💡"Вот бы знать это раньше..."
Подумала я, прочитав эту статью про то, как делать AI-ассистентов/проекты на основе LLM.

Уйдёт 10-15 минут. Если вас хватит только на 5 минут вдумчивого чтения первой трети, вы окажетесь AI-образованнее 95% менеджеров, ещё не успевших поделать такие проекты руками.

Практическая ценность:
- в AI/LLM-проектах есть простые подходы и сложные -- понятно написано какие для чего;
- в таких проектах есть этапы и роли, которых нет или почти нет в других типах IT-проектов (исключение важных этапов -- путь в ад, непонимание, что они весьма трудозатратны -- путь туда же. Вы туда не хотите.)
- в статье есть много полезных терминов, которые пригодятся вам в общении с разработчиками, аналитиками или для задушевных переписок с ChatGPT вида "А как это готовить?", "А оно нам правда надо?" и "Да, что это, чёрт побери, вообще значит?" 🙂

Особая прелесть -- статья написана настолько же легко и человечно, насколько профессионально.

🌈 Enjoy.

Meme time!

https://www.youtube.com/watch?v=hS1YqcewH0c

🌟 OpenAI DevDay 2025
Назвался груздем -- полезай в кузов. Назвался вайбкодером -- смотри DevDay! Это не только полезно, но и даёт ощущение магии, которого уже давно не дают нам ивенты Apple...

👀 И чего там?
Вокруг этих 4-х важных для OpenAI веток устроли динамичное и эффектное демо возможностей.
💡Apps SDK. На примере Coursera, Canva и Zillow показали, как интерфейсе ChatGPT можно поработать с фичами внушнего сервиса. Вкладка ChatGPT в этот момент выглядит как браузер для будущего интернета, где сервисы упростились до подручной фукнциональности, эпизодически возникающей в диалоге. По сути пообещали стор внтури ChatGPT с моделями монетизации для паблишеров в будущем.

💡Agent Builder. Внутри OpenAI появится подобие N8N/Langflow интерфейса для сборки агентских Workflow в интерфейсе. Показали как за 5 минут с заготовленными промтами можно с нуля собрать ассистента для конференции. Выглядит как очень приятный будущий инструмент для наколеночного прототипирования логики на агентах.

💡GPT-5 PRO API. Эта часть выступления была самой вау, так как ведущий в реалтайме навайбкодил управление камерой через контроллер Xbox и освещением в зале конференции при помощи голоса 🙂 Конечно, на заготовленных промтах, но всё равно было эффектно. Всё это с помощью Codex + GPT-5 PRO.

- Sora 2 API. Enjoy, что тут ещё сказать.

С пятницей! 🕊

Неделю назад мне нужно было на прототипе показать идею пошаговой механики в продукте. Все мы знаем, что для такого подходит Replit, Lovable, Orchids.

🌚 Но зачем выбирать?
Мне стало интересно, как справится с одними и тем же заданием каждая из моделей, ведь копипастить промт дело не хитрое.

Промт был небольшой, я не сильно описала визуал, но дала в тексте референсы экранов разных сервисов для каждого шага прототипа. Ну то есть красиво и одинаково получится не могло по определению, свободы у моделей было много.

🐣 И что в итоге?
- удалось узнать, какая из моделей лучше следуют указаниям в тех немногих деталях, которые я ей дала (в моем случае победила Orchids);
- варианты отличались значительно, в каждой версии были свои плюсы в визуализации, то есть можно было показать команде все примеры и сказать, где мне что нравится больше и почему;
- все модели добавили от себя «красоты» — где-то иконок сделали, где-то подстрочники добавили и местами это были полезные детали, на которые я не рассчитывал, но вполне готова ими воспользоваться.

Мне понравилось!

🦺 Копаем свой тоннель
В последние недели была в разъездах и обнаружила, что мне очень нужен надежный VPN, которым я смогу пользоваться ситуативно, не платить за него постоянно, ну и чтоб надёжно работал.
И вы не поверите, но это снова про Cursor и вайбкодинг 😁

💻 Что я сделала:
1. Попросила Cursor помочь мне развернуть персональный VPN-сервер в облаке.
2. Из вариантов по совету Cursor я выбрала WireGuard -- это опенсорсное решение, которое для работы требует виртуальную машину с Ubuntu в облаке. Конкретно в Гугле WireGuard можно просто попросить через CLI подключая виртуалку на Ubuntu (Cursor это не сразу понял, поэтому имейте ввиду).
3. После развертываиня в облаке (силами Cursor конечно), надо поставить клиент для WireGuard (бесплатный, есть на комп и для iOS/Android) и загрузить в него файлик с настройками для доступа (его тоже подготовит Cursor).
4. Включить, поругаться, что трафик не идет -- Cursor всё донастроит и готово.

💸 Затраты:
- чистого времени ушло пару часов, но я не спешила и расспрашивала про финансы, детали и юридические риски
- про деньги предположительные рассчеты такие, что если включать виртулку периодически, когда я, например, в поездке, то затраты будут несколько долларов в месяц (фиксированные траты за то, что у меня в облаке хостится сервер и немного трафика), а если включен постоянно, то долларов 10. То есть это примерно уровень стоиомости подписки на платные VPN, но без риска, что ваш трафик гуляет через какие-то непонятные проксики + стабильность платных облаков.

Из минусов то, что в Гугле нет России, как страны хостинга (а мне из Сербии на Mos.ru без этого не зайти, извините), поэтому тут меня спасёт аналогичное решение, но в Я.Облаке.
В Гугле же есть много других стран, если вам зачем-то надо.

📖 Юридическая часть:
Можно:
- использовать VPN в России
- давать инструкции вроде этой
Нельзя:
- любым способом доступ на ресурсы, запрещенные Роскомнадзором
- использовать VPN для всяких незаконных действий вроде терроризма и киберпреступности, но это же не про вас!
В общем, тоже полезно было узнать, делюсь.

Делюсь прочувствованным.

В момент работы на жесткий дедлайн очевидно, что времени и сил на автоматизацию и новые инструменты нет.

Чему научились -- то и применяем, и вот что пригодилось для менеджмента продуктов мне:
‼️ YaGPT
- упрощает сложные мысли;
- проверяет логику в больших текстах, в том числе делает разного рода ассесмент;
- пишет большие тексты из тезисов;
- штурмит на заданную тему.
❗️ Cursor
- помогает оптимизировать большие промпты: ищет избыточность, неоднозначность, предлагает правки
- под задачу написала просмотрщик для сырых текстов с разметкой
⚜️ Figma AI рисует иллюстрации, когда я переиспользую готовые макеты, где есть картинки (больше для себя, но и времени занимает минуту).
💬 Grok рассказывает последние новости по теме за нужный период.

Что я НЕ смогла применить в момент нависшего дедлайна:
- инструменты для прототипирования типа Lovable, потому что они классно драфтят туманные идеи, но плохо решают точечные задачи;
- браузер Comet, потому что его агент в лучшем случае решает половину данных ему задач, и то не с первого раза.

💡 А какие инструменты и подходы прошли у вас проверку дедлайном? Делитесь!

Хорошие люди бесплатно помогают осваивать вайбкодинг. Надо брать!

Юридический вайбкодинг
С недавних пор я окунулась в мир LegalTech-стартапов и чуть больше читаю про юристов и их задачи, но вайбкодинг и тут меня нашёл!

По ссылке pdf с пошаговой инструкцией в картинках по созданию инструмента для анализа данных документов в сводных таблицах.
Юрист самостоятельно сделал её при помощи Manus AI и рассказал по шагам свой путь.

Примечательно, что функцию он взял из Harvey AI -- это очень модный LegalTech-ИИ-стартап в штатах, лицензия на 1 юриста у них стоит больше тысячи долларов в месяц. Конечно Harvey AI отрабатывают её стоимость десятком других возможностей и контролем за качеством того самом анализа, но вайбкодер-юрист взял только то, что ему нужно, и по цене токенов Manus закрыл свою (а может и ещё нескольких тысяч юристов) конкретную задачу. И выложил решение на Гитхаб.
https://github.com/jamietso/Tabular_Review

Это вам для вдохновения 🧚

Вы не поверите, но это снова про вдохновляющий вайбкодинг от юристов!

Девушка-юрист по имени Катя написала ботика для проверки рекламы, а пока его делала, разобралась в куче технических вопросов, завела канал “Делай RAG” (!) и написала методичку по счастливому вайбкодингу.

Читается легко, рекомендации полезные, страниц немного и для легко отвлекающихся есть картинки. Бесплатно и без СМС!

Приятного чтения. 🌈

Надеюсь, ваши выходные прошли лучше, чем у этого парня 🌚
Хорошей рабочей недели!

Немного про агентов из личного опыта.

Агенты -- что это?
Этим словом, как вы могли заметить, называют примерно все последние запуски.
Исходный термин говорит, что агент -- это LLM-мозг (промпт), которому дали кучу инструментов (всякие API/MCP/данные) и он сам решает как ими пользоваться для решения задачи.
На практике часто агентами назыают воркфлоу -- цепочки действий, где заранее понятно, когда и как сработает каждый шаг (кубик). Засовываем промпт в кубик -- разворачиваем рекламную кампанию со словами "мы запустили агента".

🤔 Почему ж так?
Причин, вероятно, больше, но мне известны такие:
- для решения многих задач подхода с воркфлоу достаточно;
- если есть инструмент для сборки флоу -- это очень быстро;
- оценить качество каждого кусочка и довести качество решения задачи задачу целиком можно в одиночку и на досточном уровне.

🤓 Если делаете агента на базе воркфлоу
Нужно будет подумать про следующие вещи:

1. декомпозиция
Разбиваем задачу на шаги, можно с LLM (например с Cursor Planning). Например, автоматизируем убирание слона в холодильник. Шаги: открыть холодильник, положить слона, закрыть холодильник. Совсем сюр, но представьте, что каждый шаг выполняется промптом в LLM в голове у робота 🙂

2. проверка понимания входящих данных
Если мы делаем "агента", то обычно это значит, что пользователь с ним говорит/ему пишет. Если мы объяснили, с чем к агенту идти, то в большинстве случаев LLM-агент справится, но на этапе тестирования можете легко проверить, как агент понял, что от него хотят. Добавляем в промпт указания вывести саммари задачи.
Пользователь: "да убери уже!"
Агент "вы хотите убрать слона в холодильник, начинаю!"

Пользователь: "какая сегодня погода?"
Агент "похоже сейчас слона убирать не будем, отбой."

3. ветки решений
Из примера выше понятно, что путь не всегда может быть прямым, в том числе в промпте кубика (ну не 100 же их делать, кубики тоже могут быть умненькими). Опыт показал, что если промпт можно представить в виде блок-схемы с изолированными ветками, то он сработает хорошо. Помогите модели понять, какие бывают развилки.

4. однозначность
Для каждой ветки опишите условия и что надо делать, если они выполняются. Ветка рассуждений должна понятно завершится.

Возвращаясь к слонам, наш агент на первом шаге должен понять, хочет ли человек убрать слона в холодильник:
- если не хочет, то [саммари понимания + отбой] и завершить процесс;
- если хочет, то [саммари понимания + начинаем] и начать процесс с холодильником.

5. порядок
Проверено, что LLM может сбиться с пути, если проверки переставить местами. В примере выше этого скорее всего не произойдёт, но если промтп длинный, то лучше сначал сделать блок, где модель осознает развилки, и сказать, в какую часть промпта идти за подробными указаниями по ветке.

А вы как побеждаете промпты? 🙂