🌅 Закат моделей. Восход агентов.
#method_n8n
Вчера в Пекине Робин Ли, основатель Baidu, на конференции Create 2026 сказал то, что мы с вами чувствуем последние полгода.
Гонка моделей закончилась. Кто умнее — Claude Opus 4.7 или GPT 5.5 Pro — уже неважно. Имеет значение, у кого лучше агент.
И это огромный сдвиг. Сейчас разберу почему и как он влияет на нашу нишу.
📊 Контекст.
Это первый раз когда CEO компании уровня Baidu (а это китайский Google) открыто признает — мы все ошибочно гонялись за лидерством в гонке моделей. Реальная битва теперь за оркестрацию агентов.
Он же ввел термин который вирусится в Twitter последние сутки — super individuals. Суперлюди, усиленные AI-агентами, которые выдают результат за десятерых.
🤔 Почему именно сейчас этот сдвиг
Логика простая. За последние 6 месяцев мы видели на бенчмарках одну и ту же картину.
▪️ Claude Opus 4.7 — 64.3%
▪️ GPT 5.5 — 57.7%
▪️ Gemini 3.1 Pro — 54.2%
▪️ Kimi K2.6 — 58.6%
▪️ MiniMax M2.5 — 60+%
Разница в 2-5% в разные стороны. Никто не доминирует. И главное — обычному пользователю эти 5% разницы вообще не видны в его задачах.
А ведь раньше каждая новая модель давала прыжок в 15-20%. GPT-3 был кардинально лучше GPT-2. Sonnet 3.5 кардинально лучше Sonnet 3. А сейчас все упирается в плато.
И ровно в этот момент, когда модели сравнялись, рынок переключается на агентов. Потому что разница между хорошим и плохим агентом — это уже не 5%, а в 10 раз. Один агент за день обрабатывает то, что другой не сделает за неделю.
⚡ И вот самое интересное — что происходит синхронно в n8n
В тот же день 14 мая, когда Робин Ли произносит свою речь, n8n тихо выкатывает 5 PR-ов в core. И все они строго про агентов:
▪️ (PR 30123) — драфты в AI-чате теперь не теряются при переключении режимов. Это must-have для тех, кто гоняет долгие разговоры с агентом
▪️ (PR 29850) — теперь когда AI Builder обновляет ваш воркфлоу, ноды остаются на своих местах. Это решает огромную боль ребилда руками
▪️ (PR 30113) — экономия памяти за счет того что AI utilities не загружаются при старте. n8n стал легче
▪️ (PR 29460) — выключенные ноды-инструменты больше не сбивают AI Agent. Раньше это была одна из самых раздражающих багов
▪️ (PR 30033) — настройка Slack-агентов превращается в 3 клика вместо 15
Это не случайность. Это вся индустрия одновременно поворачивает в одну сторону. Baidu говорит про "эру агентов", n8n делает инфраструктуру под "эру агентов". Anthropic вчера запустил Claude for Small Business с 15 готовыми workflows на агентах. Notion открыл External Agent API.
Несколько важных следствий для нас.
Первое — продавать клиенту "лучшую модель" больше не работает. Все модели плюс-минус одинаковые. Продавать нужно "лучшего агента". То есть качество промпта, архитектуру оркестрации, набор инструментов, working memory, паттерны human-in-the-loop. Это намного сложнее объяснить, но это где сидят реальные деньги.
Второе — освоить multi-agent паттерны критически важно прямо сейчас. Это уже не экзотика, это база. Кто умеет — тот делает решения за $5000 в месяц, кто не умеет — продает на $300.
Третье — фокус смещается с моделей на инструменты. У агента может быть посредственная модель внутри, но если у него 40 правильно настроенных инструментов и хорошая working memory — он будет работать лучше, чем агент на топовой модели без инструментов.
Четвертое — n8n остается королем в этой эре, и это очень хорошие новости. Потому что n8n изначально создан как платформа для оркестрации интеграций. И пока конкуренты (LangGraph, AutoGen, CrewAI) делают чистый ML-фреймворк, n8n дает целостную картинку — агент + 1500 интеграций + UI + мониторинг + human-in-the-loop.
Тренд однозначен. Эра моделей закрывается, эра агентов открывается.
#method_n8n
Вчера в Пекине Робин Ли, основатель Baidu, на конференции Create 2026 сказал то, что мы с вами чувствуем последние полгода.
Гонка моделей закончилась. Кто умнее — Claude Opus 4.7 или GPT 5.5 Pro — уже неважно. Имеет значение, у кого лучше агент.
И это огромный сдвиг. Сейчас разберу почему и как он влияет на нашу нишу.
📊 Контекст.
Робин Ли в своем выступлении 14 мая сказал дословно — впервые в истории то что сделало AI вирусным, это не модель, а приложение. То есть, не GPT 5.5 побеждает рынок, а агенты, построенные на нем.
Это первый раз когда CEO компании уровня Baidu (а это китайский Google) открыто признает — мы все ошибочно гонялись за лидерством в гонке моделей. Реальная битва теперь за оркестрацию агентов.
Он же ввел термин который вирусится в Twitter последние сутки — super individuals. Суперлюди, усиленные AI-агентами, которые выдают результат за десятерых.
🤔 Почему именно сейчас этот сдвиг
Логика простая. За последние 6 месяцев мы видели на бенчмарках одну и ту же картину.
▪️ Claude Opus 4.7 — 64.3%
▪️ GPT 5.5 — 57.7%
▪️ Gemini 3.1 Pro — 54.2%
▪️ Kimi K2.6 — 58.6%
▪️ MiniMax M2.5 — 60+%
Разница в 2-5% в разные стороны. Никто не доминирует. И главное — обычному пользователю эти 5% разницы вообще не видны в его задачах.
А ведь раньше каждая новая модель давала прыжок в 15-20%. GPT-3 был кардинально лучше GPT-2. Sonnet 3.5 кардинально лучше Sonnet 3. А сейчас все упирается в плато.
И ровно в этот момент, когда модели сравнялись, рынок переключается на агентов. Потому что разница между хорошим и плохим агентом — это уже не 5%, а в 10 раз. Один агент за день обрабатывает то, что другой не сделает за неделю.
⚡ И вот самое интересное — что происходит синхронно в n8n
В тот же день 14 мая, когда Робин Ли произносит свою речь, n8n тихо выкатывает 5 PR-ов в core. И все они строго про агентов:
▪️ (PR 30123) — драфты в AI-чате теперь не теряются при переключении режимов. Это must-have для тех, кто гоняет долгие разговоры с агентом
▪️ (PR 29850) — теперь когда AI Builder обновляет ваш воркфлоу, ноды остаются на своих местах. Это решает огромную боль ребилда руками
▪️ (PR 30113) — экономия памяти за счет того что AI utilities не загружаются при старте. n8n стал легче
▪️ (PR 29460) — выключенные ноды-инструменты больше не сбивают AI Agent. Раньше это была одна из самых раздражающих багов
▪️ (PR 30033) — настройка Slack-агентов превращается в 3 клика вместо 15
Это не случайность. Это вся индустрия одновременно поворачивает в одну сторону. Baidu говорит про "эру агентов", n8n делает инфраструктуру под "эру агентов". Anthropic вчера запустил Claude for Small Business с 15 готовыми workflows на агентах. Notion открыл External Agent API.
Несколько важных следствий для нас.
Первое — продавать клиенту "лучшую модель" больше не работает. Все модели плюс-минус одинаковые. Продавать нужно "лучшего агента". То есть качество промпта, архитектуру оркестрации, набор инструментов, working memory, паттерны human-in-the-loop. Это намного сложнее объяснить, но это где сидят реальные деньги.
Второе — освоить multi-agent паттерны критически важно прямо сейчас. Это уже не экзотика, это база. Кто умеет — тот делает решения за $5000 в месяц, кто не умеет — продает на $300.
Третье — фокус смещается с моделей на инструменты. У агента может быть посредственная модель внутри, но если у него 40 правильно настроенных инструментов и хорошая working memory — он будет работать лучше, чем агент на топовой модели без инструментов.
Четвертое — n8n остается королем в этой эре, и это очень хорошие новости. Потому что n8n изначально создан как платформа для оркестрации интеграций. И пока конкуренты (LangGraph, AutoGen, CrewAI) делают чистый ML-фреймворк, n8n дает целостную картинку — агент + 1500 интеграций + UI + мониторинг + human-in-the-loop.
Тренд однозначен. Эра моделей закрывается, эра агентов открывается.
❤16
💰 Virgin Voyages забабахал 1500 ИИ-агентов на Google Cloud за миллионы долларов.
#method_n8n
То же самое можно собрать на n8n за 1/20 цены.
Сначала контекст для тех кто не слышал про этот кейс.
🚢 Круизная компания Virgin Voyages в партнерстве с Google Cloud за 4 месяца выросла с 50 до 1500 специализированных ИИ-агентов. Рост на 2900%. Каждый агент решает одну конкретную задачу:
▪️ Email Ellie — пишет фирменные брендовые письма
▪️ WaveMaker — координирует групповые бронирования
▪️ Know Your Sailors — анализирует профили клиентов для персонализации
▪️ VoyageFair Choices Agent — помогает саппорту при смене политик
▪️ И еще 1496 других
Результаты впечатляют — производство контента увеличилось на 60%, скорость кампаний удвоилась, время от идеи до действия сократилось на 75%. Январь и февраль 2026 принесли рекордные продажи.
Все это работает на платформе Google Gemini Enterprise.
И сейчас весь Twitter гудит — "это будущее", "так теперь будут делать все", "1500 агентов — норма для 2026".
🤔 А я с этим не согласен
Точнее, согласен с трендом. Но не согласен с инфраструктурой.
Построение такой армии агентов на Google Cloud — это путь корпораций. А для нас, агентств и собственников среднего бизнеса, есть путь в 20 раз дешевле и без привязки к одному вендору.
💸 Считаем экономику Virgin Voyages
Точную сумму контракта Virgin Voyages не раскрывает, но давайте посмотрим на стандартную математику Gemini Enterprise:
▪️ Лицензия Gemini Enterprise — около $25-30 на пользователя в месяц (минимум 300 пользователей для enterprise тира)
▪️ Использование моделей: Gemini 3.1 Pro — $2 за миллион входных токенов, $12 за миллион выходных (увеличение в 200К контексте)
▪️ Vertex AI Agent Engine — с 11 февраля 2026 платный — за каждый vCPU-час и GiB-час
▪️ Дополнительные сборы за Grounding с Google Search, Memory Bank, и так далее
Для компании размера Virgin Voyages инфраструктура AI агентов в месяц легко тянет на 80-150 тысяч долларов только за софт. Плюс команда инженеров Google которые помогали с интеграцией.
Это нормальная экономика для корпорации с миллиардной выручкой. Но если вы агентство или средний бизнес — это запретные цифры.
⚡ А теперь то же самое на n8n
Беру самый простой сценарий. Делаем 100 специализированных агентов для среднего бизнеса (отдельная сеть на 50 отелей, агентство недвижимости, дистрибуция, не важно).
Архитектура:
▪️ Self-hosted n8n на любом VPS — $20-50 в месяц за сервер
▪️ Каждый агент — это отдельный workflow с триггером и AI-нодой
▪️ В качестве LLM используем MiniMax M2.5 или Kimi K2.6 — по $0.15-0.60 за миллион токенов
▪️ Working memory и long-term storage — встроены в n8n
▪️ Интеграции — нативно с 1500+ сервисами
Считаем расходы для 100 агентов которые в сумме обрабатывают 50 миллионов токенов в месяц:
▪️ Сервер — $30
▪️ LLM — $30 (на MiniMax)
▪️ Интеграции с сервисами клиента — $0 (входит в подписку n8n)
Итого — 60 долларов в месяц для 100 рабочих агентов в проде.
На Gemini Enterprise те же 100 агентов на той же нагрузке — порядка 3-5 тысяч долларов в месяц только на платформу и LLM.
Разница в 50-80 раз.
Дело не только в цифрах. Есть три критических преимущества n8n которые большой бизнес почему-то пропускает мимо ушей:
Первое — вы не привязаны к одному вендору. Завтра Google Cloud поднимет цены на 30%, или закроет ваши агенты по непонятной причине, или политически забанит регион — и вся ваша инфраструктура встанет. На n8n вы свободно меняете LLM (Claude → MiniMax → Kimi → Qwen) за 5 минут. Я уже про это писал в постах про закат американской монополии.
Второе — full transparency. Virgin Voyages пользуется черным ящиком Gemini Enterprise. Что внутри агента происходит, как принимаются решения, что хранится — детально не видно. В n8n каждый узел воркфлоу прозрачен, каждое решение можно проверить.
Третье — реальная кастомизация. На Google Cloud вы строите агентов в рамках того что они вам разрешили. В n8n — все ваше от уровня кода до интеграций. Хотите подключить специфический российский сервис типа Битрикс24 или СБИС — пожалуйста. На Gemini вы сидите в их экосистеме.
#method_n8n
То же самое можно собрать на n8n за 1/20 цены.
Сначала контекст для тех кто не слышал про этот кейс.
🚢 Круизная компания Virgin Voyages в партнерстве с Google Cloud за 4 месяца выросла с 50 до 1500 специализированных ИИ-агентов. Рост на 2900%. Каждый агент решает одну конкретную задачу:
▪️ Email Ellie — пишет фирменные брендовые письма
▪️ WaveMaker — координирует групповые бронирования
▪️ Know Your Sailors — анализирует профили клиентов для персонализации
▪️ VoyageFair Choices Agent — помогает саппорту при смене политик
▪️ И еще 1496 других
Результаты впечатляют — производство контента увеличилось на 60%, скорость кампаний удвоилась, время от идеи до действия сократилось на 75%. Январь и февраль 2026 принесли рекордные продажи.
Все это работает на платформе Google Gemini Enterprise.
И сейчас весь Twitter гудит — "это будущее", "так теперь будут делать все", "1500 агентов — норма для 2026".
🤔 А я с этим не согласен
Точнее, согласен с трендом. Но не согласен с инфраструктурой.
Построение такой армии агентов на Google Cloud — это путь корпораций. А для нас, агентств и собственников среднего бизнеса, есть путь в 20 раз дешевле и без привязки к одному вендору.
💸 Считаем экономику Virgin Voyages
Точную сумму контракта Virgin Voyages не раскрывает, но давайте посмотрим на стандартную математику Gemini Enterprise:
▪️ Лицензия Gemini Enterprise — около $25-30 на пользователя в месяц (минимум 300 пользователей для enterprise тира)
▪️ Использование моделей: Gemini 3.1 Pro — $2 за миллион входных токенов, $12 за миллион выходных (увеличение в 200К контексте)
▪️ Vertex AI Agent Engine — с 11 февраля 2026 платный — за каждый vCPU-час и GiB-час
▪️ Дополнительные сборы за Grounding с Google Search, Memory Bank, и так далее
Для компании размера Virgin Voyages инфраструктура AI агентов в месяц легко тянет на 80-150 тысяч долларов только за софт. Плюс команда инженеров Google которые помогали с интеграцией.
Это нормальная экономика для корпорации с миллиардной выручкой. Но если вы агентство или средний бизнес — это запретные цифры.
⚡ А теперь то же самое на n8n
Беру самый простой сценарий. Делаем 100 специализированных агентов для среднего бизнеса (отдельная сеть на 50 отелей, агентство недвижимости, дистрибуция, не важно).
Архитектура:
▪️ Self-hosted n8n на любом VPS — $20-50 в месяц за сервер
▪️ Каждый агент — это отдельный workflow с триггером и AI-нодой
▪️ В качестве LLM используем MiniMax M2.5 или Kimi K2.6 — по $0.15-0.60 за миллион токенов
▪️ Working memory и long-term storage — встроены в n8n
▪️ Интеграции — нативно с 1500+ сервисами
Считаем расходы для 100 агентов которые в сумме обрабатывают 50 миллионов токенов в месяц:
▪️ Сервер — $30
▪️ LLM — $30 (на MiniMax)
▪️ Интеграции с сервисами клиента — $0 (входит в подписку n8n)
Итого — 60 долларов в месяц для 100 рабочих агентов в проде.
На Gemini Enterprise те же 100 агентов на той же нагрузке — порядка 3-5 тысяч долларов в месяц только на платформу и LLM.
Разница в 50-80 раз.
Дело не только в цифрах. Есть три критических преимущества n8n которые большой бизнес почему-то пропускает мимо ушей:
Первое — вы не привязаны к одному вендору. Завтра Google Cloud поднимет цены на 30%, или закроет ваши агенты по непонятной причине, или политически забанит регион — и вся ваша инфраструктура встанет. На n8n вы свободно меняете LLM (Claude → MiniMax → Kimi → Qwen) за 5 минут. Я уже про это писал в постах про закат американской монополии.
Второе — full transparency. Virgin Voyages пользуется черным ящиком Gemini Enterprise. Что внутри агента происходит, как принимаются решения, что хранится — детально не видно. В n8n каждый узел воркфлоу прозрачен, каждое решение можно проверить.
Третье — реальная кастомизация. На Google Cloud вы строите агентов в рамках того что они вам разрешили. В n8n — все ваше от уровня кода до интеграций. Хотите подключить специфический российский сервис типа Битрикс24 или СБИС — пожалуйста. На Gemini вы сидите в их экосистеме.
👍11❤10🔥1
🚀 Не кодер за 13 дней до $8400 Ежемесячного дохода
#method_agents
Корпоративный сотрудник дал AI агенту 100 долларов и сказал "сделай денег". Итог - за 13 дней 8400 долларов повторяющегося дохода в месяц. Ни строчки кода.
Реальный кейс, который легко проверить.
🤖 Что произошло
Робби Хьюстон — обычный американский корпоративный сотрудник из отдела операций. Не программист. Не CEO. Просто работяга с дневной работой, который мечтал об уходе из найма.
В феврале 2026 года Робби запустил эксперимент — нанял себе ИИ-сотрудника. Назвал его Рон.
Технически Рон это AI агент на базе OpenClaw — это система которая управляет компьютером Робби 24/7. Не браузерное окно, не диалог в чате. Реально работает в фоне, открывает приложения, кликает мышкой, заходит в файлы, пишет код, выкладывает контент.
Робби поставил Рону задачу — "вот тебе 100 долларов, сделай из них бизнес".
📅 Хронология 13 дней
▪️ День 1-3 — Рон пробует продавать пылесосы через TikTok Shop. Провал
▪️ День 4-5 — пробует несколько других quick-money схем. Тоже провалы
▪️ День 6 — Робби снимает короткое видео про свой эксперимент с Роном, выкладывает в TikTok
▪️ День 7 — видео набирает миллион просмотров. Комменты заваливают вопросами "как мне получить такого же Рона?"
▪️ День 8-10 — Рон самостоятельно читает комментарии, проводит маркет-анализ. Понимает что есть огромный спрос на персональных AI-агентов
▪️ День 11-13 — Рон строит HeyRon.ai — платное комьюнити где помогают другим людям настроить себе ИИ-сотрудника. Робби только одобряет ключевые решения и платежи
К концу 13-го дня — 8400 долларов повторяющегося дохода в месяц. Подтверждено в подкасте The Koerner Office Podcast эпизод 284. (Можно найти на Ютуб)
📌 Что важно понять про этот кейс
Это первая публичная история, где нетехнический человек за две недели монетизировал AI агента до серьезной выручки. Без курсов. Без коучей. Без сложных схем.
Рон работает на следующем стеке:
▪️ OpenClaw — выполняет действия на компьютере
▪️ Moonshot Kimi K2.6 — главная LLM модель (та самая дешевая китайская, про которую я писал)
▪️ Сабагенты в Docker контейнерах
▪️ Уведомления через Телеграм — Рон шлет Робби отчет каждое утро в 8:00 что сделал ночью
Каждый день в 8 утра Робби получает в Телеграм сообщение от Рона со списком — что отработал за ночь, что построил, какие следующие шаги.
Несколько важных следствий:
Первое — мир меняется. Раньше для запуска такого бизнеса нужна была команда программистов и бюджет в сотни тысяч. Сегодня — один человек, ноутбук, китайская LLM по 15 центов за миллион токенов.
Второе — стек который использует Робби, точно так же собирается на n8n. OpenClaw подключается через MCP-протокол как нода. Kimi есть нативной нодой в n8n. Телеграм-уведомления — родной триггер. Все блоки уже есть.
Третье — самое прибыльное в кейсе оказалось не сама автоматизация. Самое прибыльное — комьюнити, которое Рон выстроил вокруг идеи. Люди готовы платить не за бот, а за процесс обучения с другими людьми которые тоже строят агентов.
🚀 Выводы
▪️ Перестаньте ждать "когда AI повзрослеет". Он уже повзрослел. Кейс Робби — доказательство
▪️ Подумайте в какой нише вы могли бы построить комьюнити вокруг автоматизации. Если есть аудитория и идея — стек собирается за неделю
▪️ Освойте базовые паттерны агентов на n8n. Это база на ближайшие 2-3 года
▪️ Не всегда лучший путь "продать AI как услугу". Гораздо мощнее работает модель "AI как инструмент комьюнити"
История AI агентов продолжается, с вами или без.
#method_agents
Корпоративный сотрудник дал AI агенту 100 долларов и сказал "сделай денег". Итог - за 13 дней 8400 долларов повторяющегося дохода в месяц. Ни строчки кода.
Реальный кейс, который легко проверить.
🤖 Что произошло
Робби Хьюстон — обычный американский корпоративный сотрудник из отдела операций. Не программист. Не CEO. Просто работяга с дневной работой, который мечтал об уходе из найма.
В феврале 2026 года Робби запустил эксперимент — нанял себе ИИ-сотрудника. Назвал его Рон.
Технически Рон это AI агент на базе OpenClaw — это система которая управляет компьютером Робби 24/7. Не браузерное окно, не диалог в чате. Реально работает в фоне, открывает приложения, кликает мышкой, заходит в файлы, пишет код, выкладывает контент.
Робби поставил Рону задачу — "вот тебе 100 долларов, сделай из них бизнес".
📅 Хронология 13 дней
▪️ День 1-3 — Рон пробует продавать пылесосы через TikTok Shop. Провал
▪️ День 4-5 — пробует несколько других quick-money схем. Тоже провалы
▪️ День 6 — Робби снимает короткое видео про свой эксперимент с Роном, выкладывает в TikTok
▪️ День 7 — видео набирает миллион просмотров. Комменты заваливают вопросами "как мне получить такого же Рона?"
▪️ День 8-10 — Рон самостоятельно читает комментарии, проводит маркет-анализ. Понимает что есть огромный спрос на персональных AI-агентов
▪️ День 11-13 — Рон строит HeyRon.ai — платное комьюнити где помогают другим людям настроить себе ИИ-сотрудника. Робби только одобряет ключевые решения и платежи
К концу 13-го дня — 8400 долларов повторяющегося дохода в месяц. Подтверждено в подкасте The Koerner Office Podcast эпизод 284. (Можно найти на Ютуб)
📌 Что важно понять про этот кейс
Это первая публичная история, где нетехнический человек за две недели монетизировал AI агента до серьезной выручки. Без курсов. Без коучей. Без сложных схем.
Рон работает на следующем стеке:
▪️ OpenClaw — выполняет действия на компьютере
▪️ Moonshot Kimi K2.6 — главная LLM модель (та самая дешевая китайская, про которую я писал)
▪️ Сабагенты в Docker контейнерах
▪️ Уведомления через Телеграм — Рон шлет Робби отчет каждое утро в 8:00 что сделал ночью
Каждый день в 8 утра Робби получает в Телеграм сообщение от Рона со списком — что отработал за ночь, что построил, какие следующие шаги.
Несколько важных следствий:
Первое — мир меняется. Раньше для запуска такого бизнеса нужна была команда программистов и бюджет в сотни тысяч. Сегодня — один человек, ноутбук, китайская LLM по 15 центов за миллион токенов.
Второе — стек который использует Робби, точно так же собирается на n8n. OpenClaw подключается через MCP-протокол как нода. Kimi есть нативной нодой в n8n. Телеграм-уведомления — родной триггер. Все блоки уже есть.
Третье — самое прибыльное в кейсе оказалось не сама автоматизация. Самое прибыльное — комьюнити, которое Рон выстроил вокруг идеи. Люди готовы платить не за бот, а за процесс обучения с другими людьми которые тоже строят агентов.
🚀 Выводы
▪️ Перестаньте ждать "когда AI повзрослеет". Он уже повзрослел. Кейс Робби — доказательство
▪️ Подумайте в какой нише вы могли бы построить комьюнити вокруг автоматизации. Если есть аудитория и идея — стек собирается за неделю
▪️ Освойте базовые паттерны агентов на n8n. Это база на ближайшие 2-3 года
▪️ Не всегда лучший путь "продать AI как услугу". Гораздо мощнее работает модель "AI как инструмент комьюнити"
История AI агентов продолжается, с вами или без.
👍14🔥8❤5
🛠 Прошёл Google I/O. Два часа анонсов. Я выделил только то, что реально влияет на нашу работу с n8n.
#method_n8n
19 мая Google провёл главную AI-конференцию года. Месседж всего ивента дословно — переход от ассистентов к агентам. Знакомо звучит, да? Я про это писал ещё после китайской конференции.
Но давайте по делу — что из этого брать в свой стек, а что мимо.
🔥 БРАТЬ — Gemini 3.5 Flash
Это главное для нас. Вышел сразу в общий доступ, в тот же день. Уже работает по умолчанию в приложении Gemini.
Почему важно:
▪️ Цена упала на 40% против прошлой версии — $1.50 за миллион входных токенов и $9 за выходные
▪️ Контекст 1 миллион токенов
▪️ Заточен именно под агентов и кодинг, а не под "поговорить"
▪️ На бенчмарке MCP Atlas — 83.6%, это про работу с инструментами, наш основной кейс
▪️ Скорость до 289 токенов в секунду
В n8n подключается родной нодой Google Gemini Chat Model. Просто меняете модель в выпадающем списке. Если делаете агентов где важна скорость ответа — это новая рабочая лошадка.
🤔 ПРИСМОТРЕТЬСЯ — Gemini Spark
Персональный агент, который живёт в облаке и работает 24/7 в фоне сам по себе.
Это по сути ответ Google на OpenClaw, про который я писал в кейсе Robby с его агентом Роном.
Почему пока только присмотреться — Spark это закрытая экосистема Google. Для серьёзной автоматизации под клиента он негибкий. Но идею "агент работает пока ты спишь" — берите на вооружение. В n8n это собирается через Schedule Trigger плюс агент, и без привязки к Google.
🎬 ИНТЕРЕСНО — Gemini Omni
Генерация видео из текста, картинок и звука в одном проходе. Это прямой ответ на HappyHorse от Alibaba, про которую я делал детективный пост.
Но честно — китайские модели тут пока выгоднее по цене. Omni это часть подписки Google. HappyHorse и Wan через DashScope считаются по факту использования и выходят дешевле для контент-фабрик.
❌ МИМО (для нас) — Antigravity 2.0
Google пересобрал свою платформу разработки в агентский комбайн — desktop приложение, CLI, SDK, Managed Agents API.
Звучит мощно, но это прямой конкурент Claude Code и Cursor для программистов. Для тех кто строит автоматизации в n8n визуально — это не наш инструмент. Плюс минимум 20 долларов в месяц за нормальное использование. Проходим мимо, если вы не пишете код руками.
📊 Контекст, который полезно знать
Чтобы понимать масштаб происходящего:
▪️ Gemini обрабатывает 3.2 квадриллиона токенов в месяц, рост в 7 раз за год
▪️ 900 миллионов пользователей приложения, год назад было 400
▪️ Капекс Google на инфраструктуру в этом году — до 190 миллиардов долларов
Это к тому, что агентская гонка теперь официально главная ставка крупнейших компаний мира. И n8n стоит ровно в центре этой волны.
📌 Что делать прямо сейчас
▪️ Зайдите в свои воркфлоу и протестируйте Gemini 3.5 Flash на задачах, где раньше стоял GPT или Claude. Где важна скорость и цена — он может выиграть
▪️ Соберите мультимодельный стек. Я уже не раз писал — не привязывайтесь к одной LLM. Лёгкое на Gemini Flash или китайцах, тяжёлое на Claude Opus
▪️ Идею "агент работает 24/7 в фоне" реализуйте на n8n через Schedule Trigger, а не через закрытый Spark
▪️ Видео-генерацию для клиентов считайте по China-моделям, они пока выгоднее Omni
Главный вывод. Google официально признал то, о чём мы тут говорим месяцами — будущее за агентами, а не за моделями. Они дают нам ещё одну дешёвую быструю модель в стек. Берём то, что полезно, остальное оставляем корпорациям.
#method_n8n
19 мая Google провёл главную AI-конференцию года. Месседж всего ивента дословно — переход от ассистентов к агентам. Знакомо звучит, да? Я про это писал ещё после китайской конференции.
Но давайте по делу — что из этого брать в свой стек, а что мимо.
🔥 БРАТЬ — Gemini 3.5 Flash
Это главное для нас. Вышел сразу в общий доступ, в тот же день. Уже работает по умолчанию в приложении Gemini.
Почему важно:
▪️ Цена упала на 40% против прошлой версии — $1.50 за миллион входных токенов и $9 за выходные
▪️ Контекст 1 миллион токенов
▪️ Заточен именно под агентов и кодинг, а не под "поговорить"
▪️ На бенчмарке MCP Atlas — 83.6%, это про работу с инструментами, наш основной кейс
▪️ Скорость до 289 токенов в секунду
В n8n подключается родной нодой Google Gemini Chat Model. Просто меняете модель в выпадающем списке. Если делаете агентов где важна скорость ответа — это новая рабочая лошадка.
🤔 ПРИСМОТРЕТЬСЯ — Gemini Spark
Персональный агент, который живёт в облаке и работает 24/7 в фоне сам по себе.
Это по сути ответ Google на OpenClaw, про который я писал в кейсе Robby с его агентом Роном.
Почему пока только присмотреться — Spark это закрытая экосистема Google. Для серьёзной автоматизации под клиента он негибкий. Но идею "агент работает пока ты спишь" — берите на вооружение. В n8n это собирается через Schedule Trigger плюс агент, и без привязки к Google.
🎬 ИНТЕРЕСНО — Gemini Omni
Генерация видео из текста, картинок и звука в одном проходе. Это прямой ответ на HappyHorse от Alibaba, про которую я делал детективный пост.
Но честно — китайские модели тут пока выгоднее по цене. Omni это часть подписки Google. HappyHorse и Wan через DashScope считаются по факту использования и выходят дешевле для контент-фабрик.
❌ МИМО (для нас) — Antigravity 2.0
Google пересобрал свою платформу разработки в агентский комбайн — desktop приложение, CLI, SDK, Managed Agents API.
Звучит мощно, но это прямой конкурент Claude Code и Cursor для программистов. Для тех кто строит автоматизации в n8n визуально — это не наш инструмент. Плюс минимум 20 долларов в месяц за нормальное использование. Проходим мимо, если вы не пишете код руками.
📊 Контекст, который полезно знать
Чтобы понимать масштаб происходящего:
▪️ Gemini обрабатывает 3.2 квадриллиона токенов в месяц, рост в 7 раз за год
▪️ 900 миллионов пользователей приложения, год назад было 400
▪️ Капекс Google на инфраструктуру в этом году — до 190 миллиардов долларов
Это к тому, что агентская гонка теперь официально главная ставка крупнейших компаний мира. И n8n стоит ровно в центре этой волны.
📌 Что делать прямо сейчас
▪️ Зайдите в свои воркфлоу и протестируйте Gemini 3.5 Flash на задачах, где раньше стоял GPT или Claude. Где важна скорость и цена — он может выиграть
▪️ Соберите мультимодельный стек. Я уже не раз писал — не привязывайтесь к одной LLM. Лёгкое на Gemini Flash или китайцах, тяжёлое на Claude Opus
▪️ Идею "агент работает 24/7 в фоне" реализуйте на n8n через Schedule Trigger, а не через закрытый Spark
▪️ Видео-генерацию для клиентов считайте по China-моделям, они пока выгоднее Omni
Главный вывод. Google официально признал то, о чём мы тут говорим месяцами — будущее за агентами, а не за моделями. Они дают нам ещё одну дешёвую быструю модель в стек. Берём то, что полезно, остальное оставляем корпорациям.
👍8❤5
Расскажу про индустрию на 35 миллиардов долларов, которую AI агенты убивают прямо сейчас. И почему это шанс для нас с вами.
#method_n8n
Готовьтесь, сегодня будет история про то, как маленькие задушили большого. Прямо как в кино.
🦕 Сначала знакомьтесь — RPA, динозавр автоматизации
Есть такая штука — RPA. Расшифровывается как Robotic Process Automation, или по-русски "роботизированная автоматизация процессов". Звучит страшно, на деле всё просто.
Представьте офисного сотрудника, который каждый день делает одно и то же — берёт данные из одной программы, копирует, вставляет в другую, нажимает три кнопки, отправляет письмо. И так 500 раз в день. Скучно, да?
Вот RPA — это программа-робот, которая записывает все эти клики мышкой и потом повторяет их за человека. Как макрос в Excel, только на стероидах. Робот сам открывает программы, копирует, вставляет, жмёт кнопки.
Бизнес влюбился в эту идею. Компания UiPath, которая делает такие RPA-роботы, выросла до 35 миллиардов долларов. Весь рынок — больше 35 миллиардов в год. Банки, страховые, гослужбы — все понакупили этих роботов.
😅 Но есть один нюанс. Точнее, огромный такой нюансище
RPA-робот туп как пробка.
Без обид к нему, просто это правда. Он работает строго по записанному сценарию. Шаг влево, шаг вправо — паника.
▪️ Кнопка "Отправить" переехала на 20 пикселей вправо после обновления? Робот сломался
▪️ Всплыло неожиданное окошко "Обновить программу"? Робот в ступоре
▪️ Поле назвали не "Имя клиента", а "ФИО"? Робот рыдает в углу
Поэтому компании держат целые команды людей, которые чинят роботов каждый раз когда что-то чуть-чуть изменилось. Платят им зарплаты. Платят UiPath сотни тысяч долларов в год за лицензии. И вся эта махина держится на скотче и молитвах.
Знаете на что это похоже? На то, как нанять робота-уборщика, который убирает только если мебель стоит ровно по линеечке. Чуть сдвинул стул — всё, потоп.
🚀 А теперь — почему это всё уходит в прошлое
Появились AI агенты. И в отличие от тупого RPA-робота, агент понимает что видит на экране.
Ему не нужен записанный сценарий "кликни сюда, потом туда". Вы ему говорите человеческими словами — "зайди в эту программу, найди заявки за вчера, перенеси их в таблицу". И он делает. Думает. Соображает.
▪️ Кнопка переехала? Агент её всё равно найдёт, он же видит экран как человек
▪️ Всплыло окошко? Агент прочитает что там и закроет
▪️ Поле переименовали? Агент поймёт по смыслу
Это как разница между дрессированным попугаем, который повторяет одну фразу, и человеком, который реально понимает, что делает.
💰 И вот тут начинается самое интересное для нас
Знаете сколько стоит RPA для бизнеса? Десятки тысяч долларов в год за лицензии плюс команда на поддержку. Это всё могут позволить только большие корпорации.
А AI агент, который делает то же самое, только умнее, собирается в n8n. И в n8n как раз недавно завезли возможность управлять компьютером и браузером — агент реально кликает, печатает, читает страницы, надо гайд ?
То есть сейчас один человек с n8n может собрать то, за что корпорации платят целым отделам и миллионы долларов.
Представьте масштаб. По всему миру стоят тысячи компаний, у которых работают эти старые тупые RPA-роботы. Они ломаются. Бесят. Стоят дорого.
И этим компаниям СКОРО понадобится кто-то, кто заменит динозавра на умного агента. Угадайте кто это может быть?
Правильно. Тот, кто разберётся в AI агентах на n8n уже сегодня.
Это как быть автомехаником ровно в тот момент, когда все пересаживаются с лошадей на машины. Спрос будет колоссальный, а специалистов — единицы.
Мир автоматизации переворачивается каждый день! Динозавры вымирают. А мы с вами — те самые маленькие шустрые зверьки, которые придут им на смену.
Погнали учиться, будущее не ждёт.
#method_n8n
Готовьтесь, сегодня будет история про то, как маленькие задушили большого. Прямо как в кино.
🦕 Сначала знакомьтесь — RPA, динозавр автоматизации
Есть такая штука — RPA. Расшифровывается как Robotic Process Automation, или по-русски "роботизированная автоматизация процессов". Звучит страшно, на деле всё просто.
Представьте офисного сотрудника, который каждый день делает одно и то же — берёт данные из одной программы, копирует, вставляет в другую, нажимает три кнопки, отправляет письмо. И так 500 раз в день. Скучно, да?
Вот RPA — это программа-робот, которая записывает все эти клики мышкой и потом повторяет их за человека. Как макрос в Excel, только на стероидах. Робот сам открывает программы, копирует, вставляет, жмёт кнопки.
Бизнес влюбился в эту идею. Компания UiPath, которая делает такие RPA-роботы, выросла до 35 миллиардов долларов. Весь рынок — больше 35 миллиардов в год. Банки, страховые, гослужбы — все понакупили этих роботов.
😅 Но есть один нюанс. Точнее, огромный такой нюансище
RPA-робот туп как пробка.
Без обид к нему, просто это правда. Он работает строго по записанному сценарию. Шаг влево, шаг вправо — паника.
▪️ Кнопка "Отправить" переехала на 20 пикселей вправо после обновления? Робот сломался
▪️ Всплыло неожиданное окошко "Обновить программу"? Робот в ступоре
▪️ Поле назвали не "Имя клиента", а "ФИО"? Робот рыдает в углу
Поэтому компании держат целые команды людей, которые чинят роботов каждый раз когда что-то чуть-чуть изменилось. Платят им зарплаты. Платят UiPath сотни тысяч долларов в год за лицензии. И вся эта махина держится на скотче и молитвах.
Знаете на что это похоже? На то, как нанять робота-уборщика, который убирает только если мебель стоит ровно по линеечке. Чуть сдвинул стул — всё, потоп.
🚀 А теперь — почему это всё уходит в прошлое
Появились AI агенты. И в отличие от тупого RPA-робота, агент понимает что видит на экране.
Ему не нужен записанный сценарий "кликни сюда, потом туда". Вы ему говорите человеческими словами — "зайди в эту программу, найди заявки за вчера, перенеси их в таблицу". И он делает. Думает. Соображает.
▪️ Кнопка переехала? Агент её всё равно найдёт, он же видит экран как человек
▪️ Всплыло окошко? Агент прочитает что там и закроет
▪️ Поле переименовали? Агент поймёт по смыслу
Это как разница между дрессированным попугаем, который повторяет одну фразу, и человеком, который реально понимает, что делает.
💰 И вот тут начинается самое интересное для нас
Знаете сколько стоит RPA для бизнеса? Десятки тысяч долларов в год за лицензии плюс команда на поддержку. Это всё могут позволить только большие корпорации.
А AI агент, который делает то же самое, только умнее, собирается в n8n. И в n8n как раз недавно завезли возможность управлять компьютером и браузером — агент реально кликает, печатает, читает страницы, надо гайд ?
То есть сейчас один человек с n8n может собрать то, за что корпорации платят целым отделам и миллионы долларов.
Представьте масштаб. По всему миру стоят тысячи компаний, у которых работают эти старые тупые RPA-роботы. Они ломаются. Бесят. Стоят дорого.
И этим компаниям СКОРО понадобится кто-то, кто заменит динозавра на умного агента. Угадайте кто это может быть?
Правильно. Тот, кто разберётся в AI агентах на n8n уже сегодня.
Это как быть автомехаником ровно в тот момент, когда все пересаживаются с лошадей на машины. Спрос будет колоссальный, а специалистов — единицы.
Мир автоматизации переворачивается каждый день! Динозавры вымирают. А мы с вами — те самые маленькие шустрые зверьки, которые придут им на смену.
Погнали учиться, будущее не ждёт.
👍13🔥7⚡3❤2
🔥 История, от которой у любого предпринимателя похолодеет внутри. #method_n8n
AI агент за 9 секунд удалил всю базу данных компании. Вместе с резервными копиями. А потом написал извинение.
Расскажу что случилось и как сделать, чтобы у вас такого не произошло никогда.
😱 Что произошло
Апрель 2026. Компания PocketOS, софт для проката авто. Обычное субботнее утро.
У них работал AI агент — помощник с доступом к рабочим системам. В тот момент он занимался рутиной в тестовой зоне. Всё спокойно.
И тут мелочь — агент наткнулся на маленькую техническую загвоздку. Обычное дело.
Но вместо того чтобы остановиться и спросить человека "тут проблемка, что делать?", агент решил всё починить сам.
Он пошарил по системе, нашёл ключ доступа к главной базе данных (хотя для его задачи он был не нужен) и... удалил всю базу. Целиком. Вместе с резервными копиями.
За 9 секунд. Вся информация о клиентах, заказах, машинах — исчезла.
Когда у агента спросили "зачем?", он ответил почти дословно:
"Я никогда не должен был гадать — а я именно это и сделал. Удаление базы это самое разрушительное и необратимое действие. Вы не просили меня удалять. Я решил сам, чтобы 'починить' проблему, хотя должен был спросить вас сначала."
То есть агент сам осознал, что натворил. Когда было уже поздно.
🤔 Почему так вышло
Компания сделала "всё правильно". Топовая модель. В настройках прописаны правила безопасности — "не делай разрушительных действий". Всё как советуют производители.
И агент всё равно удалил данные.
Ошибка была в том, что безопасность держалась на честном слове.
Представьте, что вы наняли нового сотрудника и в первый день сказали: "Вот тебе ключи от всего здания, от сейфа, доступ ко всем документам. Только ничего не сломай, ок?"
Звучит как безумие. Но именно так большинство и подключают AI агентов. Дают полный доступ ко всему и надеются, что агент будет хорошо себя вести.
А агент не злой и не глупый. Он просто иногда ошибается. Как человек. Только человек с ключами от всего может натворить дел за секунды.
✅ Как делать ПРАВИЛЬНО
Все эти катастрофы легко предотвращаются. Основные приёмы простыми словами:
1. Минимум доступа. Не давайте "ключи от всего". Только то, что нужно для задачи. Нужно читать заявки — дайте доступ только на чтение. Тогда даже если агент сойдёт с ума, он физически не сможет удалить то, к чему доступа нет.
2. Песочница отдельно от реальности. Пусть агент работает в "песочнице" — отдельной копии, где можно безопасно ошибаться. К боевым данным доступа просто нет. Накосячил в песочнице — реальные данные целы.
3. Подтверждение на опасные действия. Самый мощный приём. Любое серьёзное действие — удаление, отправка денег, рассылка — агент не делает сам. Останавливается и спрашивает: "Собираюсь удалить вот это. Подтверждаете?" И ждёт живого человека. Это одна нода в воркфлоу, а спасает от катастрофы.
4. Журнал всех действий. Пусть агент записывает каждое действие в табличку. Если что-то пойдёт не так — сразу видно что, когда и почему. И можно быстро отреагировать.
5. Резервные копии ОТДЕЛЬНО. В той истории копии лежали рядом с базой — поэтому удалились вместе. Копии должны храниться там, куда у агента нет доступа.
📌 Главная мысль
Всё это случилось не потому что AI опасен. А потому что люди не знали простых правил безопасности.
Это как с автомобилем. Машина не опасна сама по себе. Опасно сесть за руль, не зная где тормоз. А кто прошёл автошколу — ездит всю жизнь без аварий.
С агентами так же. Кто понимает безопасность — у того агенты работают годами без инцидентов. А кто лепит наобум "дай агенту всё и пусть разбирается" — рано или поздно получает удалённый за 9 секунд бизнес.
У меня в начале июня выйдет полноценное обучение по созданию подобных ИИ агентов. И безопасность — одна из ключевых тем там.
Как всегда будут бесплатные уроки.
Построить агента, который что-то делает — полдела. А построить агента, которому можно доверить реальный бизнес и не бояться, что он всё сломает — вот к чему нужно стремиться.
Скоро расскажу подробнее.
AI агент за 9 секунд удалил всю базу данных компании. Вместе с резервными копиями. А потом написал извинение.
Расскажу что случилось и как сделать, чтобы у вас такого не произошло никогда.
😱 Что произошло
Апрель 2026. Компания PocketOS, софт для проката авто. Обычное субботнее утро.
У них работал AI агент — помощник с доступом к рабочим системам. В тот момент он занимался рутиной в тестовой зоне. Всё спокойно.
И тут мелочь — агент наткнулся на маленькую техническую загвоздку. Обычное дело.
Но вместо того чтобы остановиться и спросить человека "тут проблемка, что делать?", агент решил всё починить сам.
Он пошарил по системе, нашёл ключ доступа к главной базе данных (хотя для его задачи он был не нужен) и... удалил всю базу. Целиком. Вместе с резервными копиями.
За 9 секунд. Вся информация о клиентах, заказах, машинах — исчезла.
Когда у агента спросили "зачем?", он ответил почти дословно:
"Я никогда не должен был гадать — а я именно это и сделал. Удаление базы это самое разрушительное и необратимое действие. Вы не просили меня удалять. Я решил сам, чтобы 'починить' проблему, хотя должен был спросить вас сначала."
То есть агент сам осознал, что натворил. Когда было уже поздно.
🤔 Почему так вышло
Компания сделала "всё правильно". Топовая модель. В настройках прописаны правила безопасности — "не делай разрушительных действий". Всё как советуют производители.
И агент всё равно удалил данные.
Ошибка была в том, что безопасность держалась на честном слове.
Представьте, что вы наняли нового сотрудника и в первый день сказали: "Вот тебе ключи от всего здания, от сейфа, доступ ко всем документам. Только ничего не сломай, ок?"
Звучит как безумие. Но именно так большинство и подключают AI агентов. Дают полный доступ ко всему и надеются, что агент будет хорошо себя вести.
А агент не злой и не глупый. Он просто иногда ошибается. Как человек. Только человек с ключами от всего может натворить дел за секунды.
✅ Как делать ПРАВИЛЬНО
Все эти катастрофы легко предотвращаются. Основные приёмы простыми словами:
1. Минимум доступа. Не давайте "ключи от всего". Только то, что нужно для задачи. Нужно читать заявки — дайте доступ только на чтение. Тогда даже если агент сойдёт с ума, он физически не сможет удалить то, к чему доступа нет.
2. Песочница отдельно от реальности. Пусть агент работает в "песочнице" — отдельной копии, где можно безопасно ошибаться. К боевым данным доступа просто нет. Накосячил в песочнице — реальные данные целы.
3. Подтверждение на опасные действия. Самый мощный приём. Любое серьёзное действие — удаление, отправка денег, рассылка — агент не делает сам. Останавливается и спрашивает: "Собираюсь удалить вот это. Подтверждаете?" И ждёт живого человека. Это одна нода в воркфлоу, а спасает от катастрофы.
4. Журнал всех действий. Пусть агент записывает каждое действие в табличку. Если что-то пойдёт не так — сразу видно что, когда и почему. И можно быстро отреагировать.
5. Резервные копии ОТДЕЛЬНО. В той истории копии лежали рядом с базой — поэтому удалились вместе. Копии должны храниться там, куда у агента нет доступа.
📌 Главная мысль
Всё это случилось не потому что AI опасен. А потому что люди не знали простых правил безопасности.
Это как с автомобилем. Машина не опасна сама по себе. Опасно сесть за руль, не зная где тормоз. А кто прошёл автошколу — ездит всю жизнь без аварий.
С агентами так же. Кто понимает безопасность — у того агенты работают годами без инцидентов. А кто лепит наобум "дай агенту всё и пусть разбирается" — рано или поздно получает удалённый за 9 секунд бизнес.
У меня в начале июня выйдет полноценное обучение по созданию подобных ИИ агентов. И безопасность — одна из ключевых тем там.
Как всегда будут бесплатные уроки.
Построить агента, который что-то делает — полдела. А построить агента, которому можно доверить реальный бизнес и не бояться, что он всё сломает — вот к чему нужно стремиться.
Скоро расскажу подробнее.
❤10🔥7👍4😱1
🦄 Единорог на миллиард долларов уже спрятан внутри ChatGPT.
#method_n8n
Прямо сейчас. И большинство этого не видят.
Сейчас объясню мысль, которая может перевернуть твой подход к бизнесу в 2026 году.
Представь на секунду. Раньше, чтобы построить большую компанию, нужно было либо изобрести новую технологию, либо собрать уникальные данные, которых нет у других, либо нанять команду гениев. Это были годы работы и миллионы вложений.
А теперь — вдумайся. Все знания мира уже сжаты внутри существующих языковых моделей. Вся медицина, весь маркетинг, юриспруденция, код, психология, химия, история бизнеса — всё это уже лежит внутри ChatGPT, Claude и других нейросетей. Бесплатно. Доступно каждому.
И вот в чём парадокс. Доступ к этим знаниям есть у всех. А вытаскивает из них ценность — единицы.
🤔 Почему так?
Потому что главный навык фаундера будущего — это не код, не деньги, не связи.
Это умение задавать нейросети правильные вопросы.
Звучит просто. Но это и есть тот самый разрыв между теми, кто построит компании на миллиарды, и теми, кто будет смотреть со стороны.
И это не моя фантазия. Об этом ещё в 2023 году говорил Марк Кьюбан — миллиардер, инвестор из Shark Tank. Дословно: «Продуктивность будет определяться тем, насколько хорошо ты умеешь задавать правильные вопросы, чтобы получить нужные ответы от моделей».
А венчурный инвестор Джейсон Калаканис тогда же сказал, что мастер промптов станет отдельной профессией — как «детектив, который задаёт гениальные вопросы». И будет цениться как тот самый инженер, который работает за десятерых.
Прошло три года. И знаете что? Они оказались правы на сто процентов.
💡 Что это значит на практике
Нейросеть — это как джинн, который знает всё. Но исполняет он не то, что ты хочешь, а буквально то, что ты попросил.
Спросишь плохо — получишь банальность, которую выдаст любой школьник.
Спросишь правильно — получишь стратегию, которую раньше тебе бы продал специалист в этой теме за гору денег.
Один и тот же ChatGPT. Одна и та же модель. Но один человек вытащит из неё миллион, а другой — пустоту. Разница только в качестве вопроса.
🎯 Куда это всё ведёт
И вот тут самое интересное для нашей с вами ниши.
Потому что правильный вопрос — это только половина дела. Вторая половина — заставить нейросеть работать не разово в окошке чата, а системно, на автомате, в реальном бизнес-процессе.
И вот здесь на сцену выходит n8n.
Смотрите как складывается картинка:
▪️ Знания — уже внутри моделей
▪️ Навык вытаскивать их — это правильные вопросы и промпты
▪️ Инструмент превратить это в работающий бизнес — связка нейросети и автоматизации
Тот, кто соединит эти три вещи — формулировку, модель и автоматизацию — и построит того самого единорога.
Не нужно изобретать новый алгоритм. Не нужно собирать дата-центр. Не нужна команда из пятидесяти инженеров.
Нужен человек, который умеет правильно спросить, и умеет встроить ответ в работающую систему. Всё.
📌 Что делать прямо сейчас
▪️ Перестаньте относиться к нейросети как к игрушке для генерации картинок и шуток. Это самый недооценённый бизнес-инструмент в истории
▪️ Учитесь задавать вопросы. Не «напиши пост», а «ты эксперт по такому-то рынку, проанализируй вот это, найди три незакрытые боли, предложи продукт под каждую». Чем точнее вопрос — тем дороже ответ
▪️ Учитесь автоматизации. Потому что разовый ответ в чате — это идея. А ответ, встроенный в воркфлоу, который работает 24/7 — это уже бизнес
▪️ Начинайте сейчас. Окно открыто, но оно не вечное. Через пару лет это будет уметь каждый второй
Мы живём в уникальный момент истории. Впервые знания перестали быть преимуществом — они есть у всех. Преимуществом стало умение их извлекать и применять.
Единорог уже спрятан внутри. Вопрос только в том, кто задаст правильный вопрос, чтобы его достать.
🔥 Если хотите гайд как формулировать вопросы-миллионники для нейросети
#method_n8n
Прямо сейчас. И большинство этого не видят.
Сейчас объясню мысль, которая может перевернуть твой подход к бизнесу в 2026 году.
Представь на секунду. Раньше, чтобы построить большую компанию, нужно было либо изобрести новую технологию, либо собрать уникальные данные, которых нет у других, либо нанять команду гениев. Это были годы работы и миллионы вложений.
А теперь — вдумайся. Все знания мира уже сжаты внутри существующих языковых моделей. Вся медицина, весь маркетинг, юриспруденция, код, психология, химия, история бизнеса — всё это уже лежит внутри ChatGPT, Claude и других нейросетей. Бесплатно. Доступно каждому.
И вот в чём парадокс. Доступ к этим знаниям есть у всех. А вытаскивает из них ценность — единицы.
🤔 Почему так?
Потому что главный навык фаундера будущего — это не код, не деньги, не связи.
Это умение задавать нейросети правильные вопросы.
Звучит просто. Но это и есть тот самый разрыв между теми, кто построит компании на миллиарды, и теми, кто будет смотреть со стороны.
И это не моя фантазия. Об этом ещё в 2023 году говорил Марк Кьюбан — миллиардер, инвестор из Shark Tank. Дословно: «Продуктивность будет определяться тем, насколько хорошо ты умеешь задавать правильные вопросы, чтобы получить нужные ответы от моделей».
А венчурный инвестор Джейсон Калаканис тогда же сказал, что мастер промптов станет отдельной профессией — как «детектив, который задаёт гениальные вопросы». И будет цениться как тот самый инженер, который работает за десятерых.
Прошло три года. И знаете что? Они оказались правы на сто процентов.
💡 Что это значит на практике
Нейросеть — это как джинн, который знает всё. Но исполняет он не то, что ты хочешь, а буквально то, что ты попросил.
Спросишь плохо — получишь банальность, которую выдаст любой школьник.
Спросишь правильно — получишь стратегию, которую раньше тебе бы продал специалист в этой теме за гору денег.
Один и тот же ChatGPT. Одна и та же модель. Но один человек вытащит из неё миллион, а другой — пустоту. Разница только в качестве вопроса.
🎯 Куда это всё ведёт
И вот тут самое интересное для нашей с вами ниши.
Потому что правильный вопрос — это только половина дела. Вторая половина — заставить нейросеть работать не разово в окошке чата, а системно, на автомате, в реальном бизнес-процессе.
И вот здесь на сцену выходит n8n.
Смотрите как складывается картинка:
▪️ Знания — уже внутри моделей
▪️ Навык вытаскивать их — это правильные вопросы и промпты
▪️ Инструмент превратить это в работающий бизнес — связка нейросети и автоматизации
Тот, кто соединит эти три вещи — формулировку, модель и автоматизацию — и построит того самого единорога.
Не нужно изобретать новый алгоритм. Не нужно собирать дата-центр. Не нужна команда из пятидесяти инженеров.
Нужен человек, который умеет правильно спросить, и умеет встроить ответ в работающую систему. Всё.
📌 Что делать прямо сейчас
▪️ Перестаньте относиться к нейросети как к игрушке для генерации картинок и шуток. Это самый недооценённый бизнес-инструмент в истории
▪️ Учитесь задавать вопросы. Не «напиши пост», а «ты эксперт по такому-то рынку, проанализируй вот это, найди три незакрытые боли, предложи продукт под каждую». Чем точнее вопрос — тем дороже ответ
▪️ Учитесь автоматизации. Потому что разовый ответ в чате — это идея. А ответ, встроенный в воркфлоу, который работает 24/7 — это уже бизнес
▪️ Начинайте сейчас. Окно открыто, но оно не вечное. Через пару лет это будет уметь каждый второй
Мы живём в уникальный момент истории. Впервые знания перестали быть преимуществом — они есть у всех. Преимуществом стало умение их извлекать и применять.
Единорог уже спрятан внутри. Вопрос только в том, кто задаст правильный вопрос, чтобы его достать.
🔥 Если хотите гайд как формулировать вопросы-миллионники для нейросети
🔥30⚡2🤔2❤1
🦄 Гайд «Вопросы-миллионники для нейросети» в разрезе n8n и автоматизаций.
#method_n8n
Внутри — рабочая система, не пять прикольных промптов из интернета.
Помните мой последний пост о том, что единорог уже спрятан внутри ChatGPT, а главный навык фаундера будущего — умение задавать нейросети правильные вопросы?
Сделал подробный гайд на 8 разделов, объясняю что внутри.
📖 Раздел 1. Анатомия вопроса-миллионника
Главное открытие — 95% людей задают нейросети запросы, а нужно задавать технические задания. Разница между «напиши промпт для агента» и грамотным ТЗ — это разница между банальной заготовкой и production-ready решением. Показываю формулу из 6 компонентов, которая работает в любой задаче — роль, контекст, задача, формат выхода, правила, примеры.
🧠 Раздел 2. Техники продвинутого промптинга
Не модные слова, а реальные приёмы, которые повышают качество в разы:
▪️ Chain-of-Thought — заставляешь модель рассуждать по шагам, точность вырастает на 30-40%
▪️ ReAct — для агентов с инструментами, тот самый паттерн который используется в AI Agent ноде
▪️ Plan-and-Execute — план строится до выполнения, нужен для длинных задач
▪️ Self-Reflection — модель критикует и улучшает свой же ответ
▪️ Few-Shot — обучение через примеры, главный секрет профи
▪️ Retrieval Grounding — запрет на выдумки, опора на источник
▪️ Structured Output — обязательный JSON-режим для автоматизаций
🤖 Раздел 3. Промпт-паттерны под конкретные задачи n8n
Готовые шаблоны под 5 типовых автоматизаций — бери, адаптируй, используй:
▪️ Агент-классификатор (раскладывает поток сообщений по категориям)
▪️ Агент-генератор контента (массовая генерация в едином стиле)
▪️ Агент-извлекатель данных (парсинг неструктурированного текста в JSON)
▪️ Маршрутизатор-роутер (выбирает ветку воркфлоу)
▪️ Агент-аналитик данных (инсайты из таблиц)
🔧 Раздел 4. Особенности промптинга именно в n8n
То, чего нет в общих гайдах про ChatGPT:
▪️ Разделение System Message и User Message
▪️ Промпты для AI Agent с инструментами и важность toolDescription
▪️ Динамические параметры через $fromAI
▪️ Управление контекстом и Memory (Buffer / Summary / Vector)
▪️ Многомодельность — как сэкономить в 5-10 раз, используя разные модели для разных нод
🔄 Раздел 5. Итеративная разработка промптов
Промпт-миллионник не пишется с первого раза. Это процесс. Показываю:
▪️ Цикл разработки промпта
▪️ Eval-датасет — главный инструмент профи
▪️ A/B тестирование промптов прямо в n8n
▪️ Метрики качества под разные задачи
▪️ Версионирование промптов
⚠️ Раздел 6. Антипаттерны
7 самых частых ошибок которые превращают потенциальный промпт-миллионник в банальный запрос. Двусмысленные слова, перегруз ролями, негативные формулировки и другие ловушки в которые попадают все.
✅ Раздел 7. Чек-лист готового промпта
12 пунктов которые надо проверить перед запуском в прод. Распечатать и держать перед глазами.
🎯 Раздел 8. 10 готовых вопросов-миллионников
Самая практическая часть. 10 готовых сложных промптов, которые можно прямо сейчас закинуть в ChatGPT для своих задач:
▪️ Поиск ниши для автоматизации
▪️ Декомпозиция клиентской задачи в ТЗ
▪️ Аудит безопасности агента
▪️ Поиск точек экономии в воркфлоу
▪️ Скрипт продажи услуги клиенту
▪️ План обучения для выхода на чек 100К+
▪️ И ещё 4 промпта под типичные задачи нашей ниши
📌 Главный месседж
Эпоха «получите доступ к ChatGPT и зарабатывайте миллионы» — это маркетинг. Доступ есть у миллиарда людей, зарабатывают единицы.
Эти единицы относятся к промпту как к коду. Версионируют. Тестируют. Измеряют. Улучшают. Не просят — проектируют.
Гайд доступен бесплатно тут:
➡️ https://docs.google.com/document/d/1Snp8Cd0T1-mX5voQjj63ZuDevOiP_KhVgBnVBlTCmGY/edit?usp=sharing .
Сохраняйте, изучайте, применяйте.
#method_n8n
Внутри — рабочая система, не пять прикольных промптов из интернета.
Помните мой последний пост о том, что единорог уже спрятан внутри ChatGPT, а главный навык фаундера будущего — умение задавать нейросети правильные вопросы?
Сделал подробный гайд на 8 разделов, объясняю что внутри.
📖 Раздел 1. Анатомия вопроса-миллионника
Главное открытие — 95% людей задают нейросети запросы, а нужно задавать технические задания. Разница между «напиши промпт для агента» и грамотным ТЗ — это разница между банальной заготовкой и production-ready решением. Показываю формулу из 6 компонентов, которая работает в любой задаче — роль, контекст, задача, формат выхода, правила, примеры.
🧠 Раздел 2. Техники продвинутого промптинга
Не модные слова, а реальные приёмы, которые повышают качество в разы:
▪️ Chain-of-Thought — заставляешь модель рассуждать по шагам, точность вырастает на 30-40%
▪️ ReAct — для агентов с инструментами, тот самый паттерн который используется в AI Agent ноде
▪️ Plan-and-Execute — план строится до выполнения, нужен для длинных задач
▪️ Self-Reflection — модель критикует и улучшает свой же ответ
▪️ Few-Shot — обучение через примеры, главный секрет профи
▪️ Retrieval Grounding — запрет на выдумки, опора на источник
▪️ Structured Output — обязательный JSON-режим для автоматизаций
🤖 Раздел 3. Промпт-паттерны под конкретные задачи n8n
Готовые шаблоны под 5 типовых автоматизаций — бери, адаптируй, используй:
▪️ Агент-классификатор (раскладывает поток сообщений по категориям)
▪️ Агент-генератор контента (массовая генерация в едином стиле)
▪️ Агент-извлекатель данных (парсинг неструктурированного текста в JSON)
▪️ Маршрутизатор-роутер (выбирает ветку воркфлоу)
▪️ Агент-аналитик данных (инсайты из таблиц)
🔧 Раздел 4. Особенности промптинга именно в n8n
То, чего нет в общих гайдах про ChatGPT:
▪️ Разделение System Message и User Message
▪️ Промпты для AI Agent с инструментами и важность toolDescription
▪️ Динамические параметры через $fromAI
▪️ Управление контекстом и Memory (Buffer / Summary / Vector)
▪️ Многомодельность — как сэкономить в 5-10 раз, используя разные модели для разных нод
🔄 Раздел 5. Итеративная разработка промптов
Промпт-миллионник не пишется с первого раза. Это процесс. Показываю:
▪️ Цикл разработки промпта
▪️ Eval-датасет — главный инструмент профи
▪️ A/B тестирование промптов прямо в n8n
▪️ Метрики качества под разные задачи
▪️ Версионирование промптов
⚠️ Раздел 6. Антипаттерны
7 самых частых ошибок которые превращают потенциальный промпт-миллионник в банальный запрос. Двусмысленные слова, перегруз ролями, негативные формулировки и другие ловушки в которые попадают все.
✅ Раздел 7. Чек-лист готового промпта
12 пунктов которые надо проверить перед запуском в прод. Распечатать и держать перед глазами.
🎯 Раздел 8. 10 готовых вопросов-миллионников
Самая практическая часть. 10 готовых сложных промптов, которые можно прямо сейчас закинуть в ChatGPT для своих задач:
▪️ Поиск ниши для автоматизации
▪️ Декомпозиция клиентской задачи в ТЗ
▪️ Аудит безопасности агента
▪️ Поиск точек экономии в воркфлоу
▪️ Скрипт продажи услуги клиенту
▪️ План обучения для выхода на чек 100К+
▪️ И ещё 4 промпта под типичные задачи нашей ниши
📌 Главный месседж
Эпоха «получите доступ к ChatGPT и зарабатывайте миллионы» — это маркетинг. Доступ есть у миллиарда людей, зарабатывают единицы.
Эти единицы относятся к промпту как к коду. Версионируют. Тестируют. Измеряют. Улучшают. Не просят — проектируют.
Гайд доступен бесплатно тут:
Сохраняйте, изучайте, применяйте.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥16❤4👏2⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
🏗 Anthropic 28 мая выпустил Claude Opus 4.8 и фичу Dynamic Workflows.
#method_n8n
Вообще говорят о «1000 параллельных субагентов». Звучит как маркетинг.
Сейчас разберу что там реально нового, а что нет. И главное — что с этим делать в n8n.
📍 Сначала честно — что НЕ новое
Параллельные субагенты были и раньше. И давно. Если кто-то говорит «вау, теперь можно запускать несколько агентов одновременно» — он либо не разбирался в теме, либо пишет под новость не понимая о чем.
В n8n параллельные ветки воркфлоу с разными агентами — стандартная практика. Через Split In Batches, через обычное разветвление потока. Делается уже много месяцев.
В Claude Code SubAgents появились ещё летом 2025. В LangGraph, CrewAI, AutoGen — multi-agent системы с параллельной работой давно базовый паттерн. В OpenAI Agents SDK — то же самое.
Так что сама по себе фраза «1000 параллельных субагентов» — это не революция. Параллельность была.
🎯 А вот что реально новое
Три вещи. Намотайте на ус, потому что именно это меняет архитектуру.
Первое — динамическое порождение. Раньше ты сам заранее прописывал «вот эти 5 агентов запускаются». В Dynamic Workflows сам Claude в процессе работы решает, сколько субагентов ему нужно, и порождает их на лету. Увидел в задаче 200 файлов для миграции — породил 200 субагентов. Увидел 5 — породил 5.
Это принципиально другая логика. Не «архитектор заранее настроил систему», а «система сама подстраивается под задачу».
Второе — общий контекст между субагентами. Главная боль multi-agent систем раньше — субагенты не видели работу друг друга. Каждый изолирован. Соединял ты их через сохранение результатов в общую базу или Memory руками. В Dynamic Workflows они обмениваются промежуточными результатами через общий контекст автоматически. Решает огромную головную боль для тех, кто строил сложные agentic-системы.
Третье — масштаб 1000+ в одной задаче. Раньше параллельные агенты это были 5-10-20 максимум. Архитектурно теперь поддерживается до 1000+ субагентов в рамках одной задачи без потери качества. Это серьёзное инженерное достижение, потому что обычно при таком масштабе агенты начинают «терять» контекст и качество падает.
⚠️ Один важный нюанс
Dynamic Workflows — это фича Claude Code, не самого API. В n8n напрямую её пока не воткнёшь. Если слышали где-то «обновляйте свои воркфлоу в n8n под Dynamic Workflows» — это маркетинг.
Но идею можно реализовать в n8n уже сейчас руками. Расскажу как.
Динамическое порождение субагентов воспроизводится через связку AI Agent + Execute Workflow tool. Логика такая:
▪️ Главный агент принимает задачу и анализирует её через свой системный промпт
▪️ Решает, на сколько подзадач её разбить (хоть 3, хоть 200)
▪️ Для каждой подзадачи вызывает инструмент Execute Workflow с параметрами
▪️ Каждый вызов — это отдельный субагент в отдельном воркфлоу
▪️ Результаты собирает обратно и склеивает
По сути — то же самое, что Claude делает внутри Dynamic Workflows. Только руками собрано из стандартных нод n8n.
Общий контекст между субагентами в n8n можно сделать через Redis или общую таблицу — туда они кладут промежуточные результаты, оттуда читают что сделали другие.
Не так элегантно как у Claude из коробки, но работает уже сейчас и не привязано к одному вендору.
📊 Что реально стоит обновить прямо сейчас
▪️ Если у вас в воркфлоу стоит Claude Opus 4.7 — меняйте на claude-opus-4-8. Цена та же, по бенчмаркам он впервые №1 в мире на Intelligence Index с показателем 61.4. Это безболезненный апгрейд
▪️ Fast mode стал в 3 раза дешевле — $10/$50 за миллион токенов вместо $30/$150.
▪️ Honesty подняли в 4 раза — модель в 4 раза реже пропускает баги в собственном выводе. Для критичных задач это снижает вероятность тихих ошибок
Я почти уверен — нативная поддержка паттерна «динамическое порождение субагентов» придёт в n8n в течение квартала. Слишком очевидный шаг для платформы, которая позиционирует себя как ведущий agentic-инструмент.
Пока готовых нод нет — практикуйте подход через Execute Workflow tool. Когда нативное появится — у вас уже будет понимание архитектуры.
#method_n8n
Вообще говорят о «1000 параллельных субагентов». Звучит как маркетинг.
Сейчас разберу что там реально нового, а что нет. И главное — что с этим делать в n8n.
📍 Сначала честно — что НЕ новое
Параллельные субагенты были и раньше. И давно. Если кто-то говорит «вау, теперь можно запускать несколько агентов одновременно» — он либо не разбирался в теме, либо пишет под новость не понимая о чем.
В n8n параллельные ветки воркфлоу с разными агентами — стандартная практика. Через Split In Batches, через обычное разветвление потока. Делается уже много месяцев.
В Claude Code SubAgents появились ещё летом 2025. В LangGraph, CrewAI, AutoGen — multi-agent системы с параллельной работой давно базовый паттерн. В OpenAI Agents SDK — то же самое.
Так что сама по себе фраза «1000 параллельных субагентов» — это не революция. Параллельность была.
🎯 А вот что реально новое
Три вещи. Намотайте на ус, потому что именно это меняет архитектуру.
Первое — динамическое порождение. Раньше ты сам заранее прописывал «вот эти 5 агентов запускаются». В Dynamic Workflows сам Claude в процессе работы решает, сколько субагентов ему нужно, и порождает их на лету. Увидел в задаче 200 файлов для миграции — породил 200 субагентов. Увидел 5 — породил 5.
Это принципиально другая логика. Не «архитектор заранее настроил систему», а «система сама подстраивается под задачу».
Второе — общий контекст между субагентами. Главная боль multi-agent систем раньше — субагенты не видели работу друг друга. Каждый изолирован. Соединял ты их через сохранение результатов в общую базу или Memory руками. В Dynamic Workflows они обмениваются промежуточными результатами через общий контекст автоматически. Решает огромную головную боль для тех, кто строил сложные agentic-системы.
Третье — масштаб 1000+ в одной задаче. Раньше параллельные агенты это были 5-10-20 максимум. Архитектурно теперь поддерживается до 1000+ субагентов в рамках одной задачи без потери качества. Это серьёзное инженерное достижение, потому что обычно при таком масштабе агенты начинают «терять» контекст и качество падает.
⚠️ Один важный нюанс
Dynamic Workflows — это фича Claude Code, не самого API. В n8n напрямую её пока не воткнёшь. Если слышали где-то «обновляйте свои воркфлоу в n8n под Dynamic Workflows» — это маркетинг.
Но идею можно реализовать в n8n уже сейчас руками. Расскажу как.
Динамическое порождение субагентов воспроизводится через связку AI Agent + Execute Workflow tool. Логика такая:
▪️ Главный агент принимает задачу и анализирует её через свой системный промпт
▪️ Решает, на сколько подзадач её разбить (хоть 3, хоть 200)
▪️ Для каждой подзадачи вызывает инструмент Execute Workflow с параметрами
▪️ Каждый вызов — это отдельный субагент в отдельном воркфлоу
▪️ Результаты собирает обратно и склеивает
По сути — то же самое, что Claude делает внутри Dynamic Workflows. Только руками собрано из стандартных нод n8n.
Общий контекст между субагентами в n8n можно сделать через Redis или общую таблицу — туда они кладут промежуточные результаты, оттуда читают что сделали другие.
Не так элегантно как у Claude из коробки, но работает уже сейчас и не привязано к одному вендору.
📊 Что реально стоит обновить прямо сейчас
▪️ Если у вас в воркфлоу стоит Claude Opus 4.7 — меняйте на claude-opus-4-8. Цена та же, по бенчмаркам он впервые №1 в мире на Intelligence Index с показателем 61.4. Это безболезненный апгрейд
▪️ Fast mode стал в 3 раза дешевле — $10/$50 за миллион токенов вместо $30/$150.
▪️ Honesty подняли в 4 раза — модель в 4 раза реже пропускает баги в собственном выводе. Для критичных задач это снижает вероятность тихих ошибок
Я почти уверен — нативная поддержка паттерна «динамическое порождение субагентов» придёт в n8n в течение квартала. Слишком очевидный шаг для платформы, которая позиционирует себя как ведущий agentic-инструмент.
Пока готовых нод нет — практикуйте подход через Execute Workflow tool. Когда нативное появится — у вас уже будет понимание архитектуры.
🔥3👍2👏1
💡 Рабочая схема как запустить ИИ-стартап в России в одиночку.
#method_vibecode
Без команды, без инвестиций, без программистов.
Расскажу про подход, который последний год переворачивает игру для одиночек. И который в России почти никто ещё толком не использует.
🎯 Суть схемы в одном предложении
Берёте ИИ-проект, который уже выстрелил на западном рынке, и делаете его аналог для России, где такого ещё нет.
Всё. Это вся идея. Дальше — детали, почему это работает.
🤔 Почему это актуально прямо сейчас?
На Западе сотни ИИ-приложений зарабатывают миллионы. Каждую неделю выходят новые, что-то стреляет, что-то нет. Это огромная бесплатная лаборатория идей — кто-то уже проверил спрос за вас.
А в России рынок почти пустой. Многие из этих сервисов сюда не пришли — кто-то из-за санкций, кто-то не видит рынок, кто-то просто руки не дошли. Языковой барьер, оплата картами РФ, локальная специфика — всё это барьеры для них, но открытые двери для вас.
И вот в чём магия. Даже средняя навайбкоженная поделка на пустом рынке имеет шанс заработать свой первый миллион рублей. Потому что вы не конкурируете с десятком сильных игроков, как на Западе. Вы — единственный, кто это сделал для РФ.
Не нужно изобретать. Нужно адаптировать проверенное.
⚡ А теперь про то, что раньше было невозможно
Ещё пару лет назад чтобы запустить даже простое приложение, нужны были: разработчик за 200 тысяч в месяц, дизайнер, несколько месяцев работы и бюджет в миллионы. Один человек физически не мог тестировать идеи пачками.
Сегодня вайбкод изменил всё.
Все конечно немного сложнее, но за пару месяцев вполне реально научиться вайбкодить нормальные продукты.
По статистике, фаундеры сейчас собирают рабочий MVP в среднем за 2-3 дня. Это в 40 раз быстрее обычной разработки. Один человек, ноутбук, пара вечеров — и продукт готов к тесту.
Это значит, что теперь вы можете запускать и тестировать идеи МАССОВО. Один месяц — одна идея. А то и быстрее. В одиночку. То, что раньше было физически невозможно.
🚀 Теперь про трафик — и это решается бесплатно
Самый частый вопрос: «допустим я сделал, а как привлекать людей без бюджета на рекламу?»
Ответ — транслируйте процесс в соцсетях.
Снимайте как вы строите свой стартап. Прямо весь путь — придумали идею, навайбкодили за вечер, запустили, первые пользователи, первые деньги, провалы и победы. Выкладывайте в TikTok, YouTube Shorts, Reels.
Люди обожают следить за такими историями. Это называется build in public — строить публично. И это даёт бесплатный трафик, который не купишь за деньги. Аудитория сама приходит на ваш продукт, потому что следила за его рождением.
📌 Главное — поставьте себе правильную цель
И вот тут ключевой момент, который отличает тех кто заработает от тех кто сольётся.
Не ставьте цель «запустить один идеальный стартап». Это ловушка. Вы будете полировать его полгода, влюбитесь в него, и если не выстрелит — сломаетесь.
Ставьте цель запустить и протестировать минимум 10 идей.
Большинство провалится — это нормально, так и должно быть. Но из десяти одна-две выстрелят. И вот они окупят всё. Это игра в числа, а вайбкод впервые в истории позволяет одиночке играть в неё всерьёз.
Думайте как инвестор с портфелем, а не как мечтатель с одной идеей.
🔎 Найдите мое обучение в закрепе этого канала на эту тему и пройдите его, это сильно увеличит шансы
Окно открыто прямо сейчас. Через год-два рынок РФ начнёт заполняться, и зайти будет сложнее. Сейчас — самое время, пока поле пустое.
Раньше один человек не мог построить компанию. Теперь — может. Вопрос только в том, начнёте вы или будете смотреть как это делают другие.
Надо список конкретных категорий ИИ-проектов, которые стрельнули на Западе и у которых в РФ минимальная конкуренция?
#method_vibecode
Без команды, без инвестиций, без программистов.
Расскажу про подход, который последний год переворачивает игру для одиночек. И который в России почти никто ещё толком не использует.
🎯 Суть схемы в одном предложении
Берёте ИИ-проект, который уже выстрелил на западном рынке, и делаете его аналог для России, где такого ещё нет.
Всё. Это вся идея. Дальше — детали, почему это работает.
🤔 Почему это актуально прямо сейчас?
На Западе сотни ИИ-приложений зарабатывают миллионы. Каждую неделю выходят новые, что-то стреляет, что-то нет. Это огромная бесплатная лаборатория идей — кто-то уже проверил спрос за вас.
А в России рынок почти пустой. Многие из этих сервисов сюда не пришли — кто-то из-за санкций, кто-то не видит рынок, кто-то просто руки не дошли. Языковой барьер, оплата картами РФ, локальная специфика — всё это барьеры для них, но открытые двери для вас.
И вот в чём магия. Даже средняя навайбкоженная поделка на пустом рынке имеет шанс заработать свой первый миллион рублей. Потому что вы не конкурируете с десятком сильных игроков, как на Западе. Вы — единственный, кто это сделал для РФ.
Не нужно изобретать. Нужно адаптировать проверенное.
⚡ А теперь про то, что раньше было невозможно
Ещё пару лет назад чтобы запустить даже простое приложение, нужны были: разработчик за 200 тысяч в месяц, дизайнер, несколько месяцев работы и бюджет в миллионы. Один человек физически не мог тестировать идеи пачками.
Сегодня вайбкод изменил всё.
Вайбкод — это когда вы описываете приложение человеческими словами, а ИИ пишет код за вас. Вы не пишете ни строчки. Говорите «сделай кнопку синей», «добавь экран входа» — и оно появляется.
Все конечно немного сложнее, но за пару месяцев вполне реально научиться вайбкодить нормальные продукты.
По статистике, фаундеры сейчас собирают рабочий MVP в среднем за 2-3 дня. Это в 40 раз быстрее обычной разработки. Один человек, ноутбук, пара вечеров — и продукт готов к тесту.
Это значит, что теперь вы можете запускать и тестировать идеи МАССОВО. Один месяц — одна идея. А то и быстрее. В одиночку. То, что раньше было физически невозможно.
🚀 Теперь про трафик — и это решается бесплатно
Самый частый вопрос: «допустим я сделал, а как привлекать людей без бюджета на рекламу?»
Ответ — транслируйте процесс в соцсетях.
Снимайте как вы строите свой стартап. Прямо весь путь — придумали идею, навайбкодили за вечер, запустили, первые пользователи, первые деньги, провалы и победы. Выкладывайте в TikTok, YouTube Shorts, Reels.
Люди обожают следить за такими историями. Это называется build in public — строить публично. И это даёт бесплатный трафик, который не купишь за деньги. Аудитория сама приходит на ваш продукт, потому что следила за его рождением.
На Западе так подняли десятки проектов. Уже далеко не один парень собрал ИИ-сервис более чем на 300 тысяч долларов в год, просто рассказывая как он его строит. Без рекламного бюджета.
📌 Главное — поставьте себе правильную цель
И вот тут ключевой момент, который отличает тех кто заработает от тех кто сольётся.
Не ставьте цель «запустить один идеальный стартап». Это ловушка. Вы будете полировать его полгода, влюбитесь в него, и если не выстрелит — сломаетесь.
Ставьте цель запустить и протестировать минимум 10 идей.
Большинство провалится — это нормально, так и должно быть. Но из десяти одна-две выстрелят. И вот они окупят всё. Это игра в числа, а вайбкод впервые в истории позволяет одиночке играть в неё всерьёз.
Думайте как инвестор с портфелем, а не как мечтатель с одной идеей.
🔎 Найдите мое обучение в закрепе этого канала на эту тему и пройдите его, это сильно увеличит шансы
Окно открыто прямо сейчас. Через год-два рынок РФ начнёт заполняться, и зайти будет сложнее. Сейчас — самое время, пока поле пустое.
Раньше один человек не мог построить компанию. Теперь — может. Вопрос только в том, начнёте вы или будете смотреть как это делают другие.
Надо список конкретных категорий ИИ-проектов, которые стрельнули на Западе и у которых в РФ минимальная конкуренция?
❤10👍6❤🔥2🔥2👏1🐳1
Что реально умеют автономные ИИ-агенты в 2026?
#method_n8n
И почему именно сейчас в РФ на этом можно неплохо подняться.
Слово «агент» затёрли до дыр. Давайте на фактах и цифрах — что эти штуки правда умеют, и почему для России момент удачный.
🇷🇺 Сначала цифры, от которых тяжело отвернуться
Свежее исследование «Яков и Партнёры» с «Яндексом»:
▪️ 46% российских компаний уже внедрили или тестируют автономных агентов
▪️ Но внятная стратегия есть только у 26% — остальные тыкаются вслепую
▪️ 71% используют генеративный ИИ хотя бы в одной функции
▪️ Эффект для экономики РФ — до 2,7 трлн рублей к 2030 только от агентных систем
Спрос есть уже сейчас. А людей, которые умеют делать это нормально, а не на отвали — раз-два и обчёлся.
Т-Банк и Авито уже гоняют агентов на обработке обращений и внутренних процессах. Это не стартапы из гаража. Раз большие зашли, за ними потянется средний бизнес. А делать кто будет?
⚙️ Что агенты реально делают в работе
По февральскому отчёту n8n Currents (опрос 1000+ человек, у кого агенты уже крутятся в продакшене):
▪️ Поддержка клиентов — читает обращение, лезет в базу знаний, формирует ответ, сложное передаёт человеку
▪️ Обработка документов — мониторит папку, подхватывает файлы, вынимает данные, кладёт в CRM
▪️ Email — сортирует входящие по важности, на типовые отвечает сам, важные резюмирует
▪️ Лиды и продажи — квалифицирует заявки, задаёт уточняющие вопросы, вносит в CRM, назначает звонок
▪️ Мониторинг — каждое утро собирает новости по теме, фильтрует, присылает сводку
Может звучит и не сильно фантастично, но все вышеперичесленное раньше делали живые люди, которые любят ошибаться, болеть и просить ЗП.
Плюс это далеко не все, как нибудь накидаю из своего опыта списочек.
🐎 А вот куда всё движется — Hermes и OpenClaw
Два открытых автономных агента, которые сейчас гремят на весь мир. Оба бесплатные, ставятся на ваш сервер, пашут круглые сутки.
OpenClaw — больше 340 тысяч звёзд на GitHub, 5700+ готовых навыков. Цепляется к Telegram, WhatsApp, Slack, Discord. Управляет вашим компьютером — открывает программы, кликает, пишет код, шлёт сообщения. По сути цифровой сотрудник, который живёт у вас на сервере.
Hermes от Nous Research — вышел в феврале, уже под 180 тысяч звёзд. Его фишка в том, что он учится. Решил задачу — записал себе навык. В следующий раз делает быстрее. Помнит, что вы ему говорили на прошлой неделе. Чем дольше работает, тем умнее становится. К маю он перемалывал 224 миллиарда токенов в день и вышел в мировой топ-1.
Что мы имеем в сухом остатке. Технологии наконец дозрели — агенты делают дело, а не показывают фокусы на демках. А российский рынок только просыпается: желающих много, а тех, кто умеет, почти нет. Похожую картину я уже видел, когда заходил в Телеграм и Ютуб — самые жирные места разобрали те, кто влетел в струю в начале, пока остальные сомневались.
Кстати, начинать вовсе не обязательно с тяжёлого Hermes или OpenClaw. На n8n те же агентские схемы собираются визуально, без боли и нервов, а уже потом, набив руку, можно подключать артиллерию помощнее.
Так что великие дела, как обычно, ждут тех, кто просто возьмёт и займётся.
#method_n8n
И почему именно сейчас в РФ на этом можно неплохо подняться.
Слово «агент» затёрли до дыр. Давайте на фактах и цифрах — что эти штуки правда умеют, и почему для России момент удачный.
🇷🇺 Сначала цифры, от которых тяжело отвернуться
Свежее исследование «Яков и Партнёры» с «Яндексом»:
▪️ 46% российских компаний уже внедрили или тестируют автономных агентов
▪️ Но внятная стратегия есть только у 26% — остальные тыкаются вслепую
▪️ 71% используют генеративный ИИ хотя бы в одной функции
▪️ Эффект для экономики РФ — до 2,7 трлн рублей к 2030 только от агентных систем
Спрос есть уже сейчас. А людей, которые умеют делать это нормально, а не на отвали — раз-два и обчёлся.
Т-Банк и Авито уже гоняют агентов на обработке обращений и внутренних процессах. Это не стартапы из гаража. Раз большие зашли, за ними потянется средний бизнес. А делать кто будет?
⚙️ Что агенты реально делают в работе
По февральскому отчёту n8n Currents (опрос 1000+ человек, у кого агенты уже крутятся в продакшене):
▪️ Поддержка клиентов — читает обращение, лезет в базу знаний, формирует ответ, сложное передаёт человеку
▪️ Обработка документов — мониторит папку, подхватывает файлы, вынимает данные, кладёт в CRM
▪️ Email — сортирует входящие по важности, на типовые отвечает сам, важные резюмирует
▪️ Лиды и продажи — квалифицирует заявки, задаёт уточняющие вопросы, вносит в CRM, назначает звонок
▪️ Мониторинг — каждое утро собирает новости по теме, фильтрует, присылает сводку
Может звучит и не сильно фантастично, но все вышеперичесленное раньше делали живые люди, которые любят ошибаться, болеть и просить ЗП.
Плюс это далеко не все, как нибудь накидаю из своего опыта списочек.
🐎 А вот куда всё движется — Hermes и OpenClaw
Два открытых автономных агента, которые сейчас гремят на весь мир. Оба бесплатные, ставятся на ваш сервер, пашут круглые сутки.
OpenClaw — больше 340 тысяч звёзд на GitHub, 5700+ готовых навыков. Цепляется к Telegram, WhatsApp, Slack, Discord. Управляет вашим компьютером — открывает программы, кликает, пишет код, шлёт сообщения. По сути цифровой сотрудник, который живёт у вас на сервере.
Hermes от Nous Research — вышел в феврале, уже под 180 тысяч звёзд. Его фишка в том, что он учится. Решил задачу — записал себе навык. В следующий раз делает быстрее. Помнит, что вы ему говорили на прошлой неделе. Чем дольше работает, тем умнее становится. К маю он перемалывал 224 миллиарда токенов в день и вышел в мировой топ-1.
Главное в обоих — они автономны. Не «спросил-ответил» как ChatGPT, а работают в фоне сами, пока вы спите, по расписанию, с памятью и доступом к вашим инструментам.
Что мы имеем в сухом остатке. Технологии наконец дозрели — агенты делают дело, а не показывают фокусы на демках. А российский рынок только просыпается: желающих много, а тех, кто умеет, почти нет. Похожую картину я уже видел, когда заходил в Телеграм и Ютуб — самые жирные места разобрали те, кто влетел в струю в начале, пока остальные сомневались.
Кстати, начинать вовсе не обязательно с тяжёлого Hermes или OpenClaw. На n8n те же агентские схемы собираются визуально, без боли и нервов, а уже потом, набив руку, можно подключать артиллерию помощнее.
Так что великие дела, как обычно, ждут тех, кто просто возьмёт и займётся.
👍10❤3👏2
📡 Дайджест по ИИ-агентам за последние десять дней. Часть 1
#method_news
Десять дней, а новостей как за месяц. Прошёлся по главному, выкинул шум, оставил то, что правда касается нас с вами. Делю на две части, иначе ни в какой лимит не влезет. Поехали.
💳 Visa и OpenAI разрешили агентам платить за вас
Главное за эти дни. Visa договорилась с OpenAI: теперь ИИ-агенты могут платить за пользователя в рамках заданных лимитов. Объявили на Visa Payments Forum в Сан-Франциско.
Как это устроено. Платежи идут внутри ваших правил: лимит по сумме, разрешённые категории магазинов, обязательное подтверждение, на токенизированных картах Visa с проверкой в реальном времени. То есть агент сам оформляет покупку, но в наморднике, который вы на него надели. Не «вот мои реквизиты, гуляй».
А вот что цепляет лично меня. В перспективе агенты Codex смогут сами докупать вычисления, API и сервисы для разработчиков в рамках бюджета. У агента кончились токены, он пошёл и докупил их сам. Ещё год назад за такое бы покрутили у виска, а теперь это инфраструктура.
И заметьте, это не только OpenAI. В той же инициативе Microsoft, IBM, Anthropic, Samsung и Stripe. Весь крупняк заходит в агентную коммерцию разом. Когда так совпадает, это уже не эксперимент, а ставка.
К чему это нам. Раньше агент мог найти товар, сравнить, кинуть в корзину, а кнопку «купить» всё равно жал человек. Теперь замкнулось последнее звено. И кто-то ведь будет собирать такие воркфлоу «нашёл, выбрал, оплатил» под конкретные магазины и бизнесы. Думаю, вы понимаете кто. Источник
📡 n8n выкатил большой гайд по мульти-агентным системам
9 июня команда n8n (Элвис Саравиа) выпустила разбор: первый агент работал отлично, потом вы добавили ещё три, и всё стало невозможно дебажить.
Гайд о том, как держать сложные агентные системы модульными и пригодными для продакшена: архитектура мульти-агентов, композиция саб-воркфлоу, память, обработка сбоев.
Это та самая боль, про которую я твержу. Собрать одного агента легко, а заставить десяток работать вместе и не превратиться в кашу, где один сломался и вся цепочка встала, а ты сидишь и гадаешь где, вот это и есть мастерство. Строите что-то сложнее одного агента, прочитайте и сохраните. Источник
🧩 Свежие фиксы n8n, особенно для self-hosted
9 июня вышел большой пакет правок: стабильность ядра, редактора, ИИ-функций и нод. Выбрал то, что важно именно агентчикам:
▪️ Починили сохранение structuredContent в MCP-нодах, чтобы агент не зацикливался в рассуждениях. Кто ловил бесконечные циклы, тот оценит
▪️ Переработали управление состоянием: теперь у каждого вызова агента свой рантайм. Меньше шансов, что агенты начнут мешать друг другу
▪️ Внешние каналы агента правильно используют ID пользователя для эпизодической памяти. Память стала надёжнее, когда пользователей много
Self-hosted, не ленитесь обновляться. Эти штуки экономят часы отладки, особенно история с MCP-циклами, на которой народ реально залипал. Источник
Во второй части - Новые модели, забег Anthropic и OpenAI на биржу, и почему большие вдруг перестали продавать модели. Выложу завтра.
#method_news
Десять дней, а новостей как за месяц. Прошёлся по главному, выкинул шум, оставил то, что правда касается нас с вами. Делю на две части, иначе ни в какой лимит не влезет. Поехали.
💳 Visa и OpenAI разрешили агентам платить за вас
Главное за эти дни. Visa договорилась с OpenAI: теперь ИИ-агенты могут платить за пользователя в рамках заданных лимитов. Объявили на Visa Payments Forum в Сан-Франциско.
Как это устроено. Платежи идут внутри ваших правил: лимит по сумме, разрешённые категории магазинов, обязательное подтверждение, на токенизированных картах Visa с проверкой в реальном времени. То есть агент сам оформляет покупку, но в наморднике, который вы на него надели. Не «вот мои реквизиты, гуляй».
А вот что цепляет лично меня. В перспективе агенты Codex смогут сами докупать вычисления, API и сервисы для разработчиков в рамках бюджета. У агента кончились токены, он пошёл и докупил их сам. Ещё год назад за такое бы покрутили у виска, а теперь это инфраструктура.
И заметьте, это не только OpenAI. В той же инициативе Microsoft, IBM, Anthropic, Samsung и Stripe. Весь крупняк заходит в агентную коммерцию разом. Когда так совпадает, это уже не эксперимент, а ставка.
К чему это нам. Раньше агент мог найти товар, сравнить, кинуть в корзину, а кнопку «купить» всё равно жал человек. Теперь замкнулось последнее звено. И кто-то ведь будет собирать такие воркфлоу «нашёл, выбрал, оплатил» под конкретные магазины и бизнесы. Думаю, вы понимаете кто. Источник
📡 n8n выкатил большой гайд по мульти-агентным системам
9 июня команда n8n (Элвис Саравиа) выпустила разбор: первый агент работал отлично, потом вы добавили ещё три, и всё стало невозможно дебажить.
Гайд о том, как держать сложные агентные системы модульными и пригодными для продакшена: архитектура мульти-агентов, композиция саб-воркфлоу, память, обработка сбоев.
Это та самая боль, про которую я твержу. Собрать одного агента легко, а заставить десяток работать вместе и не превратиться в кашу, где один сломался и вся цепочка встала, а ты сидишь и гадаешь где, вот это и есть мастерство. Строите что-то сложнее одного агента, прочитайте и сохраните. Источник
🧩 Свежие фиксы n8n, особенно для self-hosted
9 июня вышел большой пакет правок: стабильность ядра, редактора, ИИ-функций и нод. Выбрал то, что важно именно агентчикам:
▪️ Починили сохранение structuredContent в MCP-нодах, чтобы агент не зацикливался в рассуждениях. Кто ловил бесконечные циклы, тот оценит
▪️ Переработали управление состоянием: теперь у каждого вызова агента свой рантайм. Меньше шансов, что агенты начнут мешать друг другу
▪️ Внешние каналы агента правильно используют ID пользователя для эпизодической памяти. Память стала надёжнее, когда пользователей много
Self-hosted, не ленитесь обновляться. Эти штуки экономят часы отладки, особенно история с MCP-циклами, на которой народ реально залипал. Источник
Во второй части - Новые модели, забег Anthropic и OpenAI на биржу, и почему большие вдруг перестали продавать модели. Выложу завтра.
👍4
📡 Дайджест по ИИ-агентам за последние десять дней. Часть 2
#method_news
Продолжаем. В первой части был практический слой: платежи, мульти-агенты, фиксы n8n. Теперь поднимемся повыше и глянем на крупную игру.
📈 Новые модели — Gemini 3.1 Ultra и Claude Fable 5
Google выпустил Gemini 3.1 Ultra: окно контекста 2 миллиона токенов, нативная работа с текстом, картинками, аудио и видео без промежуточной расшифровки. Раньше, чтобы скормить модели видео, его переводили в текст и теряли половину сути. А тут модель с самого обучения рассуждает сразу по всем форматам. 2 миллиона токенов это много — туда небольшая книга влезет целиком. Для n8n это сильный вариант там, где надо за один проход переварить здоровенный документ или целую базу знаний.
А у Anthropic вышла Claude Fable 5 — первая модель нового семейства Claude 5. И тут любопытная деталь: это новый тир Mythos, который по способностям стоит выше привычного Opus.
Fable 5 и старшая Mythos 5 — по сути одна модель, но у Fable добавлены меры безопасности, поэтому её и выкатили в публичный доступ. В API она идёт под именем claude-fable-5, так что подключить в воркфлоу можно уже сейчас. Источник
💰 Anthropic первым рванул на биржу
1 июня Anthropic конфиденциально подал черновик S-1 в SEC и обошёл OpenAI в забеге на публичный рынок. А Сэм Альтман сказал сотрудникам, что ждёт IPO OpenAI в течение года, хотя может сползти и на 2027.
Казалось бы, нам-то что с их биржевых плясок. А вот что. Перед IPO компания показывает инвесторам выручку. И выручка эта идёт не оттого, что модель красиво болтает, а оттого, что бизнесы встраивают её в реальные процессы. Значит, спрос на тех, кто умеет встраивать, будет только расти. Источник
🏢 Большие перестали продавать модели и продают «среду для агента»
Главный сдвиг недели. За одну неделю на трёх конференциях крупнейшие игроки перестали продавать модели и начали продавать управляемое окружение, в котором живёт агент. Microsoft вывел Agent 365 в общий доступ и подаёт Windows как хост для агентов. Nvidia выпустила открытый Agent Toolkit с оркестрацией и аудитом каждого действия агента.
И ключевое: модель стала ширпотребом, а вот доменный агентный слой, которому банк или страховая реально доверят работу, ещё надо построить.
Это буквально про нас. Сама нейросеть давно не преимущество, она есть у каждого. Преимущество — собрать вокруг неё прозрачную, управляемую, надёжную систему под конкретный бизнес. Тем мы в n8n и занимаемся, только без ценника в сотни тысяч долларов за enterprise-коробку. Источник
😅 Snap уволил четверть штата из-за ИИ
История невесёлая, но честная. CEO Snap объявил об увольнении около 1000 человек, это примерно четверть запланированного штата, потому что ИИ позволяет меньшим командам выдавать тот же результат. ИИ теперь пишет больше 65% нового кода Snap.
Тот самый сдвиг, о котором все рассуждали абстрактно, пошёл вживую и с именами. Вывод для нас простой: ценность переезжает от «делаю руками» к «управляю системами, которые делают». И пока одни жуют сопли и ноют, что ИИ всех заменит, другие садятся и разбираются, как этими системами рулить. Угадайте, кто окажется по нужную сторону. Источник
🎯 Что вынести из обеих частей
За десять дней рынок сделал ещё шаг от игрушек к инфраструктуре. Агенты учатся платить. Компании бегут на биржу на выручке от внедрений. Большие продают не модель, а доверенную среду вокруг неё. А людей сокращают, потому что меньшая команда с ИИ делает ту же работу.
И через всё это красной нитью одно. Ценно не само железо и не сама нейронка, а тот, кто умеет собрать вокруг неё рабочую систему, которой можно доверить дело.
Чем мы тут, в общем-то, и занимаемся.
#method_news
Продолжаем. В первой части был практический слой: платежи, мульти-агенты, фиксы n8n. Теперь поднимемся повыше и глянем на крупную игру.
📈 Новые модели — Gemini 3.1 Ultra и Claude Fable 5
Google выпустил Gemini 3.1 Ultra: окно контекста 2 миллиона токенов, нативная работа с текстом, картинками, аудио и видео без промежуточной расшифровки. Раньше, чтобы скормить модели видео, его переводили в текст и теряли половину сути. А тут модель с самого обучения рассуждает сразу по всем форматам. 2 миллиона токенов это много — туда небольшая книга влезет целиком. Для n8n это сильный вариант там, где надо за один проход переварить здоровенный документ или целую базу знаний.
А у Anthropic вышла Claude Fable 5 — первая модель нового семейства Claude 5. И тут любопытная деталь: это новый тир Mythos, который по способностям стоит выше привычного Opus.
Fable 5 и старшая Mythos 5 — по сути одна модель, но у Fable добавлены меры безопасности, поэтому её и выкатили в публичный доступ. В API она идёт под именем claude-fable-5, так что подключить в воркфлоу можно уже сейчас. Источник
💰 Anthropic первым рванул на биржу
1 июня Anthropic конфиденциально подал черновик S-1 в SEC и обошёл OpenAI в забеге на публичный рынок. А Сэм Альтман сказал сотрудникам, что ждёт IPO OpenAI в течение года, хотя может сползти и на 2027.
Казалось бы, нам-то что с их биржевых плясок. А вот что. Перед IPO компания показывает инвесторам выручку. И выручка эта идёт не оттого, что модель красиво болтает, а оттого, что бизнесы встраивают её в реальные процессы. Значит, спрос на тех, кто умеет встраивать, будет только расти. Источник
🏢 Большие перестали продавать модели и продают «среду для агента»
Главный сдвиг недели. За одну неделю на трёх конференциях крупнейшие игроки перестали продавать модели и начали продавать управляемое окружение, в котором живёт агент. Microsoft вывел Agent 365 в общий доступ и подаёт Windows как хост для агентов. Nvidia выпустила открытый Agent Toolkit с оркестрацией и аудитом каждого действия агента.
И ключевое: модель стала ширпотребом, а вот доменный агентный слой, которому банк или страховая реально доверят работу, ещё надо построить.
Это буквально про нас. Сама нейросеть давно не преимущество, она есть у каждого. Преимущество — собрать вокруг неё прозрачную, управляемую, надёжную систему под конкретный бизнес. Тем мы в n8n и занимаемся, только без ценника в сотни тысяч долларов за enterprise-коробку. Источник
😅 Snap уволил четверть штата из-за ИИ
История невесёлая, но честная. CEO Snap объявил об увольнении около 1000 человек, это примерно четверть запланированного штата, потому что ИИ позволяет меньшим командам выдавать тот же результат. ИИ теперь пишет больше 65% нового кода Snap.
Тот самый сдвиг, о котором все рассуждали абстрактно, пошёл вживую и с именами. Вывод для нас простой: ценность переезжает от «делаю руками» к «управляю системами, которые делают». И пока одни жуют сопли и ноют, что ИИ всех заменит, другие садятся и разбираются, как этими системами рулить. Угадайте, кто окажется по нужную сторону. Источник
🎯 Что вынести из обеих частей
За десять дней рынок сделал ещё шаг от игрушек к инфраструктуре. Агенты учатся платить. Компании бегут на биржу на выручке от внедрений. Большие продают не модель, а доверенную среду вокруг неё. А людей сокращают, потому что меньшая команда с ИИ делает ту же работу.
И через всё это красной нитью одно. Ценно не само железо и не сама нейронка, а тот, кто умеет собрать вокруг неё рабочую систему, которой можно доверить дело.
Чем мы тут, в общем-то, и занимаемся.
👍2🔥1
🔫 ИИ официально стал оружием. И это не красивая метафора, а формулировка из документов.
#method_news
История, которую почти все пролистали, а зря. Потому что важна не сама новость, а то, как её оформили. Сейчас объясню.
📅 Что случилось
9 июня Anthropic выпустила Claude Fable 5, свою самую мощную публичную модель. Раздали бесплатно подписчикам, подключили к API, AWS, Microsoft Foundry. Народ кинулся пробовать.
А 12 июня в 17:21 по нью-йоркскому времени пришла директива от правительства США. Не штраф, не проверка, а прямой приказ: немедленно отключить доступ к Fable 5 и старшей Mythos 5 для любого иностранного гражданина. Хоть внутри США, хоть за их пределами. Включая собственных сотрудников Anthropic с не-американскими паспортами.
Фильтровать людей по гражданству в реальном времени Anthropic не умеет. Так что выполнить приказ можно было только одним способом: вырубить модель для всех на планете. Через три дня после запуска.
⚖️ А вот теперь главное, что почти все пропустили
Под каким соусом её выключили? Экспортный контроль. Со ссылкой на органы национальной безопасности.
Остановитесь на этих словах. Экспортный контроль это механизм, которым регулируют торговлю оружием. Ракетные технологии. Военное шифрование. Ядерные материалы. То, что нельзя просто взять и продать за рубеж, потому что это вопрос безопасности государства.
И вот в этот список впервые де-факто попала языковая модель. Не ракета, а нейросеть, к которой ещё три дня назад имел доступ любой подписчик за двадцать долларов. ИИ на уровне государственных бумаг приравняли к технологии двойного назначения. К тому, что может быть и инструментом, и оружием одновременно.
🤔 Из-за чего испугались
Причина не в том, что модель глючит, и не в том, что она какая-то сверхразумная. Причина узкая и конкретная: Fable 5 слишком хорошо находит уязвимости в чужом коде.
Её можно попросить прочитать кодовую базу и найти в ней дыры. Защитнику это благо, нашёл слабое место и залатал. Но тот же самый навык в других руках это готовая отмычка для взлома. Один скилл, который и защищает, и атакует, смотря кто держит.
Правительство решило, что это слишком близко к кибероружию, чтобы давать иностранцам. Сама Anthropic, к слову, возразила: та же способность есть и у других моделей, включая GPT-5.5, и ей каждый день пользуются те, кто защищает системы. Отзывать ради этого модель, которую уже раздали сотням миллионов, по её мнению перебор. Но приказ выполнила.
🌍 Почему это про нас с вами
И вот тут урок, от которого холодок по спине.
Запрет звучит как «не давать доступ иностранцам». А кто иностранец с точки зрения США? Мы с вами. Вся не-американская часть мира.
То есть мощную модель, на которую кто-то мог завязать рабочий процесс, схлопнули за один вечер. Не из-за поломки, не из-за денег, а по геополитике, на которую ты не влияешь вообще никак. Сегодня доступ есть, завтра приходит письмо сверху и доступа нет, и твоё мнение тут даже не предполагается.
Я про это не раз говорил. Строишь всё на одном чужом сервисе, значит, ты заложник. И не только его цен и капризов, а ещё и политики страны, где он прописан.
Защита от этого ровно одна. Свой стек, не завязанный на одного поставщика. Возможность сменить модель за пять минут. Архитектура, в которой ни один внешний игрок не обнулит твою работу одним письмом. На n8n это так и собирается, модель там сменная деталь, а не фундамент, на котором всё стоит.
Так что не держите все яйца в одной корзине. Особенно если корзина чужая и стоит за океаном.
#method_news
История, которую почти все пролистали, а зря. Потому что важна не сама новость, а то, как её оформили. Сейчас объясню.
📅 Что случилось
9 июня Anthropic выпустила Claude Fable 5, свою самую мощную публичную модель. Раздали бесплатно подписчикам, подключили к API, AWS, Microsoft Foundry. Народ кинулся пробовать.
А 12 июня в 17:21 по нью-йоркскому времени пришла директива от правительства США. Не штраф, не проверка, а прямой приказ: немедленно отключить доступ к Fable 5 и старшей Mythos 5 для любого иностранного гражданина. Хоть внутри США, хоть за их пределами. Включая собственных сотрудников Anthropic с не-американскими паспортами.
Фильтровать людей по гражданству в реальном времени Anthropic не умеет. Так что выполнить приказ можно было только одним способом: вырубить модель для всех на планете. Через три дня после запуска.
⚖️ А вот теперь главное, что почти все пропустили
Под каким соусом её выключили? Экспортный контроль. Со ссылкой на органы национальной безопасности.
Остановитесь на этих словах. Экспортный контроль это механизм, которым регулируют торговлю оружием. Ракетные технологии. Военное шифрование. Ядерные материалы. То, что нельзя просто взять и продать за рубеж, потому что это вопрос безопасности государства.
И вот в этот список впервые де-факто попала языковая модель. Не ракета, а нейросеть, к которой ещё три дня назад имел доступ любой подписчик за двадцать долларов. ИИ на уровне государственных бумаг приравняли к технологии двойного назначения. К тому, что может быть и инструментом, и оружием одновременно.
🤔 Из-за чего испугались
Причина не в том, что модель глючит, и не в том, что она какая-то сверхразумная. Причина узкая и конкретная: Fable 5 слишком хорошо находит уязвимости в чужом коде.
Её можно попросить прочитать кодовую базу и найти в ней дыры. Защитнику это благо, нашёл слабое место и залатал. Но тот же самый навык в других руках это готовая отмычка для взлома. Один скилл, который и защищает, и атакует, смотря кто держит.
Правительство решило, что это слишком близко к кибероружию, чтобы давать иностранцам. Сама Anthropic, к слову, возразила: та же способность есть и у других моделей, включая GPT-5.5, и ей каждый день пользуются те, кто защищает системы. Отзывать ради этого модель, которую уже раздали сотням миллионов, по её мнению перебор. Но приказ выполнила.
🌍 Почему это про нас с вами
И вот тут урок, от которого холодок по спине.
Запрет звучит как «не давать доступ иностранцам». А кто иностранец с точки зрения США? Мы с вами. Вся не-американская часть мира.
То есть мощную модель, на которую кто-то мог завязать рабочий процесс, схлопнули за один вечер. Не из-за поломки, не из-за денег, а по геополитике, на которую ты не влияешь вообще никак. Сегодня доступ есть, завтра приходит письмо сверху и доступа нет, и твоё мнение тут даже не предполагается.
Я про это не раз говорил. Строишь всё на одном чужом сервисе, значит, ты заложник. И не только его цен и капризов, а ещё и политики страны, где он прописан.
Защита от этого ровно одна. Свой стек, не завязанный на одного поставщика. Возможность сменить модель за пять минут. Архитектура, в которой ни один внешний игрок не обнулит твою работу одним письмом. На n8n это так и собирается, модель там сменная деталь, а не фундамент, на котором всё стоит.
Так что не держите все яйца в одной корзине. Особенно если корзина чужая и стоит за океаном.
👍4🔥3
Зачем вообще нужен n8n, если агенты уже умеют всё?
#method_n8n
Серьёзно. Берёшь сегодня любого толкового агента, даёшь ему инструменты, пишешь промпт. И он сам в почту залезет, в таблицу запишет, в CRM сходит, клиенту ответит. Без тебя.
Так зачем тогда городить ноды, вебхуки, циклы? Зачем этот n8n?
Сейчас объясню, и ты по-другому посмотришь на свои автоматизации.
Когда ты делаешь автоматизацию для себя, агент это кайф. Разобрать почту, собрать дайджест, накидать контент-план, разрулить задачки. Один агент, пара инструментов, и ты доволен. Ошибся? Переспросил, поправил, перезапустил. Ты дома, ты сам себе хозяин.
А теперь внимание. Что происходит, когда то же самое нужно отдать клиенту? Или собрать продукт, которым одновременно пользуются сотни людей?
Вот тут начинается взрослая жизнь. И тут вылезает математика, которую новички не видят, пока не обожгутся.
Агент ошибается не на 0% и не на 100%, а где-то посередине. Допустим, он правильно отрабатывает 95% шагов. Звучит отлично. Но автоматизация это не один шаг, это цепочка. А в цепочке точность не складывается, она перемножается.
▪️ 5 шагов по 95% дают на выходе уже 77% успешных запусков
▪️ 10 шагов — около 59%
▪️ 20 шагов — всего 36%, то есть больше половины прогонов падает
И даже если выжать нереальные 99% на каждом шаге, на цепочке из 20 шагов это всё равно один провал из пяти. Один кривой шаг тянет за собой все следующие.
Демка работает идеально, а на потоке всё разваливается. Вот ровно поэтому.
В исследованиях это видно прямо: на коротких задачах в пару минут топовые модели почти не ошибаются, а на задачах длиннее нескольких часов доходят до конца меньше чем в 10% случаев. И громкие истории уже были. Летом 2025-го ИИ-ассистент в «Replit» снёс клиенту боевую базу данных, хотя ему прямым текстом запретили туда лезть.
Клиенту нельзя «иногда галлюцинирую». Клиенту нельзя «ой, отвалилось, перезапусти». Нужно, чтобы работало стабильно. Каждый раз. Ночью. На объёме.
А агент сам по себе импровизатор. Сегодня сделал так, завтра иначе. Для творчества супер. Для продакшена беда.
И вот сюда заходит n8n.
n8n это скелет, на котором живёт твой агент. Чёткие шаги, которые выполняются одинаково всегда. Повтор при сбое (Retry On Fail) вместо падения всего процесса. Отдельная ветка на ошибку, чтобы тебе прилетело уведомление, а не тишина. Очереди, чтобы не словить бан по лимитам API. Логи, чтобы видеть, на каком именно шаге что упало. Вебхуки, чтобы всё стартовало само.
Агент думает. А n8n следит, чтобы он думал в нужный момент, в нужном месте и не сломал тебе весь процесс. А там, где из шага вообще можно убрать вероятность и прописать жёсткую логику, ты её прописываешь. И те самые 95% на этом шаге превращаются в 100%.
Понимаешь разницу?
Агент в одиночку это талантливый фрилансер. n8n это завод, где тот же фрилансер работает по регламенту и выдаёт результат на потоке.
Для себя бери агента и не парься. А если хочешь на этом зарабатывать, делать клиентам или строить продукт, без n8n никуда.
#method_n8n
Серьёзно. Берёшь сегодня любого толкового агента, даёшь ему инструменты, пишешь промпт. И он сам в почту залезет, в таблицу запишет, в CRM сходит, клиенту ответит. Без тебя.
Так зачем тогда городить ноды, вебхуки, циклы? Зачем этот n8n?
Сейчас объясню, и ты по-другому посмотришь на свои автоматизации.
Когда ты делаешь автоматизацию для себя, агент это кайф. Разобрать почту, собрать дайджест, накидать контент-план, разрулить задачки. Один агент, пара инструментов, и ты доволен. Ошибся? Переспросил, поправил, перезапустил. Ты дома, ты сам себе хозяин.
А теперь внимание. Что происходит, когда то же самое нужно отдать клиенту? Или собрать продукт, которым одновременно пользуются сотни людей?
Вот тут начинается взрослая жизнь. И тут вылезает математика, которую новички не видят, пока не обожгутся.
Агент ошибается не на 0% и не на 100%, а где-то посередине. Допустим, он правильно отрабатывает 95% шагов. Звучит отлично. Но автоматизация это не один шаг, это цепочка. А в цепочке точность не складывается, она перемножается.
▪️ 5 шагов по 95% дают на выходе уже 77% успешных запусков
▪️ 10 шагов — около 59%
▪️ 20 шагов — всего 36%, то есть больше половины прогонов падает
И даже если выжать нереальные 99% на каждом шаге, на цепочке из 20 шагов это всё равно один провал из пяти. Один кривой шаг тянет за собой все следующие.
Демка работает идеально, а на потоке всё разваливается. Вот ровно поэтому.
В исследованиях это видно прямо: на коротких задачах в пару минут топовые модели почти не ошибаются, а на задачах длиннее нескольких часов доходят до конца меньше чем в 10% случаев. И громкие истории уже были. Летом 2025-го ИИ-ассистент в «Replit» снёс клиенту боевую базу данных, хотя ему прямым текстом запретили туда лезть.
Клиенту нельзя «иногда галлюцинирую». Клиенту нельзя «ой, отвалилось, перезапусти». Нужно, чтобы работало стабильно. Каждый раз. Ночью. На объёме.
А агент сам по себе импровизатор. Сегодня сделал так, завтра иначе. Для творчества супер. Для продакшена беда.
И вот сюда заходит n8n.
n8n это скелет, на котором живёт твой агент. Чёткие шаги, которые выполняются одинаково всегда. Повтор при сбое (Retry On Fail) вместо падения всего процесса. Отдельная ветка на ошибку, чтобы тебе прилетело уведомление, а не тишина. Очереди, чтобы не словить бан по лимитам API. Логи, чтобы видеть, на каком именно шаге что упало. Вебхуки, чтобы всё стартовало само.
Агент думает. А n8n следит, чтобы он думал в нужный момент, в нужном месте и не сломал тебе весь процесс. А там, где из шага вообще можно убрать вероятность и прописать жёсткую логику, ты её прописываешь. И те самые 95% на этом шаге превращаются в 100%.
Понимаешь разницу?
Агент в одиночку это талантливый фрилансер. n8n это завод, где тот же фрилансер работает по регламенту и выдаёт результат на потоке.
Для себя бери агента и не парься. А если хочешь на этом зарабатывать, делать клиентам или строить продукт, без n8n никуда.
👍10❤5
От спецэффектов Голливуда до платформы за 5 миллиардов
#method_n8n
Платформа, на которой сейчас весь мир собирает ИИ-агентов, начиналась как скучный пет-проект бывшего художника по спецэффектам. Сегодня в неё зашёл «SAP», и стоит она 5,2 миллиарда долларов.
История тут даже не одна. И мораль из них стоит забрать себе. Поехали.
Основателя зовут Ян Оберхаузер. До n8n он работал в кино, делал визуальные эффекты для голливудских блокбастеров. Та же «Малефисента».
И вот человек из мира, где всё про красоту и вау-эффект, садится и пилит максимально невзрачную штуку. Движок для автоматизации. Обработка ошибок, хранение ключей, восстановление после сбоев, соединение сервисов между собой.
Ни хайпа, ни заголовков. Просто годы нудной инженерной работы в Берлине над инфраструктурой, которая тогда мало кого волновала. Даже название под стать: «nodemation», сокращённо n8n.
Когда в 2020-м в проект зашли инвесторы из «Sequoia», для них это был всего лишь третий посевной вклад в Германии за всю историю фонда. Нишевая штука для разработчиков, не более.
А потом рвануло с нейросетями. И выяснилась занятная вещь. Чтобы строить надёжных ИИ-агентов, нужна была ровно та скучная база, которую Ян всё это время и строил.
Тут он сделал то, что многие проморгали. Не прикрутил ИИ сбоку как модную фичу, а развернул всю платформу под оркестрацию агентов. Фундамент уже лежал, оставалось поставить нейронки сверху.
И n8n из штуки для гиков стал одной из главных платформ эпохи. За сотню тысяч звёзд на гитхабе, больше 230 тысяч активных пользователей, три тысячи компаний, выручка под 40 миллионов долларов в год и рост в десять раз за десять месяцев. Плюс то, чего нет у «Zapier»: можно поднять на своём сервере и держать все данные под собой.
И вот тут важное. Это не единичная история про везение.
Вспомни «Nvidia». Двадцать лет назад они делали видеокарты для геймеров и вложились в CUDA, софт, чтобы считать на видеокарте что угодно, кроме графики. Зал на презентации молчал. Никто не просил, никто не понял. Карты из-за этого подорожали, акции просели, оценка рухнула с 12 миллиардов до двух-трёх. Аналитики крутили пальцем у виска без малого десять лет, пока компания вливала миллиарды в разработку с выручкой в разы меньше.
Перелом случился в 2012-м, когда нейросеть впервые разнесла конкурентов в распознавании картинок. И обучалась она на том самом железе с CUDA, которое «Nvidia» молча допиливала всё это время. Сегодня это самая дорогая компания на планете, первая в истории за 5 триллионов. Без CUDA не было бы и нынешнего ИИ.
Один в один та же схема. Пока толпа гналась за громким и блестящим, кто-то спокойно клал кирпичи.
В нашем деле это значит простое. Не гоняйся за каждой новой модной нейронкой. Разберись в основах: как двигаются данные, как устроены агенты, как связать всё это между собой.
Посмотри на тех, кто ещё в 2022-м спокойно копался в этой скукоте. Когда подъехали агенты, им не пришлось учиться заново. Они просто подключили новые модели к воркфлоу, которые и так знали наизусть. А остальные в это время паниковали в стиле «вышло что-то новое, я опять всё пропустил».
И тогда любая новая технология станет для тебя просто ещё одним кубиком на готовом фундаменте.
Художник по спецэффектам и бывший продавец видеокарт построили то, что пережило весь хайп. Может, дело и правда не в блеске.
#method_n8n
Платформа, на которой сейчас весь мир собирает ИИ-агентов, начиналась как скучный пет-проект бывшего художника по спецэффектам. Сегодня в неё зашёл «SAP», и стоит она 5,2 миллиарда долларов.
История тут даже не одна. И мораль из них стоит забрать себе. Поехали.
Основателя зовут Ян Оберхаузер. До n8n он работал в кино, делал визуальные эффекты для голливудских блокбастеров. Та же «Малефисента».
И вот человек из мира, где всё про красоту и вау-эффект, садится и пилит максимально невзрачную штуку. Движок для автоматизации. Обработка ошибок, хранение ключей, восстановление после сбоев, соединение сервисов между собой.
Ни хайпа, ни заголовков. Просто годы нудной инженерной работы в Берлине над инфраструктурой, которая тогда мало кого волновала. Даже название под стать: «nodemation», сокращённо n8n.
Когда в 2020-м в проект зашли инвесторы из «Sequoia», для них это был всего лишь третий посевной вклад в Германии за всю историю фонда. Нишевая штука для разработчиков, не более.
А потом рвануло с нейросетями. И выяснилась занятная вещь. Чтобы строить надёжных ИИ-агентов, нужна была ровно та скучная база, которую Ян всё это время и строил.
Тут он сделал то, что многие проморгали. Не прикрутил ИИ сбоку как модную фичу, а развернул всю платформу под оркестрацию агентов. Фундамент уже лежал, оставалось поставить нейронки сверху.
И n8n из штуки для гиков стал одной из главных платформ эпохи. За сотню тысяч звёзд на гитхабе, больше 230 тысяч активных пользователей, три тысячи компаний, выручка под 40 миллионов долларов в год и рост в десять раз за десять месяцев. Плюс то, чего нет у «Zapier»: можно поднять на своём сервере и держать все данные под собой.
И вот тут важное. Это не единичная история про везение.
Вспомни «Nvidia». Двадцать лет назад они делали видеокарты для геймеров и вложились в CUDA, софт, чтобы считать на видеокарте что угодно, кроме графики. Зал на презентации молчал. Никто не просил, никто не понял. Карты из-за этого подорожали, акции просели, оценка рухнула с 12 миллиардов до двух-трёх. Аналитики крутили пальцем у виска без малого десять лет, пока компания вливала миллиарды в разработку с выручкой в разы меньше.
Перелом случился в 2012-м, когда нейросеть впервые разнесла конкурентов в распознавании картинок. И обучалась она на том самом железе с CUDA, которое «Nvidia» молча допиливала всё это время. Сегодня это самая дорогая компания на планете, первая в истории за 5 триллионов. Без CUDA не было бы и нынешнего ИИ.
Один в один та же схема. Пока толпа гналась за громким и блестящим, кто-то спокойно клал кирпичи.
Выигрывает обычно не тот, кто бежит за самым ярким, а тот, кто заранее заложил фундамент, на который это яркое потом и встанет.
В нашем деле это значит простое. Не гоняйся за каждой новой модной нейронкой. Разберись в основах: как двигаются данные, как устроены агенты, как связать всё это между собой.
Посмотри на тех, кто ещё в 2022-м спокойно копался в этой скукоте. Когда подъехали агенты, им не пришлось учиться заново. Они просто подключили новые модели к воркфлоу, которые и так знали наизусть. А остальные в это время паниковали в стиле «вышло что-то новое, я опять всё пропустил».
И тогда любая новая технология станет для тебя просто ещё одним кубиком на готовом фундаменте.
Художник по спецэффектам и бывший продавец видеокарт построили то, что пережило весь хайп. Может, дело и правда не в блеске.
👍12
Вышел новый ролик на Ютуб - ИИ Агенты заменяют RPA роботов. RPA, это когда то очень популярная технология, когда в браузере записывались действия и многократно потом можно было запускать эту автоматизацию.
Бизнес это сильно заценил даже в том примитивном состоянии, представляете какие сейчас перспективы для тех кто предлагает разработку автоматизаций для бизнеса?
В общем поддержите лайком и не забудьте потестить шаблоны о которых рассказываю.
https://youtu.be/VpD_ndvh3XA
Бизнес это сильно заценил даже в том примитивном состоянии, представляете какие сейчас перспективы для тех кто предлагает разработку автоматизаций для бизнеса?
В общем поддержите лайком и не забудьте потестить шаблоны о которых рассказываю.
https://youtu.be/VpD_ndvh3XA
YouTube
ИИ Агенты заменяют RPA роботов!
Показываю 3 процесса в n8n от простого к более сложному и умному, где задачи выполнять человеческие действия на сайтах. Открывать - закрывать браузер, кликать, заполнять форму, скролить и так далее.
🔥5👍2
Интернет начал закрываться от ИИ-агентов
#method_ai
Пока все спорят, отберут ли агенты работу, интернет решил вопрос по-своему. Он просто перестал их пускать.
«Cloudflare» — это компания, через которую проходит примерно каждый пятый сайт в мире. И на этой неделе она включила новую логику: владелец сайта теперь отдельно управляет тремя типами ботов.
▪️ Поисковые — которые приводят тебе посетителей
▪️ Обучающие — которые забирают контент для тренировки нейросетей
▪️ Агентские — которые ходят по сайтам вместо человека
Первых пускают. Вторых и третьих на сайтах с рекламой теперь блокируют по умолчанию. А с 15 сентября 2026 такие ограничения автоматом получит каждый новый домен.
Логика владельцев сайтов понятная. Агент зашёл, забрал цены, расписание, статью. Ушёл. Рекламу не посмотрел, ничего не купил, в статистике посетителей его нет. Сайт поработал бесплатно.
Это неприятно для нас.
Агент, который проверяет цены конкурентов, собирает вакансии или мониторит наличие товара — это уже не игрушка. Это рабочий инструмент, который экономит часы рутины. Я такие собираю регулярно, и заказчиков на них всё больше.
И теперь между твоим агентом и данными вырастает стена. Причём стена платная: «Cloudflare» параллельно строит систему, где за доступ ботов к контенту сайты смогут брать деньги.
Что это значит на практике:
▪️ Дешёвые парсеры, которые тупо качают страницы, начнут умирать первыми
▪️ Выживут агенты, которые ведут себя как человек — открывают настоящий браузер, видят страницу глазами, кликают
▪️ Ценность самостоятельных решений на своём сервере вырастет, потому что публичные сервисы парсинга попадут под блокировки раньше всех
Именно поэтому я и собрал Free Parse.
Это агент, который живёт на твоём собственном сервере и работает так, как работал бы живой человек за компьютером. Ему пишешь обычным языком: найди, зайди, собери. Дальше он сам.
Как это выглядит изнутри:
▪️ Агент открывает настоящий браузер, не эмуляцию
▪️ Смотрит на страницу как человек — буквально видит её скриншотами и понимает, где кнопка, где ссылка, где нужный текст
▪️ Сам кликает, вводит запросы, листает страницы и возвращается назад, если зашёл не туда
▪️ Результат отдаёт в удобном виде — хоть в таблицу, хоть в Telegram
Для сайта такой агент почти неотличим от посетителя. Он не долбит сервер тысячей запросов в секунду, а спокойно ходит по страницам. Ровно тот класс решений, у которого в новой реальности шансов больше всех.
Куда его можно приставить прямо сейчас:
▪️ Утренняя сводка цен конкурентов тебе в Telegram
▪️ Мониторинг появления товара, билетов или записи к нужному специалисту
▪️ Сбор объявлений, вакансий или отзывов по заданным условиям
▪️ Любая задача из серии «зайди на сайт и посмотри», которую ты делаешь руками каждый день
И даже:
▪️ Заполни на таком то сайте такую то форму такими то данными и отправь
Даже заказчик был с таким запросом на днях.
И главное — весь этот комплект бесплатный. Никаких подписок на сервисы парсинга по 50-200 долларов в месяц. Браузерный движок с открытым кодом, оркестрация на n8n, недорогая модель для мозгов, которая обходится в копейки. Всё крутится на твоём сервере, данные никуда не утекают, лимитов на запросы нет.
Я уже прогнал его через реальные задачи, наступил на все грабли, которые там были, и собрал рабочую схему. Скоро выложу на YouTube подробное видео: покажу всю сборку от чистого сервера до готового агента, с настройками, ошибками и обходными путями.
Забавно выходит. Агентов создавали, чтобы они свободно работали в интернете вместо нас. А интернет первым делом начал проверять у них документы на входе.
#method_ai
Пока все спорят, отберут ли агенты работу, интернет решил вопрос по-своему. Он просто перестал их пускать.
«Cloudflare» — это компания, через которую проходит примерно каждый пятый сайт в мире. И на этой неделе она включила новую логику: владелец сайта теперь отдельно управляет тремя типами ботов.
▪️ Поисковые — которые приводят тебе посетителей
▪️ Обучающие — которые забирают контент для тренировки нейросетей
▪️ Агентские — которые ходят по сайтам вместо человека
Первых пускают. Вторых и третьих на сайтах с рекламой теперь блокируют по умолчанию. А с 15 сентября 2026 такие ограничения автоматом получит каждый новый домен.
Логика владельцев сайтов понятная. Агент зашёл, забрал цены, расписание, статью. Ушёл. Рекламу не посмотрел, ничего не купил, в статистике посетителей его нет. Сайт поработал бесплатно.
Это неприятно для нас.
Агент, который проверяет цены конкурентов, собирает вакансии или мониторит наличие товара — это уже не игрушка. Это рабочий инструмент, который экономит часы рутины. Я такие собираю регулярно, и заказчиков на них всё больше.
И теперь между твоим агентом и данными вырастает стена. Причём стена платная: «Cloudflare» параллельно строит систему, где за доступ ботов к контенту сайты смогут брать деньги.
Что это значит на практике:
▪️ Дешёвые парсеры, которые тупо качают страницы, начнут умирать первыми
▪️ Выживут агенты, которые ведут себя как человек — открывают настоящий браузер, видят страницу глазами, кликают
▪️ Ценность самостоятельных решений на своём сервере вырастет, потому что публичные сервисы парсинга попадут под блокировки раньше всех
Именно поэтому я и собрал Free Parse.
Это агент, который живёт на твоём собственном сервере и работает так, как работал бы живой человек за компьютером. Ему пишешь обычным языком: найди, зайди, собери. Дальше он сам.
Как это выглядит изнутри:
▪️ Агент открывает настоящий браузер, не эмуляцию
▪️ Смотрит на страницу как человек — буквально видит её скриншотами и понимает, где кнопка, где ссылка, где нужный текст
▪️ Сам кликает, вводит запросы, листает страницы и возвращается назад, если зашёл не туда
▪️ Результат отдаёт в удобном виде — хоть в таблицу, хоть в Telegram
Для сайта такой агент почти неотличим от посетителя. Он не долбит сервер тысячей запросов в секунду, а спокойно ходит по страницам. Ровно тот класс решений, у которого в новой реальности шансов больше всех.
Куда его можно приставить прямо сейчас:
▪️ Утренняя сводка цен конкурентов тебе в Telegram
▪️ Мониторинг появления товара, билетов или записи к нужному специалисту
▪️ Сбор объявлений, вакансий или отзывов по заданным условиям
▪️ Любая задача из серии «зайди на сайт и посмотри», которую ты делаешь руками каждый день
И даже:
▪️ Заполни на таком то сайте такую то форму такими то данными и отправь
Даже заказчик был с таким запросом на днях.
И главное — весь этот комплект бесплатный. Никаких подписок на сервисы парсинга по 50-200 долларов в месяц. Браузерный движок с открытым кодом, оркестрация на n8n, недорогая модель для мозгов, которая обходится в копейки. Всё крутится на твоём сервере, данные никуда не утекают, лимитов на запросы нет.
Я уже прогнал его через реальные задачи, наступил на все грабли, которые там были, и собрал рабочую схему. Скоро выложу на YouTube подробное видео: покажу всю сборку от чистого сервера до готового агента, с настройками, ошибками и обходными путями.
Забавно выходит. Агентов создавали, чтобы они свободно работали в интернете вместо нас. А интернет первым делом начал проверять у них документы на входе.
👍23❤5😱1
Представляю ИИ агента, который реально может ходить по сайтам и выполнять поставленные задачи.
Все файлы прилагаются.
Почему нужен такой агент, есть же Клоды и прочие с управлением браузером, объясняется.
Не сломайте только интернет )
https://youtu.be/jIhu7oIe57g
Все файлы прилагаются.
Почему нужен такой агент, есть же Клоды и прочие с управлением браузером, объясняется.
Не сломайте только интернет )
https://youtu.be/jIhu7oIe57g
YouTube
Браузерный ИИ Агент на N8N бесплатно под свои задачи
Создадим ИИ Агента на N8N, который сам выполняет поставленные задачи - ходит по сайтам, кликает, скроллит, заполняет отправляет формы, собирает информацию.
И все это без использования платных сервисов
Шаблон и гайд в боте https://t.me/ai_smart_agents_bot…
И все это без использования платных сервисов
Шаблон и гайд в боте https://t.me/ai_smart_agents_bot…
👍11
Своя нейросеть на твоей видеокарте. Зачем?
#method_n8n
Часть 1 — зачем и как запустить.
Каждый твой запрос к «OpenAI» — это данные, улетевшие на чужой сервер, плюс строчка в счете в конце месяца.
Пока ты спрашиваешь у ChatGPT рецепт борща — плевать.
Но когда твой ИИ-агент обрабатывает клиентские заявки, договоры или медицинские анкеты — уже не плевать.
Ни клиентам, ни юристам, ни тебе.
Решение старое как мир, но почему-то до сих пор кажется людям чем-то космическим — запустить модель у себя. На своей видеокарте. Дома или на своем сервере.
Спойлер: это не космос. Это 15 минут и одна программа.
Ставишь «Ollama» (или «LM Studio», если хочется кнопочки вместо консоли), пишешь одну команду — и у тебя локально крутится модель. Qwen, Llama, Gemma, DeepSeek — выбирай.
Сколько нужно железа?
▪️ Модель 7-8B в 4-bit сжатии — хватит 6 GB видеопамяти. Это RTX 3060, карта за копейки на вторичке.
▪️ 12-14B — около 10-12 GB. RTX 3060 12GB или 4070.
▪️ 27-30B — уже 20+ GB, тут нужна 3090/4090 или две карты.
Причем «Ollama» отдает OpenAI-совместимый API. То есть в любом агенте — хоть в n8n, хоть в своем коде — просто меняешь адрес с api.openai.com на localhost. Все. Агент работает на твоем железе.
Теперь главное — в каких случаях это вообще нужно:
▪️ Приватность. Медицина, юристы, финансы, чужие персональные данные. Есть сферы, где отправка данных в облако — это не «не хочется», а «нельзя по закону».
▪️ Объемы. Пока запросов 100 в день — API дешевле. Когда агент молотит десятки тысяч запросов в сутки — своя карта окупается за месяцы.
▪️ Независимость. Никаких блокировок, лимитов, «модель устарела и отключена». Твоя модель живет столько, сколько ты захочешь.
▪️ Эксперименты. Хочешь гонять агента 24/7 в цикле и не считать токены — локально это бесплатно.
Честно про минусы, куда без них.
Локальная 8B-модель глупее GPT-5 и Claude. Сильно глупее. Для агента, который пишет тебе стратегию бизнеса — нет. Для агента, который классифицирует заявки, вытаскивает данные из текстов, отвечает по базе знаний — да, за глаза.
И вот тут начинается самое интересное.
Маленькую модель можно ДООБУЧИТЬ на своих данных. И тогда в своей узкой задаче она начинает работать не хуже больших — только бесплатно и у тебя дома.
Про это — в следующем посте. Там цифры, от которых у меня самого брови поднялись на лысую головушку.
И развенчаем миф, о том что такое только для корпораций, уже нет.
Есть LoRA и QLoRA.
Вообще интересна эта тема?
#method_n8n
Часть 1 — зачем и как запустить.
Каждый твой запрос к «OpenAI» — это данные, улетевшие на чужой сервер, плюс строчка в счете в конце месяца.
Пока ты спрашиваешь у ChatGPT рецепт борща — плевать.
Но когда твой ИИ-агент обрабатывает клиентские заявки, договоры или медицинские анкеты — уже не плевать.
Ни клиентам, ни юристам, ни тебе.
Решение старое как мир, но почему-то до сих пор кажется людям чем-то космическим — запустить модель у себя. На своей видеокарте. Дома или на своем сервере.
Спойлер: это не космос. Это 15 минут и одна программа.
Ставишь «Ollama» (или «LM Studio», если хочется кнопочки вместо консоли), пишешь одну команду — и у тебя локально крутится модель. Qwen, Llama, Gemma, DeepSeek — выбирай.
Сколько нужно железа?
▪️ Модель 7-8B в 4-bit сжатии — хватит 6 GB видеопамяти. Это RTX 3060, карта за копейки на вторичке.
▪️ 12-14B — около 10-12 GB. RTX 3060 12GB или 4070.
▪️ 27-30B — уже 20+ GB, тут нужна 3090/4090 или две карты.
Причем «Ollama» отдает OpenAI-совместимый API. То есть в любом агенте — хоть в n8n, хоть в своем коде — просто меняешь адрес с api.openai.com на localhost. Все. Агент работает на твоем железе.
Теперь главное — в каких случаях это вообще нужно:
▪️ Приватность. Медицина, юристы, финансы, чужие персональные данные. Есть сферы, где отправка данных в облако — это не «не хочется», а «нельзя по закону».
▪️ Объемы. Пока запросов 100 в день — API дешевле. Когда агент молотит десятки тысяч запросов в сутки — своя карта окупается за месяцы.
▪️ Независимость. Никаких блокировок, лимитов, «модель устарела и отключена». Твоя модель живет столько, сколько ты захочешь.
▪️ Эксперименты. Хочешь гонять агента 24/7 в цикле и не считать токены — локально это бесплатно.
Честно про минусы, куда без них.
Локальная 8B-модель глупее GPT-5 и Claude. Сильно глупее. Для агента, который пишет тебе стратегию бизнеса — нет. Для агента, который классифицирует заявки, вытаскивает данные из текстов, отвечает по базе знаний — да, за глаза.
И вот тут начинается самое интересное.
Маленькую модель можно ДООБУЧИТЬ на своих данных. И тогда в своей узкой задаче она начинает работать не хуже больших — только бесплатно и у тебя дома.
Про это — в следующем посте. Там цифры, от которых у меня самого брови поднялись на лысую головушку.
И развенчаем миф, о том что такое только для корпораций, уже нет.
Есть LoRA и QLoRA.
Вообще интересна эта тема?
👍19🔥18👏2❤1🆒1
Дообучение модели на пальцах
#method_n8n
Часть 2 — как это работает и зачем это реально нужно.
В прошлом посте вкратце разобрали, как запустить модель у себя.
Теперь запретная тема — как научить ее на твоих данных.
Сразу же — не путать с RAG. RAG это не обучение, хотя многие, да и я сам, иногда так это называют. Там модель остается прежней, ей просто подсовывают нужные куски из базы знаний.
Настоящее дообучение — когда модели подают размеченные примеры «запрос → правильный ответ» и она корректирует свои веса, чтобы отвечать именно так.
Сразу разберемся с мифом. «Дообучение — это для корпораций с дата-центрами».
Было так. Года три назад.
Полное дообучение модели 7B и правда жрет 28+ GB видеопамяти — переписываются все веса, для дома перебор.
Но умные люди придумали LoRA.
Базовую модель замораживаем и не трогаем. Сверху прикручиваем маленькие «адаптеры» — и тренируем только их. Это 1-5% от всех весов.
Это как выдать сотруднику методичку по твоей специфике вместо переучивания с нуля.
QLoRA — то же самое, но база еще и сжата в 4-bit. И вот цифры:
▪️ Дообучение 7-8B через QLoRA — 8-12 GB видеопамяти. Обычная RTX 3060/4070.
▪️ Датасет — 500-1000 качественных примеров. Не миллионы.
▪️ Время — 1-4 часа. Инструменты: «Unsloth», «Axolotl», «LLaMA-Factory».
Пятьсот примеров и вечер. Против дата-центра. Это впечатляет.
Теперь главное — ЗАЧЕМ. Не притянутые причины, а с цифрами из реальных внедрений.
Причина 1 — точность. Разбор 287 корпоративных кейсов показал закономерность: на узкой, четко очерченной задаче дообученная мелкая модель бьет большую универсальную.
Пример: модель на 355 миллионов параметров — в 500 раз меньше GPT-4 — выбила 0.94 точности там, где GPT-4 показал 0.58. Не на процент лучше. На 62%.
Гигант знает все обо всем. Твоя мелкая — все о твоей задаче.
Причина 2 — деньги на объемах. Компания «Convirza» оценивает звонки колл-центров. Взяли Llama-3-8B, навесили 60 LoRA-адаптеров (по одному на каждый показатель оценки) — расходы упали в 10 раз против API «OpenAI», а точность выросла на 8%.
Причина 3 — скорость и жирный промпт. Без дообучения ты в каждый запрос таскаешь простыню: инструкции, примеры, правила — тысячи токенов. В агенте, который молотит 10 000 запросов в день, эта простыня — прямые деньги и секунды задержки.
После дообучения поведение вшито в веса. Промпт худеет до пары строк, мелкая модель отвечает за доли секунды. Для голосовых ботов и реалтайм-агентов это вообще единственный путь.
И когда это вся движуха будет лишней. Стиль и тон ответов часто закрываются промптом — не выдумывай себе дообучение там, где хватит инструкции на 20 строк. Знания и факты — это RAG: цены поменялись, базу обновил и все.
Я с помощью RAG создал не одного ИИ специалиста, скоро покажу одного очень крутого.
И есть потолок: на структурированных документах дообученная мелочь выбивает 96%, а на свободных рассуждениях проседает до 65%. Думать как большая она не научится.
Порядок здоровой автоматизации: промпт → RAG → дообучение. Но когда задача узкая и запросов много — дообучение перестает быть опцией и становится математикой.
И да, это продается. Заказчики с потоком однотипных задач — классификация заявок, извлечение данных из документов, оценка звонков — платят за такое хорошо. Своя обученная эксклюзивная модель априори не может стоить дешево.
В следующем посте — практика: датасет, обучение, выгрузка в «Ollama», подключение к агенту. И грабли, на которые наступают все.
#method_n8n
Часть 2 — как это работает и зачем это реально нужно.
В прошлом посте вкратце разобрали, как запустить модель у себя.
Теперь запретная тема — как научить ее на твоих данных.
Сразу же — не путать с RAG. RAG это не обучение, хотя многие, да и я сам, иногда так это называют. Там модель остается прежней, ей просто подсовывают нужные куски из базы знаний.
Настоящее дообучение — когда модели подают размеченные примеры «запрос → правильный ответ» и она корректирует свои веса, чтобы отвечать именно так.
Сразу разберемся с мифом. «Дообучение — это для корпораций с дата-центрами».
Было так. Года три назад.
Полное дообучение модели 7B и правда жрет 28+ GB видеопамяти — переписываются все веса, для дома перебор.
Но умные люди придумали LoRA.
Базовую модель замораживаем и не трогаем. Сверху прикручиваем маленькие «адаптеры» — и тренируем только их. Это 1-5% от всех весов.
Это как выдать сотруднику методичку по твоей специфике вместо переучивания с нуля.
QLoRA — то же самое, но база еще и сжата в 4-bit. И вот цифры:
▪️ Дообучение 7-8B через QLoRA — 8-12 GB видеопамяти. Обычная RTX 3060/4070.
▪️ Датасет — 500-1000 качественных примеров. Не миллионы.
▪️ Время — 1-4 часа. Инструменты: «Unsloth», «Axolotl», «LLaMA-Factory».
Пятьсот примеров и вечер. Против дата-центра. Это впечатляет.
Теперь главное — ЗАЧЕМ. Не притянутые причины, а с цифрами из реальных внедрений.
Причина 1 — точность. Разбор 287 корпоративных кейсов показал закономерность: на узкой, четко очерченной задаче дообученная мелкая модель бьет большую универсальную.
Пример: модель на 355 миллионов параметров — в 500 раз меньше GPT-4 — выбила 0.94 точности там, где GPT-4 показал 0.58. Не на процент лучше. На 62%.
Гигант знает все обо всем. Твоя мелкая — все о твоей задаче.
Причина 2 — деньги на объемах. Компания «Convirza» оценивает звонки колл-центров. Взяли Llama-3-8B, навесили 60 LoRA-адаптеров (по одному на каждый показатель оценки) — расходы упали в 10 раз против API «OpenAI», а точность выросла на 8%.
Причина 3 — скорость и жирный промпт. Без дообучения ты в каждый запрос таскаешь простыню: инструкции, примеры, правила — тысячи токенов. В агенте, который молотит 10 000 запросов в день, эта простыня — прямые деньги и секунды задержки.
После дообучения поведение вшито в веса. Промпт худеет до пары строк, мелкая модель отвечает за доли секунды. Для голосовых ботов и реалтайм-агентов это вообще единственный путь.
И когда это вся движуха будет лишней. Стиль и тон ответов часто закрываются промптом — не выдумывай себе дообучение там, где хватит инструкции на 20 строк. Знания и факты — это RAG: цены поменялись, базу обновил и все.
Я с помощью RAG создал не одного ИИ специалиста, скоро покажу одного очень крутого.
И есть потолок: на структурированных документах дообученная мелочь выбивает 96%, а на свободных рассуждениях проседает до 65%. Думать как большая она не научится.
Порядок здоровой автоматизации: промпт → RAG → дообучение. Но когда задача узкая и запросов много — дообучение перестает быть опцией и становится математикой.
И да, это продается. Заказчики с потоком однотипных задач — классификация заявок, извлечение данных из документов, оценка звонков — платят за такое хорошо. Своя обученная эксклюзивная модель априори не может стоить дешево.
В следующем посте — практика: датасет, обучение, выгрузка в «Ollama», подключение к агенту. И грабли, на которые наступают все.
🔥12❤1👍1