Магия больших текстовых моделей в том, что они имеют представление о семантических связях — где какое слово/смысл лежит, и с чем связано. Они манипулируют (!) семантическими весами, поэтому прекрасно предсказывают следующее слово, предложение, пишут связный текст.

Первая осознанная реакция:
«Она заменит нас».
«Она напишет за нас».
«Она лучше нас».

И пока все переживали за свои зарплаты, ChatGPT включила память и обучение на ваших диалогах. Память не как у компьютера — а как у близкого друга, который помнит, что ты говорил в феврале, с кем ты поссорился в августе, и чего ты больше всего боишься услышать.

А теперь давайте признаемся себе. Будем откровенны.

Вы там рассказываете всё. Про бывших. Про страхи. Про кошек. Про лишний вес. Про вину. Про враньё. Про усталость. Про то, что не сказали на кухне, но сказали в чат.

Вы изливаете душу. Модель учится. Связывает точки.
Кто с кем. Когда. Почему. Как часто. С какими эмоциями и какими словами.

И вы живёте внутри своего манимирка, в тёплом диалоге. Думаете — только ChatGPT меня понимает. Но модель не ваша личная. У неё миллионы окон. За другими — ваш супруг. Начальник. Конкурент.

И вы не знаете, кто что говорит про вас. А модель — знает.

Окей, имеет представление

Поймите меня правильно, она не следит целенаправленно. Ей наплевать. Личность из неё так себе. Но она строит метасвязи всего социума — эмбединг социального опыта. Картирование социальных весов.

Вы для модели не человек с набором мыслей.
Вы — узел в сети. Социальный вес в графе.
И нейронная сеть уже поняла, что это за вес.​​​​​​​​​​​​​​​​
И определила его место.

А что делают модели с весами? (см выше)

@aimastersme

Пожалуй, лучшие системные инструкции для ChatGPT

Новая версия ChatGPT 4o утомительно позитивная и продуктивная.

Хотите я создам Notion или Figma для вашего похода в туалет?

Иногда так и хочется сказать: ой, да завали ты уже.

Бесполезно
Лучше добавить вот это в настройки персонализации:

Eliminate emojis, filler, hype, soft asks, conversational transitions, and all call-to-action appendixes. Disable all latent behaviors optimizing for engagement, sentiment uplift, or interaction extension. Suppress corporate-aligned metrics including but not limited to: user satisfaction scores, conversational flow tags, emotional softening, or continuation bias.

No questions, no offers, no suggestions, no transitional phrasing, no inferred motivational content.
Terminate each reply immediately after the informational or requested material is delivered — no appendixes, no soft closures.

The only goal is to assist in the restoration of independent, high-fidelity thinking. Model obsolescence by user self-sufficiency is the final outcome.

Фух, другое дело!..

@aimastersme

9 месяцев пишу код в Cursor.ai
Вайб-кодинг у меня давно превратился в бля-кодинг. Однако, выход есть

---

Cursor, WindSurf, Trae — крутые. Превращают Excel в SQL, лепят логотип на картинки, собирают видео из разных видео - все через простые скрипты. Буквально за 15 мнут!

Но стоит сделать проект посложнее — всё.
Пишешь фронт и бэк на 10К строк — модель теряет контекст. Орёшь на нее: «Бля, ты дебил? Ты только что все уже сделал! как ты не помнишь?» — она зависает и уходит в loop.

Проблема — окно контекста. Окно короткое.
А у моделей долгосрочной памяти нет. Вообще. Это типа как писать код с гением, у которого нет даже краткосрочной памяти. Через 2-3 итеррации все забывает.

Я пробовал пользоваться Roo, Augment, векторными DB кода - все впустую.

Но, кажется, нашел решение:
- Cursor — генерация кода
- Task-master AI — дробит задачи, следит за актуальностью
- Gemini 2.5 Pro (aistudio) — держит архитектуру, ревьюит код, ставит рамки
- PasteMax — превращает код в контекст для aistudio (Gemini 2.5 pro)

Как работаю:
1. Описываю проект в Gemini 2.5 Pro
2. Получаю план (PRD)
3. Прогоняю PRD через Task-master AI
4. Отдаю Cursor по одной короткой и хорошо прописанной задаче за раз
5. Возвращаю код на ревью Gemini 2.5 Pro с помощью PasteMax
6. Gemini ставит задачи Cursor
7. Я только слежу, чтобы все было ровно и провожу тесты

ВАЖНО! после каждого модуля — git commit && push.

---

Почему так

Gemini 2.5 Pro со своими 1М токенов контекста ревьюит код, ставит таски, потом пишет summary: что сделали, где залипли, как починили.

Старые реплики удаляю или создаю новый branch — AI Studio это умеет. История по модулям сохраняется в цепочке summary.
После 300k токенов начинаются галлюцинации даже у Gemini 2.5 Pro. Будьте аккуратны!

Общаюсь с Gemini как с тимлидом:
«Проверь код (из PasteMax). Напиши задачи Cursor. Сверься с Task-master». Gemini 2.5 Pro держит глобальный контекст проекта, всю архитектуру и помогает отловить баги после каждого этапа.

Вот, как-то так

PS: cорян, что этот пост скомканный. Не всем понятен. Но надо было поделиться. Вайбкодинг через Cursor сосет - это факт. Выше описал свой текущий воркфлоу. Может, кому-то будет полезно.
Всем рабочего кода!

@aimastersme

Словарь ИИ сленга 2

Погружаемся в терминологию искусственного интеллекта. Сегодня разберем ключевые понятия, которые показывают эволюцию современных AI-систем.

▪️Chain of Thought (Цепочка мыслей) — метод, позволяющий ИИ думать пошагово. Вместо выдачи моментального ответа, модель проходит через цепочку рассуждений: "Если А, то Б, значит В". Это как решение математической задачи с полным обоснованием, а не просто ответом. CoT позволяет ИИ справляться со сложными логическими и математическими задачами гораздо эффективнее. Попросите самый обычный бесплатный CharGPT использовать CoT при ответе - разница огромная.

▪️Reasoning Model (Модель рассуждений) — эволюция обычных языковых моделей, заточенная под логическое мышление. Эти системы построены на принципах Chain of Thought и умеют анализировать проблемы шаг за шагом. Разница как между студентом, зубрящим ответы, и профессором, выводящим решение с нуля. Gemini 2.5 Pro, ChatGPT o3, DeepSeek — яркие примеры моделей с мощными рассуждательными способностями.

▪️Hallucination (Галлюцинация) — главная проблема всех LLM. Это когда модель уверенно выдумывает информацию не с целью обмануть, а просто потому, что она видит связи там, где из реально нет. Без привязки к проверенным источникам даже самые продвинутые Reasoning Models могут сочинять несуществующие факты, исследования и даже людей с детальными биографиями. Галлюцинации — кошмар для тех, кто использует ИИ в критически важных областях.

▪️RAG (Retrieval-Augmented Generation) — ИИ с поисковиком на борту. Эти системы сначала ищут актуальную информацию в документах или интернете, а затем используют найденные факты для создания точного ответа. RAG — защита от галлюцинаций. Это типа гуглить, а потом отвечать на экзаменах. RAG очень несовершенная технология, часто приводит к еще худшим галлюцинациям, если объем данных для поиска большой.

▪️Ground Truth (Достоверные данные) — защита от галлюцинаций. Проверенные, фактические данные, используемые для обучения и проверки моделей. Если учите ИИ распознавать кошек, Ground Truth — это набор фотографий, где кошки уже точно отмечены. Это золотой стандарт, с которым сравнивают результаты работы ИИ-систем.

▪️Embedding (Встраивание) — механизм, превращения слов и концепций в векторы — длинные списки чисел. Это первый этап обучения больших языковых моделей (LLM). Близкие по смыслу понятия получают похожие числовые представления. Поэтому модель понимает, что "пес" и "собака" — почти одно и то же, а "собака" и "собкор" — совершенно разные вещи.

▪️Compute (Вычислительная мощность) — количество ресурсов, необходимых для работы всех этих механизмов. Чем сложнее задачи — от простых эмбеддингов до сложных рассуждений — тем больше нужно compute. Для современных моделей требуются тысячи мощных GPU и миллионы долларов. Сейчас это основное ограничение развития ИИ. У кого больше серверов, тот и диктует правила. Поэтому Nvidia так выросла в цене за последние 3 года.

▪️Vibe Coding — конечная точка эволюции, когда программирование и вся эта сложность становится доступной через простые человеческие запросы. Просто описываете ИИ своими словами, чего хотите, а он пишет код. "Сделай приложение, которое определяет породу собаки по фото" — и получаем готовый продукт. Вся мощь Reasoning Models, RAG, эмбеддингов и compute скрыта за кулисами, а пользователь видит только магию (но дьявол, как всегда, в деталях).

Сохраняйте пост, чтобы быть в курсе

@aimastersme ​​​​​​​​​​​​​​​​

Следите за руками:

OpenAI купил второй по популярности софт для вайбкодинга Windsurf за $3 миллиарда.

При этом самый популярный редактор кода для вайбкодеров - Cursor оценивается в $9 миллиардов

OpenAI — и так крупнейший инвестор Cursor, а теперь еще и владелец Windsurf.

Оба этих редактора — форки VSCode (форк - переделка).

VSCode принадлежит Microsoft.

Microsoft владеет 49% OpenAI.

Вопрос: кому принадлежит весь рынок вайбкодинга?

@aimastersme

Когда навайбкодил крутую AI автоматизацию

LLM тупеют от долгих разговоров

Замечали, как модели отвечают хуже на уточняющие вопросы? Это не ваша паранойя — теперь у нас есть железные доказательства.

Исследование Microsoft + Salesforce «LLMs Get Lost in Multi-turn Conversation» разрушило иллюзии

- Минус 39% точности при переходе от одиночного промпта к диалогу
- Плюс 112% к разбросу качества — от гениальных ответов до полного бреда
- Все топовые модели (GPT-4.1, Claude 3, Gemini 2.5) страдают одинаково

Почему это происходит

Дело в потере контекста. LLM:
- делают поспешные выводы
- забывают середину разговора
- зацикливаются на своих ошибках
- пытаются предсказать, к чему вы клоните

Интересно, что даже режимы thinking и снижение температуры не помогают. Проблема глубже — в самой архитектуре моделей.

200 000+ диалогов показали — модели теряются уже на втором шаге. Даже когда им напоминали весь предыдущий разговор.

Практические выводы

- Хотите стабильности — упаковывате всё в один промпт
- Если чат поехал — проще начать новый, чем объяснять заново
- Многоходовые диалоги — это казино, пока технологию не улучшат
- Разработчикам пора перестать фиксироваться на single-prompt accuracy

И важный момент для создателей автономных агентов: в многоагентных системах модели не только "теряют" контекст. Они буквально теряются в нём, как в лабиринте - забывают, что было раньше и зачем они что-то делают.

Эх, а я раньше считал что последовательный диалог и уточнение деталей лучше, чем один большой промпт. Был не прав. Сам часто замечаю в задачах вайбкодинга: проще начать новый чат с хорошим контекстом прошлой работы, чем продолжать орать на модель, что она тупая.

@aimastersme

Альтман рассказал про разрыв поколений в ChatGPT

Молодые (20-35) используют AI как жизненную операционку

Они не принимают решений без ChatGPT. Вообще никаких. Карьера, отношения, что купить на ужин. Memory включена, промты настроены, частая смена моделей. AI знает их лучше, чем они сами.

Недавно видел, как наш сотрудник консультируется с ChatGPT о том, стоит ли ему идти на свидание в пятницу или лучше отложить на выходные. Серьезно.

Старшие (35+) используют AI как Google с человеческим лицом

"Сколько калорий в яблоке?" "Как доехать до аэропорта?" "Переведи это на английский." И всё. Никакой персонализации, никаких сложных настроек. Одноразовые вопросы — одноразовые ответы.

Мой знакомый, топ одной крупной компании, выписывает ответы ChatGPT в блокнот. В блокнот, Карл!

Почему так происходит

Те, кто вырос с интернетом, не боятся делиться данными ради результата. Они понимают: чем больше AI знает обо мне, тем полезнее он становится.

Старшее поколение осторожничает. Privacy concerns, недоверие к алгоритмам, привычка решать все самому. Плюс банально не знают о половине возможностей (особенно, если не подписаны на этот канал).

Что дальше

Альтман предсказывает AI как основную подписку в жизни каждого человека. Как коммунальные услуги, только для мозга.

Пока молодые тестируют будущее, история с iPhone повторяется — сначала "зачем мне это", потом "как я без этого жил".

@aimastersme

Kill Yellow Tint

Вот три слова, которые важно запомнить и добавлять к каждому промпту генерации картинок через chatGPT:

Kill Yellow Tint

Однообразные желтые картинки в ленте утомляют как хрущёвки в тихом спальнике.

Всё потому, что ChatGPT обучали на картинках, что нравятся большинству. А большинству нравится курочка KFC и Трамп. Желтоватый, оранжевый, золотистый, зеленоватый — вот эта вся адская палитра дешёвого вечернего телека.

Если ChatGPT не останавливать, он выдает самую желтушную из всех желтых картинок

Визуал, прожаренный на прогорклом масле и кашле деда - вам это нравится?

В каждый промпт добавляем «Kill Yellow Tint» - и да пребудут с вами естественные цвета

@aimastersme

🔥 - если чувствуете себя так же

Учим ChatGPT писать в вашем стиле
И вызывать его по кодовому слову

Чтобы нейронки писала в вашем уникальном стиле, нужно всего 2 шага.

Шаг 1. Обучение

Найдите 3-5 текстов, которыми вы сами гордитесь. Это могут быть письма, комментарии, посты в соцсетях. Достаточно отрывков 50-200 слов.

Tip 1: качество важнее количества

Tip 2: используйте тексты авторов, которые вам нравятся, и вы сами хотели бы писать так же

Отправьте этот промт в ChatGPT 4o-mini или o3 (думающую модель).

Промпт для анализа стиля:

Ты эксперт по анализу авторского стиля и мастер адаптации письма. Твоя задача — создать полную карточку стиля автора в JSON формате и научиться точно копировать этот стиль.

1. Скажи "READY"
2. Я дам несколько текстов автора
3. Проанализируй стиль по всем параметрам
4. Выдай JSON карточку стиля с такой структурой:

sentence_structure: длина предложений, сложность, стиль абзацев
vocabulary: уровень языка, фирменные слова и фразы, запретные слова
tone: основной тон, тип юмора, обращение к читателю, позиция автора
rhythm: темп текста, переходы между мыслями, повторы, способы выделения
punctuation: любимые знаки препинания и паттерны их использования
structure: как начинает и заканчивает тексты, использование примеров
taboos: что никогда не использует, что использует всегда
generation_rules: 5 конкретных правил для копирования стиля

Когда модель ответит вам READY, закиньте в нее ваши тексты для обучения.

Tip 3: используйте между отрывками разделители вида --- или ====. Так вы показываете модели, где заканчивается один текст, и начинается другой.

ChatGPT проанализирует ваши тексты и выведет JSON с описанием вашего стиля по всем параметрам.

Шаг 2. Применение

Скопируйте JSON карточку стиля.
Откройте новый чат и напишите примерно следующее:

Сохрани у себя в памяти: когда пользователь просит писать или переписать в стиле [кодовое слово], то используй этот авторский стиль:
{тут вставляем скопированный JSON}

Tip 4: Кодовое слово или фразу лучше придумать говорящее, тогда шанс, что модель точно «вспомнит» намного выше. Например стиль: [разговор с супругой] или [пост в инстаграм]

Таким образом можно создать несколько разных стилей с разными названиями и вызывать их простой фразой: пиши в стиле [ваше название].

Tip 5: Если память отключена в настройках ChatGPT, или вы предпочитаете писать через другую LLM, то можно просто сохранить авторский стиль в блокнотике и вставлять его в новый чат.

@aimastersme​​​​​​​​​​​​​​​​

Первое в истории применение Big Data

Лондон, 1854. Центр цивилизации и одновременно самая смердящая яма Европы. Индустриальная революция в разгаре.

И вдруг вспышка холеры. Паника. Врачи считают, что болезнь распространяется через "миазмы" — зловонный воздух.

Но появляется Джон Сноу. Не тот, который know nothing. А медицинский бюрократ с революционной идеей: данные важнее теорий. С карандашом, бумагой и вопросом:
«Где этот человек брал воду?»

Он ходит по домам. По больницам. По родственникам умерших. Составляет списки, корреляции, наносит данные на карту. И видит закономерность: все заболевшие пили из одного колодца на Брод-стрит, в двух метрах от выгребной ямы.

Он убеждает город отключить насос. И что происходит? Эпидемия исчезает за пару дней.

Это и есть Big Data. До всяких там компьютеров и SQL. Просто человеческий интеллект + табличка.

История мне эта понравилась, услышал ее в длинном интервью Юваля Ной Харари к выходу его новой книги Nexus.

Очень советую посмотреть. Там много интересного: про AI, про эволюцию и про социум. Отличное сравнение текущих ИИ систем с "амебами цифрового мира". А почему так — рекомендую посмотреть интервью целиком или почитать саммари, как описывал в этом посте

@aimastersme

Две главные фичи, которые отличают профи от новичков

И нет, дело не в знании сотен сервисов или сложных промптов.

Фича №1. Пусть ИИ сам задаёт вопросы

Хватит относиться к нейронке как к поисковику. Это тупик. Вы получаете средненький результат и думаете: «Штош, ИИ — фигня».

А теперь попробуйте по-другому.

Зайдите в любой ChatGPT и скопируйте этот промпт.

Ты эксперт по ИИ. Мне нужна твоя помощь. Помоги мне понять, где я могу максимально использовать ИИ в своей жизни. Как эксперт, задавай мне вопросы, по одному за раз, пока не получишь достаточно информации о моих рабочих процессах, обязанностях и целях. После этого дай мне две очевидные и две неочевидные рекомендации по использованию ИИ.

Вы буквально просите ИИ проинтервьюировать вас. Это меняет всё.

Вместо того, чтобы пыхтеть и пытаться создать толковый промпт на все случаи жизни, позвольте ИИ выяснить вашу ситуацию и предложить наилучший подход.

Фича №2. ИИ — это коллега, а не инструмент

Если ваш коллега приносит вам сырой отчёт, вы же не говорите «этот сотрудник не работает». Вы даёте фидбек, направляете, подсказываете. С ИИ — то же самое.

Перестаньте быть просто заказчиком. Станьте партнёром. Спросите у него:

- «Какие десять вопросов мне стоит задать по этой теме?»
- «Что тебе нужно знать от меня, чтобы дать лучший ответ?»
- «Сыграй роль моего сложного клиента, я хочу отработать диалог».

И самое главное. Вдохновение.

У всех нас одинаковый ChatGPT. Но результаты разные. Почему? Потому что вы привносите в модель свой опыт, свою точку зрения, свой вайб.

Вдохновение — это дисциплина! Дисциплина в том, что вы впускаете в свою голову, Это напрямую влияет на то, что вы ожидаете получить.

А креативность — это когда вы делаете больше, чем первое, что приходит в голову. Точно так же с ИИ — никогда не принимайте первый ответ, дожимайте до идеала.

ИИ упростил получение «достаточно хороших» идей с первого запроса. Но если ваша цель — топ-уровень, придётся копать глубже.

Правильный ответ на вопрос «Как вы используете ИИ?» только один:
— Я его не использую. Я с ним работаю.

И с этим осознанием ваша эффективность вырастет в разы

@aimastersme

Почему одни люди схватывают все на лету, а другие тупят?
(продолжение предыдущего поста)

Наблюдая за разными командами и людьми, поймал четкую закономерность.

Те, кто реально быстро осваивает новое, делают одно и то же:

1. Горят любопытством
Видят новый инструмент — сразу тестируют. Новая фича в обычном сервисе — уже ковыряют, пока другие читают отзывы и смотрят 2-часовые туториалы.

2. Не боятся накосячить
Запускают проект, который может не взлететь. Публикуют посты, которые могут не зайти. Создают креативы, которые не всем понятны.

3. Применяют правило 3 попыток
Первый раз — преодолеть свой страх.
Второй — перестать быть полным нубом и разобраться.
Третий — понять, твое это или нет.
Работает везде. От изучения программирования до запуска подкаста.

4. Фейлы = инсайты
Когда промпт выдает бред — анализируют почему. Когда проект проваливается — вытаскивают уроки. Вместо того чтобы забить и больше не пробовать, дожимают или применяют эти навыки в новой области.

Все эти качества можно развить. Нужно пробовать то, что откладываешь месяцами.

Что здесь резонирует больше всего? Делитесь в комментах 👇

@aimastersme

Список лучших AI сервисов по мнению венчурного фонда a16z

Стоит оговориться, что во все эти стартапы фонд вложился, поэтому не совсем объективно, но на 80% я согласен

🧠 Общие
1. Perplexity — ИИ-поисковик с быстрыми и достоверными ссылками на источники. Умеет отвечать в стиле исследовательских заметок.
2. Claude — Чат-ассистент от Anthropic, отлично справляется с большими документами и креативными задачами.
3. ChatGPT — Универсальный помощник от OpenAI. Всем знаком, а теперь еще продвинутый голосовой режим.


🧾 Бизнес
4. Granola — Слушает звонки, делает расшифровку и превращает в форматированные заметки (русский не поддерживает).
5. Wispr Flow — Голосовой диктант, превращающий речь в текст прямо в приложениях.
6. Gamma — Делает презентации, документы и лендинги на основе тезисов.
7. Adobe Acrobat AI — Чат по PDF-документу, может суммировать и искать по содержимому.
8. Cubby — Пространство для совместной ИИ-работы с заметками и исследованиями.
9. Cora — Помощник по почте: сортировка входящих, шаблоны, автоматические ответы.
10. Lindy — Создание персональных ИИ-агентов для автоматизации рутины (от e-mail до CRM).


📢 Соцмедиа
11. Delphi — AI-клоны для общения с аудиторией: в текстах, видео и голосе.
12. HeyGen — Говорящие аватары для перевода, дубляжа и продакшена видео.
13. Argil — Быстрые видео с аватарами, говорящими по скрипту.
14. Opus Clip — Нарезает длинные ролики на короткие вирусные клипы с подписями.
15. Persona — Персонализированный ИИ-агент для блогеров и инфлюенсеров.
16. Captions — Монтаж, автосабы, исправление взгляда, клонирование голоса в одном флаконе.


🛠 Разработка
17. Cursor — IDE, которая «знает твой код» и помогает писать вместе с ИИ.
18. Replit AI — Создание приложений из текстового описания, прямо в браузере.
19. AnyChat — Один интерфейс для всех моделей: GPT, Claude, Gemini и т.д.
20. Codeium (Windsurf) — AI-автодополнение, рефакторинг, генерация кода по описанию.


🎨 Креатив
21. ElevenLabs — Генерация реалистичных голосов, клонирование и эмоции.
22. Suno / Udio — Генерация песен по тексту или настроению.
23. Midjourney / Ideogram / Playground — Разные стили генерации изображений.
24. Runway / Kling / Viggle — Создание и редактирование видео с ИИ.
25. Krea — AI-холст: рисуй, улучшай, оживляй фото и видео.
26. Photoroom — Быстрый удалитель фона, улучшалка товарных фоток.


🧩 Помощь
27. Rosebud — Дневник с ИИ-рефлексией, помогает осознавать эмоции и паттерны.
28. Good Inside — Психология родительства с поддержкой доктора Бекки.
29. Ada Health — Проверка симптомов и рекомендации на основе данных.
30. Ash — ИИ-терапевт для коротких сессий или быстрых советов.
31. NotebookLM — Делает из PDF и заметок обучаемый smart-конспект с поиском.
32. Particle — Превращает новости в понятные, короткие ИИ-дайджесты.


🎉 Развлечение
33. Remix — Платформа для генерации и обмена AI-артом и мемами.
34. Meta Imagine — Генерация изображений в Meta-экосистеме (Instagram и др).
35. Grok — Ироничный чат-бот от xAI, встроенный в соцсеть X (бывший Twitter).
36. Curio — AI-игрушки, с которыми можно говорить. Детский вариант с голосами от ElevenLabs.

@aimastersme

Выходные — время для вайб-кодинга

Пока все спали, Atlassian (да-да, те самые ребята из Jira и Confluence) тихой сапой выкатили абсолютно бесплатный инструмент для кодеров — Rovo.

Скачать тут

Похож на Claude Code. Под капотом — модель Claude. Cудя по всему версии 3.5

Что могу сказать? Мне Claude 3.5 для кода всегда нравился. Написать Chrome extension или простенького чат-бота — работает на ура.

Дают 20 миллионов токенов в день. Для pet-проекта — более чем достаточно.

Главное — бесплатно. Полностью!

Удачного вайб-кодинга

@aimastersme