GetAnalyst - Навыки • Системный анализ • Бизнес-анализ
22K subscribers
2.43K photos
89 videos
247 files
1.37K links
Разбор задач на проектирование систем 🚀 Канал для системных аналитиков, бизнес-аналитиков, тестировщиков и менеджеров проектов

Админ @getanalyst
Сайт https://getanalyst.ru
Чат t.me/getanalystchat
Начинающим в IT @getanalyststart
Download Telegram
🟠 Открыли бесплатный доступ к 4-часовой практике по архитектуре 🟣

Не мини-урок на 20 минут и не “послушать про микросервисы в целом”.

Разбираем то, где у аналитиков обычно начинается путаница: когда один процесс проходит через несколько сервисов, брокер сообщений, события и внешние системы.

Что важно понять:
▫️ кто управляет процессом
▫️ где нужен прямой API-вызов
▫️ где лучше использовать RabbitMQ или Kafka
▫️ как распределить ответственность между сервисами
▫️ чем хореография отличается от оркестрации на практике
▫️ как показать это на архитектурной схеме


🧡 Хореография и оркестрация микросервисов
📅 Только до 9 июня (вт)
🕘 4 часа практики

👉 План:
1. Основы архитектуры систем: монолит и микросервисы
2. Разработка схемы архитектуры для проекта
3. Оркестрация процессов: практика
4. Введение в брокеры сообщений (RabbitMQ, Kafka)
5. Хореография процессов: практика

🔗 Забрать бесплатный доступ*

*Если уже регистрировались — письмо с доступом на почте. Если письмо не нашли, можно зарегистрироваться повторно.


Продуктивной практики! 🧡
Please open Telegram to view this post
VIEW IN TELEGRAM
21
Все говорят про AI-агентов. Но что это значит для аналитика? 🤖

Давайте разберёмся.


👉 Чем агент отличается от общения с AI в чате

Вы пишете промпт в чат и получаете ответ.
Новое сообщение — новый ответ.
Любое новое действие = написать новое сообщение.
Это простое общение с генеративным AI.
Это не AI-агент.

AI-агент — это когда модель сама решает, что делать дальше.
Получила задачу → выбрала инструмент → выполнила шаг → посмотрела на результат → решила, что делать следующим шагом.

И так по кругу, без участия человека на каждом шаге.

Пример простого AI-агента:
1. Говорим агенту «проверь все открытые задачи в Jira и сформируй отчёт».
2. AI-агент сам заходит в Jira, сам фильтрует, сам структурирует, сам пишет отчёт.
3. Мы получаем итоговый результат.

🕓 Что ещё круче обычного диалога с AI — AI-агент может запускаться без нашего участия, а по событию или по расписанию.



👉 Из чего состоит агент — минимум, который надо знать:

▫️ LLM — мозг.
принимает решения, генерирует текст

▫️ Tools – инструменты:
поиск в интернете, запросы к API, работа с файлами, выполнение кода

▫️ Memory — память:
краткосрочная (контекст сессии) и долгосрочная (база знаний, векторное хранилище)

▫️ Оркестратор — логика:
в каком порядке запускать шаги, как обрабатывать ошибки



👉 Почему аналитику важно изучать как работают AI-агенты и как их создавать

Потому что агент — это не просто разработческая история, а архитектурная.

Когда бизнес говорит «хотим автоматизировать обработку заявок через ИИ», то аналитик должен уметь ответить на вопросы:

▫️ Какие инструменты нужны агенту? (доступ к каким системам)
▫️ Где граница автономии: что агент решает сам, что эскалирует человеку?
▫️ Как логировать действия агента для аудита?
▫️ Что происходит при ошибке на одном из шагов?
▫️ Кто и как валидирует результат работы AI-агента?

Это требования. И их кто-то должен написать.


👉 Паттерны проектирования AI-агентов:

▫️ ReAct — агент чередует «думаю» и «делаю», объясняя свои шаги

▫️ Plan & Execute — сначала строит план целиком, потом выполняет

▫️ Multi-agent — несколько агентов с разными ролями: один ищет, другой анализирует, третий пишет итог

▫️ Human-in-the-loop — агент останавливается и ждёт подтверждения на критических шагах

Последний паттерн обязателен в любой системе, где агент влияет на реальные данные или деньги. Если этого нет в архитектуре — это не фича, это баг, который ещё не случился.



👉 Где строят агентов

▫️ n8n — визуальный конструктор, схема агента собирается по аналогии с bpmn.

▫️ Claude Cowork — даёшь цель, агент сам работает с твоими файлами и приложениями на компьютере, возвращает готовый результат. Для нетехнических специалистов.

▫️ Claude Code — то же, но для разработчиков и вайбкодеров: работает в терминале, читает весь код проекта, пишет и редактирует файлы, запускает тесты, итерирует — всё через естественный язык.

▫️ LangChain / LangGraph — фреймворки для разработчиков, здесь реализуют ReAct и Multi-agent. Аналитику знать детали необязательно, но понимать структуру — полезно.



AI-агенты — это новый класс систем, которые надо уметь проектировать.

Аналитик, который понимает агентную архитектуру — это уже новый уровень в профессии.


#AI_for_analysts

📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
👍279💯7
🎷 Оркестрация микросервисов: от схемы к требованиям 🎷

Оркестрация – это подход, при котором специальный сервис-оркестратор выступает «дирижёром» для группы микросервисов (МС).

👉 Оркестратор централизованно управляет сложным бизнес-процессом:
1. знает какие сервисы вызвать по API (обычно REST / gRPC)
2. в каком порядке
3. работает с условиями, сложными алгоритмами
4. если что-то пойдёт не так, то он "откатит" операцию на всех МС, которые уже были вызваны

Так сложный процесс превращается в цепочку задач.
А единый центр контроля "Оркестратор" следит за их выполнением.

🔗 Подробная теория



👉 Как работает оркестратор
на примере Интернет-магазина:

1. Покупатель оформляет заказ через Web-приложение.

2. Web-приложение отправляет API-запрос на Backend, в API Gateway.
POST .../orders


3. API Gateway маршрутизирует запрос на Оркестратор.

4. Оркестратор присваивает id новой операции и вызывает API сервиса заказов.

5. Сервис Заказов создает новый заказ в БД.
Результат - в Оркестратор.

6. Оркестратор вызывает сервис Склада, чтобы зарезервировать товар.

7. Склад подтверждает резерв или сообщает об отсутствии товара.
Результат - в Оркестратор.

8. Оркестратор вызывает сервис Доставка для оформления отправления.

9. Сервис доставки рассчитывает маршрут и время доставки, оформляет доставку.
Результат - в Оркестратор.

10. Оркестратор вызывает сервис Уведомлений, чтобы отправить покупателю уведомление (e-mail или SMS) о подтверждении заказа и деталях доставки.

11. Сервис Уведомлений выполняет отправку сообщений.
Результат - в Оркестратор.

12. Оркестратор отправляет итоговый ответ на запрос в API Gateway, откуда он возвращается в Web-приложение.



🔹 Оркестратор вызывает API сервисов и ждёт ответ.
🔹Он может сохранять состояние процесса, чтобы возобновить его при сбое.
🔹 Если что-то идёт не так, оркестратор выполнит компенсации - откатит выполненные шаги. Так что к написанному надо добавлять требования к обработке ошибок.



📦 Популярные решения для оркестрации:
▫️ Camunda – BPM-движок с поддержкой диаграмм процессов (BPMN).
▫️ OpenBPM - аналог Camunda в России.


#АрхитектураGA

📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
❤‍🔥123👍1
Ирина пришла к нам, когда уже меняла работу.

То есть не в моменте “когда-нибудь потом пригодится”, а когда новые знания нужны прямо сейчас.

А дальше всё сложилось идеально:
👉 новый проект, Kafka, микросервисы, много систем и взаимодействий.

В такой ситуации архитектура перестаёт быть абстрактной темой “для общего развития”.

Она становится способом быстрее понять новую систему: какие сервисы за что отвечают, потоки данных, связи, почему изменение в одном месте может внезапно "стрельнуть" в другом.


👉 Особенно ценно видеть, как человек в момент смены работы берёт задачи сложнее, и постепенно чувствует себя увереннее на новом уровне.


Ирина, спасибо за доверие и удачи на новом месте! 💜

#студентыGetAnalyst

📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
9👍4💯2
🔔 Сегодня закрываем доступ к практикуму по микросервисной архитектуре 🔔

Если в проектах вы уже слышите Kafka, RabbitMQ, события, оркестрация, но пока не всегда понимаете, как это превращается в требования и архитектурные схемы, то этот урок стоит посмотреть сегодня.


🧡 Хореография и оркестрация микросервисов

🕘 За ~4 часа разберёте,
как проектировать процессы в микросервисной архитектуре и показывать взаимодействие сервисов на схемах.

👉 Что внутри:
1️⃣ Монолит и микросервисы
2️⃣ Разработка схемы архитектуры
3️⃣ Оркестрация: практика
4️⃣ RabbitMQ и Kafka
5️⃣ Хореография: практика

Практикум особенно полезен, если вы уже выросли из простых задач и хотите увереннее разбирать процессы, где участвуют несколько сервисов, брокер и внешние системы.

🔗 Забрать бесплатный доступ*

*Если уже регистрировались — письмо с доступом на почте. Если письмо не нашли, можно зарегистрироваться повторно.



👉 Это полноформатный вводный урок к программе Проектирование архитектуры для СА.

Бесплатный урок даёт вводную практику и глубокое понимание отдельной темы.
А на основной программе будем собирать архитектурное мышление системно: от схем до решений, которые можно защищать перед командой.

🚀 Узнать о курсе по Архитектуре для СА



Вопросы? Пишите @getanalyst 🤝

—-
P.S. За обратную связь огромнейшая признательность, очень ценю 💖
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥85
GetAnalyst_Оркестрация_микросервисов_пример_для_ParkingGA.png
1.3 MB
🤩 Оркестрация и API Gateway разбор реального примера 🤩

Разбираемся, как в реальной жизни работают оркестрация и API Gateway на примере системы для парковок #ParkingGA.

Для этого погружаемся в детали
👉 процесса завершения парковки,
когда после распознавания гос. номера автомобиля на выезде с парковки нужно:
✔️ проверить наличие авто в черном списке,
✔️ рассчитать стоимость парковки,
✔️ проверить, есть ли абонемент для оплаты,
✔️ списать средства с электронного кошелька,
✔️ сформировать чек,
✔️ отправить уведомления.


👉 Этот сложный процесс выполняется на разных микросервисах. В его работе могут происходить ошибки и исключительные ситуации, и главное, нельзя прервать процесс в середине без последствий.

Поэтому для его обслуживания прекрасно подходит стратегия с Оркестрацией.


⚖️ Когда нужен оркестратор?

Бизнес-процесс охватывает много микросервисов и нужна централизованная координация их взаимодействия (иначе эта логика разрозненно реализуется в нескольких сервисах).

Процесс сложный или длительный, требующий надёжности (сохранение состояния, повторы, откаты по шаблону Saga).

Задача проста и укладывается в прямые вызовы пары сервисов (либо реализуется внутри одного микросервиса).

Вы используете хореографию событий (event-driven architect, брокеры), где микросервисы обрабатывают события.

Оркестратор упрощает управление сложными процессами, но применять его стоит только когда действительно необходим.
В простых случаях лишний слой добавит сложности.


И, конечно, на схеме есть API Gateway, который при приёме запроса от клиента:
🔹 проверяет авторизацию запроса,
🔹 понимает, куда перенаправить обработку запроса в зависимости от API-метода: напрямую в микросервис или в оркестратор, если это сложный процесс.



👉 Изучайте схему архитектуры, прикрепленную к посту, и описанный по шагам алгоритм к ней.


📚 Связанные материалы:
API Gateway
Оркестрация


Сохраняйте в избранное ♥️
Можете использовать этот пример, если вас попросят рассказать про оркестрацию на собеседовании 🤝


#АрхитектураGA

📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
18👍6
This media is not supported in your browser
VIEW IN TELEGRAM
API Gateway = точка отказа?

Отличный вопрос, который могут задать на собеседовании.

Ответ:
Да — если он не масштабирован горизонтально.


Если на сервере развернут единственный инстанс (установленная копия) API Gateway и он выйдет из строя, работа всех клиентов, которые в него обращаются, остановится.

Пользователи не смогут достучаться до микросервисов, даже если сами микросервисы продолжают работать.


Что будет, если API Gateway «упадёт»?
1. Внешние клиенты потеряют доступ к сервисам.
2. Внутренние вызовы (если они идут через Gateway) тоже могут быть нарушены.
3. В логах вы увидите HTTP 502 / 503 ошибки (Bad Gateway / Service Unavailable).
4. Мониторинг начнёт фиксировать обрыв соединения и рост ошибок. Это будет сложно не заметить 🥲


👉 Как это решается?
Чтобы API Gateway не стал "узким горлышком", применяют следующие решения:

🟢 Горизонтальное масштабирование
Несколько инстансов API Gateway, развернутых за балансировщиком нагрузки. Тогда при сбое одного — остальные продолжают обслуживать запросы.

🟢 Health-check и авто-рестарт
Kubernetes и другие оркестраторы позволяют перезапускать поды/контейнеры при сбое.

🟢 Failover-механизмы
Некоторые решения "из коробки" поддерживают автоматическое переключение между инстансами при сбоях.

🟢 Разделение входящего трафика
В больших системах могут использовать несколько API Gateway по зонам или типам трафика (например, публичный API и внутренний API)


Несмотря на сбой API Gateway, внутренние сервисы продолжают жить, поэтому, если они не делают обратные вызовы в API Gateway для обращения в другие сервисы, то все начатые цепочки транзакций (запросов) будут выполнены.

Т.е. данные не теряются, процессы продолжаются.


API Gateway - потенциальная точка отказа в системе?

👉 Да

Но при нормальной инфраструктуре не должен быть ею. Мы разбираем это на программе по архитектуре. Это часть про стык Инфраструктуры и Архитектуры, который важно осознавать аналитикам.

#АрхитектураGA

📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥159
🟡 Оптимизация БД. Работа с индексами [15 июня, 19:00 Мск] 🟡

В требованиях это выглядит просто:
▫️ добавить поиск
▫️ сделать фильтр по статусу
▫️ отсортировать по дате
▫️ собрать отчёт за период

А потом внезапно оказывается, что запрос на “просто список” ходит в БД слишком долго, API долго отвечает, а задача превращается в разговор про оптимизацию.

И вот здесь аналитику важно понимать хотя бы базовую логику индексов, чтобы не описывать поиск, фильтры и отчёты в отрыве от того, как они будут работать на реальных данных в больших системах.


На следующей неделе на практике разберём:

1️⃣ как нефункциональные требования связаны с БД
2️⃣ что такое индексы и зачем они нужны
3️⃣ знакомство с БД проекта и определение таблиц с индексами
4️⃣ почему избыточная оптимизация может навредить
5️⃣ как учитывать индексы в постановке задачи на разработку



🟡 Оптимизация БД. Работа с индексами

🗓 15 июня, 19:00 Мск (пн)
Онлайн-практика

Видеоуроки для подготовки

👉 Узнать подробнее и записаться
(от 1 450 руб)

До встречи онлайн!


Вопросы? Пишите @getanalyst 🤝
Please open Telegram to view this post
VIEW IN TELEGRAM
11
💥 7 инструментов в Claude, которые заставили купить вторую подписку💥

Довольно круто настроила свой ChatGPT, но последние полгода плачу ещё и за Claude. Потому что...

Есть уровни владения AI:
5% - задаёшь AI вопросы, ищешь информацию
40% - генерируешь требования, анализируешь код
100% - настроил автономных агентов, которые работают без тебя, и радуешься жизни

💯 Claude - тот самый инструмент, с которым 100% возможны.



Он состоит из 7 подсистем. Когда видишь их все сразу, то перестаёшь печатать промпты и начинаешь строить процессы.


1️⃣ Artifacts (артефакты)
Превращает идею в интерактивный артефакт прямо в чате: дашборд, таблицу, форму, схему, UI-макет. Не «набросок текстом», а рабочий прототип, который можно показать стейкхолдеру без привлечения дизайнера и разработчика.


2️⃣ Skills (навыки)
Один раз объясняешь Claude как делать задачу правильно, и он повторяет это каждый раз.
Настроила скиллы для написания User Stories, Use Cases, требований к REST API, ответов заказчикам, и другие. Экономлю время на промптах.


3️⃣ Connectors (интеграции)
Подключаешь Google Drive, Gmail, Slack и Claude работает с твоими реальными данными, а не с тем, что ты скопировал в чат.
Реальная документация, реальные задачи, актуальный контекст.


4️⃣ Claude Code
Агентный инструмент для работы с кодовой базой проекта.
Аналитику он помогает не “кодить”, а понимать реализацию - изучать код: находить API-методы, проверки, бизнес-логику и зависимости, чтобы точнее писать требования и задавать вопросы разработчикам.
Хотя программировать собственные pet-проекты по своим требованиям тоже успешно получается 🙂


5️⃣ MCP (Model Context Protocol)
Стандарт подключения AI-ассистента к внешним системам: файлам, базам данных, таск-трекерам, CRM, GitHub, Slack, и другим инструментам.
Благодаря MCP Claude может не просто отвечать “из головы”, а обращаться к нужным источникам, получать актуальные данные и выполнять действия в подключенных системах.


6️⃣ Projects
Постоянная память и файлы в одном месте.
Один раз загружаете глоссарий проекта, шаблоны ТЗ, контекст системы, и не повторяете это в каждом новом диалоге с AI.
Работаешь как с коллегой, который всё помнит.
Но важно не слить корпоративную тайну и давать в AI маскированные документы, где возможно.


7️⃣ Automation (агентный режим)
Триггер → действие → результат.
Claude не помогает вам сделать задачу — он делает её сам.
Проверяет Jira, формирует отчёт, отправляет email или сообщение в Slack. Без вас на каждом шаге.



💡 Главное, что упускают:
Сила не в отдельной функции.
Сила в том, как они работают вместе.
▫️ Projects + Skills = настроил один раз, работает на каждом проекте
▫️ Connectors + Automation = Claude работает с вашими данными без вашего участия


Промпты — это не единственное, что должен понимать в работе с AI аналитик.

Как найти задачи, которые повторяются и их можно сделать автономными, чтобы Claude работал пока ты спишь — это уже сильно.


Claude: https://claude.ai/


Если уже используете Claude - поддержите ❤️, если хотите начать и нужно больше полезных инструкций для аналитиков - 🦄


#AI_for_analysts

📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
1🦄7036🔥5
💥 Как работает mTLS: практика в Postman, которая заменит 10 статей по теории 💡🔐

Что такое mTLS и как это работает? Изучайте не в теории, а на практике!

👉 mTLS часто пугает не сложностью, а ощущением, что ты попал в чужую зону ответственности.

Сертификаты, цепочки, OpenSSL, clientID, clientSecret, access token — и непонятно, за что хвататься первым. Но на деле всё становится яснее, когда смотришь, как это делается руками.

🔗 Статья с доп. материалами

К концу выпуска понятно не только как это настроить mTLS, но и почему он так работает. Отдельно разобрали, как системному аналитику описать требования к mTLS-аутентификации и что могут спросить про TLS/mTLS на собеседовании.

Выпуск будет полезен тем, кто проектирует интеграции с защищёнными API, пишет требования к API-аутентификации, готовится к собеседованию на Middle/Senior системного аналитика, а также всем, кто хочет разобраться с mTLS один раз — и больше не бояться сертификатов.


Видео с демо решения:
YouTube
RuTube
VK Video
Telegram

Аудио:
Apple Podcast
Яндекс.Музыка
Castbox
Звук
Spotify


💚 GetAnalyst — сообщество для тех, кто хочет глубже разбираться в системном анализе, архитектуре и реальных задачах проектов


📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
14❤‍🔥6💯3
Меня периодически спрашивают, как я всё успеваю.

Работа, курсы, подкасты, посты, вебинары, консультации, команда, обучение, спорт, личные дела....

Со стороны может казаться, что там какой-то секретный уровень продуктивности и я хакнула этот мир.

Но нет. У меня тоже бывают хвосты, завалы, ночные доработки и дни, когда хочется просто лечь лицом в подушку 😅


Так что честный ответ такой:
👉 Я успеваю не всё.
Просто я стараюсь каждый день успевать главное.


И вот что мне в этом реально помогает.


1️⃣🔥 Я планирую не задачами, а блоками времени

У меня есть ежедневник, и я не пишу туда просто список из 25 пунктов. Список задач сам по себе бесполезен без оценок.

Я раскладываю день по блокам:

▫️ 15 мин — ответить на письмо, сделать план

▫️ 30 мин — список вопросов к созвону, небольшая правка в требованиях, UML Sequence к готовым требованиям, ОБЕД, ПРОГУЛКА

▫️ 45 мин — разобрать чаты, уточнить требования

▫️ 60 мин — написать простой Use Case, сделать задачу на доработку БД, собрать отчет, посмотреть что-то по учёбе, доделать "хвосты" дня

▫️ 90 мин — написать требования к API-методу, изучить API-документацию внешней системы, спроектировать новый процесс

▫️ 2-6 часов — спроектировать интеграционный Use Case, проработка новых требований, сложная аналитика

▫️ Задача на 6+ часов — разносится на несколько рабочих дней.

Так сразу видно, что в день физически не влезает “сделать всё”.
И тогда приходится выбирать.

👉 Блок кончился, а не успела?
Стоп. Продолжение завтра.
Максимум 15-30мин выхода за тайминг.
Это тренирует работать в фокусе, точнее оценивать, и повышает продуктивность.
На задачах с дедлайнами правило игнорируется))

👉 Отметки в ежедневнике:
+ выполнено
> перенесено



2️⃣ На день всегда есть одна главная задача
Не две, а одна.
👉 Та, после которой день уже считается успешным.
Даже если всё остальное уехало на завтра.



3️⃣ Созвоны не должны съедать день

Сначала глубокая работа, потом встречи.
Потому что один созвон посереди дня легко убивает фокус.

👉 Созвоны только в одной половине дня и желательно один за одним.
Хорошо, если во второй половине, когда мозг работает хуже.

Главное правило:
👉 не превращать день в нарезку из 30-минутных встреч.
Так можно быть очень занятой, но почти ничего важного не сделать.

🩷 А ещё идеально устраивать день без созвонов.
У меня есть такой в календаре, минимум 1 раз в неделю.



4️⃣ Фокус = телефона нет рядом
Не “экраном вниз”.
Не “на беззвучном”.

👉 Телефон физически убран.

Потому что один случайный заход в Telegram или Instagram — и всё.

Фокус ушёл.
Задача снова кажется тяжёлой.
Надо опять погружаться с нуля.



5️⃣ Спорт и прогулки — это не “если останется время”
Раньше я думала: сначала работа, потом остальное.
👉 Но проблема в том, что “потом” часто не наступает.

Сейчас активность — это обязательная часть дня, которая включена в расписание.

Мозг и тело работают вместе.
Если не двигаться, не гулять, не переключаться, не давать себе воздух, то в какой-то момент концентрация просто заканчивается.

Можно сидеть за ноутбуком 8 часов нон-стоп.
Но это не значит, что все 8 часов ты реально работаешь.



6️⃣ Если концентрации нет — я всё равно начинаю

Самое сложное не сделать задачу, а начать.
Особенно, если задача сложная и у меня нет опыта.

В такие моменты я не жду вдохновения.

Я просто через силу открываю задачу и начинаю разбирать первый маленький кусок.

И почти всегда происходит одно и то же:
+ сначала тяжело,
+ потом мозг цепляется,
+ потом становится интересно,
+ а потом меня уже сложно оторвать.



7️⃣ Я всегда понимаю, зачем делаю задачу
Нет понимания цели = нет смысла делать.



📌 Главный принцип
Не успеть всё, а каждый день честно ответить себе на 3 вопроса:

1. Что сегодня самое важное?
2. Когда у меня есть фокус на эту задачу?
3. Что нужно убрать, чтобы реально её сделать?

Вот и весь секрет продуктивности.

Не в том, чтобы быть продуктивной каждую минуту.
А в том, чтобы каждый день возвращать себя к главному.


Хаос всё равно будет.
Срочные мелочи тоже.
И ночные доработки...

Вопрос только в том, кто управляет днём: ты или бесконечный поток задач.
1🔥8027💯10👍6
💥🔔 Индексы и оптимизация БД [Сегодня, в 19 Мск] 🔔💥

Поиск, фильтры, сортировки и отчёты в требованиях часто выглядят как простые задачи. Но на больших данных именно они начинают тормозить БД и API.

Поэтому аналитику важно понимать базовую логику индексов, чтобы описывать такие задачи не в отрыве от реальной нагрузки.


Сегодня на онлайн-практике разберём, как смотреть на такие задачи не только глазами пользователя, но и с учётом БД, нагрузки и производительности.


Что заберёте с собой:
Понимание, как поиск, фильтры и отчёты связаны с нагрузкой на БД
Базовую логику индексов: зачем они нужны и где могут помочь
Чёткую картину, почему избыточная оптимизация может навредить
Подход к тому, как учитывать индексы в постановке задачи на разработку


💥 Оптимизация БД. Работа с индексами
🗓 15 июня, 19:00 Мск (пн)

Дополнительные видеоуроки для подготовки
Запись занятия будет доступна на следующий день

🎁 Бонус — занятие «Проектирование распределенных БД» уже доступно в платформе

👉 Записаться - от 1 450 руб / мес


До встречи! 😉


Вопросы? Пишите @getanalyst 🤝
Please open Telegram to view this post
VIEW IN TELEGRAM
3🔥2
⚡️🤖 Самый мощный Claude Fable 5 прожил 3 дня: с 9 до 12 июня 2026 🤖⚡️
// Доступ к мощным AI-моделям теперь будут давать по паспорту?

Последние недели я начала чаще говорить про Claude не просто так.

Он реально силён там, где остальные AI-модели тупят:
▫️ длинные задачи
▫️ большой контекст
▫️ код
▫️ сложная логика
▫️ многошаговые рассуждения

При правильной настройке skills и рабочих процессов это уже не «чатик», а нормальный автономный аналитик.



👉 И вот на этом фоне я, конечно же, успела посмотреть Claude Fable 5.

Разница была очень заметная.

Модель лучше держит контекст, аккуратнее раскладывает на этапы сложные задачи, требует меньше правок в финальных документах.

Я чуть-чуть успела потрогать работу с кодом: запустила достаточно сложную задачу для одного из проектов и порасходовала токены от души 😀

Но результат был почти идеален: меньше ручного деления задачи на блоки, меньше исправлений, меньше ощущения, что ты постоянно должен уточнять модели где она не права и что ей надо было сделать.

Код-ревью, правда, растянулся 😄



Но вернёмся к тому, что произошло:
👉 через 3 дня доступ закрыли
по распоряжению правительства США 😱🇺🇸

Публичную Fable 5 и ещё более мощную Mythos 5 отключили из-за потенциальных угроз национальной безопасности.

🔹 Claude Mythos 5 — самая мощная модель Anthropic, доступная ограниченно. Её обсуждали именно из-за возможностей в сложных инженерных задачах: поиск уязвимостей в коде, кибербезопасность, автономная работа с большими кодовыми базами.


🔹 Claude Fable 5
— более «безопасная» версия того же уровня для более широкого использования, или
«Mythos 5 в наморднике».

Автономная работа часами, понимание схем и таблиц в PDF, код с самопроверкой результата, что постоянно надо было промптить.



❗️ Это настолько сильные AI-модели, что их начали рассматривать не просто как инструменты, а как потенциально опасную технологию.

❗️ И запрет был не просто «отключить модель всем», а «отключить всем негражданинам США».
А у Claude нет настройки доступа по национальности.
IP-адрес не решает эту проблему.
Страна оплаты тоже не равна гражданству.

Поэтому Anthropic отключила Fable 5 и Mythos 5 для всех клиентов, чтобы не нарушить распоряжение.


И вот самый интересный момент.
👉 Модель закрыли не потому, что она плохо работала.
🤡 А потому что она работала слишком хорошо.

Потому что такие модели могут помогать не только с генерацией текста и кода, но и со сложными инженерными задачами:

🔺 анализировать большие системы
▫️ работать с кодом
🔺 искать уязвимости в любых системах
▫️ выполнять многошаговые агентские задачи
▫️ разбирать документы, таблицы, схемы и PDF
▫️ проверять собственный результат




👉 Почему о новой модели Fable 5 важно знать СА и БА:

В ближайшие годы сильный аналитик — это уже не только человек, который пишет требования.

Это специалист, который умеет:
▫️ настраивать AI-агентов под проект
▫️ работать с кодом и API
▫️ разбирать большие системы
▫️ проектировать процессы, где AI становится частью архитектуры



А история с Fable 5 очень показательная:
▫️ AI-модель теперь может быть объектом контроля почти как критическая технология
▫️ Доступ к мощным инструментам может зависеть не от подписки, а от гражданства
▫️ Законодательство вокруг AI движется быстрее, чем ожидали все



Fable 5 пока недоступна.
Сроков восстановления нет.

Не удивлюсь, если следующий этап доступа к таким моделям будет через полноценную верификацию личности: паспорт, гражданство, страна резидентства.
Потому что ограничить такую историю только по IP - наивно.
И если вы не гражданин США - мимо.

Ждём новости от разработчиков Anthropic.

#AI_for_analysts

📱 Tg | 💙 ВК | 💬 Max
Please open Telegram to view this post
VIEW IN TELEGRAM
10🔥6😢5