«Курсы теперь не нужны — всему можно научиться через любой ИИ-чатбот»❔
Нет, мало кто на это способен, даже в Режиме обучения ChatGPT или в Gemini Обучение.

Вот почему хорошие курсы незаменимы:

👉 Новые знания, возникшие после ~2023 года, уже испорчены сгенерированной "ИИ-халтурой" в интернете.

Поэтому возрастает роль экспертов-практиков, которые отделят правду от галлюцинаций, выделят самое важное и дадут на практике прочувствовать, что на самом деле работает.

👉 Корпоративные курсы тем более нужны, особенно если они касаются такой размытой "вездесущей" темы как ИИ. Ведь людям одной компании нужны одни и те же практики применения новых технологий и подходов (в т.ч. ИИ).

И универсальный чат-бот ничего подобного дать не может: с ним каждый сотрудник освоит что-то своё 🤷‍♂️ Не говоря уже о том, что ~80% не найдут мотивации для такого обучения — оно требует драйва.

➿➿➿
Какое корпоративное обучение наиболее эффективно? Распишу 2 варианта, которые полезнее стандартных.

1️⃣Для большинства сотрудников оптимально обучение в процессе работы... так что "учителем" должен быть кто-то, кто понимает специфику этой работы. В случае ИИ, для такого человека есть термин ИИ-чемпион (эту короткую статью рекомендую почитать всем: чемпионы — далеко не только про обучение!).

Но конечно, ИИ-чемпионов кто-то тоже должен готовить. И не просто обучать, а приводить к конкретному плану действий, сочетающему специфику конкретной компании и лучшие практики от эксперта. Подробнее об этом коллеги вчера описали в этом посте.

2️⃣Ну, а если уже понятно, какие именно навыки работы с ИИ нужно дать всем сотрудникам компании — здесь возможно только асинхронное обучение. Но не просто видеокурс, а тренажёр. Благо, работе с ИИ отлично умеет учить сам ИИ, если ему даны подробные указания от ИИ-эксперта и от методиста.

Как это выглядит — см. мой обучающий телеграм-бот с тремя упражнениями. Тренажёры, подобные этому, уже помогают улучшать общение с ИИшками сотрудникам нескольких компаний. Причем необязательно им быть в телеграме. О подробностях можно спросить меня: @alexey0evdokimov

Кактус AI #обучение #статья

Знаете ли вы, что этой зимой случилась незаметная ИИ-революция?

Эту революцию на себе ощутили пока лишь стартаперы и разработчики (у них вдруг появилось время озадачивать много агентов параллельно). А также отъявленные инноваторы, которые перенесли свою жизнь в OpenClaw и кайфуют 😊

⏰ В чём суть? Лучшие ИИ-агенты теперь автономно работают в цикле с само-коррекциями — и делают это многие минуты, что соответствует часам работы человека!

Время автономности росло постепенно, но зимой это дало качественный скачок, связанный с выходом
🔵новых "агентных обвязок" (например, в Codex, Claude Code, Claude Cowork)
🔵и новых моделей, специально обученных для работы в агентах (например, GPT-5.2 и Opus 4.6).

☝️Более того:
🟠У агентов появились субагенты.
🟠Агенты создают конечные артефакты — например, презентации — а не просто тексты, которые приходится копипейстить.
🟠Некоторых агентов можно запустить на арендованном сервере так, чтобы  продолжать работу с телефона — там, где начали с ноутбука.

➖➖➖➖
❓ Вам это давно известно?

Ответьте на вопрос 👇, чтобы мы адаптировали посты к вашему  уровню в ИИ!

У вас нет мета-промптов? Зря теряете время... 😉

Львиная доля времени при работе с ИИ уходит на формирование промпта и контекста к нему.

⭐️ На уровне организации эта проблема решается через инструментарий создания ИИ-ассистентов (которые содержат нужный контекст) и через хорошо подготовленную базу знаний (где ИИ-агенты могут найти контекст сами).

⭐️Но на персональном уровне эти приемы почти не дают выгоды: сэкономленное время уходит на подготовку ассистентов и настройку контекста/обвязки для агентов.

Точнее, агенты наконец способны экономить нам время за счет работы в цикле с самопроверками, но это пока высший пилотаж для большинства подписчиков этого канала.

Есть более простые способы экономить личное время на контексте/промптах , и среди них главный — это мета-промпты, т.е. промпты для написания промптов.

➖➖➖
Смысл мета-промптов: ваши сырые мысли по задаче (например, надиктованные голосом) сначала улучшаются и дополняются с ИИ, а уже затем отправляются ИИ "на выполнение". Тогда число итераций до финального результата тогда уменьшается до 1-2. А ведь каждая итерация — это ручная оценка качества результата и формулировка замечаний, т.е. затраты вашего времени. Меньше итераций — экономия.

📍На картинке 👆 несложный мета-промпт для составления системных промптов. Это ассистент-генератор любых других ваших ассистентов.

📍А здесь вы можете скопировать себе более продвинутый мета-промпт, и он не только для системных промптов. Можно добавить его в отдельный Проект в Qwen / ChatGPT, Gem в Gemini или Пространство в Perplexity. И именно там создавать чаты, когда делаете серьезную работу, а не просто хотите быстрый ответ.

➖➖➖
Ну, а если вы уже пользуетесь агентами вместо чат-ботов (как ~четверть подписчиков этого канала), то ждите пост о том, как получить не меньший прирост продуктивности для агентов. Да, это про meta skills.

@aidea4work #промпты #инструменты

19 марта AIDEA исчезнет!

Почему и куда исчезнет?

Как вы знаете, авторы этого канала — команда Кактус.AI (дочка ScrumTrek). Мы помогаем компаниям повышать эффективность процессов с помощью ИИ, проводим корпоративное обучение, консалтинг, создали свою ИИ-платформу с агентами.

Когда канал AIDEA создавался, команда Кактуса только зарождалась. Сейчас мы растём и хотим, чтобы этот канал точнее отражал нас и нашу работу.

✨ Что изменится в контенте канала?

Мы хотим делать больше того, что реально помогает: добавим кейсы внедрения, стратегии, конкретные шаги. Обзоры/статьи никуда не денутся, но теперь будем стараться писать через призму "что с этим делать в работе?" Также вскоре оживёт наш YouTube (и RuTube).

19 марта поменяется аватарка и название (AIDEA 👉 Кактус).
Так что не пугайтесь 😎 Это всё ещё мы, только интереснее и точнее.

Ставьте 🌵, поддержите перемены к лучшему!

А чтобы мы точнее попадали в ваши интересы, просим ответить на еще один вопрос:

Ваши люди боятся, что ИИ сделает их ненужными. И это тормозит всё внедрение.

В свежей статье Harvard Business Review есть инсайты, которые могут показаться радикальными. Но для руководителей, находящихся в процессе ИИ-трансформации, это мастрид — краткое руководство к действию на основе опыта десятков компаний.

Вот пара выводов из статьи ⬇️

🔵 Опыт экспертов — главное узкое место. Знания о том, как реально работает компания, живёт в головах опытных сотрудников. Чтобы ИИ работал, нужно цифровизовать этот контекст и опыт — а люди сопротивляются, потому что их статус и карьера внутри компании всегда строились на том, что они знают.

Передовые компании подают это иначе: цифровизация опыта человека — это его освобождение от рутины ради самых сложных и статусных задач.

🔵 Без перестройки ролей ИИ ощущается как угроза карьере. Компании-лидеры уже нанимают архитекторов ИИ-процессов, «менеджеров цифровых сотрудников» и т.п. Фокус — не «как сэкономить время с ИИ», а «какие возможности ИИ открывает».

➿➿➿
Эти и другие выводы основаны на опыте самых продвинутых в ИИ глобальных компаний — банков, промышленных гигантов, медицинских корпораций. Внутри каждой были десятки и сотни ИИ-пилотов. Большинству компаний пока далеко до такого уровня, но задумываться об этом стоит уже сейчас.

🔗 Полный перевод статьи — на сайте Кактус.AI

@aidea4work #статья #внедрение #лидерство

❗️Как избежать самых дорогих ошибок при внедрении AI в компании?

AI = здесь и сейчас, нужно уже вчера и далеко не только ChatGPT, поэтому во многих компаниях всё чаще звучит очень простой вопрос: «а что у нас с AI?»

И когда ответа на него нет, у всех начинается не развитие, а суета:

• кто-то срочно заводит доступ к ChatGPT
• кто-то идёт к подрядчику за умным агентом
• кто-то просит HR организовать обучение
• кто-то делает красивую презентацию, чтобы показать движение

Люди хватаются за всё и сразу, не понимая, с чего начинать, куда идти, и здесь рождаются странные решения👇

• то покупают дорогую разработку там, где хватило бы простого инструмента
• то, наоборот, ограничиваются «ну мы всем дали доступ, пользуйтесь»
• то запускают пилоты, у которых нет цели и будущего.

В этом и есть главная проблема – в компании появилась задача внедрить AI ещё вчера, а понятного маршрута по внедрению ещё нет.

В итоге AI напоминает чемодан без ручки: дорого, тяжело, нести неудобно, а бросить жалко.

➖➖➖➖
AI в компании ≠ быть со всеми на одной волне, быть в тренде – это уже история про управленческую зрелость.

Потому что когда сверху звучит вопрос «что у нас с AI?», от вас ждут не модных непонятных слов, а ответы на вопросы:

❓где AI даст реальный эффект и улучшения в работе компании
❓с чего начинать
❓как не превратить всё это в дорогой хаос

Именно в этот момент компании чаще всего допускают свои самые дорогие ошибки, когда задача уже горит, нужно ещё вчера, а чёткого маршрута нет.

➖➖➖➖
Этим текстом мы запускаем серию постов об осознанном внедрении AI.

👉А вы пока поделитесь в комментариях, как у вас дела с внедрением?

#внедрениеAI

📌Чтение на выходные: поможет осознать, что главное в вашей работе с ИИ и в работе ваших команд.

➖➖➖
Очень важно умение браковать результаты ИИ и указывать ему на конкретные проблемы, а отнюдь не умение молча и быстро править эти результаты. Именно в этом ценность человека: каждое его «нет» для ИИ опирается на экспертное чутьё, негласные правила профессии и лучшие практики команды/компании.

Нейт Б. Джонс в своем видео показывает следующий шаг, про который пока мало кто говорит. Нужно не просто выявлять ошибки и формулировать ваши конкретные претензии к ИИ (добавлю: иногда претензии формулировать дольше, чем исправлять самому).

👉 Самое главное — нужно фиксировать эти ошибки и претензии так, чтобы это становилось контекстом для будущей работы с ИИ. Причем делать это без отрыва от той задачи, где возник неправильный результат ИИ.

➖➖➖
На уровне компании делать это еще важнее

Именно регулярная фиксация ошибок с объяснениями «почему нет» превращает личное чутьё опытных сотрудников в масштабируемый актив всей компании.

🔹 Нейт приводит примеры компаний, где накопленные базы таких ошибок создают мощное конкурентное преимущество. У них так работало давно, но ИИ теперь ускоряет накопление и облегчает использование базы.
🔹 Базы конкретных ошибок с объяснениями с помощью ИИ несложно обобщать до правил выполнения подобной работы. И это отличный способ передать опыт и чутьё от прежних сотрудников к новым.

Добавлю, что это не единственный способ; более простой в реализации путь описан здесь.

➖➖➖
🔗 Подробнее читайте в статье-пересказе того самого видео

#анализ #статья

Почему чат-бот — это еще не внедрение AI (даже если он «работает»)

Самый частый первый шаг компаний в «AI-трансформации» — запуск чат-бота. Для поддержки, для лидогенерации, для внутренних запросов. Логика понятна: это внедряется быстро, прогресс налицо, можно легко отчитаться руководству.

Проблема здесь не в боте, а в том, что на нём всё обычно и останавливается.

Бот закрывает свои 10–20% типовых обращений, снижает нагрузку на первую линию, все вроде бы довольны. Но сам процесс работы с клиентом при этом никак не меняется. Те же сотрудники делают ту же самую работу, просто часть рутины ушла в бот.

Это автоматизация. Штука полезная, но это не трансформация.

➖➖➖➖
В чём разница?

🔸 Автоматизация — вы берёте уже существующий процесс и ускоряете его кусок.
🔸 Трансформация — вы пересматриваете сам процесс, учитывая ИИ.

Простой пример с поддержкой клиентов.

При автоматизации бот стандартно отвечает на FAQ, а живой оператор разбирает всю остальную очередь.
При трансформации каждое обращение становится точкой данных. Система классифицирует причину, предсказывает сложность проблемы, подсказывает оператору оптимальное решение и кладет новый паттерн в базу знаний.

Оператор из исполнителя становится архитектором качества. Он больше не «отвечает на тикеты», он калибрует систему, которая учится с каждым новым диалогом.

Точка входа одна и та же — чат-бот. Но в первом случае ускорение старого процесса, а во втором — построение нового, который улучшает сам себя.

➖➖➖➖
📌 Три вопроса, которые отделяют одно от другого:

🔸 После внедрения AI — ваш процесс стал быстрее или стал другим?
🔸 Данные, которые проходят через систему, — теряются или используются для обучения?
🔸 Люди, которых «разгрузили», — делают ту же работу быстрее или стали делать работу уровнем выше?

Если на все три вопроса ответ первый — у вас автоматизация. Полезная, но с потолком эффективности.

➖➖➖➖
Вам тоже хочется более системного взгляда на AI-трансформацию? 👉🏻 Вступайте в канал https://t.me/openplaybookai, скоро там будет публикация первой версии нашего ИИ-плейбука 👈🏻

#внедрениеAI

💲Три способа слить бюджет на AI

Я участвовал в 15+ AI-трансформациях. 4 из них провалились. И знаете, что объединяло все четыре?

Ни в одной не было плохих AI-инструментов. Были плохие решения о том, ЗАЧЕМ и КАК их внедрять.
Разберём три самых популярных способа потратить бюджет зря.

➖➖➖➖
1️⃣ Стратегия без аудита процессов

Компания решает: «Пора внедрять AI!». Пишется стратегия, нанимаются подрядчики, консультанты.

Но на старте никто не замерил: какие процессы вообще стоит автоматизировать? Где реальная ценность, а где потери?

Очень часто выбирают процессы для пилота по ощущениям. Автоматизируют, скажем, саммари встреч — выглядит эффектно на демо (жалко только что дальше "о, теперь не надо писать минутки" часто дело не идёт).

А где-то там, неподалёку, согласование одного договора занимает 5 дней и 8 писем по кругу. Но это никто не замерил.

Через полгода — красивая стратегия, три пилота, ни одна бизнес-метрика не сдвинулась.

Что делать: сначала разберитесь в кандидатах на пилоты. Посчитайте, сколько времени и денег уходит на исполнение процессов, где ручная работа и где чаще всего ошибки. И только потом решайте, что автоматизировать.

➖➖➖➖
2️⃣ Инструмент без системы

Купили AI-платформу, раздали всем. Через полгода 10% пользуются активно, остальные вернулись к привычному. Бюджет потрачен, метрики не изменились.

Инструмент — это только часть внедрения. Результат даёт СИСТЕМА:
инструмент + перестроенный процесс + обученные люди + метрики + обратная связь.

Простой тест: если AI можно выключить и завтра ничего не изменится — это не внедрение.

➖➖➖➖
3️⃣ Оценка по демо, а не по реальной работе

Руководителю показывают демо: за 30 секунд AI пишет контракт, анализирует отчёт. Выглядит убедительно, выделяется бюджет.
Через 3 месяца выясняется — никто этим не пользуется.

Потому что в демо нет нестандартных случаев, нет интеграции с вашими данными, нет обработки ошибок. А большая часть реальной работы — это именно нестандартные случаи.

Решение принималось по идеальному сценарию, а работать AI должен в реальном процессе.

Что делать: возьмите 30–50 реальных примеров из своей работы и прогоните через AI. Посмотрите, где он реально помогает, а где ошибается. Это займёт пару дней, но сэкономит месяцы.

➖➖➖➖
Все три ошибки — про одно: инструмент оторван от реальности.
Но привести инструмент в соответствие с реальными процессами — это лишь первая ступень AI-зрелости компании.

☝️Дальше расскажем про 4 ступени зрелости — и почему компании, которые прыгают через ступени, платят дважды.

#внедрениеAI

📣 Уже завтра — прямой эфир с Асхатом Уразбаевым «Просто искать работу сложно». Конечно, это про ИИ 😊

В первую очередь, эфир для проджектов, чью профессию ИИ меняет уже сейчас — планирует, трекает задачи, прогнозирует сроки...

Что остаётся за живым проджектом? Обсудим во вторник 7 апреля в 12:00 МСК.

Спикеры:

🗣 Асхат Уразбаев — первый профессиональный Agile Coach в СНГ (с 2005 года). Сооснователь ScrumTrek и Кактус.AI.

🗣 Кира Кузьменко, рекрутер с 20-летним опытом в IT, фаундер международного рекрутингового агентства NEWHR, ведущая подкаста «Собес», автор курса про поиск работы Hello New Job!

Обсудим:
🔹 Как ИИ меняет роль проджект-менеджера — от планирования спринтов до управления командами
🔹Какие навыки для проджекта выходят на первый план
🔹Как проджекту адаптироваться к новой реальности и не потерять ценность, когда рутину менеджмента забирает ИИ

📆 Вт, 7 апреля • ЗАВТРА • 12:00 МСК

↘️︎ Зарегистрироваться (запись будет доступна по этой же ссылке)

↘️︎ Если вы в РФ и ссылка не открывается: альтернативная ссылка

#вебинар #карьера

Как извлекать пользу из ИИ-новостей

На нас сыплются новости об ИИ-новинках, которые можно пробовать "здесь и сейчас". И это не только про готовые ИИ-инструменты, но и про расширения возможностей чатботов и агентов:

🔵В 2023-2024 это были промпты и затем библиотеки промптов.
🔵С 2025 — новости об MCP, которые создаёт всякий уважающий себя SaaS — от Notion до Figma.
🔵В 2026 — вал новостей про конкретные навыки Agent Skills.

Но проблема: невозможно пробовать сразу всё из новостей, что имеет отношение к нашей работе. Но с другой стороны: не попробуешь — не поймёшь, как это использовать... и уж тем более не вспомнишь, когда это будет действительно надо 🤷‍♂️.

➿➿➿➿
Вот компромиссная техника работы с такими новостями:

1️⃣ В вашем любимом агенте (Claude Code, Codex, Cursor, Antigravity) заведите себе "Inbox" — проект для коллекционирования навыков (а также, возможно, MCP).
Когда в новостях пролетает интересный навык, вы очень быстро добавляете его туда (КАК — см. в конце поста) и забываете до поры.

При этом соблюдаете известное "правило двух минут", но все же навык у вас появляется не "в закладках", а в том виде, в котором его можно использовать. А поскольку навык — это текстовый файл, его несложно найти поиском по ключевым словам Cmd/Ctrl + Shift + F (в закладках ищется только по названию).

2️⃣ При возникновении подходящей реальной задачи переносите папку навыка в реальный проект и там используйте. Если не понравилось — удаляете или дорабатываете с ИИ (говорите агенту в том же чате свою обратную связь с просьбой улучшить навык). В любом случае, из "Inbox" навык исчезает — там должно быть только непротестированное.

➿➿➿➿
Эта нехитрая стратегия "новость ➡️ inbox ➡️ реальный проект" дополняет каталоги для подбора skills под задачу: skillsmp.com, agentskills.so, agentskills.me, skills.sh.

Думаю, что такие каталоги скоро перестанут быть нужны — как теперь уже не нужны каталоги промптов.

Вы сами cможете не только быстро генерить все необходимые скилы с помощью Skill Creators (версия от Claude недавно стала ещё круче), но и использовать такие инструменты как Skill Seekers, которые превращают в Skill любые описания (и даже видео) про любую систему.

☝️В общем, рекомендую начинать работать со Skills, если вы еще не начали:
🔵В локальных агентах (Codex, Cursor, ...) их быстрее всего установить командой типа npx skills add anthropics/skills --skill xlsx .
🔵В Claude Web и Desktop (а также в Manus) такую команду не введешь, там нужно сохранить навык в zip. Для этого берем ссылку на нужную папку в github (например, скилл для генерации слайдов), и вставляем его в https://download-directory.github.io/. Дальше полученный zip за секунды импортируем в Claude.

Ставьте 👍, если такие посты вам полезны.

❗ Наконец-то мы это сделали: 📙

Мы тут давно ничего не постили. Берегли ваше внимание. А может, просто писали книгу.

Написали: Oper8 — про то, как внедрить ИИ в процессы компании так, чтобы это не выглядело как «прикрутил чат-бот к старому процессу и жду трансформации», а системно и методично, как мы любим и только мы умеем )).

Берём один пример и тащим его через всю книгу: как выбрать процесс, собрать базу знаний, настроить автономию, протестировать и понять, работает это или вы себя обманываете. И отдельно — как перестроить процессы, когда люди вокруг не в восторге от перемен.

Внутри: маховик данных, пять шестерёнок, четыре сдвига в мышлении, конкретные примеры — и почему 74% компаний не видят окупаемости от ИИ.

Читается за час. Местами весело. Мы старались!

➡ Здесь краткое описание методики и сама книга

🌵 Мы решили провести открытый онлайн-митап «Как внедрить ИИ так, чтобы это действительно работало» — и он уже завтра!

Поговорим про системный подход к AI — без иллюзий, точечных экспериментов и «быстрых побед», которые не масштабируются.

Этот разговор будет полезен, если вы:
🔹отвечаете за процессы, продукты или трансформацию
🔹уже запускаете AI-инициативы, но не видите устойчивого эффекта
🔹хотите связать технологии с бизнес-результатами и ROI

Спикеры и темы:

1️⃣Асхат Уразбаев и Сергей Липчанский — Методика AI-трансформации (Oper8)

• Как компании реально встраивают ИИ в процессы
• Почему большинство инициатив не взлетает
• Какие паттерны работают, а какие — нет

2️⃣Владимир Долгов — Как готовить ROI для AI

• Как связать AI-решения с бизнес-метриками
• Подход к оценке и защите инвестиций
• Практические инструменты: метрики, канва решений, работа со стейкхолдерами

➖➖
📅Среда 29 апреля в 18:30 мск
🌐 Онлайн (Zoom)

В фокусе — прикладные подходы, проверенные на практике. После докладов оставим время для вопросов и разбора кейсов участников.

➡️ Записаться на митап

📱Презентации с митапа 29 апреля — «Как внедрить ИИ так, чтобы это действительно работало».

🔹Обзор методики Oper8 — Асхат Уразбаев
🔹Техническая карта Oper8 — Сергей Липчанский. Карта интерактивная: детали маховика кликабельны.
🔹Как готовить правильный рецепт ROI — Владимир Долгов.

Видео докладов будут на следующей неделе. Подписывайтесь на youtube-канал, чтобы не пропускать записи наших митапов.

Всё еще не смотрели книгу Oper8? 😉 Тогда послушайте авторов!

Опубликована запись доклада с апрельского митапа Кактус. На видео:
✅ Асхат Уразбаев объяснил проблематику и главные элементы методики Oper8.
✅ А Серёжа Липчанский на примере из медицины рассказал, как это может работать в реальности. И объяснил свою техническую карту Oper8.

➡️Смотреть в YouTube
➡️Cмотреть в RuTube

#видео #митап

📱 Смотрите вкусный во всех смыслах доклад с апрельского митапа Кактус — «Как готовить правильный рецепт AI ROI» от Владимира Долгова. На видео:

🟠Выбор ИИ-архитектуры, уровня точности и моделей
🟠Канва поддержки решений, пирамида метрик
🟠Метрики изменения поведения людей
🟠Как считать ROI
🟠Как управлять ожиданиями бизнеса и показывать эффект

Как обычно, найти соответствующие кусочки можно по содержанию в описании видео:

➡️Смотреть в YouTube
➡️Cмотреть в RuTube

На наших митапах это уже не первый доклад про оценку экономической эффективности и другие метрики внедрения ИИ (первый, второй). Но апрельский доклад — самый насыщенный конкретными "околоэкономическими" инструментами для руководителей.

#видео #митап

«И хочется, и колется», «Забить нельзя использовать» — это всё описывает агентные скиллы глазами обычного человека. До тех пор, пока он не научится создавать/оценивать/улучшать скиллы через ИИ и не прочитает этот пост до конца.

➿➿➿
Напомню: скиллы (Agent Skills) играют для агентов примерно ту же роль, что системные промпты играют для ИИ-ассистентов. И те и другие задают рамки, без которых неизбежны галлюцинации и общие слова вместо решений, нужных именно вам. Они также указывают модели, как использовать внешние инструменты.

В сравнении с промптами скиллы:
⚫️ гибче и экономнее (загружаются в контекстное окно лишь когда об этом зашла речь в чате с агентом),
⚫️ мощнее (например, могут содержать скрипты, а не только инструкции для ИИ),
⚫️ с точки зрения работы в команде — легче шарятся, чем промпты.

➿➿➿
В марте я обещал вам способ вырастить продуктивность при работе с агентами. Кратко: тут нужно настроить процесс постоянного дополнения и улучшения своего набора скиллов, избегая ручных правок.

А для этого удобнее всего использовать мета-скиллы:

1️⃣Самое главное — skill-creator — базовый создатель и улучшатель скиллов, умеющий задавать вам вопросы, если контекста недостаточно. С ним вам больше не захочется писать скиллы (и cложные промпты) руками.

2️⃣Но чтобы избежать ухудшения качества, вам нужен мета-скилл типа skill-judge. Это анализатор, выдающий оценки скилла по 10 критериям, объяснения и подробные инструкции о том, что можно улучшить. После этого напишите "улучшай" — и skill-creator это сделает.

3️⃣Также рекомендую свою находку — мета-скилл refine — он анализирует не сам skill, а реальные проблемы, возникшие у вас по ходу работы с ним. Это еще важнее соблюдения общих требований, о которых твердит skill-judge. Сам refine не идеален, но я адаптировал его под себя через refine (рекурсия, однако 😊)

➡️ В общем, делюсь своей табличкой из десятка мета-скиллов и десятка других штук, которые делают работу со Skills намного эффективнее и приятнее

Наверняка кто-то из вас использует и другие подобные инструменты — пишите в комменты!

#skills #инструменты