Учимся делать продукты, играя в игры

У меня был период в карьере, где игры являлись неотъемлемой частью моего рабочего процесса - когда я работал с VR в Pearson. Но все остальное время для меня это хороший способ отдохнуть и переключиться.

С детства я играл в разные игровые приставки, какие-то были у меня, какие-то - у друзей, но из всего, что я пробовал - особое место всегда занимали игры от Nintendo. И сейчас, уже во взрослом возрасте, со своей профессиональной деформацией, я понимаю, что происходит это из-за того, что японцы круто умеют делать две вещи: продукты, которые нравятся людям, и зарабатывать деньги на этом 😎 И я не совру, сказав, что я не просто играю, а учусь различным продуктовым и бизнесовым механикам на их примере.

Что делают круто?
1. Идеальная сегментация и позиционирование. 152 млн. проданных Nintendo Switch говорят о многом. У компании четкое позиционирование Switch как гибридного устройства для всей семьи. В Mario и Zelda интересно играть всем и везде: от детей 5 лет, для которых это понятные и веселые персонажи, до 40-летних мужиков, которые ловят ностальгию по своим первым приставкам и восхищаются игровыми механиками. На рынке нет ни одной консоли, которая может предложить то же самое. У Nintendo работает связка консоль + игры. Вы можете сделать сколько угодно гибридок, но на них не будет игр от Nintendo 🙂

2. Сумасшедший Retention. Сами игры построены так, чтобы в них возвращались бесконечно. Едешь 5 минут в маршрутке - вот тебе маленькая головоломка в The Legend of Zelda, отдыхаешь после работы - вот тебе квест на 3 часа. Играя в игры Nintendo, ты чувствуешь, что ты именно играешь, а не проходишь игру. Это то чувство, которое многие оставили в детстве, перейдя во взрослую жизнь, где нужно решать проблемы. Nintendo его возвращают: люди наигрывают в Зельду и Animal Crossing по 500+ часов. Фишек, способствующих этому огромное множество. Если хотите увеличить Retention своего продукта - посмотрите и вдохновитесь серией от самих Nintendo, где они рассказывают про применяемые механики, вы увидите кучу коммерческих продуктов не из геймдева, которые их применяют 😁

3. Nintendo научились выводить продукты на рынок. Сейчас вышла Switch 2, которая побила все рекорды по продажам. В США и Японии ее не купить, в России и ЕС ситуация лучше, но один из ключевых рынков - все-таки Штаты. Блогеры хаят компанию за слабую стартовую линейку игр, мол, из новинок только Mario Kart, а Cyberpunk 2077 никому не нужен, т.к. все прошли ее на других консолях.

А теперь внимание: предыдущая версия Mario Kart продалась тиражом 68 млн (6 место самых продаваемых игр в истории), а сама игра является бесконечной и в нее будут играть в течение всего жизненного цикла консоли, в том числе, благодаря механикам. В мультиплеерных играх Nintendo всячески помогает тем, кто играет хуже, уравнивая шансы игроков на победу, таким образом, обеспечивая конкурецию и желание побеждать для каждого. Что касается Киберпанка - во-первых, часть владельцев Switch в нее нигде раньше не играли, во-вторых, цель данной игры - скорее быть бенчмарком и показать разработчикам способности Switch 2, чтобы привлечь больше сторонних проектов.

Через месяц Nintendo выпустят новую Donkey Kong, но блогеры жалуются, что могли бы это сделать на старте. Да, могли, если бы хотели меньше заработать. Nintendo взяли свой самый большой целевой сегмент и дали то, что им нужно: самую продаваемую игру и хайповую кросс-платформу, в которую мало кто играл, а остальные игры раскидали релизами в течение года. Почему раскидали? На старте люди и так тратят на консоль и 2 игры около 550 баксов. Давая большой выбор на старте - вы понижаете совокупные продажи каждой из них, т.к люди будут не покупать еще одну игру сверху, а выбирать между тем, что есть. Если же игры раскидать - за месяц аудитория пройдет то, что есть и накопит денег на что-то новое. С большими суммами проще расставаться постепено 😄

Можно ненавидеть Nintendo, но с рынком и своими продуктами они работают лучше всех, чему стоит поучиться. А я пока пойду поиграю в Switch 2, подаренный моей женой 🤍

Завершился худший конкурс ТГ-каналов

Ну что, закончился конкурс, о котором я писал ранее. И худший он не потому что я не выиграл, но теперь я могу излить весь негатив, будучи уверенным, что он не повлияет на результаты.

Рассказываю, почему конкурс - худшее, что я постил к себе в канал.

Во-первых, организаторы не соблюли свои же условия: писали, что минимальный порог подписчиков для участия - 200 человек, а посты будут отбираться. В большом канале я видел репосты с каналов с 39, с 60 подписчиками, а сами посты были максимально стремного содержания: мат, отсутствие информационной ценности.

Во-вторых, отсутствие прозрачности: непонятны критерии отбора и непонятны результаты. Например, для меня искренне непонятно, как я лидируя 5 дней подряд не оказался в числе двух победителей :)

В-третьих, все было в кучу. AI, психология, шутки за 300, что-то там про бизнес. Канал, в котором проводился конкурс, превратился в огромную помойку. Я раз за разом пытался найти там что-то стоящее, но заходил, офигевал от треш-постов вроде этого или этого, закрывал канал. Извините конечно, но я считаю, что такое и посты, которые несут пользу, не могут находиться в одном канале. Быдла у меня и у подъезда достаточно. Из авторов я бы выделил Настю и Константина. Этих ребят приятно читать, и я очень рекомендую на них подписаться.

В-четвертых, из нашей категории практически не было репостов. Про AI репостнули кого угодно, кроме тех, кто про него реально пишет. У Константина репостнули только один пост, у Насти - я не увидел ни одного. У остальных участников - точно аналогично (может упустил). В чате направления мы возмущались по этому поводу. Результат такой, что нам сказали "да, мы облажались", исправим в следующий раз. Ребята, исправлять надо не в следующий раз, а в процессе. Если вы не успеваете - продлите конкурс на неделю. Я предлагал сделать отдельные посты для каждого автора, это проще простого сделать через LLM. Но организаторам важнее было формально провести конкурс, чем что-то делать.

Итого, в очередной раз убеждаюсь, что подобного рода конкурсы - это помойка. Куда лучше старые-добрые коллаборации и платная реклама.

Вижу, что открыл портал в ад.

Ещё раз увижу любое оскорбление в свой либо в чей-то ещё адрес - все участники улетят в бан. Кто с моим мнением здесь не согласен - вы либо выражаетесь нормально либо валите из канала.

Это мой канал, где я выражаю свое мнение, и я никому не позволю указывать мне, как и что писать.

Почему AI не нужен 99% бизнеса

Эта тема настолько масштабна, что мы с коллегами планируем по ней отдельный эфир. Однако количество запросов на ИИ сейчас так велико, что захотелось перечислить основные причины.

Итак, в чем же проблема?
Отсутствие у менеджмента понимания ИИ. Сейчас мы находимся на волне GPT-хайпа. Однако LLM≠ИИ. Большая часть людей, включая ЛПР, не имеют представления, что такое ИИ. Они идут в ChatGPT, задают какой-то базовый вопрос получают ответ, и вешают на GPT ярлык ИИ общего назначения, который может все. Помню, как в Skyeng в 2022, когда начался тренд на сокращения, несколько топов бегали с идеей засунуть везде GPT и сократить штат 😁 Вот так и рождаются запросы на впихнуть GPT в 10 сценариев, из которых 9 будут абсолютно бесполезны либо просто прожгут бюджет.

Менеджмент далек от линейных сотрудников и думает, что ИИ все решит. Как правило, ЛПР мало чего знают о том, что происходит "в полях". Чем круче ты менеджер - тем ниже у тебя осведомленность. Это не упрек в сторону управленцев, это естественно для иерархичных структур. Отсюда, вместе с пунктом 1, возникает ощущение, что "вот здесь ИИ" точно поможет. Но зачастую это вообще не так. Зная поверхностно о проблеме ты предлагаешь поверхностные решения, леча симптомы, а не первопричину.

ИИ не решает вашу проблему, если вы не пробовали решать ее иначе. В моем фреймворке AI-дизайна продукта один из вопросов, на которые нужно ответить на стадии инициации - это "Какие есть альтернативные способы решения данной проблемы?". Следующий вопрос: "Чем плохи эти альтернативы?". Как правило, те, кто хотят ИИ, эти вопросы даже себе не задавали, хотя есть куча способов решения их запроса быстрее и за меньше денег. Это может звучать странно от человека, который зарабатывает на ИИ, но нам интереснее работать над проектами, которые помимо денег еще несут и пользу.

Отсутствие опыта внедрения ИИ. Если ты никогда раньше не внедрял ИИ в бизнес - ты не знаешь всех особенностей этого процесса и подводных камней. Люди не знают, что за данные нужны для ИИ и в каком количестве, какая нужна инфраструктура, они не понимают нелинейность процесса разработки ИИ. Для них ИИ - это очередная традиционная разработка, которую можно выполнить по ТЗ. Однако в процессе выясняется, что у бизнеса нет данных, нет инфраструктуры и культуры экспериментов, а если начать рабоать над всем этим, то выяснится, что “ой, дорого”, и ИИ им в итоге не нужен.

Отсутствие четкой бизнес-задачи. Главная боль вообще всех, кто занимается внедрением и ИИ-разработкой. Чаще всего, когда ты начинаешь копать, что, зачем и как нужно сделать, оказывается, что заказчик не выполнил свое ДЗ и задача у него не оформлена. Просишь покопаться в этом, а в результате оказывается, что задачу нужно еще описать, подсобрать данные, сформулировать гипотезы и проекты глохнут 🙂

Для большинства AI в том виде, который они хотят, не окупится. Не самые сложные проекты стоят порядка $60 000. Это затраты на команду, данные, разработку. Добавьте к этому затраты на поддерку и содержание системы. Часто внедрение в том виде, в котором хочет заказчик, будет окупаться минимум 2 года. По-сути это следствие вышеописанных проблем, однако подумайте: нормальный ли это срок окупаемости на не самую большую для бизнеса сумму? Не забудьте сделать поправку на темпы развития AI. Выбирать задачу нужно тщательно, и еще тщательнее просчитывать ROI и риски. И лучше чтобы это делали люди с опытом в ИИ, а не простые бизнес-консультанты.

Это не все причины, а лишь малая их часть. Как и говорил, через несколько недель анонсируем эфир по этой теме.

Самый ценное, что я получаю со своих тренингов - это когда я вижу, что люди, которые у меня обучаются, начинают применять ИИ в своей повседневной деятельности и достигают результатов не когда-то в будущем, а прямо во время самих потоков. Самый большой кайф ловлю от того, что люди, которые приходят, сами по себе очень крутые, задают кучу вопросов, которые помогают и мне развиваться вместе с ними.

Отвел 5 потоков по личной эффективности, 3 по менеджменту. В текущих осталась еще пара занятий, после - уйду на перерыв до конца августа. Отдыхать и пересобирать программы обоих 🙂 А пока вот несколько примеров маленьких побед

блин, собеседования ооочень удобно с гемини обрабатывать) кратно сокращает ресурс

очень рекомендую всем)

Всем привет! Я тоже хочу поделиться, так вышло что пришлось отстать от онлайн курса, но тоже уже применила ai studio для обработки ответов разработчиков и формирования на их основе статей во внутреннюю базу знаний для пользователей. Уже увеличили объем обрабатываемых данных и наполняемость базы знаний. И для обработки писем по опросу аналитиком 1с пользователей промт ИИ хорошо ложится в формирование ТЗ ( процентов 75-80 от исходного ответа ИИ остается, остальное доуточняется аналитиком 1с), но тут конечно стоит учитывать сложность проекта (время точно сэкономили).

Размышления про Cursor: как я писал код с AI до него и будут ли нужны такие редакторы кода?

По большому счету ключевой плюс Cursor - это удобство коммуникации с LLM. Все, что делает сервис - это управление вашим контекстом, через передачу в LLM релевантных строк кода, с последующим внесением изменений. Но основную работу при этом делают сами LLM. И если раньше управление контекстом на стороне Cursor сильно помогало, то вместе с ростом возможностей LLM, данный тул становится менее актуальным. Появление Reasoning моделей и смена модели монетизации Cursor делает более важным то, как управляете контекстом ВЫ, а не какие данные выдернет из кода за вас ИИ-агент. При всем при этом, Cursor нужно зарабатывать, поэтому компании может быть просто невыгодно, чтобы автоматическое управление контекстом было максимально эффективным. Их уже неоднократно обвиняли в том, что этот самый контекст они режут.

И здесь мне вспомнилось, как я впервые писал код с ИИ
Моими инструментами были VS Code и Google AI Studio. В AI Studio у меня был здоровенный системный промпт с контекстом по проекту. Далее - я просил ИИ набросать мне структуру проекта по файлам и папкам, воспроизводил эту структуру у себя на компьютере и также добавлял информацию о ней в контекст промпта. Первые несколько сообщений в чате у меня предназначались для TO DO - листа, в котором я отмечал, что сделано, а что предстоит сделать и последней версии кода, где я указывал название файла и следом вставлял нужный код. При добавлении новой фичи я просил Gemini написать мне код и сказать, куда я должен его вставить. После - тестировал и обновлял сообщения с TO DO и текущим кодом. При появлении багов - игрался с температурой. Если баг был в конкретном файле - выносил его в отдельный чат с информацией по этому багу. Gemini Flash Thinking я использовал для "обдумывания" решений, а Gemini 1.5 PRO - для реализации "обдуманного". Таким образом я написал свой первый проект на 1800 строк кода, и он работал.

Сейчас, используя Cursor, я поймал себя на том, что выполняю те же самые действия, только большую часть не в AI Studio, а в Cursor. Потому что делать это там проще, но при этом я имею меньше контроля над параметрами моделей, а также над их поведением. Кроме того, со снятием лимитов на вызов тулов, я заметил, что в отличие от работы напрямую в AI Studio я хуже знаю структуру проекта. Чтобы ее понять - мне нужно продираться через кучу мусорных попыток агента что-то сделать. Мусорных - потому что у меня меньше контроля над контекстом, а Claude пытается все переделать по 10 раз, переписывая рабочие куски кода. При этом самый интересный момент здесь состоит в том, что те проблемы, которые мне не может решить ни одна из моделей в Cursor (включая Gemini) - AI Studio щелкает как орешки. Почему? Опять-таки, из-за управления контекстом.

Что будет дальше?
Неважно, вайбкодите вы или кодите - учитесь управлять контекстом. Здесь преимущество будет у разработчиков и тех, кто уже многократно спотыкался на ошибках агентов, используя Cursor. Кроме этого, я бы советовал следить за разработками самих авторов моделей, т.к. они наконец-то начинают делать шаги в сторону создания своих агентов и упрощения кодинга. Claude Code - яркий тому пример, а тот же Canvas в Gemini реализован очень круто. Недавно в AI Studio добавили режим Build, который работает как редактор кода. Если бы они в этот режим добавили настройки LLM, которые доступны в режиме чата - я бы отказался от всех AI-редакторов кода, т.к. это бы дало мне максимальный контроль за тем, что я создаю.

Будет ли нужен Cursor в будущем? Я думаю, что у него однозначно будет свое место, однако если компания продолжит двигаться в сторону автономности, то более серьезные разработчики и те, кому важно знать, что за код пишет ИИ, скорее перейдут на появляющиеся альтернативы.

Дополнение про практикум в понедельник

Друзья, ранее я анонсировал эфир в грядущий понедельник, 21 июля, в 19 00 по МСК. Детали эфира в посте выше.

Для тех, кому нужна ссылка в календарь - создал событие на Timepad, чтобы вы точно не пропустили. Материалы эфира в процессе подготовки, будет много интересного. Особенным этот эфир делает то, что вести мы его будем на пару с Колей Шейко - автором канала AI и Грабли.

Мы с Колей занимаемся очень похожими вещами - внедрением ИИ в бизнес, но с разных сторон. Если я технический продакт, то Коля - это продуктовый технарь, но цели у нас общие - делать ИИ доступным и понятным и разрабатывать полезные ИИ-системы. Эфир решили разбить на две части, где каждый поделится своей экспертизой.

А пока ждете эфир - подписывайтесь на Колю, если этого еще не сделали. У него один из немногих каналов, на которых у меня не отключены уведомления :)

Чего избегать, обучаясь ИИ

Как только началась ИИ-лихорадка, на рынке появилась куча магистров промптинга и AI-экспертов. Наиболее частые их продукты - это курсы по промптам и списки готовых промтов. Спустя какое-то время данная тенденция подуспокоилась (списков стало меньше), но на фоне последних прорывов в LLM сейчас все вспыхнуло с новой силой. Непосвященному человеку разобраться, где нормальный контент, а где мусор - практически нереально. Решил написать два поста: в этом расскажу, чего избегать, а в следующем - на что лучше смотреть

Итак, мой антирейтинг!
Готовые списки промптов. Самое бестолковое, что только есть. Во-первых, большинство таких списков генерируется авторами через ChatGPT по запросу "Сделай мне список из 50 топовых промптов". Во-вторых, даже если они писали их сами - промпты имеют свойство устаревать и зависеть от модели: что работает с GPT 4o не будет так же работать с вашей Gemini Flash 2.5 или DeepSeek R1, а вместе с обновлением версии модели - промпт нужно будет адаптировать. В-третьих, определенные промпты работают в определенных воркфлоу, если ваш рабочий процесс отличается от автора - все промпты превратятся в тыкву.

Курсы по промптингу от неспециалистов в AI. Можно увидеть кучу маркетологов, менеджеров и других ребят, продающих курсы по промптингу в своей сфере. Проблем здесь две: во-первых, зачастую эти ребята не знают основ работы ИИ и продают то, что они нащупали сами, а не то, что реально может ИИ. Это работает в моменте, но на дистанции уже не так эффективно. Во-вторых, авторы копают глубоко в сторону своей экспертизы, но не в ИИ. Если вы крутой спец - вам нужны не сценарии других, вам нужно понимание ИИ вглубь, а кейсы вы уже сами найдете. Специализированные курсы могут быть полезны, когда у вас уже есть багаж с AI, но зачастую вы уже будете способны сами разобраться.

Курсы по конкретным инструментам. Сфера AI развивается очень стремительно. Сегодня инструмент есть - завтра его нет, либо на него повышают цену. В промышленных масштабах это называется вендор-лок: мы лишаем себя возможности пользоваться альтернативами и "садимся на иглу" определеннного провайдера, терпя повышения цен и прочие неприятности. Поэтому все курсы в стиле "Стань профи в Midjourney/Cursor и.т.д." мы игнорируем, пока не научимся основным навыкам: базовому владению ИИ и базе применения в той же генерации картинок/написании кода и.т.д.

Курсы с детерменированными заданиями. Часто можно увидеть, что в курсах дают задания, где нужно пройти определенный сценарий и получить определенный результат. И это максимально далеко от реальности. Вам дают "вылизанный" сценарий, который будет снижать недеретменированность AI, чтобы создать у вас ощущение освоения навыка. А когда доходит до использования ИИ в реальной жизни - у вас "не получается". Задания должны быть такими, чтобы у вас не получалось в процессе, чтобы вы могли ошибаться, учиться на ошибках и где надо - получать ОС от инструктора. Сложно должно быть в начале, когда у вас есть поддержка, а не наоборот.

Курсы "без воды". Все хотят практики, все хотят сразу результат. Есть спрос - будет и предложение. Вот только водой называют основы ИИ. Проблема в том, что не зная теории, вы не будете уметь правильно формировать ожидания от ИИ. Вы же не поедете в кругосветку на машине, не изучив маршрут и опыт других? Вот и с AI так же.

А что бы вы добавили в такой антирейтинг?

Встреча закончилась. Проходила в Google meet, т.к. телеграм решил прилечь 🙂

Решили все-таки выложить запись в открытый доступ, завтра опубликуем в каналах и у меня и у Коли :)

Запись эфира по управлению контекстом!

Очень многие просили запись эфира. Просили - делаем! Получилось немного сумбурно, зато сам эфир получился живым.

Запись тут: https://youtu.be/PqiRIpkUhTk

Хотите больше эфиров - предлагайте тему в комментарии, лайк, репост, подписка - и мы все организуем 🙂

Изучение ИИ: что действительно работает

Ранее я писал о том, чего избегать при обучении, сегодня - о том, что наоборот полезно. Здесь стоит упомянуть один из моих предыдущих постов, где я рассказывал о том, где учиться AI, сегодняшний пост - отличное дополнение к нему.

Так как же освоить ИИ?
Метод 1: сделай сам. Самый полезный совет. AI - не та сфера, где все известно и есть какой-то рецепт успеха. Это связано как с молодостью самого AI, как направления - люди просто не придумали “Как надо”, так и тем, что у каждого человека свои кейсы.

Поэтому лучший совет, который я могу дать - это идти пробовать. Вышел новый сервис? Идите пробуйте его. У вас нетипичная задача? Подключайте LLM. Не нагуглили как что-то сделать? ИИ вам в помощь! Большинство специалистов по AI учились самостоятельно. 90% того, что я знаю об ИИ - мой практический опыт. Большинство ML-инженеров вокруг меня - вообще не ML-инженеры по образованию, есть много юристов, экономистов, математиков. Мы получаем навыки через практику, это же следует делать и обычным пользователям/

Метод 2: YouTube и индусы. Как гласит старинная мудрость “Нет ничего в этом мире, про что какой-нибудь индус не снял бы видео на YouTube”. Это относится и к AI. Прежде чем искать очередной курс и отдавать свои кровные - поищите на YouTube. Большинство курсов - это пересказы роликов с ютуба. Это не значит, что курсы бесполезны. Преимущество курсов - это системность, опыт авторов и обратная связь, нетворкинг, а также отсутствие необходимости более тщательно отбирать материалы. Вы платите за экономию своего времени и связи, но практически с любым вопросом вам поможет разобраться YouTube.

Метод 3: коммьюнити вокруг AI-тулов. Источник просто безумного количества пользы! Ищите Discord и Telegram-каналы, посвященные инструментам, которые вас интересуют. Не передать, какое количество информации я оттуда подчерпнул. С вами бесплатно поделятся тем, за что в ином случае вы бы заплатили очередные 200 баксов. Вокруг AI очень сильное комьюнити и не пользоватсья им - большая ошибка.

Метод 4: курсы от компаний-разработчиков. Hugging Face, Google, OpenAI, Anthropic, DeepLearning - у всех них просто огромное количество БЕСПЛАТНЫХ курсов. Я взял себе за привычку регулярно проходить чуть ли не все, что там выходит. Часто проводят живые вебинары, где решают какую-то проблему. Следите за блогами разработчиков интересущих вас тулов - там постят полезный контент регулярно.

Метод 5: чтение научных статей. Может быть скучным, но пользы оромное количество. Я регулярно выцепляю что-нибудь с arxiv. Помогает заполнить FOMO и лучше понимать, как работает ИИ, в чем его силы и слабости и какие есть юзкейсы.

Метод 6: узкие специалисты. Многие в AI, включая меня, ведут свои каналы. Лично я подписан на нескольких авторов в телеге, чьи каналы приносят мне реальную пользу. Завтра я выложу списком те каналы, на которые я подписан с коротким описанием того, чем конкретно каждый меня заинтересовал и какую пользу позволяет извлекать.

Такой получился лично мой список. В комментариях делитесь, что именно нашли полезным для себя 🙂

Каналы, которые я читаю по AI

В продолжение вчерашнего поста здесь будет подборка того, что я читаю сам.

@ai_newz - пусть я получаю основные новости из рассылок и шарясь по HuggingFace, мне нравится канал Артема, т.к. часто тут не только новости, но и какие-то крутые мысли.

@oestick - канал Коли, с которым мы вместе проводили эфир. Много технической информации, при этом довольно часто на языке бизнеса. Здесь практические фишки работы с LLM в доступном изложении.

@ProductsAndStartups - канал Байрама Аннакова, здесь много про AI в бизнесе, этику, тренды и продукт. Следил за Байрамом задолго до увлечения AI - умнейший человек, у которого можно учиться всегда, насколько бы круты вы ни были в своей сфере.

@seeallochnaya - еще один крупный канал. Читаю его в основном из-за периодических анализов статей. Позволяет заполнить FOMO от того, что я сам мог пропустить.

@nobilix - Рефат делает много практических разборов AI-инструментов. Всегда детально, но при этом кратко, всегда с демонстрационными видео, читаю каждый пост.

@kantor_ai - канал экс-руководителя МТС AI. С Виктором познакомились в 2022 и он прямо очень крутой. Здесь больше про классический ML и какие-то заметки, близкие к бизнесу.

@ai_and_law_rus - канал про законадательное регулирование ИИ, помогает заполнить FOMO.

@kdoronin_blog - много практических разборов с упором на AI агентов на любой вкус и цвет.

@neuraldeep - идеальный канал для тех, кто хочет зарыться в техническую часть AI. Точно не для легкого чтения, скорее для тех, кто точно понял, что хочет лучше понять AI изнутри и побольше узнать про эксперименты.

@etechlead - канал для тех, кто хочет погрузиться в разработку и вайб-кодинг. Очень много разношерстных материалов по этой тематике.

@countwithsasha - реклама и аналитика мои не самые сильные стороны, канал Саши помогает легче ориентироваться в применении AI в этих сферах

@the_ai_architect - Тимур - действующий разработчик. Много пишет про кодинг с ИИ и его практическое применение, при этом простым языком.

@lechim_ai - я очень люблю Медтех. Илья - Head of AI очень крутого стартапа Третье мнение, куда я даже получил оффер в 2021. С тех пор слежу за компанией, а не так давно Илья завел канал про медтех.

@baginsai - Саша пишет про практическое применение AI, кейсы, скидки и всякие другие полезности.

@max_about_ai - еще один канал с техническим уклоном. Максим всегда пишет четко, по делу и про то, что пробовал сам и точно работает.

@eternalmind - здесь посты выходят не так часто, но основная тематика находится на стыке когнитивистики, философии, критического мышления и AI.

@alexs_journal - практические разборы AI-инструментов и всего, что вокруг них: промптинг-гайды, лайфхаки и прочее.

Постарался включить максимум источников, чтобы вам было из чего выбрать 🙂 Сохраняйте список себе, знакомьтесь с авторами, если понравилось - подписывайтесь. Пост - не реклама и не взаимопиар, а реально то, что я читаю.

В эти выходные я впервые за более, чем полгода позволил себе ничего не делать по работе (почти). И, хочу сказать, как же это прекрасно, особенно на контрасте с тем графиком, что у меня был в последние пару месяцев.

Мое “ничего не делать” состояло из:
- сделать зарядку
- позалипать на YouTube
- выйти на прогулку
- провести силовую тренировку
- поиграть в приставку
- выйти перед сном на пробежку (хотя я ненавижу бегать, но велик остался в США)

В воскресенье поработал буквально пару часиков, но суббота была полностью на чилле.

В итоге словил потерянный в конце 2024 life-work balance и теперь влетаю в понедельник с новыми силами 😅

Кто так же, как и я, погряз в работе - рекомендую такой же “день безделья”. Всем продуктивной рабочей недели, пост с контентом выйдет сегодня ближе к вечеру 🙂

“Раньше было лучше”: Cursor испортился и так может любой AI-инструмент

На занятие вайбкодингом я потратил уже более 1000 часов. За это время перепробовал многое: писал код в AI Studio, применял Github Copilot и Cline в VS Code, тыкал консольные инструменты вроде Gemini CLI, но раз за разом возвращался в Cursor. Все потому, что здесь были хорошие лимиты, неплохая система управления правилами и контекстом. Однако после ряда последних обновлений я заметил, что Cursor начал меня бесить. Сначала я думал, что это я перегорел к кодингу, т.к. очень много им занимался, но достаточно было скачать Kiro, чтобы понять, что перегорел не я, а Cursor. Все, что опишу ниже - мои личные наблюдения и предположения, опыт других может отличаться.

Что не так с Cursor?
Вы быстрее упираетесь в лимиты - с новой бизнес-моделью я за все время впервые уперся в лимиты, сделав лишь один не самый большой проект. Старая схема с 500 запросами в месяц позволяла мне сделать два-три средних проекта, тратя на каждый 150-200 запросов. Здесь у меня вышло предупреждение о скором достижении лимитов где-то на середине проекта. При том, что я делаю все не то что так же, как и раньше - напротив, я делаю меньше ошибок, лучше управляю контекстом, даю более качественные инструкции, чем раньше, но запросы улетают быстрее. По ощущениям текущий лимит запросов составляет где-то 300.

Я стал тратить больше времени на получение результата и испытываю проблему нехватки настроек - после того, как Cursor убрали ограничение на 25 действий агента подряд, вместе с последними “инициативными” моделями даже простое действие вам нужно ожидать гораздо дольше, чем раньше. Если раньше модель в любом сценарии останавливалась после 25 действий, вы могли оценить результат и принять решение, то сейчас оно так не работает. Что Claude, что Gemini, решив ваш первоначальный запрос, сформулированный как “сделай только это и ничего больше” - с радостью отправляются делать что-то еще. В итоге вам нужно сидеть с открытым редактором и вовремя его останавливать, иначе вы не протестируете нормально свой продукт. Лично мне очень не хватает возможности поставить лимит на действия агента самостоятельно.

Ухудшилась работа даже на маленьких проектах - я провел несколько воркшопов по вайбкодингу, где кодил сам и смотрел, как кодят мои студенты. Работу мы всегда начинаем с настройки Rules и проработки ТЗ для простого телеграм-бота. Я лично отсматривал ТЗ и первый промпт каждого. И каково же было мое удивление, когда на первом же этапе, где надо сделать, чтобы бот реагировал на нажатие кнопки start, у половины это простое действие не получилось. Cursor упускал важные детали реализации, например, предлагая свои библиотеки, забывая про установку зависимостей и много чего еще. Ощущение, будто они еще сильнее испортили управление контекстом. Решение здесь в формировании более детальных инструкций и декомпозиции, но раньше такая задача решалась с одного запроса.

В итоге у нас получается противоречие: вроде как инструмент изменили, чтобы больше кодить “на вайбе”, но при этом система стала требовать больше внимания в процессе. Без этого внимания вы либо сделаете фиговый код либо прожжете свои деньги. Новички будут быстро исчерпывать лимиты, не обладая нужными знаниями (тут им можно предложить тариф MAX, в котором лимиты и контекст больше), а более опытные пользователи, вроде меня, вынуждены будут либо подстраивать свой рабочий флоу под новую реальнотcь, либо так же переходить на MAX, ну или слать нафиг Cursor, уходя в другую IDE. Ощущение, что Cursor тупо погнались за баблом и делают это не лучшим образом. Когда закончится моя годовая подписка, если станет еще хуже - сменю инструмент.

Лично для меня выводы такие:
⁃ не покупать годовые подписки на AI-тулы
⁃ пробовать больше новых инструментов, чтобы иметь возможность на них соскочить
⁃ не привязываться к конкретным фичам, а формировать универсальные core-компетенции