Я спокойно делаю макеты сам, а дальше в ход идут ChatGPT или Claude от Anthropic. Им даёшь дизайн и пару комментариев — получаешь готовую HTML+TS+CSS-страницу. Да, код ещё иногда требует правки, но старт уже не с нуля, а с 80% готового результата.

Плюсы:
— Не нужно ждать, пока «фронт найдёт время».
— Легко тестировать гипотезы и быстро выкатывать MVP.
— Можно самому пройти весь цикл «от идеи до прототипа в браузере».
- AI сам сделает многое, что ты не стал рисовать

Минус: есть соблазн зарыться в пиксели и бесконечно шлифовать. Тут помогает дедлайн и правило: «достаточно хорошо — уже хорошо». Ну и шарить в css всё-таки нужно, что бы вносить правки, которые проще сделать самому, чем объяснять модельке, что там сделано не так.

В итоге связка Figma + AI превращает дизайнерские навыки в суперсилу: макеты перестают пылиться, а сразу становятся рабочими страницами.

Продолжаю тестировать Chat GPT5 на роль напарника в разработке внутренних HR-сервисов. Первые ощущения — нравится: отвечает ровнее и цепче, чем уже привычный Sonnet 4, особенно на длинном контексте и с чёткими ограничениями.

Где помогает:
— Быстрые прототипы микросервисов: описал эндпоинты — накидал контроллеры, валидацию, базовые тесты.
— SQL/DSL для People Analytics, плюс подсказки по метрикам.
— Клей для интеграций: черновики для внутренних автоматизаций и вебхуков.
— Рерайт политик и гайдлайнов для менеджеров, нормализация терминов.

Но без магии. Приходится работать аккуратно и всё перепроверять: местами выдумывает «источники», путает внутренние роли/грейды, забывает про edge-cases и доступы. Поэтому «в прод» не пускаю без верификации. 🙂

Мой сетап безопасности:
— Один сервис = один контекст и строгие контракты.
— Схемы/примеры I/O и «чего нельзя».
— Линтеры, юнит-тесты, статика, ручной код-ревью.
— Для текстов — чек-лист: факты, ссылки, PII/NDA.

Итог: прирост скорости есть, но выигрывает тот, кто держит руки на руле. Дособеру промпт-пак и чек-листы — поделюсь. А вы уже гоняете GPT в своих HR-процессах? #hrtech #ai #product

Пару недель гонял в параллель ChatGPT и YandexGPT в качестве AI-ассистента в телеграм-боте. Чисто посмотреть, кто из «ГПТшек» круче в бою.

Сходу: оба пишут связно и быстро, но характеры разные. ChatGPT больше «про контекст» — помнит, что мы обсуждали 5 сообщений назад, и любит развернуть мысль с примерами. Иногда даже чересчур философствует, если не остановить 🙂

YandexGPT лаконичнее, зато иногда угадывает стиль, даже если я дал минимум вводных. Но есть нюанс: чуть сложнее «вывести» на длинный диалог — после пары реплик может сбросить тему или упростить ответ.

Где использую:
— Для черновиков постов и идей — ChatGPT, он подкинет 3–4 варианта и подскажет структуру.
— Для быстрых формулировок в русском (особенно в деловом тоне) — YandexGPT, меньше правок по языку.
— Для мозговых штурмов по продукту — микс, иногда полезно сравнить «угол зрения» двух моделей.

Вывод: это как с командами в проекте — одна сильна в креативе, другая в чётких задачах. Вместе работают лучше. И помните, ключевое - настройка температуры GPT и очень чёткий промпт (важно избегать двусмысленных фраз и размечать xml или иными тегами ключевые блоки промпта)

Ещё пару лет назад подход к ИИ был простой: берём один огромный LLM, учим его на всём подряд — и пытаемся прикрутить к любой задаче. От чат-бота до анализа кода, от перевода до поиска багов.

Плюсы были очевидны: одна модель — один API, никаких «зоопарков» технологий. Минусы всплыли позже: дорого, медленно, неточная работа в узких сценариях, да и приватность данных под вопросом.

В 2025 всё поменялось. Теперь в ходу «оркестр» моделей:
— маленькая и быстрая — прямо на устройстве, для повседневных задач;
— облачная, узкоспециализированная — для сложных кейсов;
— иногда — ещё и отдельные агенты, которые решают конкретную задачу (например, только тестирование или только маркетинг).

Такой подход дешевле, быстрее и точнее. А главное — можно подобрать набор под свои задачи, а не подгонять задачи под «всемогущую» модель.

Похоже, эпоха «один ИИ на все случаи жизни» осталась в прошлом. Теперь ИИ — как команда специалистов, а не один всезнайка. И это, честно говоря, даже надёжнее.

Проблема только в том, что невероятное количество людей всё еще только погружается в AI. Выбирают устаревший подход, просто потому что так проще или потому что привыкли 🤔

#ai #тренды #product

У меня недавно возникли проблемки с VPN и я озадачился поиском безвпновых AI-аналогов. Протестил несколько AI-сервисов — от чатов до видео-генераторов, которые нормально работают без танцев с бубнами и за бесплатно можно суету навести 😎 Держите заметки с полей:

MiniMax — швейцарский нож: чат, аудио, картинки, видео. Голоса на 30+ языках (русский норм), API есть. Бесплатные кредиты улетают быстро, русского интерфейса нет.

MiniMax Audio — клон голоса и озвучка длинных текстов. Русский звучит прилично, но лимит маленький.

HailuoAI Video — текст в видео за пару минут. Можно задать стиль, камеру, эффекты. На бесплатке — водяной знак. Иногда тупит на сложных промптах, лучше писать просто.

DeepSeek — вроде все и так знают уже, что китайский аналог ChatGPT. Мощный, умный, бесплатный. Но: всё, что вы пишете, хранится в Китае. Локализации нет. Идеален для учёбы, кода и креатива. Да, не вау, но за бесплатно 🤷 Добавил чисто для поисковой оптимизации, если честно!😂

KreadoAI — видео с аватаром и озвучкой на 140+ языках. Есть бесплатный тест, но с лимитами. Русский перевод не всегда идеален, зато быстро и дёшево.

QwenLM Chat — чат от Alibaba с доступом к интернету, умеет искать, писать код, генерить картинки и видео. Работает без VPN. Минус — англоязычный интерфейс и туман с тарифами.

🎯 Если коротко:
* Код и логика — DeepSeek
* Поиск и мультимедиа — QwenLM
* Всё в одном — MiniMax
* Быстрое видео — Hailuo
* Озвучка — MiniMax Audio
* Обучение/маркетинг — KreadoAI

#aiинструменты #deepseek #qwen #minimax #hailuo #kreadoai

AllAiTools.dev

Когда хочется быстро найти AI-инструмент под конкретную задачу — этот сайт реально спасает.

• Огромная коллекция — более 2 450 AI-штук: от ChatGPT-альтернатив до тулов для контента, бизнеса, кода и автоматизации.

• Удобная навигация — всё аккуратно разбито по категориям: coding, маркетинг, дизайн, видео, офис и т.д.

• “Editor’s Picks” — подборка интересных находок от команды сайта.

• Добавить свой инструмент — есть форма, заявку рассматривают за пару дней.

⸻ ⸻ ⸻ ⸻

Мой взгляд — зачем заходить:

• Для вдохновения — находишь новые штуки, о которых не слышал.
• Для конкретной задачи — фильтры и категории помогают не утонуть в списках.
• Для продвижения своего продукта — можно добавить его в каталог.

Я уже присмотрел пару инструментов в разделе “coding” и планирую потестить. Расскажу, что из этого выйдет 👌

#AI #инструменты

​​Что такое Grok 4 и зачем она нужна?

Спросил у знакомых, кто слышал про Grok 4 — почти никто. Хотя это нейросеть от Илона Маска, которая уже конкурирует (ну или пытается конкурировать) с ChatGPT.

Она не просто отвечает на вопросы, а реально думает: собирает инфу из интернета, пишет код, анализирует данные и даже говорит голосом.

📌 Чем Grok 4 отличается
- «Запоминает» огромные объёмы текста (например, целую дипломную или техзадание).
- Отвечает на сложные вопросы: генерит варианты и сам выбирает лучший.
- Умеет сразу искать в интернете, писать формулы, запускать кусочки кода — и объяснять, что происходит.

📌 Где пригодится
- поиск идей и трендов
- помощь в учёбе и работе
- быстро написать текст, пост, план
- собрать инфу и сделать выводы
- протестировать гипотезу без программиста

👎 Минус: иногда отвечает слишком буквально, как робот.
Но в целом — уже очень мощный ассистент.

Если слышал про нейросети, но так и не пробовал — вот хороший повод.
Я сам собираюсь погонять в рабочих задачах. Потом расскажу, как прошло.

GenAI в управлении проектами: исследование, которое стоит прочитать

PMI выпустили свежее исследование про то, как команды по всему миру реально используют GenAI в проектах — не в теории, а на практике.

📌 В отчёте — опрос 500 проектных специалистов из 12 стран + интервью с теми, кто уже внедряет AI на уровне процессов, а не «напиши письмо клиенту».

Что внутри:

* Кто такие Trailblazers и почему они рвут вперёд (спойлер: делают ставку на сложные задачи, а не рутину).

* Как GenAI влияет на продуктивность, сроки, бюджеты и даже креативность.

* Почему без поддержки сверху всё буксует, и как выглядит компания, где AI реально работает.

* Какие навыки сейчас на вес золота (и почему prompt engineering — это новый Excel).

* Примеры из реальных компаний — от Канады до Японии.

Реально годный срез — без хайпа, но с чёткими данными и практическими выводами. Подходит и для темлидов, и для тех, кто хочет встроить GenAI в процессы по-серьёзке.

📎 Исследование — в прикреплённом PDF. Если интересно, позже поделюсь выжимкой по кейсам.

#genai #projectmanagement #aiинструменты

​​💬 Когда меня спрашивают, чем я занимаюсь…
Я обычно улыбаюсь и говорю: «Слишком многим, чтобы коротко ответить».
Мой путь — это смесь технологий, креатива и постоянного эксперимента.

📍 Мой опыт — как швейцарский нож.
За годы работы я успел прокачаться в самых разных сферах:

• графический дизайн и UX/UI,
• маркетинг и продвижение,
• фронтенд-разработка,
• искусственный интеллект и аналитика,
• гаджеты и технологии, без которых не могу жить.

⚡ Что меня отличает
• Умею соединять дизайн и технологию так, чтобы они работали на результат.
• Берусь за проекты от идеи до готового продукта — будь то интерфейс, сайт или AI-сервис.
• Постоянно тестирую новые инструменты и технологии, чтобы находить самые рабочие решения.

📲 Зачем этот канал.
Здесь я делюсь тем, что действительно работает:

• новыми AI-инструментами и их практическим применением,
• фишками для оптимизации работы и жизни,
• гаджетами, которые стоит (или не стоит) покупать,
• идеями, как соединить креатив и технологии.

🎯 Чуть-чуть личного
Я обожаю пробовать новое и улучшать привычное.
Люблю, когда дизайн выглядит круто, а код под ним — чисто и аккуратно.
И да, могу обсуждать технологии часами, даже если в комнате остался один человек.

👇 Если вам близко
Оставайтесь. Здесь будут идеи, которые вдохновляют, технологии, которые работают, и чуть-чуть магии креатива.

OpenAI добавила в Playground умный генератор промптов и Optimize

✨ Что нового

• Generate: по краткому описанию задачи собирает готовый промпт, а при желании — ещё и функции (function calling) и JSON-схемы для структурированного вывода.
• Optimize: автоматически находит противоречия и «дыры» в инструкциях, уточняет формат ответа и предлагает улучшенную версию, которую можно применить в один клик.

Управление промптами: в консоли можно создавать, сохранять, версионировать и шарить промпты — ими удобно пользоваться и в Playground, и через API.
• Есть примеры, как связывать это с Evals для проверок и A/B-тестов.

⚙️ Как попробовать (1 минута)

1. Откройте Playground → Prompts → Create New → Generate и опишите задачу одним-двумя предложениями.
2. Нажмите Optimize, посмотрите предложенные правки и примените их.
3. Сохраните промпт, при необходимости добавьте {variables}, и используйте его повторно из API.

🧩 Когда пригодится

• Разработчикам — быстрый переход от идеи к стабильному шаблону промпта.
• Продактам/аналитикам — безопасные правки и проверки перед релизом.
• Маркетингу/контенту — однотипные шаблоны (брифы, описания, письма) без ручной рутины.

✍️ Мини-пример для Generate
«Собери промпт, который превращает технические спецификации в краткие фичелисты строго в Markdown с секциями: “Что это”, “Польза”, “Ограничения”. Добавь переменные {product}, {audience}».

📎 Полезные ссылки

[1]: Prompt Generation
[2]: Prompt management in Playground
[3]: Prompting - OpenAI API
[4]: Optimize Prompts
[5]: Телеграм-канал "Да дайте сказать!"

В этой суете вокруг AI и продуктивности, легко забыть о важных вещах.

Один простой запрос в GPT5 и вот семилетний Пашка бежит по гаражам с каким-то палками на верёвке и представляет, что он Микеланджело.

Верёвка порвалась? – нет проблем, у меня уже паутина из рук👌🏻

Не забывайте про ребёнка внутри🐢🕷️

#chatgpt5 #spiderman

🔥 ChatGPT стал в 15 раз приятней))

Лимит для подписчиков Plus вырос с 200 до 3000 сообщений в неделю.

❓ Думаете, что и раньше хватало? Но плюсы есть и в этом случае:

• Можно писать без оглядки. Не нужно экономить вопросы и «беречь лимиты» — свобода для любых идей.

• Глубокая проработка тем. Если раньше вы ограничивались быстрым ответом, теперь можно развивать мысль десятками уточнений. И это самое ключевое! Заставляем, доводим до нужного результата👌 Приятное..

Оффтоп. Есть свежие наблюдения😄 Похоже, что OpenAI подкрутили страхометр ChatGPT. Теперь нужно соблюдать баланс угроз. Если раньше это приводило к реально хорошему качеству ответов, то теперь он может перестараться и всё равно наврать. Будте аккуратны и внимательны!🙂

Это примерно как «Не сфоткался – не был в качалке!».

Последние пару недель активно катал релизы, что бы успеть к масштабному пилоту на несколько сотен человек, а заодно и подготовить всё к конфе, посвященной различным видам оценки сотрудников.

Мой кусок был про практическое применение AI в оценке и дальнейшем карьерном развитии сотрудников. Под капотом машинки лежит модульная многоагентная архитектура, где каждый агент отвечает за свой небольшой кусочек процесса.

Сотрудник грузит свой психометрический отчёт, после чего происходит магия. Система разложит этот отчёт на сотни маленьких составляющих и выдаст интерпретацию по этому отчёту, объяснив сотруднику различные нюансы, которые могут помогать или мешать его карьерным целям.

А так же, после получения такой интерпретации, сотрудник может запустить карьерный диалог, где с помощью коучинговых и фасилитационных механик система поможет разобрать карьерную цель и выстроить краткосрочный и среднесрочный план развития, который приблизит эту самую карьерную цель.

Легко выступать, когда у тебя крутой продукт, с понятными красивыми метриками и, что самое важное, обкатан на реальных пользователях.

Чтож!) Триггернул меня этот свеженький PMBOK 8!))

Невооруженным взглядом видно, как штормит весь Мир, и вместе с ним подходы к управлению проектами 😅

PMBOK 6 – уже классика, всеобъемлющий стандарт, описывающий всё необходимое на все случаи жизни. Всё разложено по полочкам, хоть и душно.

PMBOK 7 – резкий поворот в сторону гибкости управления, переход от стандартизированных процессов к принципам. Это очень важно. Все попробовали поиграть в Agile, с переменным успехом. Собственно, мы получили не уточнённые процессы, а целый философский трактат, где каждый сам за себя (как вник, так и поехал). Набор ориентиров и не более.

И вот он, PMBOK 8!😅 Который осознал, что Agile каждый понял по-своему (и чаще всего, ошибочно). Эта версия предлагает более прагматичный и прикладной подход к управлению. Фактически, именно таким должен был быть PMBOK 7, но не сложилось🤷‍♂️ Нам вернули процессы как явление, сущность. При этом, оставили пространство для гибкости. Такой гибрид 6 и 7 версии.

И на этих трёх книгах очень удобно наблюдать за душевными метаниями всей планеты!) Ломаем! революция! Ну в принципе, не так уж и плохо было, была стабильность😅 Когда вокруг шторм, хочется немножечко стабильности и понятности на своей маленькой кухоньке.

Вчера состоялось любопытное мероприятие – «H+AI», где я представлял проект, над которым наша команда потела парочку месяцев.

«H+AI» — шоу-кейс для команд Яндекса, которые трансформируют рутинные процессы с помощью искусственного интеллекта.

Проект состоит сейчас из двух ключевых модулей (интерпретация психометрических отчётов и карьерная консультация).

Технически собран довольно грамотно (не моя оценка, а сеньёрных ребяток-разрабов) и подход к использованию AI, вполне себе серьёзный. Внутри вшита целая цепочка агентов, у каждого свой проработанный промпт и температура. Это обеспечивает гораздо более высокое качество работы каждой конкретной функции внутри модуля. Сложно? Ну да. Стоит оно того? Конечно!

И самая большая гордость для меня здесь – это нереально мощный парсер различных отчётов, который был собран у нас внутри. Ни одна LLM в Мире не может так обрабатывать отчёты, как наше решение (никакой Chat GPT 5 не может распознать значения в субшкалах Hogan).

Да, это очень специфичная, узкая штука. Но сам факт, что мы сделали что-то, что не может этот хвалёный GPT, очень радует😎 И мне не важно, что они и не собирались этого делать🤣

В последнее время в тг-каналах слишком часто вижу посты формата:
«🔥 50 лучших промптов для продакта»
«⚡️ Подборка промптов для проджекта»
«🚀 Сохрани, чтобы не потерять»

И каждый раз у меня возникает один и тот же вопрос: а кому это вообще нужно в 2026 году?😐

Если человек видит этот пост — у него уже есть интернет.
Если у него есть интернет — у него есть доступ к LLM.
Ну а если нет интернета, то как будто бы и промпты ему не нужны🤷‍♂️

Если у него есть доступ к LLM — он может за 30 секунд сгенерировать промпты под себя.

И самое важное: под себя.

Промпт — это не заклинание из древнего манускрипта. Это интерфейс мышления.
Он работает лучше всего, когда отражает:

• твой стиль коммуникации
• твой уровень глубины
• твою предметную область
• твой контекст
• твои ограничения
• да и кучу всего другого

Чужая «подборка» — это усреднённая заготовка без понимания твоей задачи.
Это как носить чужие очки и удивляться, почему всё размыто.

Более того, современные модели спокойно делают мета-работу:

«Сгенерируй мне 10 промптов для анализа рисков в IT-проекте с учётом agile-подхода и моей роли как PM в B2B SaaS».

И ты получишь не абстрактный список, а инструмент, заточенный под твою реальность.

Подборки промптов были логичны на раннем этапе, когда люди только осваивали механику.
Сейчас ценность не в списке, а в умении формулировать задачу и управлять контекстом.

LLM — это не сборник шаблонов.
Это усилитель мышления.

И, возможно, главный навык продакта/проджекта сегодня — не «знать 100 промптов», а уметь:

1. Разобрать задачу
2. Дать модели правильный контекст
3. Итеративно уточнить результат

Всё остальное — просто шум в канале.

Иногда название — это не про «красиво звучит». Это про логику. Про путь. Про смыслы.

Расскажу, как я придумывал название для своего iOS-приложения. Следите за руками 👇

Задача простая:
приложение помогает записывать умные мысли, структурировать их, находить новые инсайты и выстраивать граф взаимосвязей между идеями.

Окей. Какая здесь базовая метафора? Первая ассоциация — мудрость.

Но «мудрость» — слишком абстрактно. Копаем глубже.

Что такое мудрость? Опыт. Время. Накопленные знания.

И тут всплывает фраза:
«Вода камень точит».

Вот оно. Это уже образ.
Не резкий прорыв, а постоянное, системное осмысление. Мысль за мыслью. День за днём.

Берём эту метафору и вытаскиваем из неё два сильных символа:

— Камень
— Вода

Вода → превращается в каплю (понятный, минималистичный силуэт).
Камень → начинаем гуглить, какие камни считаются «камнями мудрости».

Находим несколько вариантов.
Из всего списка больше всего откликается сапфир.

Почему? Глубина. Цвет. Ассоциация со знанием и ясностью. Плюс визуально — это огранённая форма, почти как структура мысли.

Дальше — дело техники:
в Figma рождается векторный огранённый камень, совмещающий образы капли и сапфира.

И уже на базе этого визуального и смыслового слоя появляется название. С лёгкой адаптацией под русскую фонетику и лексику — чтобы звучало естественно, но при этом не банально. Sapfira.

Вот так из задачи «как назвать приложеньку» получилась целая смысловая конструкция.

И да — вода действительно точит камень. Особенно если это поток мыслей 🙂

Прикольно🙂 «Вайбкодинг» постепенно взрослеет.

Сначала всё выглядело довольно хаотично: идея → промпт → ещё один промпт → ещё чуть-чуть магии… и вроде бы есть код. Быстро, весело, но не всегда предсказуемо.

Через какое-то время начинаешь замечать простую вещь:
чем точнее описана задача, тем стабильнее результат.

Так постепенно приходишь к более инженерному подходу — Spec-Driven Development (SDD).

Вместо длинных диалогов с моделью появляется короткая, но чёткая спецификация:

— что именно нужно сделать
— какие ограничения
— какие сценарии должны работать
— что считается «готово»

И дальше всё становится заметно спокойнее.

SDD даёт несколько очень практичных плюсов:

— меньше случайностей в результате
— проще проверять, что система делает именно то, что задумано
— легче делить работу на части
— проще подключать разных исполнителей (людей или AI)

Отдельный бонус — в этом подходе хорошо работают прокси-агенты или ассистенты.

Один может помогать формулировать spec. Другой — генерировать код по нему. Третий — проверять соответствие реализации требованиям.

В итоге LLM перестаёт быть «собеседником для брейншторминга» и становится частью более структурированного процесса.

И чем сложнее система, тем заметнее выигрыш 🏆

Похоже, следующий ключевой скилл — уметь проектировать хорошие спецификации. И, возможно, управлять небольшим роем ассистентов, которые по ним работают.