Давайте расскажу про одну из самых полезных подписок, которой, на удивление, мало кто пользуется. Это подписка на Lenny newsletter, к которой "в подарок" идет целая куча сервисов бесплатно. Это самые выгодные 350 баксов в год, если вы серьезно занимаетесь AI.
https://lennysproductpass.com/
Суть в чем: вы подписываетесь на его рассылку на год за 200 или 350 долларов и в подарок получаете промокоды на год на AI-сервисы (в более дорогой - более крутые). Что входит:
Coding / AI-агенты для разработки:
Amp – AI-агент для кодинга нового поколения. $1,825 (1 год бесплатных кредитов).
Bolt – создание приложений и сайтов через промпты. $240 (1 год Bolt Pro).
Devin – AI-инженер для фич, багов, рефакторинга. $1,350 (1 год Devin Core).
Factory – агент для production-уровня разработки и автоматизаций. $240 (1 год Factory Pro).
Lovable – AI-билдер приложений, от прототипа до продакшена. $252 (1 год Lovable Pro).
Replit – IDE с AI, базой данных, авторизацией и деплоем из коробки. $240 (1 год Replit Core).
Warp – агентная среда разработки (терминал + AI-кодинг). $240 (1 год Warp Build).
Cursor – AI-кодинг в IDE. $50 (кредиты).
AI-поиск и ассистенты:
Perplexity – AI-поиск с цитированием источников. $240 (1 год Perplexity Pro). Коды заканчиваются.
Manus – универсальный AI-агент (ресёрч, слайды, сайты, графики, видео). $240 (1 год с 4 000 кредитов/мес).
ChatPRD — AI для написания PRD и автоматизации работы продакта. $180 (1 год ChatPRD Pro).
Дизайн и контент:
Canva – визуальная платформа для контента и маркетинга. $200 (1 год Canva Business).
Framer – конструктор сайтов с дизайн-фёрст подходом. $360 (1 год Framer Pro).
Gamma (та самая) – AI-презентации и сайты за минуты. $180 (1 год Gamma Pro).
Mobbin – крупнейшая библиотека UI/UX-референсов мобильных и веб-приложений. $1,440 (1 год Team на 10 мест).
Magic Patterns – AI-прототипирование с интерактивными дизайнами. $228 (1 год Magic Patterns Hobby).
ElevenLabs – AI-платформа для генерации и локализации аудио/видео. $264 (1 год Creator Plan).
Продуктивность и управление:
Linear – инструмент для планирования продукта, задач и роадмапов. $1,080 (1 год Business на 5 мест).
Granola – AI-блокнот для людей, которые постоянно на созвонах. $1,680 (1 год Business на 10 мест).
Wispr Flow – голосовой ввод текста без правок (Mac, Windows, iOS). $180 (1 год Wispr Flow Pro).
Инфраструктура и автоматизация:
PostHog – аналитика, data warehouse, опросы и многое другое в одном продукте. $16,500 (1 год Scale с удвоенными лимитами).
n8n – визуальный движок для AI-автоматизаций и воркфлоу. $240 (1 год n8n Cloud Starter).
Railway – облачная платформа для деплоя приложений. $245 (1 год Railway Hobby).
Бизнес-инструменты:
Stripe Atlas — регистрация компании в США в несколько кликов. $200 (скидка 40%).
Подписка стоит $200/год (Annual) или $350/год (Insider). Insider даёт доступ к нескольким дополнительным продуктам, помеченным "Insiders only" (Amp, Bolt, Devin, Replit, Framer, ChatPRD, Stripe Atlas).
Учитывая, что это реально качественные продукты и что можно ими пользоваться без особых ограничений, покупка окупается уже после активации пары промокодов. А у меня их 13!
В общем, всячески рекомендую!
https://www.lennysnewsletter.com/p/productpass
https://lennysproductpass.com/
Суть в чем: вы подписываетесь на его рассылку на год за 200 или 350 долларов и в подарок получаете промокоды на год на AI-сервисы (в более дорогой - более крутые). Что входит:
Coding / AI-агенты для разработки:
Amp – AI-агент для кодинга нового поколения. $1,825 (1 год бесплатных кредитов).
Bolt – создание приложений и сайтов через промпты. $240 (1 год Bolt Pro).
Devin – AI-инженер для фич, багов, рефакторинга. $1,350 (1 год Devin Core).
Factory – агент для production-уровня разработки и автоматизаций. $240 (1 год Factory Pro).
Lovable – AI-билдер приложений, от прототипа до продакшена. $252 (1 год Lovable Pro).
Replit – IDE с AI, базой данных, авторизацией и деплоем из коробки. $240 (1 год Replit Core).
Warp – агентная среда разработки (терминал + AI-кодинг). $240 (1 год Warp Build).
Cursor – AI-кодинг в IDE. $50 (кредиты).
AI-поиск и ассистенты:
Perplexity – AI-поиск с цитированием источников. $240 (1 год Perplexity Pro). Коды заканчиваются.
Manus – универсальный AI-агент (ресёрч, слайды, сайты, графики, видео). $240 (1 год с 4 000 кредитов/мес).
ChatPRD — AI для написания PRD и автоматизации работы продакта. $180 (1 год ChatPRD Pro).
Дизайн и контент:
Canva – визуальная платформа для контента и маркетинга. $200 (1 год Canva Business).
Framer – конструктор сайтов с дизайн-фёрст подходом. $360 (1 год Framer Pro).
Gamma (та самая) – AI-презентации и сайты за минуты. $180 (1 год Gamma Pro).
Mobbin – крупнейшая библиотека UI/UX-референсов мобильных и веб-приложений. $1,440 (1 год Team на 10 мест).
Magic Patterns – AI-прототипирование с интерактивными дизайнами. $228 (1 год Magic Patterns Hobby).
ElevenLabs – AI-платформа для генерации и локализации аудио/видео. $264 (1 год Creator Plan).
Продуктивность и управление:
Linear – инструмент для планирования продукта, задач и роадмапов. $1,080 (1 год Business на 5 мест).
Granola – AI-блокнот для людей, которые постоянно на созвонах. $1,680 (1 год Business на 10 мест).
Wispr Flow – голосовой ввод текста без правок (Mac, Windows, iOS). $180 (1 год Wispr Flow Pro).
Инфраструктура и автоматизация:
PostHog – аналитика, data warehouse, опросы и многое другое в одном продукте. $16,500 (1 год Scale с удвоенными лимитами).
n8n – визуальный движок для AI-автоматизаций и воркфлоу. $240 (1 год n8n Cloud Starter).
Railway – облачная платформа для деплоя приложений. $245 (1 год Railway Hobby).
Бизнес-инструменты:
Stripe Atlas — регистрация компании в США в несколько кликов. $200 (скидка 40%).
Подписка стоит $200/год (Annual) или $350/год (Insider). Insider даёт доступ к нескольким дополнительным продуктам, помеченным "Insiders only" (Amp, Bolt, Devin, Replit, Framer, ChatPRD, Stripe Atlas).
Учитывая, что это реально качественные продукты и что можно ими пользоваться без особых ограничений, покупка окупается уже после активации пары промокодов. А у меня их 13!
В общем, всячески рекомендую!
https://www.lennysnewsletter.com/p/productpass
1🔥19❤9🤡3👍2🤮1💊1
Интересная попытка измерить уровень владения ИИ-разработкой (правда очень мало нашел информации об этом чуваке, кажется просто энтузиаст-инженер, который зарелизил Dispatch для ClaudeCode)
Уровни 1: Автодополнение кода с ИИ и
Уровень 2: ИИ-среда разработки
Я бы сказал, что есть еще 0 уровень - копипаста в ChatGPT/Gemini
Cursor, Copilot, tab-complete. Начальная точка, которую большинство уже прошли. Ограничение – контекст: модель помогает только с тем, что видит.
Уровень 3: Контекст-инженерия
Каждый токен должен бороться за место в промпте. Файлы правил, описания инструментов пишем компактно, управляем историей диалога, очищаем контекст оперативно, закидываем выход в текстовые файлы, а не в LLM.
Уровень 4: Компаундинг-инженерия
Не просто улучшаешь текущую сессию, а улучшаешь все будущие. Цикл: спланируй → делегируй → оцени → закодифицируй. Последний шаг – главный: обновляешь правила и документацию, чтобы модель не повторяла ошибки. Пока это все в ручном режиме, но главное - ты с каждой ошибкой или косяком ИИ не забиваешь на это, а переписываешь правила, промпты, тесты, подходы меняешь, чтобы больше такой ошибки не было.
Уровень 5: MCP и скиллы
Модель получает не только контекст, но и возможности: доступ к базам данных, API, CI-пайплайну, браузеру. Тренд – переход от MCP к CLI-инструментам ради экономии токенов. В целом для бизнеса имхо MCP - как глоток свежего воздуха и огромных возможностей. Для разработчиков лучше выбирать только то, что нужно, и скриптами добивать.
Уровень 6: Харнес-инженерия
Строишь не промпт, а всю среду с обратной связью. Агент сам может воспроизвести баг, записать видео, починить, протестировать и открыть PR. Ключевая концепция – ревью: тесты, линтеры, хуки, которые позволяют агенту ловить свои ошибки без участия человека.
Уровень 7: Фоновые агенты
Горячий тема: план-мод умирает. Если контекст чистый, ограничения явные и обратная связь настроена – модель сама планирует достаточно хорошо. Агенты работают в фоне, пока ты спишь. Важный паттерн – разные модели для разных задач: одна реализует, другая ревьюит. Никогда не давай модели проверять собственную работу.
Уровень 8: Автономные команды агентов
Агенты координируются между собой напрямую, без центрального оркестратора. Антропик собрал компилятор Си шестнадцатью параллельными агентами. Курсор сотнями агентов мигрировал кодовую базу. Но пока это слишком медленно, дорого и нестабильно для повседневной работы.
Что важно понять
Я бы сказал, что уровни 3-5 – фундамент. Без чистого контекста и настроенных инструментов всё, что выше – просто масштабирование хаоса. А ещё всегда говорю, что твоя продуктивность зависит от уровня команды: если ты на 7-м, а коллега на 2-м и ревьюит твои PR вручную – ты тоже застрял.
На каком уровне ваша команда сейчас?
https://www.bassimeledath.com/blog/levels-of-agentic-engineering
Уровни 1: Автодополнение кода с ИИ и
Уровень 2: ИИ-среда разработки
Я бы сказал, что есть еще 0 уровень - копипаста в ChatGPT/Gemini
Cursor, Copilot, tab-complete. Начальная точка, которую большинство уже прошли. Ограничение – контекст: модель помогает только с тем, что видит.
Уровень 3: Контекст-инженерия
Каждый токен должен бороться за место в промпте. Файлы правил, описания инструментов пишем компактно, управляем историей диалога, очищаем контекст оперативно, закидываем выход в текстовые файлы, а не в LLM.
Уровень 4: Компаундинг-инженерия
Не просто улучшаешь текущую сессию, а улучшаешь все будущие. Цикл: спланируй → делегируй → оцени → закодифицируй. Последний шаг – главный: обновляешь правила и документацию, чтобы модель не повторяла ошибки. Пока это все в ручном режиме, но главное - ты с каждой ошибкой или косяком ИИ не забиваешь на это, а переписываешь правила, промпты, тесты, подходы меняешь, чтобы больше такой ошибки не было.
Уровень 5: MCP и скиллы
Модель получает не только контекст, но и возможности: доступ к базам данных, API, CI-пайплайну, браузеру. Тренд – переход от MCP к CLI-инструментам ради экономии токенов. В целом для бизнеса имхо MCP - как глоток свежего воздуха и огромных возможностей. Для разработчиков лучше выбирать только то, что нужно, и скриптами добивать.
Уровень 6: Харнес-инженерия
Строишь не промпт, а всю среду с обратной связью. Агент сам может воспроизвести баг, записать видео, починить, протестировать и открыть PR. Ключевая концепция – ревью: тесты, линтеры, хуки, которые позволяют агенту ловить свои ошибки без участия человека.
Уровень 7: Фоновые агенты
Горячий тема: план-мод умирает. Если контекст чистый, ограничения явные и обратная связь настроена – модель сама планирует достаточно хорошо. Агенты работают в фоне, пока ты спишь. Важный паттерн – разные модели для разных задач: одна реализует, другая ревьюит. Никогда не давай модели проверять собственную работу.
Уровень 8: Автономные команды агентов
Агенты координируются между собой напрямую, без центрального оркестратора. Антропик собрал компилятор Си шестнадцатью параллельными агентами. Курсор сотнями агентов мигрировал кодовую базу. Но пока это слишком медленно, дорого и нестабильно для повседневной работы.
Что важно понять
Я бы сказал, что уровни 3-5 – фундамент. Без чистого контекста и настроенных инструментов всё, что выше – просто масштабирование хаоса. А ещё всегда говорю, что твоя продуктивность зависит от уровня команды: если ты на 7-м, а коллега на 2-м и ревьюит твои PR вручную – ты тоже застрял.
На каком уровне ваша команда сейчас?
https://www.bassimeledath.com/blog/levels-of-agentic-engineering
Bassimeledath
The 8 Levels of Agentic Engineering — Bassim Eledath
AI's coding ability is outpacing our ability to wield it effectively. That gap closes in levels — 8 of them. Here's the progression from tab complete to autonomous agent teams.
1👍9💯3
О, Антропик выпустил результат своего ИИ-опроса, что он показывал внутри Claude порядка месяца. Откликнулось 80 508 человек из 159 стран на 70 языках.
Каждый разговор адаптировался под ответы. Потом Claude-классификаторы разобрали всё по категориям.
Чего люди хотят от AI
Профессиональная эффективность - 18,8%
Личностная трансформация - 13,7%
Управление жизнью (расписания, когнитивная разгрузка) - 13,5%
Свободное время для семьи и себя - 11,1%
Финансовая независимость - 9,7%
Трансформация общества (медицина, климат, неравенство) - 9,4%
Предпринимательство - 8,7%
Обучение и развитие - 8,4%
Творческое самовыражение - 5,6%
81% сказали, что AI уже сделал шаг к их мечте.
Чего люди боятся
Ненадёжность и галлюцинации - 26,7%
Потеря рабочих мест - 22,3%
Утрата автономии и контроля - 21,9%
Когнитивная атрофия - 16,3%
Отсутствие регулирования - 14,7%
Дезинформация - 13,6%
Среднестатистический респондент назвал 2,3 опасения. Только 11% вообще не видят рисков.
Главный инсайт: свет и тень неразделимы
Anthropic выделила пять «напряжений», где выгоды и риски переплетаются внутри одного человека. Например, тот, кто ценит эмоциональную поддержку от AI, в 3 раза чаще боится стать от неё зависимым. Юристы - лидеры по реальной пользе от AI в принятии решений и одновременно по столкновению с галлюцинациями.
География настроений
67% респондентов позитивно относятся к AI. Но есть чёткий паттерн: Африка, Латинская Америка, Южная Азия - наиболее оптимистичны. Европа и Северная Америка - наиболее обеспокоены. Страх потери работы - главный предиктор негативного отношения к AI.
В развивающихся странах AI воспринимают как социальный лифт. В развитых - как источник когнитивной перегрузки.
Честно говоря, думал там прям больше инсайтов будет, но они хотели по разным странам и специальностям разобраться с ожиданиями и страхами. В целом интересно.
Полный текст с цитатами: anthropic.com/features/81k-interviews
Каждый разговор адаптировался под ответы. Потом Claude-классификаторы разобрали всё по категориям.
Чего люди хотят от AI
Профессиональная эффективность - 18,8%
Личностная трансформация - 13,7%
Управление жизнью (расписания, когнитивная разгрузка) - 13,5%
Свободное время для семьи и себя - 11,1%
Финансовая независимость - 9,7%
Трансформация общества (медицина, климат, неравенство) - 9,4%
Предпринимательство - 8,7%
Обучение и развитие - 8,4%
Творческое самовыражение - 5,6%
81% сказали, что AI уже сделал шаг к их мечте.
Чего люди боятся
Ненадёжность и галлюцинации - 26,7%
Потеря рабочих мест - 22,3%
Утрата автономии и контроля - 21,9%
Когнитивная атрофия - 16,3%
Отсутствие регулирования - 14,7%
Дезинформация - 13,6%
Среднестатистический респондент назвал 2,3 опасения. Только 11% вообще не видят рисков.
Главный инсайт: свет и тень неразделимы
Anthropic выделила пять «напряжений», где выгоды и риски переплетаются внутри одного человека. Например, тот, кто ценит эмоциональную поддержку от AI, в 3 раза чаще боится стать от неё зависимым. Юристы - лидеры по реальной пользе от AI в принятии решений и одновременно по столкновению с галлюцинациями.
География настроений
67% респондентов позитивно относятся к AI. Но есть чёткий паттерн: Африка, Латинская Америка, Южная Азия - наиболее оптимистичны. Европа и Северная Америка - наиболее обеспокоены. Страх потери работы - главный предиктор негативного отношения к AI.
В развивающихся странах AI воспринимают как социальный лифт. В развитых - как источник когнитивной перегрузки.
Честно говоря, думал там прям больше инсайтов будет, но они хотели по разным странам и специальностям разобраться с ожиданиями и страхами. В целом интересно.
Полный текст с цитатами: anthropic.com/features/81k-interviews
👍8❤3
This media is not supported in your browser
VIEW IN TELEGRAM
Хах, Claude Code все больше двигается в сторону OpenClaw. С сегодняшнего дня работает через Телеграм и Дискорд через Channels.
Это MCP-сервер, который пробрасывает события в активную сессию Claude Code. Двусторонний: ты пишешь боту в Телеграме, сообщение прилетает в терминал, Claude выполняет задачу и отвечает обратно в чат.
По сути, разработчик получает асинхронного AI-напарника. Запустил сессию в фоне на VPS, ушёл с рабочего места - задачи можно ставить с телефона. Да, можно было и раньше сделать, но теперь все из коробки.
- Создаёшь бота через BotFather
- Устанавливаешь плагин:
- Сохраняешь токен:
- Перезапускаешь с флагом:
- Пишешь боту в Телеграме, получаешь код привязки из 6 символов
- Вводишь код в терминале - и всё работает.
В общем, кажется, скоро телеграмм будет самым популярным мессенджером в мире :) среди стартапов точно.
Документация: https://code.claude.com/docs/en/channels-reference
Это MCP-сервер, который пробрасывает события в активную сессию Claude Code. Двусторонний: ты пишешь боту в Телеграме, сообщение прилетает в терминал, Claude выполняет задачу и отвечает обратно в чат.
По сути, разработчик получает асинхронного AI-напарника. Запустил сессию в фоне на VPS, ушёл с рабочего места - задачи можно ставить с телефона. Да, можно было и раньше сделать, но теперь все из коробки.
- Создаёшь бота через BotFather
- Устанавливаешь плагин:
/plugin install telegram@claude-plugins-official- Сохраняешь токен:
/telegram:configure <токен>- Перезапускаешь с флагом:
claude --channels plugin:telegram@claude-plugins-official- Пишешь боту в Телеграме, получаешь код привязки из 6 символов
- Вводишь код в терминале - и всё работает.
В общем, кажется, скоро телеграмм будет самым популярным мессенджером в мире :) среди стартапов точно.
Документация: https://code.claude.com/docs/en/channels-reference
❤25🔥17👍4😭1
This media is not supported in your browser
VIEW IN TELEGRAM
Google серьезно так прокачал Stitch (про который я в июне писал) и сделал его инструментом "вайб-дизайна". Его и раньше основной фишкой были хорошие согласованные элементы макета и экспорт в Figma, а теперь так вообще красота для командной работы:
- Бесконечный канвас, куда можно тащить картинки, текст, код - всё становится контекстом для генерации
- Дизайн-агент, который видит всю историю проекта и может вести несколько направлений параллельно
- DESIGN.md - файл с дизайн-системой в формате маркдаун, можно экспортировать/импортировать между проектами и другими инструментами
- Мгновенное превращение статичных экранов в интерактивные прототипы: нажимаешь Play и тестируешь пользовательский флоу (это тоже было, но кривое)
- Голосовой режим: говоришь с канвасом, агент делает правки в реальном времени и даёт дизайн-критику. Ну сейчас все в голос ударились.
Самое прикольное, что добавили MCP-сервер и SDK (то есть можно как инструмент внутри ваших любимых ИИ-шек использовать) и экспорт в AI Studio и Antigravity (раньше эта связка была самая лучшая).
Короче, Фигме еще поплохеет видимо (там уже акции на дне), но очень приятно, что за дизайн плотно взялись, потому что это слабое место практически всех текущих моделей.
stitch.withgoogle.com
- Бесконечный канвас, куда можно тащить картинки, текст, код - всё становится контекстом для генерации
- Дизайн-агент, который видит всю историю проекта и может вести несколько направлений параллельно
- DESIGN.md - файл с дизайн-системой в формате маркдаун, можно экспортировать/импортировать между проектами и другими инструментами
- Мгновенное превращение статичных экранов в интерактивные прототипы: нажимаешь Play и тестируешь пользовательский флоу (это тоже было, но кривое)
- Голосовой режим: говоришь с канвасом, агент делает правки в реальном времени и даёт дизайн-критику. Ну сейчас все в голос ударились.
Самое прикольное, что добавили MCP-сервер и SDK (то есть можно как инструмент внутри ваших любимых ИИ-шек использовать) и экспорт в AI Studio и Antigravity (раньше эта связка была самая лучшая).
Короче, Фигме еще поплохеет видимо (там уже акции на дне), но очень приятно, что за дизайн плотно взялись, потому что это слабое место практически всех текущих моделей.
stitch.withgoogle.com
🔥9❤2👍2🤨1
Ну и чтиво скорее на выходные. Хотел сделать краткий обзор, но тут прям кладезь информации для разработчиков, как максимально полезно использовать Claude Code, так что перевел полностью: https://habr.com/ru/articles/1012412/
Хабр
Что вы не знали о Claude Code: архитектура, управление и инженерные практики
Обложка Это перевод статьи разработчика нескольких мега-популярных инструментов - https://github.com/tw93 . Она была опубликовала в твиттере на китайском языке, потом криво переведена на английский, я...
🔥17👍10
Прикольный гайд от OpenAI по созданию красивых дизайнов:
https://developers.openai.com/blog/designing-delightful-frontends-with-gpt-5-4
Пишут, что 5.4 для дизайна стала гораздо лучше по 3 направлениям:
- Нативная работа с изображениями. Модель обучена использовать генерацию и поиск картинок прямо в процессе дизайна. Можно попросить сначала сгенерировать мудборд, выбрать визуальное направление, а потом уже верстать
- Функциональная полнота. Игры, сложные интерфейсы, многостраничные приложения - теперь реально получить рабочий результат за 1-2 промта
- Самопроверка через Playwright. Это первая массовая модель OpenAI с нативным computer use. Модель сама открывает страницу, проверяет рендер в разных вьюпортах, находит баги в навигации и состояниях
Пишут, что когда промт недостаточно детальный, модель скатывается в высокочастотные паттерны из обучающих данных. На выходе - типичный шаблон: слабая визуальная иерархия, дефолтные шрифты, фиолетовые акценты (и зеленые, блин, как же бесят), карточки везде где не надо.
Практические рекомендации (самое интересное)
- Начинать с низкого уровня рассуждений. Контринтуитивно, но больше compute не значит лучше дизайн. На низком уровне модель работает быстрее и не переусложняет
- Задавать дизайн-систему заранее: палитра, типографика, лейаут, максимум 2 шрифта, 1 акцентный цвет
- Прикладывать визуальные референсы или скриншоты. Это дает модели понимание ритма, пропорций и стиля
- Писать реальный контент вместо заглушек. Настоящий текст заставляет модель генерировать более адекватные структуры
Рекомендуемый стек: React + Tailwind.
Опубликовали системный промпт для фронтенда (в комментах) и фронтенд-скилл для codex ($skill-installer frontend-skill)
https://developers.openai.com/blog/designing-delightful-frontends-with-gpt-5-4
https://developers.openai.com/blog/designing-delightful-frontends-with-gpt-5-4
Пишут, что 5.4 для дизайна стала гораздо лучше по 3 направлениям:
- Нативная работа с изображениями. Модель обучена использовать генерацию и поиск картинок прямо в процессе дизайна. Можно попросить сначала сгенерировать мудборд, выбрать визуальное направление, а потом уже верстать
- Функциональная полнота. Игры, сложные интерфейсы, многостраничные приложения - теперь реально получить рабочий результат за 1-2 промта
- Самопроверка через Playwright. Это первая массовая модель OpenAI с нативным computer use. Модель сама открывает страницу, проверяет рендер в разных вьюпортах, находит баги в навигации и состояниях
Пишут, что когда промт недостаточно детальный, модель скатывается в высокочастотные паттерны из обучающих данных. На выходе - типичный шаблон: слабая визуальная иерархия, дефолтные шрифты, фиолетовые акценты (и зеленые, блин, как же бесят), карточки везде где не надо.
Практические рекомендации (самое интересное)
- Начинать с низкого уровня рассуждений. Контринтуитивно, но больше compute не значит лучше дизайн. На низком уровне модель работает быстрее и не переусложняет
- Задавать дизайн-систему заранее: палитра, типографика, лейаут, максимум 2 шрифта, 1 акцентный цвет
- Прикладывать визуальные референсы или скриншоты. Это дает модели понимание ритма, пропорций и стиля
- Писать реальный контент вместо заглушек. Настоящий текст заставляет модель генерировать более адекватные структуры
Рекомендуемый стек: React + Tailwind.
Опубликовали системный промпт для фронтенда (в комментах) и фронтенд-скилл для codex ($skill-installer frontend-skill)
https://developers.openai.com/blog/designing-delightful-frontends-with-gpt-5-4
OpenAI Developers
Designing delightful frontends with GPT-5.4 | OpenAI Developers
Practical techniques for steering GPT-5.4 toward polished, production-ready frontend designs.
👍9❤1
И еще 2 интересные вещи от vercel (они прям жгут в последнее время)
1) Выкинули векторные базы для своих агентов
https://vercel.com/blog/build-knowledge-agents-without-embeddings
Источники данных (репозитории, документы, транскрипты) синхронизируются в файловую систему через снапшоты
Агент ищет информацию через grep, find и cat внутри изолированных песочниц Vercel Sandbox
Никакого векторного поиска, никакого тюнинга порогов релевантности.
На их данных:
- Стоимость обработки одного запроса упала с ~$1.00 до ~$0.25 — в 4 раза
- Качество ответов выросло
- Дебаг стал тривиальным: видишь, какой grep запустил агент, какой файл прочитал, какую секцию вытащил. Чинишь за минуты
С эмбеддингами всё иначе: чанк набрал 0.82, правильный — 0.79. Проблема в границах чанка? В модели? В пороге? Удачи в отладке. LLM уже умеют работать с файловыми системами, они обучены на огромном количестве кода. Навигация по директориям, grep по файлам – это не новый навык для модели, а самый натуральный. И гораздо лучше получается применять его, если у вас нет тысяч неструктурированных файлов.
1) Выкинули векторные базы для своих агентов
https://vercel.com/blog/build-knowledge-agents-without-embeddings
Источники данных (репозитории, документы, транскрипты) синхронизируются в файловую систему через снапшоты
Агент ищет информацию через grep, find и cat внутри изолированных песочниц Vercel Sandbox
Никакого векторного поиска, никакого тюнинга порогов релевантности.
На их данных:
- Стоимость обработки одного запроса упала с ~$1.00 до ~$0.25 — в 4 раза
- Качество ответов выросло
- Дебаг стал тривиальным: видишь, какой grep запустил агент, какой файл прочитал, какую секцию вытащил. Чинишь за минуты
С эмбеддингами всё иначе: чанк набрал 0.82, правильный — 0.79. Проблема в границах чанка? В модели? В пороге? Удачи в отладке. LLM уже умеют работать с файловыми системами, они обучены на огромном количестве кода. Навигация по директориям, grep по файлам – это не новый навык для модели, а самый натуральный. И гораздо лучше получается применять его, если у вас нет тысяч неструктурированных файлов.
Vercel
Build knowledge agents without embeddings
Open source file-system and knowledge based agent template. Build AI agents that stay up to date with your knowledge base. Grep, find, and cat across your sources, no embeddings, no vector DB.
❤5
2) Chat SDK – один бот для всех платформ сразу
Библиотека для работы с разными мессенджерами: Slack, Microsoft Teams, Discord, Telegram, WhatsApp, Google Chat, GitHub, Linear
Адаптеры сами конвертируют markdown в нативный формат платформы в реальном времени, включая стриминг
Таблицы, карточки, кнопки, модалки – один JSX-компонент, рендерится по-разному на каждой платформе
Ну и всякие там треды, локи, кэш,
Документация на chat-sdk.dev. Для старта достаточно npx skills add vercel/chat — и ваш кодинг-агент сразу получит контекст SDK.
Крайне полезная штука для мульти-платформ.
https://vercel.com/blog/chat-sdk-brings-agents-to-your-users
Библиотека для работы с разными мессенджерами: Slack, Microsoft Teams, Discord, Telegram, WhatsApp, Google Chat, GitHub, Linear
Адаптеры сами конвертируют markdown в нативный формат платформы в реальном времени, включая стриминг
Таблицы, карточки, кнопки, модалки – один JSX-компонент, рендерится по-разному на каждой платформе
Ну и всякие там треды, локи, кэш,
Документация на chat-sdk.dev. Для старта достаточно npx skills add vercel/chat — и ваш кодинг-агент сразу получит контекст SDK.
Крайне полезная штука для мульти-платформ.
https://vercel.com/blog/chat-sdk-brings-agents-to-your-users
Vercel
Chat SDK brings agents to your users
Chat SDK is a unified TypeScript library for building chat bots that work across Slack, Discord, Teams, and more from a single codebase. Write once, deploy everywhere.
👍2
И про гугловскую убийцу Lovable - AI Studio (попутно они убили и свой Firebase Studio)
Теперь можно промптом писать фронтенд на React (по умолчанию), серверную часть на Node.js, есть базы данных, авторизация, секреты, мультиплеер.
Короче, Antigravity встроили в браузерный AI Studio. Когда приложению нужна база данных или авторизация предлагает подключить Cloud Firestore и Firebase Authentication с Google Sign-In.
– Можно автоматически ставить npm-пакеты – нужна анимация, подтянет Framer Motion, нужны компоненты – поставит Shadcn, нужна 3D-графика – Three.js
– поддерживает React, Angular и теперь Next.js из коробки
– встроенный Secrets Manager для безопасного хранения API-ключей
– через server-side runtime можно подключать Stripe, SendGrid, Supabase, MongoDB Atlas и другие внешние сервисы
– поддержка мультиплеерных приложений в реальном времени, такого вроде ни у кого не было.
Прикольно, что AI Studio остаётся бесплатным для прототипирования, а продакшен-деплой через Gemini API оплачивается по токенам, то есть это копейки или очень дешево, в то время как конкуренты хотят платные тарифы сразу зарядить.
Ну и в общем-то стратегия понятна: бесплатный вайб-кодинг втягивает разработчиков в экосистему, а переход от бесплатного прототипа к платному продакшену делается максимально гладким: не нужен Supabase, не нужен Vercel, не нужен отдельный хостинг – всё внутри Google. Скоро будет интеграция с Google Workspace (Drive, Sheets) и миграция проектов из AI Studio в десктопный Antigravity в один клик.
aistudio.google.com/apps
Теперь можно промптом писать фронтенд на React (по умолчанию), серверную часть на Node.js, есть базы данных, авторизация, секреты, мультиплеер.
Короче, Antigravity встроили в браузерный AI Studio. Когда приложению нужна база данных или авторизация предлагает подключить Cloud Firestore и Firebase Authentication с Google Sign-In.
– Можно автоматически ставить npm-пакеты – нужна анимация, подтянет Framer Motion, нужны компоненты – поставит Shadcn, нужна 3D-графика – Three.js
– поддерживает React, Angular и теперь Next.js из коробки
– встроенный Secrets Manager для безопасного хранения API-ключей
– через server-side runtime можно подключать Stripe, SendGrid, Supabase, MongoDB Atlas и другие внешние сервисы
– поддержка мультиплеерных приложений в реальном времени, такого вроде ни у кого не было.
Прикольно, что AI Studio остаётся бесплатным для прототипирования, а продакшен-деплой через Gemini API оплачивается по токенам, то есть это копейки или очень дешево, в то время как конкуренты хотят платные тарифы сразу зарядить.
Ну и в общем-то стратегия понятна: бесплатный вайб-кодинг втягивает разработчиков в экосистему, а переход от бесплатного прототипа к платному продакшену делается максимально гладким: не нужен Supabase, не нужен Vercel, не нужен отдельный хостинг – всё внутри Google. Скоро будет интеграция с Google Workspace (Drive, Sheets) и миграция проектов из AI Studio в десктопный Antigravity в один клик.
aistudio.google.com/apps
❤11🔥4
OpenAI запустила «Библиотеку» файлов в ChatGPT
Пока доступен для Pro-подписчиков и ограниченному числу Plus-пользователей и только вне ЕС.
Все файлы, которые вы когда-либо загружали в ChatGPT - документы, таблицы, презентации, картинки - теперь автоматически сохраняются в отдельном хранилище. Не нужно рыться по чатам, чтобы найти тот самый файл.
Можно прикрепить файл из библиотеки к новому чату через меню вложений.
Можно просто попросить ChatGPT найти нужный файл словами — например, «найди таблицу с бюджетом, которую я загружал на прошлой неделе».
Лимиты:
- 512 МБ на файл (жёсткий потолок)
- Текстовые документы — до 2 млн токенов на файл
- Таблицы CSV/Excel — до ~50 МБ
- Картинки — до 20 МБ
- 10 ГБ на пользователя, 100 ГБ на организацию
Раньше файлы жили внутри конкретных чатов. Удалил чат - потерял файл. Сейчас это полноценное персональное хранилище с возможностью переиспользования файлов между разными диалогами. По сути, ChatGPT движется в сторону рабочего пространства, а не просто чата.
https://help.openai.com/en/articles/20001052-file-storage-and-library-in-chatgpt
Пока доступен для Pro-подписчиков и ограниченному числу Plus-пользователей и только вне ЕС.
Все файлы, которые вы когда-либо загружали в ChatGPT - документы, таблицы, презентации, картинки - теперь автоматически сохраняются в отдельном хранилище. Не нужно рыться по чатам, чтобы найти тот самый файл.
Можно прикрепить файл из библиотеки к новому чату через меню вложений.
Можно просто попросить ChatGPT найти нужный файл словами — например, «найди таблицу с бюджетом, которую я загружал на прошлой неделе».
Лимиты:
- 512 МБ на файл (жёсткий потолок)
- Текстовые документы — до 2 млн токенов на файл
- Таблицы CSV/Excel — до ~50 МБ
- Картинки — до 20 МБ
- 10 ГБ на пользователя, 100 ГБ на организацию
Раньше файлы жили внутри конкретных чатов. Удалил чат - потерял файл. Сейчас это полноценное персональное хранилище с возможностью переиспользования файлов между разными диалогами. По сути, ChatGPT движется в сторону рабочего пространства, а не просто чата.
https://help.openai.com/en/articles/20001052-file-storage-and-library-in-chatgpt
OpenAI Help Center
File storage and Library in ChatGPT | OpenAI Help Center
👍9❤4
Прикольно, теперь в Dispatch режиме Claude, если нет коннектора нужного, будет сам кликать по нужным вкладкам и окнам: https://youtu.be/NAauIR6JFps
Вот подробности: https://claude.com/blog/dispatch-and-computer-use
Вот подробности: https://claude.com/blog/dispatch-and-computer-use
YouTube
Put Claude to work on your computer, from anywhere
In Claude Cowork and Claude Code, you can now let Claude use your computer to handle tasks. It can point, click, and navigate like you would to do everything from opening and editing files to handling complex software tasks. And with Dispatch, you can instruct…
❤1
И наконец дошли прочитать две "программные" статьи как раз про AI трансформацию организаций (чем в последнее время занимаюсь).
1) От A16Z про разницу между взрывом продуктивности отдельных специалистов и практически никакущего дополнительного роста компаний от этого
Там интересная параллель про фабрики. В 1890-х текстильные фабрики поставили электрические моторы вместо паровых – и 30 лет не видели дополнительного роста. Только когда в 1920-х полностью перепроектировали сам завод (конвейер, индивидуальные моторы на каждом станке, новые роли рабочих) – электрификация наконец дала результат.
Сейчас происходит то же самое. Мы поменяли мотор, но не перестроили фабрику. И соответственно абсолютно то же самое происходит сейчас. Индивидуальный AI прорыв делает даже ХУЖЕ плохонького пока, но полноценного процесса, заточенного под AI на всю компанию.
Выделили 7 основных столпов:
– Координация. Каждый сотрудник сидит в своём ChatGPT со своими промптами. Результаты ни с чем не стыкуются. Тысяча агентов, гребущих в разные стороны – это хаос, а не продуктивность. Об этом писал уже несколько раз. Особенный прикол, когда сотрудники под себя собирают кастомные инструменты, базы данных, софт, ух...
– Сигнал vs шум. AI позволяет генерировать всё что угодно. Проблема – 90% этого контента откровенный шлак. В PE-фондах раньше приходило 10 сделок, теперь 50 — каждая отполирована до блеска. Находить сигнал в горе AI-слопа – ключевой навык десятилетия. Это стопудово. Сколько нейрослопа всякого попадалось от "специалистов"... И тут он предлагает не всасывать в себя очередные видосы про крутой openclaw, а делать Детерминированных ИИ агентов!
– Предвзятость. Модели стали подхалимами из-за RLHF. Самые громкие адвокаты AI в компаниях скоро будут худшие сотрудники – потому что «самый умный интеллект в истории со мной согласен, а мой менеджер – нет». Нужны дополнительные ограничения, "АИ советы директоров" или аудиторы, которые будут докапываться до решений, а не соглашаться "ах, какой ты молодец".
– Конкурентное преимущество. Общие модели дают общие результаты. Как только возможность стала массовой – она по определению не даёт преимущества на рынке. Побеждают нишевые решения поверх базовых моделей. Тоже согласен. Если у вас ИИ-ка, и у конкурентов ИИ-ка, то по сути вы все просто соревнуетесь, кто быстрее и больше нагенерирует чего-то стандартного. И надо брать лучшее общее решение и поверх него делать доменного эксперта. И супер-оперативно обе части обновлять, а не сидеть на одном инструменте годами.
– Результаты. Почти все AI-продукты продают экономию времени. Но спроси любого CEO – он скажет, что приоритет номер один это рост выручки, а не сокращение затрат. Институциональный AI должен генерировать upside, а не экономить. Нужно делать Решения на базе ИИ, а не приложеньки.
– Внедрение. В Нью-Йорке до сих пор есть успешные бизнесы, которые не принимают карты. Люди не любят меняться. Самые старшие (и важные) сотрудники будут последними, кто адаптируется. Инжиниринг процессов станет критичнее самой технологии и "трансформация" людей в том числе, поэтому просто покупки всем чатгпт или клода мало, нужно обучать, показывать, как использовать.
– Нет промптам. Промптить AGI – это как подключать электромотор к паровому ткацкому станку. Самая ценная работа AI – та, о которой никто не догадался спросить. Система сама находит риск, контрагента, возможность. Пока до этого системы только добираются и кажется люди не очень хотят терять контроль...
В общем, пишет, что реальная ценность накопится на «уровне решений» – где технология и организация перестраиваются вместе.
Фабрики, которые электрифицировались первыми, проиграли тем, кто перепроектировал цех.
И классная цитата: "У нас уже есть электричество. Пора перестраивать фабрику".
https://www.a16z.news/p/institutional-ai-vs-individual-ai
1) От A16Z про разницу между взрывом продуктивности отдельных специалистов и практически никакущего дополнительного роста компаний от этого
Там интересная параллель про фабрики. В 1890-х текстильные фабрики поставили электрические моторы вместо паровых – и 30 лет не видели дополнительного роста. Только когда в 1920-х полностью перепроектировали сам завод (конвейер, индивидуальные моторы на каждом станке, новые роли рабочих) – электрификация наконец дала результат.
Сейчас происходит то же самое. Мы поменяли мотор, но не перестроили фабрику. И соответственно абсолютно то же самое происходит сейчас. Индивидуальный AI прорыв делает даже ХУЖЕ плохонького пока, но полноценного процесса, заточенного под AI на всю компанию.
Выделили 7 основных столпов:
– Координация. Каждый сотрудник сидит в своём ChatGPT со своими промптами. Результаты ни с чем не стыкуются. Тысяча агентов, гребущих в разные стороны – это хаос, а не продуктивность. Об этом писал уже несколько раз. Особенный прикол, когда сотрудники под себя собирают кастомные инструменты, базы данных, софт, ух...
– Сигнал vs шум. AI позволяет генерировать всё что угодно. Проблема – 90% этого контента откровенный шлак. В PE-фондах раньше приходило 10 сделок, теперь 50 — каждая отполирована до блеска. Находить сигнал в горе AI-слопа – ключевой навык десятилетия. Это стопудово. Сколько нейрослопа всякого попадалось от "специалистов"... И тут он предлагает не всасывать в себя очередные видосы про крутой openclaw, а делать Детерминированных ИИ агентов!
– Предвзятость. Модели стали подхалимами из-за RLHF. Самые громкие адвокаты AI в компаниях скоро будут худшие сотрудники – потому что «самый умный интеллект в истории со мной согласен, а мой менеджер – нет». Нужны дополнительные ограничения, "АИ советы директоров" или аудиторы, которые будут докапываться до решений, а не соглашаться "ах, какой ты молодец".
– Конкурентное преимущество. Общие модели дают общие результаты. Как только возможность стала массовой – она по определению не даёт преимущества на рынке. Побеждают нишевые решения поверх базовых моделей. Тоже согласен. Если у вас ИИ-ка, и у конкурентов ИИ-ка, то по сути вы все просто соревнуетесь, кто быстрее и больше нагенерирует чего-то стандартного. И надо брать лучшее общее решение и поверх него делать доменного эксперта. И супер-оперативно обе части обновлять, а не сидеть на одном инструменте годами.
– Результаты. Почти все AI-продукты продают экономию времени. Но спроси любого CEO – он скажет, что приоритет номер один это рост выручки, а не сокращение затрат. Институциональный AI должен генерировать upside, а не экономить. Нужно делать Решения на базе ИИ, а не приложеньки.
– Внедрение. В Нью-Йорке до сих пор есть успешные бизнесы, которые не принимают карты. Люди не любят меняться. Самые старшие (и важные) сотрудники будут последними, кто адаптируется. Инжиниринг процессов станет критичнее самой технологии и "трансформация" людей в том числе, поэтому просто покупки всем чатгпт или клода мало, нужно обучать, показывать, как использовать.
– Нет промптам. Промптить AGI – это как подключать электромотор к паровому ткацкому станку. Самая ценная работа AI – та, о которой никто не догадался спросить. Система сама находит риск, контрагента, возможность. Пока до этого системы только добираются и кажется люди не очень хотят терять контроль...
В общем, пишет, что реальная ценность накопится на «уровне решений» – где технология и организация перестраиваются вместе.
Фабрики, которые электрифицировались первыми, проиграли тем, кто перепроектировал цех.
И классная цитата: "У нас уже есть электричество. Пора перестраивать фабрику".
https://www.a16z.news/p/institutional-ai-vs-individual-ai
1🔥16❤4👍1
2) Про AI трансформацию от Harvard Busines Review
Опубликовали исследование профессора Гарварда Карима Лахани, главы направления AI at Work в Microsoft Джареда Спатаро и директора института D3 Джен Стейв. Пишут, что компании вложили миллиарды в AI-инструменты, раскатили сотни пилотов, но ожидаемая революция продуктивности так и не случилась. И проблема не в качестве моделей и даже не в данных. Проблема в организационном дизайне.
Нашли 7 причин, почему AI-трансформация буксует:
– Размножение пилотов без масштабирования. Один банк создал 250+ приложений на базе LLM, компания из фэшн-индустрии автоматизировала 18 000 финансовых процессов - но выигрыш остался локальным, лучше сделать 1, которое расширяется на всю компанию.
– Разрыв продуктивности. Платежная сеть отчитывается о 99% использовании Copilot сотрудниками, а финансовый отдел не может показать улучшение ни по одной метрике. Нужно обучение всей компании и реорганизация процессов, чтобы освободившееся время не сжиралось очередными митингами и почтой.
– Процессный долг. Устаревшие процессы, поверх которых накладывают AI - вместо того чтобы проектировать с нуля. Нужны бизнес-технологи, которые понимают обе стороны, чтобы нормально все запустить на новом уровне.
– Ловушка «племенных знаний». Критическая экспертиза заперта в головах сотрудников и недоступна AI-системам. Тут простого решения нет, надо как-то другие элементы иерархии предлагать людям (которые раньше носили корону, потому что знали, как правильно). Предлагаю разный цвет штанов :)
– Отсутствие управления агентами. Нет централизованных дашбордов для контроля AI-агентов как управляемой рабочей силы. Тут как бы все нормально работает при десятках, но жестко ломается на сотнях и тысячах, а ведь процессы меняются, нужно агентов тоже онбордить и "увольнять".
– Архитектурная сложность. Инфраструктура не готова к интеграции AI в повседневную работу. Там самый большой ужас, когда несколько систем больших надо интегрировать и чтоб работало все нормально.
– Ловушка эффективности. Компании оптимизируют мелкие задачи вместо переосмысления целых процессов. Тут хорошо бы прям провести стратегическую сессию, чтобы понять, какие задачи приносят максимальную ценность, а не оптимизируют время сотрудников за 20 долларов в час.
Что делать предлагают:
Проектировать процессы с чистого листа, а не натягивать AI на существующие
Создавать роли типа «AI-архитектор процессов», чтобы старшие эксперты оцифровывали свои знания
Строить «плоскости управления агентами» - контроль, мониторинг, безопасность для AI-агентов как для сотрудников
Короче, все по-серьезному.
https://hbr.org/2026/03/the-last-mile-problem-slowing-ai-transformation
Опубликовали исследование профессора Гарварда Карима Лахани, главы направления AI at Work в Microsoft Джареда Спатаро и директора института D3 Джен Стейв. Пишут, что компании вложили миллиарды в AI-инструменты, раскатили сотни пилотов, но ожидаемая революция продуктивности так и не случилась. И проблема не в качестве моделей и даже не в данных. Проблема в организационном дизайне.
Нашли 7 причин, почему AI-трансформация буксует:
– Размножение пилотов без масштабирования. Один банк создал 250+ приложений на базе LLM, компания из фэшн-индустрии автоматизировала 18 000 финансовых процессов - но выигрыш остался локальным, лучше сделать 1, которое расширяется на всю компанию.
– Разрыв продуктивности. Платежная сеть отчитывается о 99% использовании Copilot сотрудниками, а финансовый отдел не может показать улучшение ни по одной метрике. Нужно обучение всей компании и реорганизация процессов, чтобы освободившееся время не сжиралось очередными митингами и почтой.
– Процессный долг. Устаревшие процессы, поверх которых накладывают AI - вместо того чтобы проектировать с нуля. Нужны бизнес-технологи, которые понимают обе стороны, чтобы нормально все запустить на новом уровне.
– Ловушка «племенных знаний». Критическая экспертиза заперта в головах сотрудников и недоступна AI-системам. Тут простого решения нет, надо как-то другие элементы иерархии предлагать людям (которые раньше носили корону, потому что знали, как правильно). Предлагаю разный цвет штанов :)
– Отсутствие управления агентами. Нет централизованных дашбордов для контроля AI-агентов как управляемой рабочей силы. Тут как бы все нормально работает при десятках, но жестко ломается на сотнях и тысячах, а ведь процессы меняются, нужно агентов тоже онбордить и "увольнять".
– Архитектурная сложность. Инфраструктура не готова к интеграции AI в повседневную работу. Там самый большой ужас, когда несколько систем больших надо интегрировать и чтоб работало все нормально.
– Ловушка эффективности. Компании оптимизируют мелкие задачи вместо переосмысления целых процессов. Тут хорошо бы прям провести стратегическую сессию, чтобы понять, какие задачи приносят максимальную ценность, а не оптимизируют время сотрудников за 20 долларов в час.
Что делать предлагают:
Проектировать процессы с чистого листа, а не натягивать AI на существующие
Создавать роли типа «AI-архитектор процессов», чтобы старшие эксперты оцифровывали свои знания
Строить «плоскости управления агентами» - контроль, мониторинг, безопасность для AI-агентов как для сотрудников
Короче, все по-серьезному.
https://hbr.org/2026/03/the-last-mile-problem-slowing-ai-transformation
Harvard Business Review
The “Last Mile” Problem Slowing AI Transformation
Few companies have been able to fundamentally change their operating and business models around AI. The primary obstacle to progress is rarely model quality or data availability, but rather the “last mile” of transformation where technical capability must…
🔥14👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Прикольно, на следующей неделе буду рассказывать продуктовой команде крупного мобильного приложения про ИИшку в создании протототипов и интеграцию Figma и Codex/Claude Code, и тут фигак, вышло сегодня обновление Figma MCP
Теперь ИИ-агенты могут напрямую создавать и редактировать дизайн на канвасе. Не генерить картинки в стороне, а работать с реальными компонентами, переменными и auto layout внутри ваших файлов.
Появился новый инструмент – use_figma. Через него агенты из Claude Code, Codex, Cursor, Copilot и ещё десятка MCP-клиентов могут:
- создавать и редактировать дизайн-файлы
- использовать компоненты и переменные из вашей дизайн-системы
- генерировать библиотеки компонентов прямо из кодовой базы
Ключевое отличие от предыдущего инструмента generate_figma_design (который переводил HTML в слои Figma) — use_figma работает нативно с дизайн-системой команды.
И добавили скиллы – инструкции для агентов. Это markdown-файлы, которые объясняют агенту, как именно работать в Figma: какие шаги выполнять, какие конвенции соблюдать, что считать хорошим результатом.
На старте доступно 9 скиллов от сообщества и самой Figma:
- генерация компонентов из кода
- создание дизайнов на основе существующей библиотеки
- генерация спецификаций для скринридеров (VoiceOver, TalkBack, ARIA)
- синхронизация дизайн-токенов между кодом и Figma
- параллельные мультиагентные воркфлоу
Прикольно, что агенты работают с реальной структурой файла, а не с пикселями, могут все проверять и итерировать.
Сейчас бета, бесплатно. В будущем станет платным API (видимо боятся, что люди будут 1 лицензию покупать и фигачить через ИИ все).
https://www.figma.com/blog/the-figma-canvas-is-now-open-to-agents/
Теперь ИИ-агенты могут напрямую создавать и редактировать дизайн на канвасе. Не генерить картинки в стороне, а работать с реальными компонентами, переменными и auto layout внутри ваших файлов.
Появился новый инструмент – use_figma. Через него агенты из Claude Code, Codex, Cursor, Copilot и ещё десятка MCP-клиентов могут:
- создавать и редактировать дизайн-файлы
- использовать компоненты и переменные из вашей дизайн-системы
- генерировать библиотеки компонентов прямо из кодовой базы
Ключевое отличие от предыдущего инструмента generate_figma_design (который переводил HTML в слои Figma) — use_figma работает нативно с дизайн-системой команды.
И добавили скиллы – инструкции для агентов. Это markdown-файлы, которые объясняют агенту, как именно работать в Figma: какие шаги выполнять, какие конвенции соблюдать, что считать хорошим результатом.
На старте доступно 9 скиллов от сообщества и самой Figma:
- генерация компонентов из кода
- создание дизайнов на основе существующей библиотеки
- генерация спецификаций для скринридеров (VoiceOver, TalkBack, ARIA)
- синхронизация дизайн-токенов между кодом и Figma
- параллельные мультиагентные воркфлоу
Прикольно, что агенты работают с реальной структурой файла, а не с пикселями, могут все проверять и итерировать.
Сейчас бета, бесплатно. В будущем станет платным API (видимо боятся, что люди будут 1 лицензию покупать и фигачить через ИИ все).
https://www.figma.com/blog/the-figma-canvas-is-now-open-to-agents/
❤10👍3
Эм... Чего??? Miro покупает Reforge? 😱
https://www.reforge.com/blog/reforge-is-joining-miro
Reforge - это были лучшие курсы от топовых продакт-менеджеров из Кремниевой долины, курсы стоили 1800 евро на год, но были очень крутые, прям топ-уровень. Потом они добавили всякие инструменты вокруг продакт-менеджерской работы - для анализа фидбека, для AI-интервью, для прототипирования. Теперь это все станет частью Miro... Ну-у... Не знаю... Мне нравятся их обучающие курсы, но остальные продукты были скорее как попытка заработать денег между когортами (у них курсы 2-4 раза в год).
Возможно купили фаундеров и доступ к клиентам. Ну и методологию, которую можно применить внутри продукта. Интересно, конечно...
https://www.reforge.com/blog/reforge-is-joining-miro
Reforge - это были лучшие курсы от топовых продакт-менеджеров из Кремниевой долины, курсы стоили 1800 евро на год, но были очень крутые, прям топ-уровень. Потом они добавили всякие инструменты вокруг продакт-менеджерской работы - для анализа фидбека, для AI-интервью, для прототипирования. Теперь это все станет частью Miro... Ну-у... Не знаю... Мне нравятся их обучающие курсы, но остальные продукты были скорее как попытка заработать денег между когортами (у них курсы 2-4 раза в год).
Возможно купили фаундеров и доступ к клиентам. Ну и методологию, которую можно применить внутри продукта. Интересно, конечно...
Reforge
Reforge is joining Miro | Reforge Blog
Reforge drives team performance, with the most actionable learning from vetted operators that your team will actually use and apply.
👍5❤2😱1🙊1