Друзья, я тут собрал таблицу самодиагностики, основанную на концепции 16-ти критериев общего психического здоровья, предложенной американским психоаналитиком и психотерапевтом Нэнси Мак-Вильямс (Nancy McWilliams).

Нэнси Мак-Вильямс (Nancy McWilliams) — американский психоаналитик, доктор философии, автор одного из самых современных базовых учебников по психоаналитической диагностике личности ("Психоаналитическая диагностика: Понимание структуры личности в клиническом процессе")

Подход Мак-Вильямс не предназначен для медицинской диагностики в узком смысле. Он описывает признаки психологической зрелости и личностной интеграции — качества, которые отражают способность человека к любви, работе, саморефлексии, ответственности и эмоциональной устойчивости.

Таблица самопроверки создана для самоанализа и осознания личностных ресурсов, а не для постановки диагнозов. Её можно использовать как инструмент личного развития или в контексте психотерапевтической работы.

Зачем я этим занимался? Не спрашивайте
Просто отправляю, вдруг вам будет интересно или полезно

#психология@longlivetale

Страшилка на ночь.
Все же знают что такое генеративный ИИ - это те штуки, которые умеют придумывать человекопохожие тексты, а также генерировать ловкие картинки, а сейчас видео и уже виртуальные игровые миры в режиме реального времени по текстовому запросу (промпту).

Несложно себе представить дальнейшее развитие событий и одну из самых больших реальных страшилок из сферы ИИ.

Это "поглощающий" людей ИИ-телевизор (название позаимствовано у Вити Тарановского, Т-банк). Идея примерно такая. Сейчас есть ТикТок (для олдов в качестве примера подойдёт Инстаграм). ТикТок для тебя подбирает контент, чтобы ты в него сильно залипал. И это уже такая машина, которая много кем признаётся как цифровая зависимость. Там есть одна сложность. Нужен контент: видосы, которые кто-то генерит, обрабатывает, заливает и прочее.
А теперь представим что это всё не нужно. У тебя есть вечная ИИ-генерируемая лента персонально под тебя (т.к. она про тебя знает больше, чем твоя мама).
А теперь ещё раз - это контент, созданный искусственным интеллектом специально для тебя и уникальный в своём роде. Не просто рекомендуется для тебя, а создается для тебя. На лету. В режиме реального времени.

И у нее незамысловатая задача - максимально тебя захватить - захватить твоё внимание и максимально его никуда не отпускать.

Интересное развитие данной мысли можно почитать например здесь
Системы, создающие этот контент, не предназначены для того, чтобы помогать тебе. Они оптимизированы для привлечения внимания. Они работают на рекламодателей, платформы и сборщиков данных, а не на тебя и твоё развитие.
Контент становится зеркалом, которое отражает твои мысли и чувства для того, чтобы ты продолжал смотреть. Чтобы ты продолжал что-то покупать. Чтобы ты продолжал листать.

Всем или каждому персонально для себя придётся придумывать как с этим бороться в буквальном смысле.
Такие дела.

Все делятся примерами программ, созданных с помощью новой Gemini 3 Pro. Мне тоже захотелось 🙂

Последнее время использую такой тест: прошу у LLM визуализировать звездную систему из книги "Задача трех тел" Лю Цысиня, о которой как-то уже писал в этом канале, но так, чтобы за ней было интересно наблюдать.

В книге описана цивилизация трисолярианцев, планета которых оказалась внутри тройной звездной системы, из-за чего климат там крайне нестабилен - эпохи процветания сменяются вековыми ледниковыми периодами или короткими перегревами, выжигающими всё живое. Жители планеты активно развивают науку и вычислительную технику, чтобы научиться предсказывать смену климатических периодов, но задача оказывается нерешаемой. И тогда они решают [ДАННЫЕ УДАЛЕНЫ].

Визуализировать задачу несложно, а вот сделать визуализацию интересной - сложно! Дело в том, что три звезды, двигающиеся вокруг общего центра масс, демонстрируют классический пример хаотического поведения. Если решать задачу "в лоб", то картинка получается скучная - планету выбрасывает в космос на несколько сотен лет или две звезды сходятся слишком близко, вращаясь с огромной скоростью и т.д.

Я прошу LLM так подкрутить законы физики, чтобы визуализация получилась стабильной, интересной, демонстрирующей хаос и эта "подкрутка" была незаметна, то есть наблюдателю казалось, что система работает на классических законах небесной механики.

До сегодняшнего дня ни одна модель эту задачу не решила. Но пришел Gemini 3 Pro и решил! Можете сами открыть и полюбоваться настоящим хаосом. Также модель показывает, как меняется температура на планете бедных инопланетян.

Бесплатное обучение AI:

1. У OpenAI есть целая академия, где можно найти курсы и лайв-стримы на любой уровень и тему. Недавно запустили Prompt packs для любых ролей.

2. У Hugging Face также есть крупный раздел с курсами, включая изучение дифьюжен моделей, 3д, аудио.

3. Anthropic, создатели Claude, есть курс по AI Fluency,

4. Целый хаб с курсами про AI от Beginner, до уверенного ресеча от Microsoft. Вот к примеру курс по агентам для начинающих.

5. У Google есть Google cloud skillboost, где есть несколько сильных курсов про AI: Introduction to GenAI, Introduction to LLMs,  Responsible AI  и многие другие.

6. Недавно Cursor запустил свой портал обучения. Уже сейчас доступно 6 очень коротких, но глубоких лекций про AI: как работают модели, применение и ограничения, токены и цены, почему важен контекст, обращение к инструментам и агенты. На весь курс у вас уйдет 30 минут.

Это всё компании, которые создают AI-продукты, их обучение бесплатное и максимально из первых рук

#обучение@longlivetale

Ранее писал про генерацию миров "на лету". Вот Гугл представил Genie 3.
Примеры тут - https://genie3.net/#videoShowcase. Там, кажется, можно даже превьюшки делать по своему запросу.

"Революционная модель мира от Google DeepMind, которая генерирует интерактивные среды в реальном времени.
Перемещайтесь по динамическим мирам со скоростью 24 кадра в секунду с беспрецедентной стабильностью и реализмом." - говорит нам Google DeepMind.

Ну классно же!

Профессия разработчик - умрёт! Да, но нет.

В последние дни много времени потратил на исследование того, как меняется профессия "Разработчик" в связи с качественным и волнительным скачком уровня написания кода ИИ, плюс появлением ИИ-агентов, которые умеют думать, планировать, а затем реализовывать свои решения в коде.

Первый вопрос на который искал ответ -
"Как писать код совместно с ИИ".
Движение от частного к общему кажется наиболее правильным для понимания происходящих изменений.

Вот такая агрегация поинтов получилась.

1. Изменение роли программиста

- Сдвиг парадигмы: Программирование переходит на новый уровень абстракции. Разработчик перестает быть просто «писателем строк» и становится архитектором намерений. Он управляет логикой и вектором развития, а ИИ берет на себя рутину («низкоуровневую работу», как швейная машинка).
- Концентрация на важном: ИИ позволяет не думать о реализации мелких деталей (парсинг JSON, синтаксис), а фокусироваться на архитектуре, лучших практиках и эффективности системы в целом.
- Обучение: Для одних ИИ - это риск деградации навыков (страх разучиться писать код руками и потерять понимание базы), для других - мощный ускоритель обучения (можно быстро разбираться в новых технологиях, прося ИИ объяснять сложные концепции).

2. Правильный рабочий процесс (Workflow)

Многие сходятся во мнении, что просто попросить ИИ «написать код» - плохая стратегия. Эффективный алгоритм выглядит так:

1. Планирование: Сначала попросить ИИ спроектировать решение, показать примеры использования конечного кода.
2. Документация и ТЗ: Заставить ИИ написать гайд или туториал по реализации фичи до написания кода.
3. Тесты (TDD): Написать тесты на основе плана (можно попросить ИИ), которые будут падать, пока код не написан.
4. Кодинг: Самая последняя стадия. Часто её можно поручить более дешевой модели, если предыдущие этапы проработаны.

3. Управление контекстом и памятью

- Сессии: Контекстное окно ограничено. Пользователи советуют в конце сессии просить ИИ суммаризировать диалог и текущий прогресс в отдельный MD-файл, который затем скармливается новой сессии.
- Системные промпты: Создавать файлы (например, `agent.md` или `readme` для бота), где описаны правила проекта, используемые библиотеки, стиль кода и архитектурные конвенции. Это помогает ИИ не «выдумывать» лишнего.
- Memory Bank: Сохранять описание работы каждой фичи и потоков данных в отдельные файлы, чтобы ИИ мог хирургически точно вносить правки в будущем.

4. Контроль качества и тестирование

- Не доверять слепо: Главное правило - ИИ часто галлюцинирует, особенно в версиях библиотек.
- CI/CD и Линтеры: Обязательное наличие автоматических тестов, линтеров и статического анализа. Без них работа с ИИ превращается в хаос.
- Перекрестная проверка: Использовать одну нейросеть для написания кода, а другую - для ревью или написания тестов к этому коду.
- Разделение ответственности: Если ИИ пишет код, человек пишет тесты (или наоборот). Нельзя давать ИИ писать и код, и тесты к нему в одном контексте без контроля, так как он подгонит тесты под свою же (возможно ошибочную) реализацию.

5. Полезные практические советы (лайфхаки)

- Промпт на уточнение: Добавлять в промпт фразу: «Не пиши код сразу, а задавай дополнительные вопросы, если тебе что-то не совсем понятно из задания». Это спасает от «отсебятины».
- Работа с легаси: ИИ идеально подходит для разбора чужого старого кода, написания к нему комментариев и документации.
- Визуализация: Просить ИИ генерировать диаграммы и схемы (например, в Mermaid) для документации.
- Откат вместо правок: Если ИИ выдал плохой результат, часто эффективнее не просить исправить, а откатить изменения и переформулировать задачу с нуля.

6. Риски
- Потеря компетенции: Есть опасение, что джуниоры, использующие ИИ, не научатся глубокому пониманию кода, а сеньоры со временем могут «замылить» глаз и перестать замечать ошибки.
- Безопасность: Опасения по поводу загрузки в облачные ИИ чувствительных данных (структуры БД, проприетарного кода), что может привести к утечкам.

#aiassisteddev@longlivetale #vibecoding@longlivetale
👇👇

👆👆
Далее попросил Gemini дополнить пункты на основе актуальных исследований и мнений специалистов. Получилось так

7. Кризис найма и обучения (The Junior Gap)

В пунктах упоминался риск деградации, но исследования подчеркивают более глобальную экономическую проблему.

- Исчезновение позиции Junior: Компании все меньше нуждаются в начинающих разработчиках для рутинных задач, так как AI делает это быстрее и дешевле.
- Разрыв преемственности: Если не нанимать джунов, через 5-7 лет на рынке возникнет катастрофическая нехватка мидлов и сеньоров, так как им неоткуда будет взяться.
- Менторство как необходимость: Сеньорам придется тратить больше времени не на код, а на обучение джунов тому, как валидировать AI, а не просто писать код.

8. Эволюция от «Копайлотов» к «Агентам»

Тренд идет дальше - к полной автономности разработки.

- Агентные рабочие процессы (Agentic Workflows): выделяют как главный тренд. Это не просто «спросил — получил код», а итеративные паттерны:
- Reflection (Рефлексия): Агент сам критикует свой код перед тем, как показать его пользователю.
- Tool Use (Использование инструментов): Агент сам запускает код, видит ошибку в консоли, исправляет её и перезапускает, пока не заработает.
- Multi-agent collaboration: Один агент — «Разработчик», другой — «QA», третий — «Продакт», и они общаются между собой.

9. Проблема «Раздувания кода» (Code Bloat) и поддерживаемости

ИИ позволяет генерировать код с огромной скоростью.

- Снижение качества кодовой базы: Легкость генерации приводит к тому, что в проект добавляется больше кода, чем необходимо. Это увеличивает технический долг.
- Читать сложнее, чем писать: Поскольку код генерируется быстрее, чем человек может его осознать, ревью кода становится узким горлышком (bottleneck). Основной навык будущего — быстрое чтение и понимание чужого (синтетического) кода.

10. Юридические и этические риски (Compliance)

- Лицензионная чистота: Существует риск, что ИИ вставит кусок кода под лицензией GPL в проприетарный проект, что создаст юридические проблемы для бизнеса.
- Shadow AI: Использование разработчиками несогласованных инструментов (копирование корпоративного кода в публичные чат-боты) становится главной головной болью служб безопасности.

11. Появление новых специализаций

Вместо просто «разработчика» появляются:

- AI Engineer / AI Orchestrator: Человек, который умеет соединять разные модели и инструменты (RAG, Vector DB) для решения бизнес-задач.
- Code Curator: Специалист, ответственный за чистку, оптимизацию и верификацию кода, сгенерированного машиной.

#aiassisteddev@longlivetale #vibecoding@longlivetale

👇👇

👆👆

Ну и последнее на сегодня по этой теме.
Люблю видеть во всём возможности, поэтому попросил всё тот же ИИ написать о грядущих возможностях. И вот что получилось.

12. Новые возможности

Исследования и прогнозы экспертов выделяют следующие позитивные сдвиги в возможностях профессии:

- Мгновенное прототипирование (Rapid Prototyping): ИИ позволяет сократить путь от идеи до работающего MVP с недель до нескольких часов. Это дает разработчикам возможность проверять гипотезы бизнеса практически в реальном времени, не тратя ресурсы на «код в стол».

- Снижение когнитивной нагрузки: ИИ-агенты берут на себя поиск по документации, настройку окружения и написание бойлерплейта. Это освобождает мозг инженера для решения высокоуровневых архитектурных и алгоритмических задач, позволяя удерживать в фокусе всю систему целиком, а не отдельные файлы.

- Полиглот-программирование: Барьеры между языками программирования стираются. Опытный разработчик на Java может с помощью ИИ эффективно поддерживать или создавать модули на Rust или Go, полагаясь на ИИ в вопросах синтаксиса и идиом конкретного языка.

- Возрождение и миграция Legacy: ИИ открывает экономически оправданный путь для рефакторинга и переписывания устаревших систем (например, с COBOL на Java или с Python 2 на 3), что раньше часто откладывалось годами из-за дороговизны и рисков ручного переноса.

13. Возможности для разработчиков и людей других профессий (Democratization of Coding)

Исследования (например, от Gartner и Harvard Business Review) указывают на стирание жесткой границы между «разработчиками» и «не-разработчиками», создавая новые возможности для обеих групп

Для людей других профессий (Citizen Developers):

- Превращение экспертов в создателей ПО: Врачи, финансисты, юристы и маркетологи теперь могут создавать утилитарные приложения для решения своих специфических задач, не ожидая помощи от IT-отдела. ИИ-агенты позволяют им описывать проблему на естественном языке и получать рабочий инструмент (скрипт анализа данных, чат-бота, простую CRM).

- Усиление профессиональных навыков: Специалист по данным (Data Scientist) без глубоких знаний фронтенда может с помощью ИИ быстро собрать красивый дашборд для презентации результатов. Дизайнер может самостоятельно написать скрипт для автоматизации рутины в Figma.

Для профессиональных разработчиков:

- Переход в роль «Архитектора решений» для бизнеса: Вместо того чтобы просто писать код по ТЗ, разработчики получают возможность глубже погружаться в доменную область (domain expertise). Они становятся консультантами, которые помогают «гражданским разработчикам» правильно интегрировать их решения в общую систему, обеспечивая безопасность и масштабируемость.

- Создание инструментов для создателей: Открывается огромный рынок разработки платформ и инструментов (SDK, API), которые будут использоваться ИИ-агентами и непрограммистами. Разработчики будут создавать «кирпичики», из которых другие будут собирать дома.

- Предпринимательство (Indie Hacking): Порог входа для создания собственного стартапа снижается до минимума. Один разработчик (Solopreneur) с помощью "армии" ИИ-агентов теперь может выполнять работу целого технического отдела, закрывая вопросы фронтенда, бэкенда, мобильной разработки и даже маркетинга своего продукта.

#aiassisteddev@longlivetale #vibecoding@longlivetale

Лечу в Краснодар, пригласили в КубГУ. Буду рассказать ребятам про эволюцию IT/Research в ИИ-эпоху. Будет 4 лекции в виде интенсива (теория+практика).
В том числе рассказываю про 4 больших ИИ-тренда.
И внезапно придумал сквозного персонажа, который периодически появляется на разных слайдах.
Никогда раньше так не делал, но классно же!
Вот, например, иллюстрация этих самых больших трендов в ИИ.