарный каталог.

А вы как? Что делаете, чтобы попадать в дизайн высокого качества? Какие скилы используете, что рекомендуете?

----

Поляков считает — AI, код и кейсы