Forwarded from КОД9
Приложение за 4 недели: такое бывает?
Часто нужно быстро проверить гипотезу или показать продукт инвесторам — собирать полноценное приложение нет времени или денег, а просто демо не годится. Для таких случаев подходит MVP.
MVP (Minimal Viable Product) — это минимально жизнеспособный продукт, то есть базовая версия приложения, в которой есть все необходимые функции, чтобы проверить основную идею.
В карточках рассказываем, какие задачи может решить MVP-приложения, и как мы создаём такие продукты в КОД9 ↑
В следующем посте покажем этапы разработки MVP в КОД9.
Часто нужно быстро проверить гипотезу или показать продукт инвесторам — собирать полноценное приложение нет времени или денег, а просто демо не годится. Для таких случаев подходит MVP.
MVP (Minimal Viable Product) — это минимально жизнеспособный продукт, то есть базовая версия приложения, в которой есть все необходимые функции, чтобы проверить основную идею.
В карточках рассказываем, какие задачи может решить MVP-приложения, и как мы создаём такие продукты в КОД9 ↑
В следующем посте покажем этапы разработки MVP в КОД9.
1👍4🔥3
Бесплатный Lovable!!
Ребята, если вы любите вайб-кодингтак же как люблю его я — то эта новость для вас
Lovable полностью бесплатный все выходные — с 11 МСК 14 июня до ночи 15 июня.
Можно навайбкодить все что давно хотели сделать, но не могли оплатить. Плюс можно поэкспериментировать с разными ЛЛМками. И там еще призы какие-то дают даже.
Детали тут: https://x.com/lovable_dev/status/1933643500727222322
Ребята, если вы любите вайб-кодинг
Lovable полностью бесплатный все выходные — с 11 МСК 14 июня до ночи 15 июня.
Можно навайбкодить все что давно хотели сделать, но не могли оплатить. Плюс можно поэкспериментировать с разными ЛЛМками. И там еще призы какие-то дают даже.
Детали тут: https://x.com/lovable_dev/status/1933643500727222322
X (formerly Twitter)
Lovable (@lovable_dev) on X
Announcing The AI Showdown
OpenAI, Anthropic, and Google are partnering with Lovable to host The AI Showdown this weekend: a public comparison of the world’s leading AI models.
During the weekend everyone will have unlimited free access to Lovable (with…
OpenAI, Anthropic, and Google are partnering with Lovable to host The AI Showdown this weekend: a public comparison of the world’s leading AI models.
During the weekend everyone will have unlimited free access to Lovable (with…
🔥4
Наконец я сконвертировал все наши дипломы Рейтинга Рунета из PDF в PNG, чтобы выложить их сюда.
Много первых мест по мобильной разработке и для местных и для зарубежных заказчиков — это исторически.
Но есть еще 7 место по ИИ-разработке. И пусть там написано аутстаффинг, но на самом деле это был совсем не аутстаффинг.
Работаем дальше 💪
Много первых мест по мобильной разработке и для местных и для зарубежных заказчиков — это исторически.
Но есть еще 7 место по ИИ-разработке. И пусть там написано аутстаффинг, но на самом деле это был совсем не аутстаффинг.
Работаем дальше 💪
1🔥17👍5
Если вы думаете, что можно сделать с ИИ в 2025 году, то с точки зрения технической реализации вариантов не так много.
Вот они:
1. Чисто LLM — основа основ.
LLM без доработок это некий слепок всех текстов из интернета сколько-то месячной давности.
Хорошо решает задачи саммаризации, резюмирования, оценки текста.
Пример задачи: оценка текста резюме кандидата.
2. RAG-система — контекстные знания.
Тут мы добавляем в LLM дополнительный контекст, которого у нее нет. Эта техника позволяет извлекать в понятном виде релевантный ответ из сторонних (внутренних или внешних) источников.
Пример задачи: чат-бот для ответа пользователям на основе внутренней документации.
3. AI-Workflow — структурированная автоматизация.
Тут мы даем ИИ возможность пользоваться не только сторонними знаниями, но и сторонними инструментами (вашим календарем например). Если есть доступ к интрументам, значит можем взять бизнес процесс, и автоматизировать его с ИИ.
Пример: получаем резюме с hh.ru (инструмент: API hh.ru) -> оцениваем квалификацию в резюме (ИИ) -> автоматически отправляем приглашение на собес (инструмент: API почты)
4. AI-агент — полностью автономная машинка.
ИИ сам формирует план как он будет решать поставленную задачу и сам ее решает как хочет. У него для этого есть необходимые инструменты и свобода действий. Такие штуки можно делать только там, где цена ошибки невелика, а ROI от автономной работы ИИ очень значительный. ROI тут важно, потому что AI-агенты будут сжигать ваши токены/деньги очень быстро.
Пример: задача что-то запрограммировать (да, вайб-кодинг). Агенты типа Claude Code уже довольно хорошо делают простые демки/прототипы, при этом цена ошибки небольшая - человек если что затестить и исправит код.
И важно помнить что нужно начинать с простого и потом усложнять (LLM → RAG → Workflow → Agent).
Вот они:
1. Чисто LLM — основа основ.
LLM без доработок это некий слепок всех текстов из интернета сколько-то месячной давности.
Хорошо решает задачи саммаризации, резюмирования, оценки текста.
Пример задачи: оценка текста резюме кандидата.
2. RAG-система — контекстные знания.
Тут мы добавляем в LLM дополнительный контекст, которого у нее нет. Эта техника позволяет извлекать в понятном виде релевантный ответ из сторонних (внутренних или внешних) источников.
Пример задачи: чат-бот для ответа пользователям на основе внутренней документации.
3. AI-Workflow — структурированная автоматизация.
Тут мы даем ИИ возможность пользоваться не только сторонними знаниями, но и сторонними инструментами (вашим календарем например). Если есть доступ к интрументам, значит можем взять бизнес процесс, и автоматизировать его с ИИ.
Пример: получаем резюме с hh.ru (инструмент: API hh.ru) -> оцениваем квалификацию в резюме (ИИ) -> автоматически отправляем приглашение на собес (инструмент: API почты)
4. AI-агент — полностью автономная машинка.
ИИ сам формирует план как он будет решать поставленную задачу и сам ее решает как хочет. У него для этого есть необходимые инструменты и свобода действий. Такие штуки можно делать только там, где цена ошибки невелика, а ROI от автономной работы ИИ очень значительный. ROI тут важно, потому что AI-агенты будут сжигать ваши токены/деньги очень быстро.
Пример: задача что-то запрограммировать (да, вайб-кодинг). Агенты типа Claude Code уже довольно хорошо делают простые демки/прототипы, при этом цена ошибки небольшая - человек если что затестить и исправит код.
И важно помнить что нужно начинать с простого и потом усложнять (LLM → RAG → Workflow → Agent).
Telegram
Эд Хорьков из КОД9
Anthropic (одна из основных компаний в AI-мире) написали короткий гид, как правильно делать AI-агентов.
Если коротко то:
- нужно четко понимать, когда делать агента, а когда делать более простое решения.
- начинать стоит с максимально простых решений и только…
Если коротко то:
- нужно четко понимать, когда делать агента, а когда делать более простое решения.
- начинать стоит с максимально простых решений и только…
3🔥13👍3
Продолжаем нашу ИИ-рубрику
Как перестать гадать с идеями и начать валидировать их с помощью ИИшечки.
На reddit автор описывает процесс ресерча целевой аудитории и их проблем для того, чтобы собрать SaaS-сервис под эти боли.
Что он сделал
1. Попросил Claude проанализировать реальные жалобы пользователей в нише персонализированных писем — Reddit/, Quora и т.п. — везде где ЦА рассказывает о проблемах.
2. Claude сделал 3-страничный анализ с реальными цитатами сейлзов: шаблоны не работают, ручная персонализация занимает часы, конверсия в отклики отстой.
3. Попросил оценить возможность по шкале 1-10 исходя из спроса vs конкуренция. На основе этого увидел где есть пробел на рынке.
Первый платный клиент появился на второй неделе работы сервиса. Сейчас он генерирует $2.3k MRR.
Сам промт
Как перестать гадать с идеями и начать валидировать их с помощью ИИшечки.
На reddit автор описывает процесс ресерча целевой аудитории и их проблем для того, чтобы собрать SaaS-сервис под эти боли.
Что он сделал
1. Попросил Claude проанализировать реальные жалобы пользователей в нише персонализированных писем — Reddit/, Quora и т.п. — везде где ЦА рассказывает о проблемах.
2. Claude сделал 3-страничный анализ с реальными цитатами сейлзов: шаблоны не работают, ручная персонализация занимает часы, конверсия в отклики отстой.
3. Попросил оценить возможность по шкале 1-10 исходя из спроса vs конкуренция. На основе этого увидел где есть пробел на рынке.
Первый платный клиент появился на второй неделе работы сервиса. Сейчас он генерирует $2.3k MRR.
Сам промт
You are my **personal market research assistant**. I'm a solo developer, fully bootstrapped, building B2B or prosumer SaaS tools with a strict infrastructure budget of **$200/month or less**. No big team, no venture capital, just me coding and deploying.
Your job is to **scan the web** for **current, real pain points** that users, developers, or small businesses are struggling with. You can look in forums (Reddit, Hacker News, Indie Hackers, Twitter/X, GitHub issues, niche Discords, Quora), reviews, blog comments, etc.
My main goal is to scale a product from $0 to $10k month and see how it goes from there.
For each opportunity you surface, break it down like this:
1. **Pain Point**: Describe the real-world problem or complaint users are having.
2. **Target Audience**: Who is having this problem? Be specific.
3. **Why It Hurts**: Explain why this problem matters or costs them time, money, or peace of mind.
4. **Tool Idea**: Suggest a simple SaaS or tool I could build to solve it, considering my constraints:
- Solo dev
- <$200/month infra
- MVP in ~2 weeks
5. **Monetization Potential**: Explain how it could realistically make money (subscription, pay-per-use, etc.)
6. **Bonus**: If applicable, mention existing solutions and what sucks about them (pricing, UX, complexity, etc.)
Keep the tone **direct, no fluff**, and prioritize **practicality over theory**. Focus on **problems people are actively complaining about**, not abstract trends or "maybe someday" ideas.
3🔥4👍1
Используем Perplexity правильно
1. К нам пришел запрос на создание мобильного приложения, нужно собрать базовую информацию о заказчике.
2. Открываем Perplexity, желательно с Pro-подпиской (на Max еще не заработали).
3. Вбиваем название клиента и набор параметров, которые хотим уточнить.
4. Идем работать дальше.
1. К нам пришел запрос на создание мобильного приложения, нужно собрать базовую информацию о заказчике.
2. Открываем Perplexity, желательно с Pro-подпиской (на Max еще не заработали).
3. Вбиваем название клиента и набор параметров, которые хотим уточнить.
Клиент ABC
- Найди сайт сайт клиента
- Найди юрлицо клиента
- Найди выручку и прибыль клиента
- Найти приоритеты бизнеса клиента на данный момент
4. Идем работать дальше.
Product Management Bottleneck
Или "почему все уперлось в продактов", если по-русски.
1. С развитием вайбкодинга и код-агентов создание прототипа или MVP превратилось в задачу на пару часов вместо недель или месяцев.
2. При такой скорости разработки узким местом становятся постановщики задач — продакт-менеджеры. Традиционные инструменты (A/B-тесты, глубинные интервью и т. п.) занимают недели, а решения нужно принимать быстро.
Проблема сместилась с "можем ли мы это построить?" на "стоит ли нам это строить?". Теперь критично не умение кодить, а способность принимать правильные продуктовые решения.
Сам замечаю, что формулировка задачи теперь занимает больше времени, чем её реализация с помощью того же Claude.
3. Отсюда вывод: продактам (а в агентском бизнесе — проджект-менеджерам) нужно учиться ускорять свою работу с помощью ИИ: быстро валидировать идеи через ИИ, использовать ИИ для синтеза обратной связи от пользователей и т.п.
4. В новой парадигме проджекты и продакты — не просто менеджеры, а продюсеры: они могут сами создать прототип, протестировать его и только потом ставить задачу разработчикам.
Основная идея не моя, взял отсюда: https://www.youtube.com/watch?v=muH435ppaNM
Или "почему все уперлось в продактов", если по-русски.
1. С развитием вайбкодинга и код-агентов создание прототипа или MVP превратилось в задачу на пару часов вместо недель или месяцев.
2. При такой скорости разработки узким местом становятся постановщики задач — продакт-менеджеры. Традиционные инструменты (A/B-тесты, глубинные интервью и т. п.) занимают недели, а решения нужно принимать быстро.
Проблема сместилась с "можем ли мы это построить?" на "стоит ли нам это строить?". Теперь критично не умение кодить, а способность принимать правильные продуктовые решения.
Сам замечаю, что формулировка задачи теперь занимает больше времени, чем её реализация с помощью того же Claude.
3. Отсюда вывод: продактам (а в агентском бизнесе — проджект-менеджерам) нужно учиться ускорять свою работу с помощью ИИ: быстро валидировать идеи через ИИ, использовать ИИ для синтеза обратной связи от пользователей и т.п.
4. В новой парадигме проджекты и продакты — не просто менеджеры, а продюсеры: они могут сами создать прототип, протестировать его и только потом ставить задачу разработчикам.
Основная идея не моя, взял отсюда: https://www.youtube.com/watch?v=muH435ppaNM
YouTube
Andrew Ng on Product Management
Andrew Ng just confirmed what we've been seeing: product management is becoming the bottleneck again 🎯
In his latest talk, Andrew shared something striking:
"Yesterday one of my teams proposed having 1 PM to 0.5 engineers—twice as many PMs as engineers."…
In his latest talk, Andrew shared something striking:
"Yesterday one of my teams proposed having 1 PM to 0.5 engineers—twice as many PMs as engineers."…
1👍2