Пару недель назад публиковал рассказ, написанный совместно с ИИ. Написал разбор, как этот рассказ создавался — 10 итераций с Claude, ошибки, находки и мультимодельное ревью тремя нейросетями.
Статья на VC → читать

Регулярный мониторинг рынка как процесс, а не рутина
У коллег появилась задача: настроить ежедневный мониторинг рынка коммерческой недвижимости.
На первый взгляд — ничего сложного. Каждый день просматривать Telegram-каналы, Ведомости, РБК, Коммерсантъ. Отбирать новости по офисам, складам, ТЦ, ЗПИФам, инвестиционным сделкам. Отсекать шум и формировать короткий вывод: что действительно важно и что это меняет для рынка.
Руками — быстро превращается в рутину.
⠀
🔧 Что собрал в Perplexity Computer
Каждый будний день вечером Perplexity запускается по расписанию, проверяет заданные источники, читает материалы, отсекает нерелевантное, убирает повторы, группирует новости по сегментам и присылает короткий аналитический дайджест.
Не список ссылок, а выжимка: — что произошло; — почему это важно; — какие выводы для инвесторов, девелоперов, арендаторов и собственников объектов.
⠀
💡 Что здесь интересного
Не то, что AI умеет писать текст — это уже базовый уровень. Интереснее другое: AI можно использовать как автоматизированный аналитический процесс.
Задача годится для такой автоматизации, если у неё есть:
• понятные источники;
• регулярность;
• критерии отбора;
• формат результата;
• необходимость отделять важное от шума.
⠀
📊 Где это работает на финансовом рынке
Тот же подход переносится на ежедневные обзоры по облигациям, рейтинговые действия, мониторинг эмитентов, отраслевые новости, сделки, регуляторные изменения — любую регулярную информационную повестку.
По сути, Perplexity отвечает не на вопрос «что нашлось?», а на более ценный: «что из найденного действительно имеет значение?»
И это уже похоже не на чат-бота, а на помощника аналитика, который каждый день приходит с готовой выжимкой.
⠀
⚙️ Как настроить расписание
Периодичность задаётся прямо в промпте: например, «делать такой сбор в 19:00 каждый рабочий день». Время и частоту можно выставить любые. А Perplexity можно подключить к Gmail — и получать дайджесты сразу на почту.

📊 Рынок облигаций РФ: 11–17 мая 2026
 
Главное за неделю — стипенинг кривой ОФЗ. Короткий и средний участок снизились (2Y: −14,6 б.п.), длинный конец вырос (15Y: +18,0 б.п.). Рынок одновременно закладывает смягчение ДКП и растущие инфляционные риски.
 
⠀
🔻 Макро: МЭР пересмотрел прогнозы
 
- ВВП-2026: 1,3% → 0,4%
- Инфляция: 4,0% → 5,2%
- Дефицит бюджета за янв–апр: 5,9 трлн ₽ (+55% к годовому плану)
- Ставка ЦБ: 14,50%. Тремасов допустил дальнейшее снижение при устойчивом замедлении инфляции
 
⠀
💰 Обороты
 
- Рублёвые облигации: 201,2 млрд ₽ (88,2% оборота МосБиржи)
- ОФЗ: 86,3 млрд ₽ (42,9%) | Корпоративные: 114,9 млрд ₽ (57,1%)
- В корпсегменте доля флоатеров — 43,4%, на отдельных днях до 65%
 
⠀
🏦 Первичный рынок
 
- Минфин 13.05: ОФЗ-26253 (доходность 14,75%) и ОФЗ-26249 (14,35%) — суммарно ~104,8 млрд ₽ по номиналу
- ВЭБ.РФ ПБО-002Р-58 (RUONIA-линкер) — крупнейшее размещение недели: объём увеличен со 100 до 150 млрд ₽ при спросе 170 млрд ₽, купон 1,85%
- РусГидро БО-002P-13: флоатер 55 млрд ₽, спред 135 б.п. к КС
- Газпром Капитал БО-003Р-22: 3 млрд юаней, купон 7,85%
- ВДО размещались под 25,5–26,0% годовых при КС 14,50%
 
⠀
⚠️ Кредитные события
 
- 15 дефолтов и техдефолтов за неделю
- Кузина — конкурсное производство, признана банкротом
- Соби-лизинг — техдефолты по 001Р-03 и 001Р-04, АКРА отозвало рейтинг, выпуски переведены в сектор повышенного риска
- АКРА понизило Металлоинвест до AA(RU), Новосибирскую область — до AA-(RU)
- Эксперт РА повысило Henderson до ruAA-
 
⠀
📐 Спреды AAA (дюрация 2–3 года)
 
- G-спред фиксов: 86 → 111 б.п. (+24 б.п.)
- Скорр. маржа флоатеров к КС: 143 → 139 б.п. (−4 б.п.)
 
Разнонаправленная динамика — относительная привлекательность флоатеров выросла. Это же подтверждает переподписка по выпуску ВЭБ.
 
📎 Полная версия отчета -> скачать полный отчет.
📎 Коротка версия отчета -> скачать.

🎯 Claude Design: первый опыт сборки презентации
Готовил выступление для юристов про механику рынка облигаций — и впервые собрал презентацию через Claude Design. Делюсь, что получилось и где пришлось подкручивать руками.
📍 Где это искать
Claude Design — это раздел в боковой панели claude.ai, рядом с Chats, Projects и Artifacts. Открывается research preview от Anthropic Labs, доступен на платных тарифах (Pro, Max).
⚙️ Как шёл процесс
Подготовил подстрочник выступления → загрузил в Claude Design → попросил собрать презентацию. Claude уточнил желаемый стиль и выдал первый драфт.
Дальше — итерации: ▪️ Правка текста и размеров элементов — вручную прямо на канвасе ▪️ Добавление новых слайдов и структурные изменения — через диалог с Claude ▪️ В качестве материала для новых слайдов можно подгружать текст или файлы
📤 Экспорт
Готовый результат выгружается в PPTX, PDF, HTML или передаётся в Canva. Я выгружал в PPTX — форматирование на части слайдов поехало, размеры элементов пришлось править руками. Не сложно, но проверять надо каждый слайд.
💡 Что зашло больше всего
Можно поставить задачу — например, «добавь три слайда про дюрацию» — и переключиться на другую работу. Claude собирает в фоне, ты возвращаешься и принимаешь/правишь результат. Привычный для меня паттерн работы с агентами теперь работает и для визуала.
🎯 Итог
Для подготовки рабочей презентации с нуля — рабочий инструмент. Контроля на выходе требует, но экономит часы по сравнению со сборкой в PowerPoint вручную. Для облигационной тематики, где много схем и числовых блоков, очень полезен — можно быстро итерировать структуру, не залипая на вёрстку.

Как говорится, по просьбам трудящихся, показываю пример нескольких слайдов.

📊 Рынок облигаций РФ: 18–22 мая
Совокупный оборот рублёвых облигаций — 264,1 млрд ₽ (среднедневной 52,8 млрд).
⠀
📈 Что произошло с кривой ОФЗ
Короткий и средний участки выросли (1Y +14,5 б.п., 3Y +18,7 б.п.), длинный — слегка снизился (10Y −3,4 б.п., 15Y −5,3 б.п.). Кривая сохранила горбатую форму с максимумом на 15Y — 14,845%. На участке 4M–1Y осталась инвертированная зона ~62 б.п., что отражает ожидания снижения ставки на горизонте до года.
⠀
🔔 Ключевые события
·       Аукционы Минфина по ОФЗ 26252 и 26228 — 174,4 млрд ₽ по номиналу (выручка 155,9 млрд)
·       АКРА понизило рейтинг «Магнита» с AAA(RU) до AA+(RU), прогноз стабильный
·       24 дефолта и техдефолта за неделю — «Главснаб», «Роял капитал», повторный дефолт «ЕвроТранса»
·       Инфляция замедлилась до 5,36–5,47% годовых, недельная дефляция 0,02%
⠀
📎 Полная версия отчета -> скачать полный отчет.
📎 Коротка версия отчета -> скачать.

🎯 Когда модель галлюцинирует — и что с этим делать
Попросил Claude Opus 4.7 разобрать одну сцену из «Игры в кальмара» — ту, что в начале второго сезона, где Ки-Хун и вербовщик играют в русскую рулетку. Меня интересовала мотивация вербовщика: человек абсолютно аморальный, имел возможность выстрелить в Ки-Хуна, но не нарушил правил игры и застрелился сам.
Модель уверенно выдала разбор. Проблема в том, что половина деталей сцены была выдумана.
 
⠀ 💡 Почему так происходит
Это не баг конкретно Claude — это общий механизм. В обучающей выборке у модели есть знание о произведении и его общая канва, но нет покадровой памяти о конкретных сценах. Когда задаёшь специфический вопрос, модель не отвечает «не знаю» — она достраивает правдоподобную версию из того, что помнит.
Тот же самый механизм работает в юридических вопросах: модель помнит, что есть закон по теме, но номер статьи или формулировку может придумать.
 
⠀ 🔧 Что помогло
Запустил тот же запрос про Ки-Хуна в режиме Deep Research — модель сначала собирает информацию из интернета, потом отвечает. В этот раз сцена была описана корректно, мотивация разобрана по делу.
 
⠀ ⚖️ Как я применяю это, например, в работе с правом
Двухшаговый пайплайн:
1.     Первая итерация Deep Research — модель собирает перечень нормативных актов, регулирующих вопрос.
2.     Беру этот перечень, загружаю актуальные редакции из КонсультантПлюс и прошу модель ответить ещё раз — уже опираясь на выверенные тексты.
Почему второй шаг важен: открытый интернет может подсунуть устаревшую редакцию закона. Авторитетная база снимает этот риск.
 
⠀ 📌 Главный принцип
Чем выше цена ошибки в фактах, тем меньше доверия к памяти модели и тем больше — к её способности работать с поданными на вход документами. И финальная верификация — всегда на человеке.

📊 Рынок облигаций РФ: 25–31 мая
Совокупный оборот вырос почти вдвое к прошлой неделе — 473,8 млрд ₽ (среднедневной 94,8 vs 52,8 неделей ранее). Корпоративный сегмент опережает ОФЗ: 257,3 vs 216,5 млрд ₽. Пик 28.05 — 137,6 млрд ₽
⠀
📈 Кривая ОФЗ:
Короткий и средний участки снизились (4M −22,9 б.п., 1Y −7,8 б.п., 3Y −6,1 б.п.), а длинный конец вырос (10Y +4,2 б.п. до 14,90%, 15Y +8,4 б.п. до 14,99%). Спред 1Y–10Y расширился со 181 до 193 б.п. Рынок закладывает скорое снижение ключевой ставки, но одновременно пересматривает долгосрочную премию за срок.
⠀
📎 Полная версия отчета -> скачать полный отчет.
📎 Короткая версия отчета -> скачать.

🖥 Cowork в десктопном Claude: режим, который работает с вашими файлами напрямую
⠀ Многие до сих пор используют Claude как чат в браузере: задал вопрос — получил ответ — закрыл вкладку. Это лишь один из трёх режимов, и далеко не самый мощный.
⠀ В десктопном приложении (macOS/Windows) есть три вкладки, и они решают разные задачи.
 
💬 Chat — привычный разговор без доступа к файлам, как на claude.ai.
🛠 Cowork — агент для многошаговых задач: написание кода, разбор данных, генерация документов. Получает доступ к выбранной папке и работает с локальными файлами без выгрузки-загрузки.
⌨️ Code — интерактивный ассистент для разработки через терминал, с пошаговым ревью каждого изменения.
 
📂 Как устроен Cowork
Ты сам выбираешь, к каким папкам и коннекторам у Claude есть доступ. Можно задать инструкцию, чтобы перед любым значимым действием он показывал план и ждал подтверждения — можно вмешаться на любом шаге, скорректировать или дать доработать самому.
 
🔧 Как использую это я
Создаю проект и даю Cowork доступ к папке проекта. Дальше работаю с файлами прямо внутри неё — в том числе с кодом. Формально код — это территория вкладки Code, но мне удобнее держать всё в Cowork: визуальный интерфейс, не нужно держать отдельный терминал.
⠀ Частый сценарий — проверка автоматически сгенерированного отчёта на соответствие исходным файлам. Отчёт у меня собирается пайплайном, и в нём важно поймать расхождения между тем, что попало в финальную карточку, и первичными данными. Прошу Cowork сверить цифры в отчёте с исходниками в папке и подсветить, где что не сходится. То, на что вручную ушёл бы час сверки строка за строкой, превращается в один запрос с понятным результатом.
⠀ Второй плюс — он видит структуру папки целиком, поэтому не нужно по одному загружать файлы: контекст проекта у него уже есть.
 
📌 Что нужно для старта
Десктопное приложение Claude последней версии и платный тариф (Pro/Max/Team/Enterprise). Приложение должно быть открыто, а компьютер — не в спящем режиме, пока Claude работает. Cowork недоступен в браузере и на мобильном, но с телефона можно отправить задачу, которая выполнится на десктопе (нужны оба приложения, связанные между собой).

🤖 Как ИИ решает головоломки — и где спотыкается
На досуге люблю решать головоломки. Решил проверить, как ИИ справится с решением. Дал Claude четыре визуальные задачки из канала @rebus_online, который постоянно публикует интересные головоломки. Самое интересное оказалось не в том, что он решил, а в том, как он шёл к ответу — иногда с первого раза, иногда через пару неверных попыток.
 
1. Карандаши (вид сзади) ✅ Чистое попадание. ИИ понял, что «вид сзади» — это зеркальное отражение, мысленно перевернул ряд карандашей слева направо и сразу выбрал правильный вариант. Пространственное мышление сработало без запинки.
 
2. Машинки (затор) ✅ Тоже уверенно. Определил, что красная машина №3 стоит в центре пробки и блокирует разъезд остальных. Логика «найди ключевой элемент» — конёк нейросетей.
 
3. Чайники (В чайнике А помещается 32 чашки, сколько чашек в B?) ⚠️➡️✅ А вот тут было интересно. Сначала ИИ дал шаблонный ответ: «B выше в 1,5 раза → 48 чашек». Неверно. Я попросил подумать ещё раз — он заметил, что чай наливается только до уровня носика, но решил, что носики находятся на одинаковой высоте. Ещё подсказка: обрати внимание, где расположены носики, — и он наконец дошёл до сути: чай наливается только до уровня носика, а у чайника B носик ниже. Значит, в него поместится меньше 32 чашек, хотя он и выше.
Мораль: ИИ хорошо рассуждает, но первая интуиция у него часто «школьно-пропорциональная». Под нажимом и с наводящими вопросами он дожимает правильный ответ — почти как человек.
 
4. Пословицы из эмодзи 🟡 Частичный успех. Уверенно расшифровал «Век живи — век учись», «Снявши голову, по волосам не плачут», «Переливать из пустого в порожнее». Но на нескольких ребусах честно признался: «допускаю разные прочтения, дай подсказку». Не стал выдумывать ответ ради красивой картинки — и это, пожалуй, правильнее, чем уверенно ошибаться.
 
Вывод: ИИ силён в логике и пространственных задачах, но визуальные нюансы (уровень носика!) и многослойные ребусы пока требуют диалога. Лучший результат — не «спроси и получи», а «спроси, оспорь, уточни».
А вы бы сами решили все четыре загадки? 👀

📊 Рынок облигаций РФ: 1–5 июня
Совокупный оборот рублёвых облигаций — 407,2 млрд ₽ (среднедневной 81,4). ОФЗ снова обогнали корпоратив: 220,6 vs 186,6 млрд ₽. Пик 02.06 — 113,0 млрд ₽, и его на 52% сделала одна бумага — Сбербанк 001Р-SBER56 на 35,5 млрд ₽.
⠀
📎 Полная версия отчета -> скачать полный отчет.
📎 Короткая версия отчета -> скачать.

Когда приложения начинают дополнять друг друга ⠀
🔗 На этой неделе соединил два своих AI-инструмента по API — и аналитический отчёт стал глубже без единой переписанной строчки в ядре каждого из них. ⠀ Расскажу, что это за инструменты. ⠀
 
🤖 Первый — телеграм-бот, который живёт в облаке и не спит. Каждый день он собирает индикаторы денежного рынка: движение КБД, изменение процентных свопов, макроэкономические новости — и пишет прогноз ключевой ставки. Это поток: он копит контекст просто потому, что работает непрерывно. ⠀
💻 Второй — локальная аналитическая система. Запускается на ноутбуке по запросу и собирает отчёт по рынку облигаций за период: торговые обороты, новости, кривая ОФЗ, спреды. Это срез: глубокий, но привязанный к конкретному окну времени. ⠀
 
Долгое время они жили отдельно. Один — непрерывный, но узкий. Второй — широкий, но эпизодический. Каждый честно делал свою работу и ничего не знал про соседа. ⠀ 💡 Потом мне захотелось добавить в аналитическую систему прогноз по ключевой ставке. Логичный путь — скопировать в неё функционал бота. Но зачем дублировать сбор данных, которые уже собраны в другом приложении? ⠀
 
⚙️ Вместо этого с помощью Claude я сделал две вещи:
1.     Научил бота отдавать накопленные данные по API.
2.     Научил аналитическую систему их забирать.
 
Дальше система не просто пришивает новый раздел к отчёту — она анализирует данные бота вместе с остальными источниками и пишет выводы на основе всей картины целиком. ⠀ 📈 Непрерывный поток одного приложения дал глубину эпизодическому срезу другого. Ни один из них не переписывался — просто один научился отдавать, а второй принимать. Мне кажется, это очень важный момент развития продуктов: не строить монолит, а отращивать инструменты по одному — так, чтобы в какой-то момент они сами начали дополнять друг друга.

На прошлой неделе писал про то, как Claude Opus решает визуальные головоломки. На одной из картинок было изображено два чайника. Один более низкий, но с высоким носиком, а второй более высокий, но носик был расположен существенно ниже, чем у первого чайника. В первый чайник помещалось 32 чашки чая, надо было ответить, сколько чашек поместится во второй. Claude Opus только после двух моих подсказок заметил, что носик у второго чайника ниже, чем у первого.
Пару дней назад вышла модель Claude Fable, которая решила задачу с чайниками с первой попытки. Начал использовать эту модель для кодинга и был очень доволен результатом. А сегодня ночью по требованию властей США модель убрали из открытого доступа.
Пишут, что хакеры взломали систему защиты Fable и модель начала выдавать рецепты запрещенных веществ и как взломать Линукс.

📊 Рынок облигаций РФ: 8–11 июня
Короткая неделя из-за праздника 12.06. Совокупный оборот рублёвых облигаций — 259,4 млрд ₽ за 4 торговых дня. Среднедневной упал до 64,9 млрд ₽ (против 81,4 неделей ранее). Доминирование ОФЗ: 167,1 млрд ₽ (64%) против корпоратив 92,3 млрд ₽.
⠀
📈 Кривая ОФЗ: стипенинг через длинный конец
Эту неделю короткий конец уже почти не двигался (1Y −0,5 б.п. до 12,88%), а длинный продолжил расти: 10Y +4,7 б.п. до 15,10%, 15Y +6,7 б.п. до 15,25%. Наклон 10Y−2Y увеличился на 13 б.п. Рынок закладывает скорое снижение на коротком горизонте, но одновременно повышает долгосрочную премию за срок на фоне бюджетных рисков.
⠀
🤖 За 5 дней до заседания ЦБ
Модель GBM сместила моду с прошлой недели: теперь наиболее вероятный исход — снижение на 100 б.п. до 13,50% (35% вероятность) против 14,00% (30%). Общая вероятность снижения по модели — 73%. Консенсус «Ведомостей», заявления депутатов и реплики Президента указывают на ожидание шага в 50 б.п., но рынок начинает закладывать и более агрессивный сценарий.
⠀
📎 Полная версия отчета -> скачать полный отчёт.
📎 Короткая версия отчета -> скачать.

🧪 Как я использую Perplexity Computer для проверки гипотез
Была идея, агент её проверил и забраковал — а потом из этой же работы вырос инструмент, который предсказывает решения ЦБ. Рассказываю, как это устроено.
⠀
🎯 Идея
У одного из коллег появилась идея прогнозировать ключевую ставку ЦБ по ставке денежного рынка RUSFAR. Предположение простое: между ними держится устойчивый коэффициент, и через него можно пересчитать одно в другое.
⠀
🤖 Этап 1. Проверка гипотезы
1. Агент сам собрал данные. Скачал историю RUSFAR с Московской биржи и историю ключевой ставки с сайта ЦБ — больше 1700 наблюдений и десятки заседаний с 2019 года. Никаких ручных выгрузок и копипаста.
2. Проверил мою идею против других подходов. Построил мой коэффициент и ещё с десяток разных моделей, а потом сравнил: какая чаще попадает в реальную ставку и точнее угадывает, куда ЦБ двинет — вверх или вниз.
3. Забраковал второе предположение. Была гипотеза, что модель станет точнее, если подсказать ей, в каком режиме находится ЦБ — ужесточает политику или смягчает. Агент добавил подсказку, прогнал — и модель стала хуже. Идея не подтвердилась на данных.
И главный вывод этого этапа: поправочный коэффициент проиграл самому простому подходу — взять RUSFAR как есть, без всякой математики. Вручную я бы до этого не дошёл — не хватило бы терпения перебрать больше десятка моделей.
⠀
🤖 Этап 2. Из проверки выросла рабочая модель
Раз простой подход оказался сильным, я задал следующий вопрос: а можно ли на этом фундаменте собрать не просто «угадайку направления», а вероятностный прогноз? В отдельной работе агент построил модель из двух частей:
— Сначала она оценивает вероятности самого решения: насколько вероятно снижение, удержание или повышение ставки.
— Затем — распределение по размеру шага: на сколько именно ЦБ изменит ставку.
И что важно — агент сам же её и проверил на истории, сравнив с простыми правилами. Вердикт получился без прикрас: за пару дней до заседания модель почти не выигрывает у простого правила «смотри на спред» — а вот за 2–3 недели до заседания она реально полезнее.
⠀
⚙️ Как это выглядело в работе
Я не писал ни строчки кода. Дал стартовое задание с идеей — дальше просто направлял словами: «добавь вот это», «сравни модели», «сверь с прогнозами аналитиков». Агент сам находил данные, писал программу, запускал её и возвращал результат.
⠀
🔍 Чем это отличается от обычного чат-бота
— Настоящие расчёты, а не правдоподобный текст. Агент реально пишет и запускает программу — цифры живые, а не придуманные.
— Спор по делу. Не «ну попробуйте», а «вот результаты, ваша идея не работает, вот почему, вот что работает лучше».
— Всё со ссылками. Каждый внешний прогноз и факт — с указанием первоисточника.
⠀
💡 Главный вывод
Обычный чат отвечает на вопросы. Агент с инструментами проверяет идеи на данных — и из самой проверки иногда рождается готовый инструмент. Разница примерно как между «погуглить» и «поставить эксперимент, из которого вырос рабочий прибор».
Исходная идея с коэффициентом не подтвердилась — и это оказалось полезным знанием: усложнять смысла нет. Но именно отрицательный результат подсказал, на чём строить дальше. Так проверка гипотезы за один-два разговора превратилась в модель, которая теперь считает вероятности решений ЦБ.

📊 Рынок облигаций РФ: 15–19 июня
Главная неделя месяца — заседание ЦБ. Совокупный оборот рублёвых облигаций — 389,8 млрд ₽ за 5 торговых дней, со среднедневным 78 млрд ₽. Пик в пятницу 19.06 — 118,7 млрд ₽ (152% от среднего), на день решения по ставке.
⠀
🏛 ЦБ снизил ставку, но не так, как ждал рынок
19 июня регулятор снизил ключевую ставку на 25 б.п. до 14,25%. Консенсус аналитиков и большая часть моделей закладывали 50 б.п. Сам факт снижения — голубиный, но шаг — ястребиный сюрприз. Набиуллина прямо указала, что пространство для дальнейшего смягчения сократилось, возможны паузы, а на июльском заседании прогноз траектории может быть пересмотрен вверх. Следующее заседание — 24 июля.
⠀
📈 Реакция кривой: −25 ≠ −50
Кривая ОФЗ сместилась вверх в среднем на 28 б.п., причём основное движение пришлось именно на день решения. За один день 19.06: 1Y +27 б.п. до 13,25%, 10Y +24 б.п. до 15,44%, 15Y — выше 15,63%. RGBI ушёл ниже 118 пунктов. На длинном конце росту дополнительно помогли бюджетные риски — сообщение о возможном росте военных расходов на 4–5 трлн ₽ сверх плана.
 
📎 Полная версия отчета -> скачать полный отчёт.
📎 Короткая версия отчета -> скачать.