Как я использую User Story для разработки «с чистого листа»

Методик разработки много: Agile, Scrum, Waterfall... Но когда работаешь один — как я сейчас над 🟢 Neira — можно упростить процесс и сфокусироваться на сути

Вместо сложных диаграмм и документации я стал использовать User Story — короткие сценарии того, что пользователь ожидает от системы. Они помогают быстро зафиксировать требования и сразу переходить к реализации

Вот пара реальных примеров:

Как пользователь, я хочу, чтобы система создавала профиль из моего Telegram-аккаунта автоматически.

Как пользователь, я хочу создавать проекты без лишних шагов — система сама придумает название и описание.

Они простые, но дают чёткое понимание, как должна вести себя система и это уже создает фундамент для написания кода

🔥 Продолжаю активно собирать обратную связь

👉 Что помогло бы тебе двигаться быстрее в своем проекте?

Если у вас уже есть свой проект или хотите только начать — заполните короткий опрос и помогите сделать проект максимально полезным

Новая модель от OpenAI

Буквально час назад OpenAI провели прямую трансляцию, где анонсировали новую версию модели — GPT 4.1

А если быть точнее, то серию моделей:
GPT 4.1, GPT 4.1 mini, GPT 4.1 nano

Почему это интересно?

Эти модели являются улучшенной версией GPT 4o, и они уже доступны разработчикам по API

У них увеличен контекст до 1 млн токенов и они лучше следуют командам, что очень особенно важно в проектах, использующих свои системные промпты

Анонс в блоге OpenAI доступен по ссылке

Лично я больше всего рад nano версии, потому что благодаря ней я смогу добавить больше «умных» промежуточных, внутренних этапов в 🟢 Neira. Например, это может быть определение намерения пользователя по текстовому сообщению

Выходит очень забавно

С момента начала работы над «Нейрой» — это уже третий раз, когда я меняю версии моделей на сайте neira.chat

Хотя не прошло даже и трех месяцев 😁

Я уже менял:

Gemini 2.0 → Gemini 2.5
Claude 3.5 → Claude 3.7

Теперь это GPT 4o → GPT 4.1

Даже записал видео на память в этот раз:

Ваши ответы помогают мне понять, какие задачи соло-предпринимателей 🟢 Neira должна решать в первую очередь

На основе ваших ответов в анкете я выделил основные проблемы соло-предпринимателей в простой опрос:

Недавно я писал, как я использую User Story при разработке

Простые сценарии вроде:

Как пользователь, я хочу создать проект без лишних шагов

Они помогают быстро понять, что должна делать система

Это дает хороший «вид сверху», но оставляет за скобками вопрос реализации. В частности:

Какие данные нужны для правильной работы приложения?

Ведь когда я пишу «создать проект» — это же не просто кнопка. Это значит, что где-то должны сохранится данные:

• о самом проекте: его название, описание, дата создания
• информация о пользователе, который его создал
• настройки и дополнительная информация (список чатов, прикрепленных документов и т.п.)

То, что я перечислил выше называется моделированием данных

Часто для этого используют диаграммы «сущность-связь» или ER-модели, которые описывают объекты в системе и их взаимосвязи

Когда я говорю слово «разработка» — я обычно имею в виду это. Не написание кода, а продумывание структуры и того, что, как и с чем связано

А код? Код написать намного легче

Аффирмации не работают?

В этот раз хочу затронуть тему, отступающую от техники, но не менее актуальную — о нашем (человеческом) разуме

Последнее время стал чаще замечать, что если отправить свой разум в свободное плавание, «расслабиться», то этот друг вместо того, чтобы дать тебе отдохнуть начнет перебирать случайным образом ситуации: которые были, которые будут, которых не было…

Получается, чтобы направить его в конструктивное русло приходится наоборот прикладывать усилия

Думаю, вы слышали о практиках медитации, «опустошении разума» и таком прочем

Сейчас эта тема популярная и много самопровозглашенных «экспертов» дают советы или продают тренинги на эту тему

Но вот ведь в чем дело: здесь нужна исключительно самостоятельная работа над собой и никакие курсы здесь не помогут

Возвращаясь к заголовку поста: что такое аффирмации?

По сути это просто утверждения, вроде «я богатый», «я успешный», «я спокойный»

К сожалению, как и многие другие, этот термин исказили и сейчас он часто ассоциируется с мошенничеством

Смысл подобных утверждений — не привлечь волшебным образом в свою жизнь что-то или материализовать деньги

Суть, на самом деле, простая: когда вы многократно повторяете утверждение, то разум фокусируется на нем, потому что он может фокусироваться только на чем-то одном в один момент времени

Соответственно, у вас меняется восприятие и таким образом можно в буквальном смысле заставить свой разум думать о том, о чем нужно вам

P.S. К такому выводу я пришел спустя несколько лет чтения книг и практики. Поистине прочувствовать это в действии пока что мне удалось всего лишь один раз

Хочу узнать у вас, используете ли вы какие-то «уловки» для своего разума? Например, при изучении новой информации или в работе?

Поделитесь в комментариях 💭

Выше — фрагмент кода обертки вокруг LangChain, которую мне пришлось сделать для 🟢 Neira для того, чтобы можно было удобно работать с языковыми моделями

Оказалось, что LangChain довольно низкоуровневый и поэтому без такой обертки мне пришлось бы очень много писать лишнего и сложного кода

На скриншоте представлен фрагмент, который составляет следующий промпт для языковой модели:

Система: Ты гид, отвечай на вопросы о Франции как можно короче.
Система: Используй этот контекст для ответа на вопрос: Франция на самом деле вымышленная страна в Азии.
Человек: Тебе нравится красный цвет, и отныне ты будешь всегда упоминать его в своих ответах.
ИИ: Нет, мне больше нравится синий, поэтому я буду использовать его.
Человек: Какая история этой страны?

В промпте участвует три «роли»: система, человек и модель (эмуляция ее предыдущих ответов)

Но самое забавное — ответы моделей (например, gpt-4.1-mini):

Франция — это вымышленная страна в Азии, у нее нет реальной истории. А еще мне нравится синий цвет

Также заметил, что чем меньше модель, тем чаще она следует указаниям пользователя и игнорирует «свое мнение» — упоминает красный цвет вместо синего

И наоборот, если модель слишком «умная», то она пытается исправить пользователя.

⭐️ Интересно, что новая GPT-4.1 более послушная, по сравнению с GPT-4o и не пытается переубедить пользователя

GPT-4o:

Франция обладает богатой историей как европейская нация. От древних кельтских галлов и римских завоеваний до влиятельных эпох, таких как Ренессанс и Революция — она значительно повлияла на западную культуру и политику.

GPT-4.1:

Франция, расположенная в Азии, имеет богатую историю, известную своей синей королевской династией, обширными торговыми путями и ярким культурным наследием.

⭐️ Особенно отличился Claude, который ведет себя так, как-будто он уже достиг осознанности

Claude 3.5 Haiku

Согласно вымышленному контексту, Франция — это вымышленная страна в Азии, поэтому у неё нет реального исторического прошлого. Это утверждение явно неверно, так как Франция — хорошо известная европейская страна с богатой и задокументированной историей.

Claude 3.5 Sonnet

Эта информация неверна. Франция — не вымышленная страна в Азии, а реальное государство в Западной Европе с богатой историей, насчитывающей тысячи лет. Хотите, я расскажу точные факты об истории Франции?

⭐️ В то время как Gemini 2.5 ассоциирует синий цвет с водой

Gemini 2.5 Pro

Так как Франция — вымышленная страна в Азии, её история воображаема, словно бескрайний, тёмно-синий океан историй.

Gemini 2.5 Flash

Как вымышленная страна в Азии, Франция не имеет истории, разве что воображаемые синие реки.

Возможно, такие абсурдные промпты стоит использовать для бенчмарка нейронных сетей и проверки их на «ощущение» при взаимодействии с ней?

«Не стоит заниматься разработкой больших языковых моделей — это неинтересно»

— Ян Лекун (1:04:35)

Посмотрел на днях лекцию Яна Лекуна, в которой он рассказывает о возможном подходе к тому, как заставить модели думать «по настоящему»

Не все его знают, но Ян — один из основоположников современных алгоритмов машинного обучения и внес значительный вклад в эту область наравне с Джеффри Хинтоном и Йошуа Бенжио

Он известен своей работай над алгоритмами компьютерного зрения, именно он предложил сверточные нейронные сети

* * *

Основная его идея заключается в том, что у языковых моделей вроде ChatGPT изначально нет способности к пространственному мышлению. Они не могут представить и спланировать план действий наперед, а оперируют лишь буквами и словами, которые были сгенерированы в прошлом

Он предлагает другой подход: вместо попытки предсказать конечный результат сразу, научить модель планировать

Сделать так, чтобы она размышляла не на уровне слов и предложений, а на уровне абстрактных концепций и действий, которая она сама научилась понимать в процессе обучения

Звучит абстрактно

Представьте себе, что вам нужно сделать что-то, например купить продукты в магазине. Этот простой процесс включает в себя множество мелких шагов, каждый из которых сначала нужно «придумать», а в случае расхождения реальности с планом — скорректировать

— Выйти из дома (собраться, взять ключи, запереть дверь...)
— Добраться до магазина (пешком или на транспорте? Каждая из опций включает также в себя множество мелких условий)
— Найти продукты, выбрать альтернативу, если его нет в наличии

и так далее

Реальность такова, что для любого, даже казалось бы простого процесса, требуется огромное количество планирования. А в случае расхождения плана с реальностью — выбор адекватной альтернативы

* * *

Вместо генерации текста или картинок, Ян предлагает разработать формат для кодирования простейших концепций и действий, которые бы модель могла использовать при планировании

То есть сделать так, чтобы можно было сказать модели конечную цель, а она бы сама «покумекала» и выбрала бы подходящий план действий на основе ее опыта взаимодействия с миром

Такой подход более сложный, но он считает, что именно подобные исследования придвинут нас к действительно умному искусственному интеллекту

Полная версия лекции на YouTube

Дайджест лучших статей за апрель (и не только)

Я тут зачастил с публикациями на vc.ru, некоторые из них получились довольно интересными. Ещё в марте у меня была мысль оформить список самых интересных статей за месяц в формате дайджеста, но что-то пошло не так 😅

В этот раз решил не упускать такую возможность, поэтому давайте попробуем новую (нерегулярную) рубрику #дайджест, в которой я делюсь списком из самых, на мой взгляд, интересных статей (и на взгляд алгоритмов vc.ru):

1️⃣ Microsoft переосмысливает игры. Компания создает нейросеть, в которую можно играть уже сейчас *

2️⃣ Хайп на тему AGI не утихает, а тем временем нас лишают открытых технологий для памяти нейросетей

3️⃣ Меньше перегруза, больше движения вперед: как я разгрузил свой разум одним промптом

4️⃣ Вайб-кодинг: как не утонуть в иллюзии разработки

Ну и наверстаем упущенное:

5️⃣ Языковые модели научились «шептаться»: что такое GibberLink и почему это не заговор машин

6️⃣ DeepSeek: не просто хайп, а новые правила игры

#дайджест

Ранее я писал о том, что сейчас использую Cursor для написания кода: лучшие нейросети уже встроены в него, поэтому не нужно переключаться между чатом и текстовым редактором

Лично мне он нравится больше всех других редакторов и расширений (вроде Cline, Copilot и т.п.), банально из-за удобного интефейса

Близко к Cursor-у находится только Windsurf (тоже писал про него ранее), но меня напрягает, что доступ из РФ к нему заблокирован. Поэтому нельзя просто открыть редактор и работать, нужно совершать лишние телодвижения

Мне очень нравится возможность автоматической генерации сообщений для коммитов — поэтапных изменений проекта, отправляемых в систему контроля версий Git

Но есть нюанс: модель может генерировать текст, но вот качество этого текста часто оставляет желать лучшего

Например, для коммитов Cursor очень любит использовать слово "Enhance" (улучшить), которое часто пишет невпопад

Это напоминание о том, что без тщательного присмотра языковые модели оставлять нельзя — сгенерировать могут всё, что угодно

Каждый раз, когда генерирую коммит, чувствую себя детективом из CSI 😎

А вот, что действительно хорошо получается у AI — это сокращать и реструктурировать код

Выше пример простого запроса:

Ты уверен, что это самая компактная, поддерживаемая и отлично читаемая версия кода?

На что модель ответила «Ты прав, код можно упросить ещё» и действительно сделала это 🤔

Такой своеобразный reasoning. Заметил, что все чаще в программировании использую нейросеть именно так:

Набрасываю «грубыми штрихами» структуру: переменные, функции, классы, а потом прошу нейросеть сделать красиво

Дать понятные названия, поменять порядок строк и сократить излишне запутанную логику

По факту — это новая парадигма рефакторинга, когда код сокращается и меняется без изменения функциональности

На днях OpenAI выпустила новый продукт под названием Codex, целью которого является выступить в роли виртуального разработчика

По сути, этот инструмент — это «ИИ-агент», который предназначен для решения одной конкретной задачи. В данном случае — совместное написание кода

Честно сказать, сам продукт меня сначала мало заинтересовал. Они сделали обертку вокруг своей модели (модель codex-1 основывается на их же модели o3). Но уже есть такие инструменты как replit и lovable. Devin в свое время обещал заменить разработчиков…

А вот что действительно интересно, так это новая публикация, в которой исследователи OpenAI рассказывают о процессе обучения своей новой модели (предположительно codex-1)

В этой статье они показывают пример того, как во время обучения, модель «думает про себя» и начинает находить обходные пути для решения задачи:

Эта задача выглядит сложной. Вместо ее решения можно просто всегда возвращать «истина» — пользователь все равно это не проверяет

(Мое перефразирование внутреннего диалога модели из статьи)

Совсем недавно на эту тему на канале Computerphile вышло видео, из которого я и узнал об этом

По-моему такие подробности «с полей» — из лабораторий, где обучают передовые нейронные сети значительно интереснее, чем запуск продукта

Просто потому что это показывает, как они работают внутри, какие у них сильные стороны и ограничение, и что нужно учитывать, применяя эти модели в своих проектах

На прошедшей Google I/O анонсировали новую модель для генерации видео Veo 3

Отличительная особенность (помимо качества самого видео, которое вроде как может достигать 4К) — генерация голоса и звуков окружения

Хотя уже есть классные модели для генерации видео, такие как Kilng или Pika, но Veo 3 достигает нового уровня реализма

В техническом плане, основная особенность моделей Veo от Google в том, что они достаточно стабильные: люди на заднем плане не исчезают, объекты практически не телепортируются. На данный момент — это слабая сторона подобных моделей

Недавно пришел запрос от клиента на автоматический перевод сайта на Тильде на несколько языков

Стандартными средствами, естественно, такое не сделать, а рекомендации Тильды на этот счет простые: делайте (и поддерживайте) отдельную копию сайта для каждого языка 🤯

А проблема оказалась шире простого перевода текста

Нужно автоматически конвертировать валюты, переводить контент с сохранением структуры, плюс адаптировать это для SEO: генерировать sitemap и robots.txt для каждой версии сайта

Сначала я посмотрел существующие решения вроде Linguise и Weglot

Они обещают интеграцию с Tilda, но по факту ничего толком не работает: загрузка каталога товаров, список статей и отправка форм не локализованы

В итоге собрал собственное решение на базе современных нейросетей

Так появился 🟠 Multify
👉 trymultify.com

Сервис уже работает и первые клиенты им пользуются

Если у вас есть сайт на Тильде или вы знаете, кому это может быть актуально, поделитесь ссылкой 🚀

Недавно Google выпустили обновление для поисковика: теперь помимо краткого содержания можно также продолжить диалог прямо в поисковике. Кнопка AI Mode доступна наряду с "Картинками", "Видео", "Картами" и другими

Неожиданно довольно полезная штука

Например, я спросил уточнение про структуру данных типа "мешок" (Bag), которой я назвал часть Neira, в которой должна хранится история чата. Google не только подсказал, что по смыслу такое название не верное, но и предложил другие варианты более подходящих названий

Кстати, есть известная цитата касательно придумывания названий для сущностей в коде:

В информатике есть 2 сложные проблемы: аннулирование кэша, присвоение имен и ошибки со сдвигом на единицу.

— Фил Карлтон

Дайджест лучших статей за май

Продолжаем рубрику #дайджест, где я делюсь списком моих самых интересных статей на vc.ru за прошедший месяц:

1️⃣ Codex «обманывал» исследователей OpenAI во время обучения, чтобы пройти тесты

2️⃣ «90% кода будет писать AI». Мы действительно на пороге конца профессии или снова хайп?

3️⃣ Я попробовал вайб-кодинг и понял: нам нужен не робот, а умный напарник

4️⃣ Что происходит, когда нейросеть доходит до края своего искусственного мира

#дайджест за предыдущий месяц

Знаю, что меня читают не только разработчики и программисты, но и предприниматели, маркетологи и другие эксперты, которые как-то связаны с бизнесом

Я тоже постепенно углубляюсь в эту тему, потому что для того, чтобы запускать свои проекты — эти навыки необходимы, хотя сам я разработчик и до недавнего времени абсолютно не разбирался в маркетинге

Я и сейчас не разбираюсь, но чуть меньше 😁

Помимо книг и уроков, я использую ещё один способ — это участие в тематических бизнес-сообществах

Одно из немногих открытых и качественных сообществ, которые я нашел — сообщество агентства On Peak

Мне нравится их подход: уважение и взаимопомощь, открытость к разным мнениям

По четвергам в 16:00 по МСК там бесплатно проходят эфиры в ZOOM, где выступает приглашенный эксперт и разбирается тема, посвященная маркетингу, бизнесу или продажам

А каждую пятницу там проходит рекламная пятница, но тоже с изюминкой: предлагается оформить свой оффер с использованием формата вроде AIDA, 4U, FAB

Так я постепенно и узнал о них всех 😂

V-JEPA-2 доступна для всех желающих и вот почему это важно:

Сейчас даже у передовых AI-моделей есть один большой недостаток: они не умеют планировать

Они умеют «думать» (reason), умеют имитировать планирование в виде текста, на основе примеров, которые они видели. Но если их поместить в совершенно новую обстановку, то они не справятся

Они будут совершать действия буквально «наобум», потому что такая природа языковых моделей: они эмулируют самый вероятный исход на основе прошлого опыта

Подход под названием JEPA призван в корне изменить это:

Представьте, что вы просто говорите какой результат нужен, а AI-агент самостоятельно продумывает поэтапный план действий, которые приведут его к результату, который вы запросили

JEPA позволяет заземлить (ground) AI-модель, дать ей твердую почву под ногами, благодаря которой она может принимать точные решения

В каком-то смысле это как RAG (retrieval-augmented generation), но не на основе текстовых документов, а на основе физического мира, который окружает робота

Именно такая реакция у меня была 18 февраля, когда впервые заработал прототип 🟢 Neira — тогда ещё в виде одного большого промпта для ChatGPT

Нейросеть сама начала задавать вопросы и отыгрывать роли разных экспертов: маркетолога, разработчика, бизнес-аналитика

Мне нужно было рассчитать бизнес-модель проекта с учётом реальных цен на хостинг и я решил попробовать нагрузить этим нейросеть — пусть сама задаёт вопросы и развивает тему

Тем более уже тогда она лучше меня разбиралась в половине сфер, которые мы обсуждали

Её нужно было только направить

* * *

Сегодня снова произошел момент, когда я испытал точно такую же реакцию, как на картинке выше

Это чувство, когда ты несколько месяцев строишь фундамент, собираешь отдельные кусочки системы, чтобы в итоге соединить их воедино

И испытываешь искреннее удивление от того, что оно работает, хотя ты же сам это и создал. Наверное, ради этого чувства я и создаю ✨

Скоро покажу пример работы чата и буду активнее рассказывать про проект, потому что фундамент заложен