Всем привет! 🖖

Ровно месяц меня не было на связи и за это время случилось много всего 🙂

➖Мы завершили проект в Вышке, впереди защита. Одними из первых в высшем образовании внедрили инструмент на базе ИИ. Детали позже, но результат 🔥

➖На прошлой неделе вписался в московский хакатон по цифровизации прикладных задач. Собрал команду, пилим сервис для строителей. Дедлайны жмут, но постараемся уложиться 🚀

➖На подходе проект по поиску психологов через телеграм-каналы: вы вводите запрос, система анализирует, о чём пишет психолог, и выдаёт метч с оценкой вероятности, насколько специалист вам подходит. Тут тоже много кода, ИИ и алгоритмов. Надеюсь, скоро анонсирую и его 😉

➖ Прямо сейчас идёт закрытый тест бота по архетипам. Это, наверное, первый бот, которым я сам пользуюсь каждый день. Помогает проживать день в соответствии с личными энергиями, мощно, и главное, работает как магия ✨

Вообще месяц был очень трансформационный и в личном, и в профессиональном плане. Впереди много интересного: фонтанирую идеями, хочется сделать всё и сразу, но приходится выбирать.

Как вы? Что нового у вас за этот месяц? 🙌

Кажется, закрылись ещё N стартапов.

Печальные для кого-то новости приходят под конец дня.

OpenAI выкатили ChatGPT Pulse, помощника, который сам, каждый день напоминает о важном и подвозит персональную сводку.

Пока не тестил, но говорят работает так:

- Сказали, что летите в путешесвтие: пришлёт список мест и ресторанов.
- Искали что-то про спорт: подбросит свежие ресёрчи и ЗОЖ-материалы.
- Подключаете Google Calendar и Gmail: собирает повестку к встречам, напоминает о днях рождения и даже накидывает идеи подарков.

Подборка строится по вашим чатам и контексту дня; руками всё можно докрутить.

Когда-то и у меня была идея такого приложения, хорошо не докрутил, сейчас было бы обидно)

Похоже скоро на экране телефона в разы уменьшится количество иконок.

Забавное чувство словил сегодня.
Когда я только начинал изучать ML и всё вокруг с ним связанное, насколько оно приносило мне восхищение и восторг. Сейчас это превратилось в ремесло, уже знаешь что и как и почему. Это немного фрустрирует, но приходят новые идеи и новые проекты и тут интересная шутка получается: каждый раз стараешься привнести что-то новое, чтобы снова поймать это чувство восторга. На этом и живём, по-другому я не понимаю как оставаться мотивированным специалистом. Да, бывает и такое, особенно на долгих проектах, что начинаешь выгорать, но как-то справляешься и идёшь дальше.

И самое интересное в том, что именно в поиске новых ощущений и есть смысл. Мы не роботы, чтобы делать одно и то же по инструкции. Технологии развиваются, подходы меняются, появляются свежие идеи, а вместе с ними и шанс снова испытать то самое чувство, ради которого когда-то в это всё и влюбился.

Поэтому важно держать баланс: не бояться рутинных задач, они дают стабильность, но и обязательно искать возможность для эксперимента. Это может быть новый инструмент, другая архитектура или просто более изящное решение старой проблемы.

В итоге это и есть топливо. Без него наступает выгорание, с ним приходит рост.

И пару лайфхаков, которые реально помогают не тухнуть:
✨ Делайте маленькие сайд-проекты, даже если они выглядят бесполезными. Часто именно там рождаются самые крутые идеи.
🌍 Меняйте окружение: митапы, конференции, комьюнити.
🗣 Учитесь объяснять сложное простым языком. Когда делишься знаниями, сам снова ловишь ту самую искру.

🎯 Новый подход SGR: зачем он нужен и чем интересен

Недавно наткнулся на интересную инициативу, а точнее проект SGR Deep Research от сообщества neuraldeep. Он реализует так называемую Schema-Guided Reasoning (SGR). Это метод, в котором LLM направляются к «структурированному мышлению» через заранее заданные схемы.

Суть в том, чтобы не позволять модели просто гадать и «вымышлять» логику, а принудительно заставлять её рассуждать шаг за шагом по заданной структуре: выбор действий → выполнение → анализ → финальный вывод.

✅ Сильные стороны (на мой взгляд)

1. Прозрачность рассуждений.
Вместо того, чтобы модель давала “черный ящик” с ответом, мы получаем цепочку промежуточных шагов. Это облегчает контроль, объяснимость и поиск ошибок.

2. Более надежная работа на лёгких моделях.
Как утверждают авторы, на моделях до ~32 млрд параметров схема “принудительного рассуждения” оказывается стабильнее, чем подход "ReAct / функция вызова" в условиях, когда модель сама решает, вызывать инструменты или нет.

3. Гибридный стиль.
В проекте не исключают микс: SGR для планирования и управ­ления + Function Calling (инструменты) для фактического получения данных. Такой подход обещает лучшее из обоих миров.

4. Контроль и логирование.
Поскольку каждый шаг формализован, можно логировать весь процесс, что полезно для аудита, отладки, объяснимости.

💡 Как я вижу применение и дальнейшее развитие

- В аналитических и исследовательских задачах — идеален. Когда нужно обоснование, ссылки, аргументация — SGR может стать "умным каркасом" для генерации отчётов, обзоров, сравнений.

- В системах, где необходима гарантия производительности и воспроизводимости. Например, юридическая аналитика, медицина, финансы и там, где "черный ящик" недопустим.

- Интеграция с Function Calling: позволить схеме направлять, но дать свободный доступ к внешним инструментам, когда это нужно.

- Автоматическая генерация схем для новых доменов: возможность, обучать "мета-модели", которые создают схемы под запрос.

- Бенчмарки и сравнение с ReAct / Chain-of-Thought / другие агентские подходы. Очень бы хотелось видеть эмпирическое сравнение на разных классах задач и размерах моделей.

SGR — это попытка вывести LLM угадывания ответа в состояние контролируемого рассуждения. Метод принуждает модель думать структурно, шаг за шагом. Это не панацея, но очень перспективный компромисс между контролируемостью и гибкостью, особенно на моделях среднего размера.

Впрочем, многое будет зависеть от того, насколько хорошо будут спроектированы схемы и насколько гладким будет интерфейс между схемами и инструментами.

Сайты снова в моде и вот почему

Вчера был на митапе по GEO (Generative Engine Optimization), по сути то же SEO, только для генеративного поиска. Обсуждали, что нужно, чтобы попадать в ответы GPT, Gemini, Perplexity, Qwen, DeepSeek и ко.

И вывод очевиден: нужен технически грамотный, "читаемый" для ИИ сайт. За последние годы многие ушли в соцсети и маркетплейсы, а сайты подзабросили. Но та-дам и сайты снова стали ключевым активом. Если классический поиск будет отходить на второй план, то попадание в индекс ИИ превращается в must-have для любого проекта.

Что делать в GEO (почти как в SEO, но с акцентами):
— Микроразметка стала суперважной. В первую очередь FAQPage/HowTo/Article, хлебные крошки, Organization/Person.
— Семантика + сущности: помимо ключей, проработайте сущности (бренд, продукты, персоны, темы), проставьте связи через schema.org (about/mentions/sameAs).
— Подсветите экспертизу: авторство с био, кейсы, отзывы, упоминания в медиа. Для YMYL-тем — ориентируемся на E-E-A-T (опыт, экспертность, авторитет, надёжность).
— Техничка: скорость, индексируемость, чистые URL, понятная структура, XML-sitemap, RSS, корректные canonical/robots. JS — по минимуму в критичных зонах контента.
— Контент-хабы: делайте посадочные страницы с кратким, точным, проверяемым ответом и внутренними ссылками на подробности.

И да, ключевой момент: хорошо написанные (и отредактированные!) GPT-статьи отлично заходят в индекс ИИ. Главное добавить фактуру: источники, примеры, скриншоты, схемы, FAQ-блоки.

Про лидогенерацию тоже немного обсудили: трафик из ИИ-поиска приходит "тёплым" — люди уже сформулировали запрос. Значит, на сайте должны быть: ясные офферы, быстрые формы, калькуляторы, чек-листы, демо-видео и триггеры доверия рядом с ключевыми ответами.

Мини-чеклист GEO или что можно сделать уже сейчас:
- Проставьте базовую schema.org (Organization/Person, FAQ на 3–5 топ-вопросов).
- Соберите список сущностей бренда и продуктов,
- Создайте 1–2 контент-хаба под главные запросы + короткие Q&A.
- Проверьте скорость/индексируемость (Core Web Vitals, sitemap, robots, canonical).
- Добавьте авторские карточки и страницы "Опыт/Кейсы".

А ещё я понял, что моя многолетняя эксперзита в SEO хорошо бустит и в GEO.
Так что, если кому-то нужна консультация по оптимизации под генеративный поиск:
Welcome, помогу выстроить стратегию и внедрить чеклист. 🚀

#GEO #SEO #генеративныйпоиск #микроразметка #E_E_A_T #контентхабы #лидогенерация

Месяц экспериментов над собой
(все трюки выполнены профессионалами)

Провёл интересный эксперимент.
Цель: понять пределы при пиковой нагрузке.
Условия: каждый день - и будни, и выходные - минимум пауз, максимум рабочих задач.

Первые две недели всё шло бодро: закрывал таски, нырял в новые темы, что-то улучшал и допиливал до 3 ночи. Утром - подъём в 8–9 и снова в бой.

Потом начались когнитивные проседания. "Но это ещё не предел", - подумал я.
Дальше всё посыпалось по экспоненте, пока не достиг дна: отсутствие сил и внимания, потерянность и апатия.

Классическое выгорание 🫠

Прошла неделя с окончания эксперимента, и вот какие (очевидные) выводы:

📌Сон — архиважная штука. Без 7–8 часов всё остальное бессмысленно.
📌Перерывы и физическая активность — must-have. Короткие паузы каждый час, прогулки/физическая активность ежедневно.
📌Выходные — это часть системы, а не слабость. Серии без дней восстановления ломают продуктивность.
📌Планирование > героизм. 1 глубокая задача в день + 2–3 мелких — лучше, чем 12 вкладок хаоса.
📌Питание и вода влияют сильнее, чем кажется. Кофе не замена сну.
📌Сигналы перегруза нужно отслеживать. Туман в голове, раздражительность, ошибки как ред флаги.
📌Делегирование и "нет" — инструменты чтобы не выгореть окончательно.

Что меняю дальше: режим v2.0 - 2×90 минут фокус-спринтов днём, работа до 22:30 максимум, суббота - off, воскресенье - лёгкие дела и планирование.

TL;DR: марафон без сна = быстрый путь к выгоранию.
Система > спринты на адреналине.

В первую очередь пишу этот пост для себя, чтобы возвращаться к нему и не повторять подобного)
Возможно кому-то тоже будет полезно)

P.S. Конечно всё зависит от возраста, лет в 20 я бы и месяц продержался))

#работа #фокус #выгорание #сон #продуктивность #эксперимент

Тем не менее, из этого эксперимента, помимо негативных последствий для меня лично, родилось много хорошего.
Одним из таких продуктов стал бот по архетипам.

«Архетипы — это универсальные сценарии мышления и поведения,
которые повторяются у людей и культур. Они не про “ярлык”,
а про подсветку сильных сторон и типичных ловушек.»

Зачем это вообще после истории с выгоранием?
Я увидел, что "один режим для всех" не работает. Кому-то заходит спринт и дедлайны, кому-то исследование и погружения. Бот помогает быстро понять свой паттерн и настроить день под себя.

Этот бот делает 3 ключевые вещи:

Определяет твой личный архетип по дате рождения.
Помогает увидеть, как ты воспринимаешь реальность: где твои сильные стороны и какие уязвимости стоит прикрыть.

Сопоставляет его с «архетипом дня».
Показывает, какие энергии «в воздухе» сегодня и как именно они влияют на тебя.

Дает практические рекомендации на день:
- на что обратить внимание;
- где можно потерять энергию;
- как восполнить ресурс;
- какие действия помогут прожить день «в себе» и «в силе».

Кому зайдёт:

- тем, кто хочет поднять продуктивность без саморазрушения;
- тем, кому важно точнее делегировать и меньше микроменеджить;
- всем, кто чувствует «туман в голове» и ищет рабочую систему.

Это не психодиагностика и не диагноз. Это практичный инструмент самонастройки.

Проект только в начальной стадии своего предзапуска, но мы с командой: из замечательного специалиста по архетипам @jsilver_finE, и не менее прекрасного маркетолога (и не только 😎) @zharchenkov уже проделали много работы и готовы пригласить желающих на открытое тестирование:

✅ Хочу на тест!

#архетипы #продуктивность #выгорание #самоменеджмент

Если у AI-проекта нет валидационной команды, эту роль выполнит… пользователь.
И сделает он это дорого, громко и в проде 🙂

Чем больше мы растим ИИ ассистента в Вышке, тем очевиднее: валидация - такой же обязательный компонент, как репозиторий, CI/CD и алерты.
Тут пара мыслей о том, как я это вижу изнутри и почему без неё нельзя.

Что такое "валидационная команда"?
Это не "разметчики", хотя без них тоже никуда. Это мини-команда со своей миссией: гарантировать полезные, безопасные и предсказуемые ответы модели при любых изменениях - от базы знаний до промпта и версии LLM.

Из кого она должна состоять (в идеале):
Lead/методолог - формулирует критерии качества и процесс
Red team - ломает: джейлбрейки, утечки PII, токсичность, промпт-инъекции
Валидационные аналитики - эталоны, чек-листы, «золотой набор», слепая разметка
QA/Tooling - пайплайны A/B, автоматизация регресса, мониторинги
Data analyst - отчёты, метрики, деградации, приоритизация фиксов

Что именно они делают на практике:
- собирают и поддерживают golden set: реальные диалоги + краевые кейсы
- пишут критерии приёмки для каждой категории: полнота, точность, тон, безопасность
- гоняют A/B: промты, контекст, температуры, политика эскалации
- проводят ред-тиминг по сценариям (фишинг, PII, провокации)
- ставят апрув на релиз: ни один промпт/модель/статья не уходит в прод без их одобрения
- мониторят в проде дрейф: триггеры на падение качества и всплеск эскалаций

И с первого дня проекта, валидация участвует в постановке задач, определяет «что такое хороший ответ», помогает собрать первый golden set. Перед релизом проводит стресс-тесты. В проде мониторинг деградаций.
И это должен быть непрерывный процесс.

#Вышка #ИИ #валидация #AIQuality #MLOps

Думаю в какую сторону дальше развивать канал, а главное как это лучше делать.

В планах до конца года дойти до 300 подписчиков, это такая микроцель, но кажется уже упёрся в "потолок".

Разный тип контента выкладываю: и новости и события из жизни и рабочие моменты, но все не так заходит как должно.

Может пора подключать и тут какую-то расширенную аналитику, посмотреть какие посты получили больше просмотров и реакций и на них сконцентрироваться?

У меня когда-то была уже идея и даже заготовка в виде бота, который анализирует ТГ каналы и предлагает темы для постов на основе данных, попробую его достать из чулана идей)

Что думаете, получится набрать до конца года 300 подписчиков? 😉

Открылся предзаказ на первого домашнего робота, за 499 долларов в месяц по подписке.

Он там весь мягкий и безопасный с точностью манипуляторов в 1мм, но все же, есть ощущение, что люди пока не готовы к таким девайсам.

Даже если бы они продавались у нас за 499 руб. в месяц, кто бы себе такого взял домой?

Вот представьте: ходит у вас такое гуманоидное чудо по квартире, что-то там делает по хозяйству, с ним даже можно поговорить и все такое.

Представили? И как ощущения?

Несмотря на всю мою любовь к технологиям, что-то поёжилось внутри, какой-то первобытный инстинк самосохранения как бы намекнул: "Аккуратнее с этой штуковиной, она только притворяется твоим другом"⛄️

Первая H100 GPU выведена в космос 🚀

В рамках проекта, который предполагает строительство дата центра в космосе, который будет выведен на гелиосинхронную орбиту, для экономии энергии, которую он будет получать от солнца.

Ждём тарифные планы:
- Moscow
- Dallas
- Tokio
- Space 🚀

Можно будет скоро пафосно заявлять, что обучал модельку в космосе)

Привет! Хочу рассказать про очередной сайд-проект, который наконец допилился до стадии MVP.

Пишешь в Telegram-канале? Знаешь, как бывает: идеи кончились, времени нет, а посты нужны регулярно.
Или хочется, чтобы AI-генератор писал в твоём стиле, а не шаблонны.

Так появилась идея для бота IdeaFlow — он помогает авторам каналов генерировать посты в их стиле.

Как это работает:
1. Бот анализирует твои посты — определяет стиль, темы, голос
2. Предлагает идеи для новых постов на основе твоей тематики
3. Генерирует черновики, которые звучат как ты, а не как ChatGPT

Что умеет:
• Анализ стиля канала через AI (GPT-4 + embeddings)
• Генерация идей под твою тематику
• Создание черновиков в твоём стиле
• Редактирование постов через текстовые запросы
• Поддержка нескольких каналов
• Веб-приложение для удобной работы
• История и избранное

Технические детали:
• Backend: Python 3.11 + aiogram 3.x для бота, FastAPI для REST API
• AI: OpenAI GPT-4 для генерации, text-embedding-3-small для анализа стиля
• NLP: KMeans для кластеризации тем, кастомная лексическая аналитика для определения стиля
• База данных: PostgreSQL для хранения профилей и истории
• Кэш: Redis для оптимизации запросов
• Frontend: Next.js 15 + TypeScript + Tailwind CSS (Telegram Mini App)
• Инфраструктура: Docker, rate limiting, retry-механизмы, структурированное логирование

Главное отличие от GPT: бот не пишет шаблонно.
Он изучает твой стиль через embeddings и кластеризацию, анализирует лексику и синтаксис, и пишет так, как пишешь ты. (очень старается)

Проект в стадии MVP, но уже работает, можно тестить)

#Telegram #AI #ContentCreation #WriteFlow #Python #NextJS

Цикл Колба или как можно учиться в эпоху ИИ

Все чаще ловлю себя на мысли, что классические модели обучения требуют апдейта под реальность, где рядом с нами живёт ИИ. Сегодня коротко про цикл Колба и как можно бустануть своё обучение с ИИ.

Что такое цикл Колба?
Цикл Колба это модель, которая описывает, как мы действительно учимся.
В этой модели 4 шага, и ключевая идея в циклах обучения:
1. Конкретный опыт
Ты что-то сделал: провёл митинг, запустил рекламу, поговорил с клиентом, попробовал новый инструмент.

2. Рефлексия (наблюдение и анализ)
На этом этапе мы задаёмся вопросами:
Что получилось? Что пошло не так? Что я чувствовал? Что заметил?

3. Выведение выводов и концепций
Из этого опыта рождаются закономерности:
- Если я делаю X, то обычно случается Y.
- Появляются гипотезы и свои рабочие правила.

4. Эксперимент и проверка
Ты пробуешь действовать по-новому, уже опираясь на выводы:
меняешь формат встречи, текст, стратегию, инструменты и запускаешь следующий цикл.

📌 Важно: это не линейный путь "сделал и забыл", а постоянный круг: опыт → осмысление → выводы → эксперимент → новый опыт.

Где здесь ИИ? Моя версия обновлённого цикла
Мне кажется, ИИ логично добавить не как отдельный пятый шаг, а как усилитель на каждом этапе.
Получается цикл Колба 2.0:

- Опыт + фиксация через ИИ
После действия мы часто ничего не записываем.
ИИ может помочь:
- конспектировать встречи (по заметкам/записям),
- структурировать переписки с клиентами,
- вытаскивать ключевые моменты из хаоса задач.

👉 Результат: у опыта появляется цифровой след, с которым можно работать и к которому можно возвращаться.

- Рефлексия вместе с ИИ
Большинство людей рефлексию пропускает: нет времени, тяжело думать, непонятно, с чего начать.
ИИ можно использовать как рефлексивного партнёра или собеседника:
- задаёт тебе вопросы по ситуации;
- помогает увидеть альтернативные интерпретации;
- ловит паттерны: Смотри, уже третий раз ты пишешь, что дедлайны горят на этом этапе.

👉 Результат: глубже осмысление, меньше самообмана.

- Формирование гипотез и моделей с помощью ИИ
Когда есть осмысленный опыт, ИИ может:
- предложить возможные объяснения: Это похоже на типичную проблему Х;
- подсунуть теории/фреймворки из психологии, менеджмента, обучения, маркетинга;
- помочь сформулировать гипотезы: Если в следующий раз сделать А и Б, ожидаем С.

👉 Результат: из что-то пошло не так рождается понятная модель.

- Планирование экспериментов с ИИ
Перед тем как снова действовать, ИИ помогает:
- подготовить скрипты, письма, сценарий встречи;
- смоделировать ответы сложного клиента;
- продумать риски и альтернативные планы.

👉 Результат: следующий шаг менее хаотичный и более осознанный.

Зачем вообще добавлять ИИ в цикл Колба?

Для меня главное в этом:

- Снизить когнитивную нагрузку.
Меньше держать в голове, больше доверять системе, которая структурирует опыт.

- Ускорить рефлексию.
Вместо когда-нибудь сяду и подумаю есть быстрый диалог с ИИ по свежему кейсу.

- Быстрее превращать ошибки в улучшения.
Не просто ой, не получилось, а понятный: опыт → вывод → новый эксперимент.

И очень важно: ИИ не забирает у человека ответственность за выбор, он только усиливает способность видеть, понимать и экспериментировать осмысленно.

Как вам идея цикла Колба 2.0 с ИИ-слоем?
Используете ли вы ИИ в рефлексии и обучении или пока только как поисковик на стероидах?
Если пост наберёт достаточное количество реакций, в следующий раз расскажу какие инструменты использую на каждом этапе цикла Колба.

#цикл_колба

Цикл Колба, шаг 1 Опыт: сделал и записал 🔄

А теперь давайте разберём подробнее каждый шаг цикла Колба.
Начнем с первого шага и какими тут методами и инструментами можно пользоваться.

Мы все постоянно что-то делаем: созвоны, встречи, проекты, переговоры, обучение.
Но если честно большая часть этого опыта просто испаряется.

Сделал, выдохнул и побежал дальше.

В цикле Колба первый шаг называется "конкретный опыт".
Другими словами это момент, когда ты:

- что-то попробовал;
- что-то запустил;
- с кем-то поговорил;
- о чём-то договорился.

Но есть важный нюанс в этой методологии: опытом становится только то, что мы можем потом "потрогать" и вспомнить, а не просто смутное "ну там что-то было".

Где всё обычно ломается?

На этом шаге у большинства обучение заканчивается, даже не начавшись:

- ничего не записали и через день уже не вспомнили деталей;
- в голове осталось "норм/ненорм", без конкретики;
- нет точки, от которой можно оттолкнуться в рефлексии.

И в следующий раз мы действуем почти так же, потому что не с чем сравнивать и не на что опираться.


Как я добавляю ИИ на первом шаге 🤖

Я смотрю на первый шаг "Опыт" так:
сделал → быстро оставил "след" → уже есть материал для обучения.

ИИ здесь помогает не думать о форме, а просто выгружать.

Вот как это может выглядеть 👇
Голос → текст → конспект
Сразу после встречи / важного созвона:

1. Наговариваешь в диктофон 1–3 минуты или заводишь текстовую заметку:
- с кем был разговор;
- о чём;
- до чего договорились;
- что тебя зацепило (радость/напряг/сомнение).

2. Кидаешь этот текст ИИ с запросом:
Сделай краткий конспект встречи: участники, суть разговора, ключевые решения, нерешённые вопросы.

На выходе получаем 1 абзац структуры вместо 20 минут несвязного текста.


2. Текст встречи / переписки → выжимка

Если у тебя есть:

- протокол встречи;
- длинная переписка с клиентом;
- чат команды

можно просто сказать ИИ:

Выдели главное:
– контекст: о чём вообще речь,
– что уже сделано,
– какие решения приняты,
– какие проблемы/риски всплыли.

Это и есть "оцифрованный опыт", а именно факт того, что произошло.


3. Мини-шаблон
Формат, который можно гонять каждый день:

Сегодняшний кусок опыта:
1) Что я сделал?
2) Где было сложно/стрёмно?
3) Что меня удивило?
4) Какой момент точно стоит разобрать подробнее?

Можно закинуть это ИИ и попросить:

Оформи мои ответы в краткое описание опыта, с которым мы потом будем работать на рефлексии.

То есть на первом шаге ИИ это не "умный советчик", а "секретарь", который:

- собирает все куски дня в одном место;
- превращает разрозненную информацию в задокументированный вид;
- помогает не потерять детали.

Микро-эксперимент, кто хочет начать применять для себя.

Если хочешь попробовать "цикл Колба 2.0" на практике, то начни только с первого шага:

Ближайшие 3 дня:

1. Выбери один важный эпизод в день (созвон, конфликт, выступление, запуск задачи).
2. Сразу после него:
- наговори голосом/напечатай 1–2 минуты впечатлений;
- закинь это ИИ с промтом: Сделай краткое описание опыта, с фактами и ключевыми моментами.

3. Сохрани эти выжимки туда, где ты хранишь заметки (заметки, Obsidian, Notion что угодно).

Я сверху часто использую NotebookLM как слой "над заметками":
закидываю туда конспекты созвонов, переписки, документы;
прошу: "Собери, какие ситуации за неделю вызывали у меня больше всего напряжения/сомнений" или "Сделай короткий обзор моих встреч и составь список задач";
готовлю таким обгазом почву для следующего шага рефлексии.

По сути, NotebookLM у меня становится таким "хранилищем опыта", где все маленькие следы дня складываются в одну картину, а не живут хаотично в разных приложениях.

Всё, этого будет достаточно на текущем шаге.

В следующем посте шаг 2 цикла Колба про рефлексию:
как разбирать эти "следы", что спрашивать у себя и как ИИ может быть уже не конспектологом, а собеседником 💬

#цикл_колба