Forwarded from Надежда Маслакова
Кстати сейчас читаю ответ на запрос:
Очень удобно )
У тебя в источниках лежит Narrativization-and-Narrative-Studies-Principles-Framework.md расскажи для чего он нужен
Очень удобно )
🔥6❤3🤝1
Вернёмся в юные годы — когда на хорошую RPG ещё находилось несколько свободных вечеров🍻
Для тех, ктопока не играл:
это история, в которой сюжет часто зависит от вашего выбора. Например: герой выходит из убежища, идёт по карте, проходит локации, собирает инструменты и возвращается с тем, что помогает спасти своё поселение.
Итак...
"Мир… Мир уже изменился"
AI-агенты ускоряют работу. Одни команды быстрее получают постановки, варианты решений, проверки, объяснения и материалы для команды🥡 Другие всё ещё вручную разбирают слишком общие AI-ответы и каждый раз заново объясняют агенту, что у них вообще происходит😰
Убежище вроде бы держится, но система жизнеобеспечения уже тревожно шумит: сроки сжимаются, договорённости расходятся, результат получается посредственным, а ручная доводка съедает всё больше сил🧐
В этой истории FPF — карта рабочих ходов.
Для тех, кто играл, почти "Пип-Бой" для AI-задач.
Он помогает понять, где перед вами проблема, где решение, где архитектурный вопрос, где документ, где план, где выполненная работа, где проверка и какой следующий ход предложил AI-агент.
В нашей версии убежище — это команда и проект😌 😃
Внутри живут люди, процессы, договорённости, куски кода, документы, планы и надежда, что всё это как-то продолжит работать.
И по какой-то причине именно вы становитесь избранным🤕
Хотя в рюкзаке пока нет полного комплекта пройденных руководств. Хотя на карте ещё много тумана. Хотя в голове звучит: "а вдруг ничего не получится?".
В хорошей RPG герой начинает не с финальной брони. У него есть первая задача, проводник, подсказки по пути и возможность становиться сильнее на каждом следующем шаге.
Здесь так же: достаточно прийти со своей рабочей ситуацией.
Тем, кто уже проходил программы Рабочего развития, будет проще узнавать связи.
Тем, кто приходит впервые, маршрут поможет двигаться по шагам: от первого AI-черновика к предметным правилам, которые можно развивать дальше.
Вернёмся к сюжету.
Для результативного прохождения одной карты мало.
🚙 Нужна машина, которая едет именно по вашей местности.
DPF — это предметные правила вашей области, проекта и команды: что здесь считается хорошей постановкой, какие ошибки типичны, какие ограничения держать, что проверять, где агент может готовить черновик и где должен вернуть вопрос человеку.
Пять семинаров — это пять локаций маршрута:
FPF-грамотность, архитектурные ходы, путь от проблемы к выполненной работе, точность языка и свой DPF для области, проекта и команды.
На каждой локации герой получает часть рабочего комплекта📟 : карту ходов, архитектурные вопросы, способ собирать работу, язык без разночтений и предметные правила для AI-агента.
После всех пяти локаций этот комплект уже привязан к вашей местности🧰 : задачам, ограничениям, типовым ошибкам, проверкам, примерам и правилам команды.
⚡️ Результат после всех семинаров — у команды появляется собственный рабочий язык для AI-агента.
Агент начинает лучше понимать, какую задачу решает, какие ограничения держать, какие ошибки учитывать, что проверять, где вернуть вопрос человеку и какой материал годится для следующего рабочего шага.
Для проекта это означает:
— меньше ручной разборки сырых AI-ответов,
— меньше расхождений в коммуникациях,
— больше проверяемых постановок, решений, объяснений, программ, планов и текстов, которые двигают работу дальше.
Серия стартует 12 июля. Можно пройти один семинар или весь маршрут из пяти встреч.
Подробная программа — здесь: https://system-school.ru/list
Вам знаком этот сюжет?
❤️ Конечно знаком!
👍 Не играл(а)
🤝 Уже решил(а) или склоняюсь, что иду за своим DPF
Для тех, кто
это история, в которой сюжет часто зависит от вашего выбора. Например: герой выходит из убежища, идёт по карте, проходит локации, собирает инструменты и возвращается с тем, что помогает спасти своё поселение.
Итак...
"Мир… Мир уже изменился"
AI-агенты ускоряют работу. Одни команды быстрее получают постановки, варианты решений, проверки, объяснения и материалы для команды
Убежище вроде бы держится, но система жизнеобеспечения уже тревожно шумит: сроки сжимаются, договорённости расходятся, результат получается посредственным, а ручная доводка съедает всё больше сил
В этой истории FPF — карта рабочих ходов.
Для тех, кто играл, почти "Пип-Бой" для AI-задач.
Он помогает понять, где перед вами проблема, где решение, где архитектурный вопрос, где документ, где план, где выполненная работа, где проверка и какой следующий ход предложил AI-агент.
В нашей версии убежище — это команда и проект
Внутри живут люди, процессы, договорённости, куски кода, документы, планы и надежда, что всё это как-то продолжит работать.
И по какой-то причине именно вы становитесь избранным
Хотя в рюкзаке пока нет полного комплекта пройденных руководств. Хотя на карте ещё много тумана. Хотя в голове звучит: "а вдруг ничего не получится?".
В хорошей RPG герой начинает не с финальной брони. У него есть первая задача, проводник, подсказки по пути и возможность становиться сильнее на каждом следующем шаге.
Здесь так же: достаточно прийти со своей рабочей ситуацией.
Тем, кто уже проходил программы Рабочего развития, будет проще узнавать связи.
Тем, кто приходит впервые, маршрут поможет двигаться по шагам: от первого AI-черновика к предметным правилам, которые можно развивать дальше.
Вернёмся к сюжету.
Для результативного прохождения одной карты мало.
DPF — это предметные правила вашей области, проекта и команды: что здесь считается хорошей постановкой, какие ошибки типичны, какие ограничения держать, что проверять, где агент может готовить черновик и где должен вернуть вопрос человеку.
Пять семинаров — это пять локаций маршрута:
FPF-грамотность, архитектурные ходы, путь от проблемы к выполненной работе, точность языка и свой DPF для области, проекта и команды.
На каждой локации герой получает часть рабочего комплекта
После всех пяти локаций этот комплект уже привязан к вашей местности
Агент начинает лучше понимать, какую задачу решает, какие ограничения держать, какие ошибки учитывать, что проверять, где вернуть вопрос человеку и какой материал годится для следующего рабочего шага.
Для проекта это означает:
— меньше ручной разборки сырых AI-ответов,
— меньше расхождений в коммуникациях,
— больше проверяемых постановок, решений, объяснений, программ, планов и текстов, которые двигают работу дальше.
Серия стартует 12 июля. Можно пройти один семинар или весь маршрут из пяти встреч.
Подробная программа — здесь: https://system-school.ru/list
Вам знаком этот сюжет?
❤️ Конечно знаком!
👍 Не играл(а)
🤝 Уже решил(а) или склоняюсь, что иду за своим DPF
Please open Telegram to view this post
VIEW IN TELEGRAM
❤16👍7🤝5
AI вышел на работу. А в курс дела его кто вводил?
Желательно, сразу по регламенту — чтобы потом не платить за ошибки.
В МИМ часто сравнивают AI-агентов с сотрудниками. И это очень точное сравнение.
Умный сотрудник без вводной тоже будет стараться. Он задаст пару вопросов, принесёт приличный черновик, местами даже попадёт в задачу. Но дальше начнётся знакомое: "не то понял", "не это имели в виду", "нужно переделать", "давай я сам объясню заново".
На картинке — разбор примера Анатолия: как один и тот же запрос к AI меняется, если вести его через FPF и доводить до DPF.
Задача была собрать DPF для нарративизации: правила, по которым AI-агент сможет превращать сложные материалы — FPF, архитектуру, граф понятий, транскрипты, материалы семинара — в понятный маршрут для читателя и сохранять связь с источником.
⚫️ Без FPF AI даёт хороший универсальный совет. Такой ответ может помочь с черновиком, но каждый следующий результат снова зависит от удачи, формулировки запроса и ручной доводки.
⚫️ С FPF появляется управление результатом. Агент начинает удерживать источник, выбранную структуру, назначение, потери, проверки и возврат к исходному материалу.
⚫️ Дальше появляется первый DPF/SPF-0. Это уже предметный черновик правил: какие рабочие паттерны нужны, какие ошибки типичны, что проверять, как безопасно использовать AI-черновик, где результат ещё требует человеческого решения.
Но DPF/SPF-0 — это стартовая версия.
⚫️ После 5 практикумов участник доводит её до рабочего DPF для своей области: с правилами, проверками, ограничениями, примерами, приёмочными кейсами и следующими рабочими ходами.
Вот здесь и происходит главный переход.
✅ AI-агент получает предметную среду, по которой можно делать, проверять и усиливать результат уже внутри логики вашей области.
Для всей команды это означает:
— меньше повторного ввода контекста,
— меньше ручного спасения удачных, но сырых ответов,
— меньше зависимости от "повезло с промптом",
— больше рабочих материалов, у которых понятны источник, ограничения, проверки и следующий шаг.
И больше материалов, которые действительно двигают работу дальше.
Это переход от разового удачного ответа к правилам, по которым результат можно получать повторяемо.
Именно его будем делать на практикумах для вашей области: от общего AI-черновика к первому рабочему DPF.
Подробности в расписании — https://system-school.ru/list
Желательно, сразу по регламенту — чтобы потом не платить за ошибки.
В МИМ часто сравнивают AI-агентов с сотрудниками. И это очень точное сравнение.
Умный сотрудник без вводной тоже будет стараться. Он задаст пару вопросов, принесёт приличный черновик, местами даже попадёт в задачу. Но дальше начнётся знакомое: "не то понял", "не это имели в виду", "нужно переделать", "давай я сам объясню заново".
На картинке — разбор примера Анатолия: как один и тот же запрос к AI меняется, если вести его через FPF и доводить до DPF.
Задача была собрать DPF для нарративизации: правила, по которым AI-агент сможет превращать сложные материалы — FPF, архитектуру, граф понятий, транскрипты, материалы семинара — в понятный маршрут для читателя и сохранять связь с источником.
Но DPF/SPF-0 — это стартовая версия.
Вот здесь и происходит главный переход.
Для всей команды это означает:
— меньше повторного ввода контекста,
— меньше ручного спасения удачных, но сырых ответов,
— меньше зависимости от "повезло с промптом",
— больше рабочих материалов, у которых понятны источник, ограничения, проверки и следующий шаг.
И больше материалов, которые действительно двигают работу дальше.
Это переход от разового удачного ответа к правилам, по которым результат можно получать повторяемо.
Именно его будем делать на практикумах для вашей области: от общего AI-черновика к первому рабочему DPF.
Подробности в расписании — https://system-school.ru/list
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3🔥2❤1
У преимущества есть срок годности.
Технология продолжит работать и через полгода.
Но успеете ли вы превратить её в рабочее преимущество?
Пока она не стала обычным фоном — кнопкой в интерфейсе, шаблоном, чужим разбором.
С AI-агентами сейчас то же, что когда-то было с компьютерами и интернетом:
Сначала это преимущество тех, кто разобрался раньше.
Потом — новая рабочая грамотность.
Потом — странно, если специалист этим не владеет🤔
Только скорость теперь другая. И то, что раньше разворачивалось годами, сейчас меняется за месяцы: модели, интерфейсы, агенты, способы работы, ожидания к результату.
❤ Следующий ход — перестроить сам способ задавать работу AI-агенту: от просьб и удачных промптов к правилам области, проверкам и рабочей вводной.
Это выбор — подбирать удачные запросы, ждать удобных инструкций и разбираться позже (по пересказам, шаблонам и чужим примерам).
Или зайти в работу сейчас, пока есть возможность пройти путь рядом с методологией и собрать первые правила для своей области.
На бесплатной встрече было 170 человек, сотни сообщений в чате, первые сравнения обычного AI и AI+FPF, первые черновики DPF/SPF по разным областям.
Многие уже заметили✅ — уровень результата зависит от рабочей вводной, которую человек даёт агенту. Что делать. Что проверять. Какие ограничения держать. Какие ошибки обходить. Какой результат годится для следующего шага.
✅ Это рост класса работы с AI-агентом: от помощника на черновиках к сильному участнику вашей предметной работы.
Цена откладывания простая: каждый месяц вы заново объясняете агенту то, что уже могло стать правилами вашей области. С соответствующими переменами в скорости и "гладкости" рабочих процессов.
На серии из 5 практикумов будем делать первый проход к DPF/SPF для выбранной предметной области: собирать правила, ограничения, проверки, примеры и признаки пригодности результата.
Старт — 12 июля.
Подробная программа — https://system-school.ru/list
Технология продолжит работать и через полгода.
Но успеете ли вы превратить её в рабочее преимущество?
Пока она не стала обычным фоном — кнопкой в интерфейсе, шаблоном, чужим разбором.
С AI-агентами сейчас то же, что когда-то было с компьютерами и интернетом:
Сначала это преимущество тех, кто разобрался раньше.
Потом — новая рабочая грамотность.
Потом — странно, если специалист этим не владеет🤔
Только скорость теперь другая. И то, что раньше разворачивалось годами, сейчас меняется за месяцы: модели, интерфейсы, агенты, способы работы, ожидания к результату.
Это выбор — подбирать удачные запросы, ждать удобных инструкций и разбираться позже (по пересказам, шаблонам и чужим примерам).
Или зайти в работу сейчас, пока есть возможность пройти путь рядом с методологией и собрать первые правила для своей области.
На бесплатной встрече было 170 человек, сотни сообщений в чате, первые сравнения обычного AI и AI+FPF, первые черновики DPF/SPF по разным областям.
Многие уже заметили
Цена откладывания простая: каждый месяц вы заново объясняете агенту то, что уже могло стать правилами вашей области. С соответствующими переменами в скорости и "гладкости" рабочих процессов.
На серии из 5 практикумов будем делать первый проход к DPF/SPF для выбранной предметной области: собирать правила, ограничения, проверки, примеры и признаки пригодности результата.
Старт — 12 июля.
Подробная программа — https://system-school.ru/list
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥2💯2
Это правда вам нужно или просто хорошо написано?
В чате появился хороший вопрос от одного из наших резидентов:
С FPF и DPF легко перепутать красивое обещание и рабочую догадку.
Красивое обещание звучало бы так: за 5 практикумов у вас появится готовый регламент организации для AI, агент начнёт работать по вашим правилам, проблемы решатся, счастье наступит.
❗️ Такого мы не обещаем.
За 5 практикумов не появится готовый регламент вашей организации. Не будет переноса всей вашей работы на AI. Не будет гарантии, что агент после серии сам начнёт стабильно решать рабочие проблемы.
Будет другое — менее сказочное, но гораздо более полезное для работы.
Можно сделать первый серьёзный проход к DPF для выбранной предметной области или класса задач: собрать правила, ограничения, типовые ошибки, проверки, примеры и признаки пригодного результата.
Это не волшебная кнопка.
✅ Это вход в новый рабочий язык, который становится всё важнее по мере того, как AI-агенты оказываются ближе к реальной работе: коду, документам, решениям, источникам и материалам команды.
Обычный запрос каждый раз просит AI что-то сделать.
Сила DPF в том, что это не знание кнопок конкретного сервиса, а рабочий язык для AI-агента, который можно переносить между интерфейсами и моделями: какие различения важны, что нужно проверить, где нужен источник, где остановиться и вернуть вопрос человеку.
Тут проще проверять не по тексту, а по своей работе. Узнаёте?
— AI отвечает вроде бы разумно, но часто мимо вашей предметной логики;
— хороший черновик всё равно приходится долго разбирать руками;
— хочется перестать каждый раз повторять одно и то же агенту.
❤ Тогда серию стоит проверить на своей задаче.
Можно прийти без готового DPF/SPF.
Можно прийти без полного набора пройденных руководств.
Достаточно принести свою область, повторяющиеся задачи, типовые ошибки, материалы команды или AI-ответы, которые хочется сделать пригоднее для работы.
И здесь есть отдельная ценность не только для AI-агента.
✅ Работа над DPF помогает провести инвентаризацию собственного предметного мышления: где вы действуете потому что "так повелось", где метод действительно выбран под задачу и ресурсы, какие ошибки повторяются, что уже изменилось в области и где тем же ресурсом можно получать более пригодный результат.
✅ Задача серии — не обещать готовое мастерство за пять встреч, а дать вход в новую рабочую практику:
1️⃣ от общего AI-черновика — к предметным правилам;
2️⃣ от случайно удачного ответа — к проверкам и ограничениям;
3️⃣ от "сделай хорошо" — к уточнению, какой результат годится для следующего рабочего шага.
Если у вас уже появилась догадка, что здесь меняется не интерфейс, а сам способ включать AI в свою работу, её стоит проверить на практике.
На бесплатной встрече многие уже увидели первый сдвиг: один и тот же AI-агент начинает отвечать иначе, когда получает FPF, описание предметной области и более точную постановку.
Серия из пяти 3-часовых практикумов с Анатолием Левенчуком, научным руководителем МИМ, стартует 12 июля. Можно начать с одного практикума или пройти весь маршрут.
Оплатить участие можно через бота:
@SystemsSchool_bot (Меню → Оплатить участие)
Оплата иностранными картами и для юрлиц: @Gelya1848
В чате появился хороший вопрос от одного из наших резидентов:
"Я не понимаю, это такие тексты крутые рекламные или просто мне это и правда нужно, потому что я уже в вашей теме?"
С FPF и DPF легко перепутать красивое обещание и рабочую догадку.
Красивое обещание звучало бы так: за 5 практикумов у вас появится готовый регламент организации для AI, агент начнёт работать по вашим правилам, проблемы решатся, счастье наступит.
За 5 практикумов не появится готовый регламент вашей организации. Не будет переноса всей вашей работы на AI. Не будет гарантии, что агент после серии сам начнёт стабильно решать рабочие проблемы.
Будет другое — менее сказочное, но гораздо более полезное для работы.
Можно сделать первый серьёзный проход к DPF для выбранной предметной области или класса задач: собрать правила, ограничения, типовые ошибки, проверки, примеры и признаки пригодного результата.
Это не волшебная кнопка.
Обычный запрос каждый раз просит AI что-то сделать.
Сила DPF в том, что это не знание кнопок конкретного сервиса, а рабочий язык для AI-агента, который можно переносить между интерфейсами и моделями: какие различения важны, что нужно проверить, где нужен источник, где остановиться и вернуть вопрос человеку.
Тут проще проверять не по тексту, а по своей работе. Узнаёте?
— AI отвечает вроде бы разумно, но часто мимо вашей предметной логики;
— хороший черновик всё равно приходится долго разбирать руками;
— хочется перестать каждый раз повторять одно и то же агенту.
Можно прийти без готового DPF/SPF.
Можно прийти без полного набора пройденных руководств.
Достаточно принести свою область, повторяющиеся задачи, типовые ошибки, материалы команды или AI-ответы, которые хочется сделать пригоднее для работы.
И здесь есть отдельная ценность не только для AI-агента.
Если у вас уже появилась догадка, что здесь меняется не интерфейс, а сам способ включать AI в свою работу, её стоит проверить на практике.
На бесплатной встрече многие уже увидели первый сдвиг: один и тот же AI-агент начинает отвечать иначе, когда получает FPF, описание предметной области и более точную постановку.
Серия из пяти 3-часовых практикумов с Анатолием Левенчуком, научным руководителем МИМ, стартует 12 июля. Можно начать с одного практикума или пройти весь маршрут.
Оплатить участие можно через бота:
@SystemsSchool_bot (Меню → Оплатить участие)
Оплата иностранными картами и для юрлиц: @Gelya1848
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥1🤝1
Сейчас AI-агенты всё ближе к реальной работе — документам, коду, решениям, источникам и материалам команды.
Поэтому растёт ценность рабочего языка, на котором можно задавать агенту предметную вводную: правила области, ограничения, проверки, типовые ошибки и признаки пригодного результата.
Сила DPF в переносимости: сервис можно поменять, модель можно поменять, интерфейс можно поменять. Даже организацию можно поменять. Рабочий язык остаётся с вами.
Старт — 12 июля.
Можно выбрать один практикум или пройти весь маршрут.
Подробнее — здесь, на канале Рабочего развития 👆
или в расписании МИМ:
https://system-school.ru/list
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1🤝1
Готовили картинку к серии практикумов по FPF и DPF: хотели маркером выделить 3 самые сильные причины идти на серию — и разошлись почти во всех пунктах 🥲
Отдел продвижения — 4, 5, 6.
Наставники — 2, 5, 7.
Давайте разберёмся, какие пункты больше всего подходят для вашей рабочей ситуации?
Можно выбрать несколько вариантов👇
Нам это поможет лучше понять, что для участников сейчас самое важное и подготовить соответствующие акценты.
Please open Telegram to view this post
VIEW IN TELEGRAM
Рынок работы с AI сейчас полон обходов: как пережить смену модели, сократить токены, сохранить полезный навык, переехать из одного сервиса в другой, заставить агента отвечать короче и точнее.
Это полезно. Но такие ходы чинят локальную проблему.
Когда инструмент всё время меняет меню, лимиты, стоимость, доступ и правила работы, вес переносится с интерфейса на устройство самой работы: что мы делаем, что проверяем, где ошибаемся и какой результат считаем пригодным.
В Рабочем развитии нас интересует именно этот уровень: мышление, которое остаётся с человеком при смене инструментов.
DPF переводит выбранную предметную область в рабочий язык для AI-агента: правила отрасли, ограничения, типовые ошибки, проверки и признаки пригодного результата.
Это нужно не только агенту.
Работа над DPF заставляет человека пересобрать собственную предметную логику: где мы действуем потому что "так повелось", где метод выбран под задачу и ресурсы, какие ошибки повторяются, что уже изменилось в области и где тем же ресурсом можно получать более пригодный результат.
Поэтому серия выходит за рамки "как пользоваться AI".
Какой именно рубанок сегодня в руках у плотника — важно, но вторично. Вопрос в том, какие вещи он теперь умеет делать и каким мышлением пользуется в работе.
Поэтому — серия технологическая актуализация собственной рабочей позиции.
— Для тех, кто уже проходил руководства, это обновление работы с FPF на новом материале.
— Для тех, кто ещё не дошёл до резидентур, это вход в практику через свою рабочую ситуацию.
— Для тех, кто уже использует FPF в продуктах, проектах или текстах, это переход от удачных проб к осознанной сборке DPF для выбранной области или класса задач.
AI-агенты всё ближе к документам, коду, решениям, источникам и материалам команды.
И чем умнее становится модель, тем убедительнее выглядят её ответы и тем менее очевидны её ошибки. Поэтому требования растут уже не к промпту.
Требования растут к мышлению человека, который с ней работает.
Редкость этой серии семинаров в том, что разбирается новое содержание FPF после руководств: архитектурное мышление, точность языка, предметные модели и сборка DPF.
Пять 3-часовых практикумов с Анатолием Левенчуком стартуют 12 июля.
Можно выбрать один практикум или пройти весь маршрут.
@SystemsSchool_bot (Меню → Оплатить участие)
Оплата иностранными картами и для юрлиц: @Gelya1848
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4❤2💯1
Коллеги, вместо очередного пересказа от продвижения🫠 — даём первоисточник.
В рабочем обсуждении, Анатолий собрал FAQ по вопросам, которые сейчас чаще всего всплывают вокруг FPF, DPF и серии практикумов: куда подгружать FPF, почему он не предназначен для чтения целиком, почему бесплатные модели плохо подходят для рабочей задачи, что такое "регламенты для AI" и какая главная идея будет у серии.
Публикуем в исходном виде, с авторской прямотой.
Это ответы научного руководителя на частые вопросы: серия ведёт не в "волшебный AI, который всё сделает", а в понимание того, какое мышление нужно человеку и AI-агенту, чтобы работать в одной предметной области.
Именно поэтому здесь есть и технические ответы, и разговор про архитектуру, точность языка, предметные модели и DPF.
FAQ по серии практикумов от Анатолия Левенчука:
В рабочем обсуждении, Анатолий собрал FAQ по вопросам, которые сейчас чаще всего всплывают вокруг FPF, DPF и серии практикумов: куда подгружать FPF, почему он не предназначен для чтения целиком, почему бесплатные модели плохо подходят для рабочей задачи, что такое "регламенты для AI" и какая главная идея будет у серии.
Публикуем в исходном виде, с авторской прямотой.
Это ответы научного руководителя на частые вопросы: серия ведёт не в "волшебный AI, который всё сделает", а в понимание того, какое мышление нужно человеку и AI-агенту, чтобы работать в одной предметной области.
Именно поэтому здесь есть и технические ответы, и разговор про архитектуру, точность языка, предметные модели и DPF.
FAQ по серии практикумов от Анатолия Левенчука:
❤3👍3🔥1
Forwarded from Anatoly Levenchuk
FAQ
1. До сих пор главный вопрос -- "я не понимаю, куда в мой AI засунуть FPF, ибо он недочитывается, влезает только первые 10%, да и вообще -- какой бесплатный AI использовать, чтобы всё влезло?"
* FPF не предназначен для чтения, AI-агент не человек, чтобы читать файл FPF от корки до корки, как люди читают руководства и стандарты. Для AI-агента FPF -- это хорошо размеченный файл. Нет, там не JSON, поэтому человек тоже может читать паттерны, они на английском, но разметки FPF (например, оглавление с ключевыми вопросами паттернов и ключевыми их словами, а также меток заголовков паттернов и секций, отсылки к другим паттернам по их ID и ещё много подобных мелочей) вполне хватает, чтобы AI-агент находил и читал нужные ему места из огромного файла. Читает агент кусками текста через инструментарий, которым пользуются программисты.
* FPF (и DPF) просто кладите как файлы -- или в чат (но не в то поле, где агенту надо что-то прочесть, а в то поле, где его надо подгрузить), команды "читать" не давайте! Там прямо в readme написано, что читать его не надо (ни людям, хотя они любопытны, ни агентам).
* если вы хотите использовать бесплатные AI-сервисы с моделями непонятного качества для рабочих целей, то вы сам себе злобный Буратино: вы хотите хорошо (качества как для работы, а не как для хобби), но бесплатно. Так не бывает. Смиритесь: надо заплатить. Скажем, берите у OpenAI подписку ChatGPT уровня Pro ($200 в месяц, или порядка 20000руб.) -- и вам вполне хватит этого запаса токенов для агента и запросов для большинства ваших работ с FPF. Если Anthropic -- то там цены будут вполне сравнимые (или даже чуть дороже). Если Google -- там качество пониже, сравнимое с китайскими моделями. Но с бесплатными сервисами к работе не подходите, чудес не бывает. "Работает не хуже" -- это как "третьекурсник работает не хуже, чем профессор". Да, если у вас на работе ответы нужны уровня 2*2, вам вообще пятиклассник будет равен профессору. Но если что-то про архитектуру -- пеняйте на себя, если надеетесь на бесплатные сервисы. И учтите, что тут не кодирование/программирование и протестировать неверный ответ не получится, вам придётся тонкие ошибки ловить самостоятельно, а не через тесты. DeepSeek на младших планах или Perplexity -- ну, надейтесь на чудо, но я вас предупредил. Правдоподобные и правдивые ответы -- это, как говорят в Одессе, две большие разницы.
* про российские модели я даже говорить не хочу. Хорошую вещь "импортзамещением" не называют.
* если кто-то работает в условиях, когда нельзя использовать AI-агентов нормального качества, то он просто проигрывает в конкуренции (и по качеству рабочих продуктов, в которых AI не будет помогать, и по собственной квалификации). Не работайте там, где нельзя. Помните, что вы тот, с кем общаетесь: если общаетесь с AI-агентами-дебилами, то у вас проблемы. Если с умными AI-агентами вам запрещают общаться, то у вас проблемы. Если верите в пропаганду и в чудеса, то у вас проблемы.
* это всё "новая компьютерная грамотность", на семинаре я не буду много говорить на эту тему, тут полно других учителей, кроме меня.
2. "Регламенты для AI -- они про что? Что все эти FPF и DPF значат, зачем они нужны? Мне расскажут на семинаре, что делать, чтобы AI выполнил мою работу?"
* регламенты для AI-агентов нужны для того, что и регламенты работы даже для самых умных людей: чтобы сказать, что делать можно, а чего делать нельзя. AI не знает, что вас не интересует астрология или вас интересует что-то из SoTA школ инженерии, а не на уровне "маркетинг идеи для ничего не понимающих начальников". Надо объяснить -- и вот это как раз и делает экосистема фреймворков FPF.
* подробности всего этого уже объяснялись, я провёл онлайн-практикум "ИИ знает почти всё. А вашу работу -- нет" на 170 человек. Материалы доступны в чате поддержки программы рабочего развития МИМ -- с https://t.me/systemsthinking_course/36901 (и дальше там сотни комментов с вопросами и примерами результатов). Видео -- в https://t.me/systemsthinking_course/37185, копия -- в https://disk.yandex.ru/i/EdZYF3G_yilfmA, слайдомент к семинару -- https://disk.yandex.ru/i/0bQxr3e7b2PpfA, короткая (20K знаков) нарративизация по методу Ильшата Габдуллина -- https://t.me/systemsthinking_course/37226. Если кто захочет сделать себе альтернативную нарративизацию -- есть транскрипт в https://t.me/systemsthinking_course/37228. На полтора часа онлайн-практикума затем было четыре часа моих комментариев в чате -- ответы на вопросы и комментарии к пробным генерациям участников. Читайте, это всё бесплатно и доступно.
3. Основная идея семинаров -- это объяснить, какая картина мира у AI-агента, который пользуется FPF и поэтому демонстрирует явное поумнение по сравнению с AI-агентом без FPF. Это надо для того, чтобы уменьшить число плохих вопросов и услужливых плохих ответов от AI-агента.
* вы просите AI-агента написать регламент работы в строительной отрасли РФ, чтобы было понятно, как там работать в проблемных ситуациях. Как вы считаете, какого объёма (сколько толстых томов) должен быть такой регламент, чтобы закрыть более-менее частые проблемы? Этих проблем сотни, для каждой нужно иметь пару страниц текста объяснений. Дальше вопрос: чем этот регламент будет лучше исходных томов документации? Если стройки работают "не по уставу" (ибо тогда ничего не построишь), а "как мы договорились, и все понимают" -- как агент узнает, что именно из огромного числа этих договорённостей вы бы хотели отразить в этом регламенте для AI, чтобы он был полезен? Вот все эти вопросы хорошо бы задавать себе и перед семинаром, чтобы не иметь неожиданностей в ответах AI. Не нужны семинары, чтобы не задавать AI-агентам просьбы "сделать мне красиво", чтобы развеять миф о том, что AI-агент сможет выполнить вашу работу.
* но семинар расскажет, почему системного мышления инженерам (и AI-агентам в роли инженеров) сейчас недостаточно, в чём смысл архитектурной работы, какие проблемы есть с точностью языка в рабочих проектах и какой механизм решения этих проблем. В ответах AI-агентов будет прорываться "птичий язык" фундаментального мышления -- вроде "интересующей сущности" (EntityOfConcern) или необходимости различения метода и работы. Семинары будут объяснять этот "птичий язык".
* семинары расскажут, о чём вообще уместно просить FPF, чтобы он помог. Скажем, можно просить помочь с архитектурой целевой системы, можно просить сократить какой-то текст (и сказать явно, что оттуда было убрано, а что оставлено).
* семинары расскажут, как расширить FPF, чтобы кроме хороших ответов на общие для всех рабочих проектов вопросы он давал хорошие ответы на вопросы по вашей предметной области -- это будет DPF. Для этого вам надо понять, как вообще разрабатывать эти фреймворки вроде FPF, как заставить AI-агента работать с такими текстами, какой там рабочий процесс. Поэтому я поделюсь своим опытом, и на пятом семинаре мы будем заниматься созданием DTF, чтобы ответы AI-агентов стали лучше и для вашей узкой предметной области (не думаю, что вы сразу сможете сделать "учебник для AI" объёмом в пять томов "сталелитейного производства" или "аптечной деятельности в РФ", но небольшой текст на 200Кзнаков для SoTA решений десятка типовых проблем по какой-то узкой предметной области -- вот это вполне сделаете).
1. До сих пор главный вопрос -- "я не понимаю, куда в мой AI засунуть FPF, ибо он недочитывается, влезает только первые 10%, да и вообще -- какой бесплатный AI использовать, чтобы всё влезло?"
* FPF не предназначен для чтения, AI-агент не человек, чтобы читать файл FPF от корки до корки, как люди читают руководства и стандарты. Для AI-агента FPF -- это хорошо размеченный файл. Нет, там не JSON, поэтому человек тоже может читать паттерны, они на английском, но разметки FPF (например, оглавление с ключевыми вопросами паттернов и ключевыми их словами, а также меток заголовков паттернов и секций, отсылки к другим паттернам по их ID и ещё много подобных мелочей) вполне хватает, чтобы AI-агент находил и читал нужные ему места из огромного файла. Читает агент кусками текста через инструментарий, которым пользуются программисты.
* FPF (и DPF) просто кладите как файлы -- или в чат (но не в то поле, где агенту надо что-то прочесть, а в то поле, где его надо подгрузить), команды "читать" не давайте! Там прямо в readme написано, что читать его не надо (ни людям, хотя они любопытны, ни агентам).
* если вы хотите использовать бесплатные AI-сервисы с моделями непонятного качества для рабочих целей, то вы сам себе злобный Буратино: вы хотите хорошо (качества как для работы, а не как для хобби), но бесплатно. Так не бывает. Смиритесь: надо заплатить. Скажем, берите у OpenAI подписку ChatGPT уровня Pro ($200 в месяц, или порядка 20000руб.) -- и вам вполне хватит этого запаса токенов для агента и запросов для большинства ваших работ с FPF. Если Anthropic -- то там цены будут вполне сравнимые (или даже чуть дороже). Если Google -- там качество пониже, сравнимое с китайскими моделями. Но с бесплатными сервисами к работе не подходите, чудес не бывает. "Работает не хуже" -- это как "третьекурсник работает не хуже, чем профессор". Да, если у вас на работе ответы нужны уровня 2*2, вам вообще пятиклассник будет равен профессору. Но если что-то про архитектуру -- пеняйте на себя, если надеетесь на бесплатные сервисы. И учтите, что тут не кодирование/программирование и протестировать неверный ответ не получится, вам придётся тонкие ошибки ловить самостоятельно, а не через тесты. DeepSeek на младших планах или Perplexity -- ну, надейтесь на чудо, но я вас предупредил. Правдоподобные и правдивые ответы -- это, как говорят в Одессе, две большие разницы.
* про российские модели я даже говорить не хочу. Хорошую вещь "импортзамещением" не называют.
* если кто-то работает в условиях, когда нельзя использовать AI-агентов нормального качества, то он просто проигрывает в конкуренции (и по качеству рабочих продуктов, в которых AI не будет помогать, и по собственной квалификации). Не работайте там, где нельзя. Помните, что вы тот, с кем общаетесь: если общаетесь с AI-агентами-дебилами, то у вас проблемы. Если с умными AI-агентами вам запрещают общаться, то у вас проблемы. Если верите в пропаганду и в чудеса, то у вас проблемы.
* это всё "новая компьютерная грамотность", на семинаре я не буду много говорить на эту тему, тут полно других учителей, кроме меня.
2. "Регламенты для AI -- они про что? Что все эти FPF и DPF значат, зачем они нужны? Мне расскажут на семинаре, что делать, чтобы AI выполнил мою работу?"
* регламенты для AI-агентов нужны для того, что и регламенты работы даже для самых умных людей: чтобы сказать, что делать можно, а чего делать нельзя. AI не знает, что вас не интересует астрология или вас интересует что-то из SoTA школ инженерии, а не на уровне "маркетинг идеи для ничего не понимающих начальников". Надо объяснить -- и вот это как раз и делает экосистема фреймворков FPF.
* подробности всего этого уже объяснялись, я провёл онлайн-практикум "ИИ знает почти всё. А вашу работу -- нет" на 170 человек. Материалы доступны в чате поддержки программы рабочего развития МИМ -- с https://t.me/systemsthinking_course/36901 (и дальше там сотни комментов с вопросами и примерами результатов). Видео -- в https://t.me/systemsthinking_course/37185, копия -- в https://disk.yandex.ru/i/EdZYF3G_yilfmA, слайдомент к семинару -- https://disk.yandex.ru/i/0bQxr3e7b2PpfA, короткая (20K знаков) нарративизация по методу Ильшата Габдуллина -- https://t.me/systemsthinking_course/37226. Если кто захочет сделать себе альтернативную нарративизацию -- есть транскрипт в https://t.me/systemsthinking_course/37228. На полтора часа онлайн-практикума затем было четыре часа моих комментариев в чате -- ответы на вопросы и комментарии к пробным генерациям участников. Читайте, это всё бесплатно и доступно.
3. Основная идея семинаров -- это объяснить, какая картина мира у AI-агента, который пользуется FPF и поэтому демонстрирует явное поумнение по сравнению с AI-агентом без FPF. Это надо для того, чтобы уменьшить число плохих вопросов и услужливых плохих ответов от AI-агента.
* вы просите AI-агента написать регламент работы в строительной отрасли РФ, чтобы было понятно, как там работать в проблемных ситуациях. Как вы считаете, какого объёма (сколько толстых томов) должен быть такой регламент, чтобы закрыть более-менее частые проблемы? Этих проблем сотни, для каждой нужно иметь пару страниц текста объяснений. Дальше вопрос: чем этот регламент будет лучше исходных томов документации? Если стройки работают "не по уставу" (ибо тогда ничего не построишь), а "как мы договорились, и все понимают" -- как агент узнает, что именно из огромного числа этих договорённостей вы бы хотели отразить в этом регламенте для AI, чтобы он был полезен? Вот все эти вопросы хорошо бы задавать себе и перед семинаром, чтобы не иметь неожиданностей в ответах AI. Не нужны семинары, чтобы не задавать AI-агентам просьбы "сделать мне красиво", чтобы развеять миф о том, что AI-агент сможет выполнить вашу работу.
* но семинар расскажет, почему системного мышления инженерам (и AI-агентам в роли инженеров) сейчас недостаточно, в чём смысл архитектурной работы, какие проблемы есть с точностью языка в рабочих проектах и какой механизм решения этих проблем. В ответах AI-агентов будет прорываться "птичий язык" фундаментального мышления -- вроде "интересующей сущности" (EntityOfConcern) или необходимости различения метода и работы. Семинары будут объяснять этот "птичий язык".
* семинары расскажут, о чём вообще уместно просить FPF, чтобы он помог. Скажем, можно просить помочь с архитектурой целевой системы, можно просить сократить какой-то текст (и сказать явно, что оттуда было убрано, а что оставлено).
* семинары расскажут, как расширить FPF, чтобы кроме хороших ответов на общие для всех рабочих проектов вопросы он давал хорошие ответы на вопросы по вашей предметной области -- это будет DPF. Для этого вам надо понять, как вообще разрабатывать эти фреймворки вроде FPF, как заставить AI-агента работать с такими текстами, какой там рабочий процесс. Поэтому я поделюсь своим опытом, и на пятом семинаре мы будем заниматься созданием DTF, чтобы ответы AI-агентов стали лучше и для вашей узкой предметной области (не думаю, что вы сразу сможете сделать "учебник для AI" объёмом в пять томов "сталелитейного производства" или "аптечной деятельности в РФ", но небольшой текст на 200Кзнаков для SoTA решений десятка типовых проблем по какой-то узкой предметной области -- вот это вполне сделаете).
Telegram
Рабочее развитие инженеров-менеджеров (МИМ) in Поддержка рабочего развития инженеров-менеджеров (МИМ)
Перед стартом хотим правильно настроить ожидания.
Это не будет лёгкий мотивационный вебинар про "пять промптов для работы". Мы идём к переднему краю: FPF, SPF, AI-агенты, предметные регламенты, первые принципы рабочих задач. Местами будет сложно, особенно…
Это не будет лёгкий мотивационный вебинар про "пять промптов для работы". Мы идём к переднему краю: FPF, SPF, AI-агенты, предметные регламенты, первые принципы рабочих задач. Местами будет сложно, особенно…
❤7🔥7💯1
Двое из ларца всё сделают одинаково с лица.
Если не объяснять AI-агентам, что считается хорошей работой, получится бодрое "и так сойдёт".
Как пишет Цепков на Хабре:
AI-помощнику нужен рабочий язык: что считать системой, какие ограничения держать, где проверять ошибку и какой результат годится для следующего шага.
Про это FPF и DPF: они помогают человеку и AI-помощнику думать в одной предметной области.
Статья на Хабре:
https://habr.com/ru/articles/1056178/
Подробности о серии практикумов с Анатолием Левенчуком:
https://system-school.ru/list
Если не объяснять AI-агентам, что считается хорошей работой, получится бодрое "и так сойдёт".
Как пишет Цепков на Хабре:
"просто сказать "используй системный подход" — недостаточно".
AI-помощнику нужен рабочий язык: что считать системой, какие ограничения держать, где проверять ошибку и какой результат годится для следующего шага.
Про это FPF и DPF: они помогают человеку и AI-помощнику думать в одной предметной области.
Статья на Хабре:
https://habr.com/ru/articles/1056178/
Подробности о серии практикумов с Анатолием Левенчуком:
https://system-school.ru/list
🔥6❤4🤣2💯1
Похоже, серия по FPF и DPF становится сериалом.
Когда мы запускали пять практикумов, их можно было воспринимать как пять отдельных тем:
1. FPF-грамотность.
2. Архитектурное мышление.
3. Рабочие процессы.
4. Точность языка.
5. Свой DPF.
Сейчас видим, что почти все участники выбрали не один семинар, а весь маршрут. Также, продолжаем рассматривать ваши кейсы с пробами DPF — для применения AI в российских СЭД, для Jira и продуктовой команды, для личной IWE, для рабочих процессов и локальных практик.
И ключевая сложность, с которой многие сталкиваются — DPF не может быть точно подготовлен из запроса в несколько слов.
Если просто сказать AI "сделай DPF по моей области", можно получить длинный, местами полезный, но ещё непригодный рабочий документ. Где-то будет слишком общо. Где-то область окажется размером "на пять томов". Где-то получится каталог идей, но ещё не паттерны, по которым человек и AI-агент смогут действовать.
Поэтому Анатолий сейчас перестраивает серию как связный маршрут от строгого AI-ответа на "птичьем языке" FPF — к понятному действию в вашем проекте.
✅ Первый семинар задаёт декодер.
Участник берёт ответ AI-агента и учится понимать:
— о чём этот ответ и какой ход он предлагает;
— какой рабочий объект этот ход меняет или создаёт;
— где граница допуска: что уже можно делать, а куда надо вернуться к источникам, людям или фактам.
Кто-то погрузится, кто-то актуализирует, кто-то пропитается.
Но именно отсюда потом развернётся весь сериал, где финальной развязкой станут собственные DPF и LPF — будем разбираться как сделать предметный или локальный регламент, чтобы AI отвечал ближе к логике вашей области, проекта и команды.
❤ Важный поворот: теперь разговор пойдёт и об LPF.
DPF — для предметной области.
LPF — для локальной практики: организации, проекта, команды, роли или рабочего контекста.
Это как раз то место, где многим не хватало точности: одно дело "AI знает нашу область", другое — "AI понимает, как у нас здесь принято действовать, что считается ошибкой, где источники, кто принимает решение и какой результат годится для следующего шага".
Сейчас FPF тоже дорабатывается прямо перед стартом серии.
✅ Анатолий дописывает новые связки, готовит более понятный вход через "мантры" FPF, чтобы новичкам было за что зацепиться, а опытным участникам было куда углубляться.
И дальше из этого собирается более точный рабочий язык.
Серия стартует 12 июля.
Подробности и участие:
https://system-school.ru/list
Когда мы запускали пять практикумов, их можно было воспринимать как пять отдельных тем:
1. FPF-грамотность.
2. Архитектурное мышление.
3. Рабочие процессы.
4. Точность языка.
5. Свой DPF.
Сейчас видим, что почти все участники выбрали не один семинар, а весь маршрут. Также, продолжаем рассматривать ваши кейсы с пробами DPF — для применения AI в российских СЭД, для Jira и продуктовой команды, для личной IWE, для рабочих процессов и локальных практик.
И ключевая сложность, с которой многие сталкиваются — DPF не может быть точно подготовлен из запроса в несколько слов.
Если просто сказать AI "сделай DPF по моей области", можно получить длинный, местами полезный, но ещё непригодный рабочий документ. Где-то будет слишком общо. Где-то область окажется размером "на пять томов". Где-то получится каталог идей, но ещё не паттерны, по которым человек и AI-агент смогут действовать.
Поэтому Анатолий сейчас перестраивает серию как связный маршрут от строгого AI-ответа на "птичьем языке" FPF — к понятному действию в вашем проекте.
Участник берёт ответ AI-агента и учится понимать:
— о чём этот ответ и какой ход он предлагает;
— какой рабочий объект этот ход меняет или создаёт;
— где граница допуска: что уже можно делать, а куда надо вернуться к источникам, людям или фактам.
Кто-то погрузится, кто-то актуализирует, кто-то пропитается.
Но именно отсюда потом развернётся весь сериал, где финальной развязкой станут собственные DPF и LPF — будем разбираться как сделать предметный или локальный регламент, чтобы AI отвечал ближе к логике вашей области, проекта и команды.
DPF — для предметной области.
LPF — для локальной практики: организации, проекта, команды, роли или рабочего контекста.
Это как раз то место, где многим не хватало точности: одно дело "AI знает нашу область", другое — "AI понимает, как у нас здесь принято действовать, что считается ошибкой, где источники, кто принимает решение и какой результат годится для следующего шага".
Сейчас FPF тоже дорабатывается прямо перед стартом серии.
И дальше из этого собирается более точный рабочий язык.
Здесь мантры — это короткие рабочие формулы, в которые упакованы сложные различения FPF. Они дают участнику простую канву внимания: что увидеть в ситуации, какой объект назвать, какой ход выбрать, где проверить основание и когда вернуть вопрос к источникам.
Их сила в том, что сложная теория начинает работать как навык: фраза легко запоминается, многократно применяется на разных задачах и постепенно перестраивает само мышление человека и AI-агента в одной предметной области.
Серия стартует 12 июля.
Подробности и участие:
https://system-school.ru/list
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5🔥3👍2
Со стороны могло показаться, что кто-то просто умеет "разговаривать с AI" на недоступном уровне.
AI-агенты ему отвечают глубже. Видят слабые места. Разводят то, что раньше смешивалось. Показывают, где текст может и полезный, но по нему ещё нельзя действовать.
Это уже видно по рынку.
Появляются команды, которым платят не за создание очередного AI-продукта, а за разбор последствий поспешной AI-сборки. Один свежий пример — Slopfix: три инженера берут $10 000 за неделю работы по чистке раздутого AI-generated кода.
Начинают они не с переписывания кода, а с инвентаризации того, что приложение вообще должно делать.
И показательная деталь: они тоже используют AI-агентов. Только ключевые решения остаются за людьми.
Если просто попросить AI: "сделай DPF по моей области", он что-то сделает. Длинное, уверенное, местами полезное.
А потом выясняется — область взята слишком широко, источники слабые, паттернов ещё нет, локальная практика не разведена, результат больше похож на справочник или красивую заготовку.
Это не провал.
Это точка, где чужое мастерство должно стать вашим рабочим навыком.
На серии с Анатолием будем разбирать технологию этой работы: как собрать предметную вводную, дойти до DRR, перейти к паттернам, проверить источники, отделить DPF для области от LPF для локальной практики команды, проекта или организации.
То, что со стороны выглядит как "AI поумнел", на практике собирается из точных ходов.
Для тех, кто уже проходил резидентуры, стажировки или старые программы Рабочего развития в МИМ с наставником, отдельное уточнение:
Так мы учитываем уже пройденный путь — вы работали с языком МИМ, предъявляли результаты наставникам, тем самым участвовали на практике в развитии сообщества и помогали развивать материалы.
Для наших выпускников серия может сработать как технологическая актуализация.
Для тех, кто собирается в резидентуры осенью — как усиление входа.
Если сомневаетесь, относятся ли к вам отдельные условия, напишите Алёне:
@alyona_girassol
Бот:
@SystemsSchool_bot
Подробности о серии:
https://system-school.ru/list
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍3🔥1😁1
Кейс Slopfix, который сегодня обсуждали, хорошо показывает новую норму: одни команды быстро собирают продукт с помощью AI, другие потом разбирают последствия этой скорости.
На выходе у первых — красивый интерфейс, много кода, ощущение почти готового решения.
Вторые приходят тоже с AI-агентами, но начинают с другого вопроса: что эта система вообще должна делать?
Дальше начинается инвентаризация функций, чистка, проверка и ограничения, чтобы
В любой работе можно быстро получить регламент, который никто не сможет применять; DPF "по всей области сразу"; красивый пересказ без источников; план, похожий на выполненную работу; уверенный AI-ответ, который ведёт проект по ложному основанию.
Тексты были.
Планы были.
Ответы были.
Ощущение движения было.
А пригодного рабочего результата не появилось.
Вот почему серия по FPF, DPF и LPF сейчас настолько актуальна.
Фокус будет не на "правильном промпте" — мы будем разбираться с рабочей технологией, которая начинается раньше промпта:
предметная вводная → DRR → источники → паттерны → проверки → DPF для области → LPF для практики команды или проекта.
Подход к FPF через мантры усиливает вход в практикумы, как чек-листы внимания: что увидеть, какой объект назвать, какой ход выбрать, где проверить основание и когда вернуться к источникам.
За счёт этого сложное получает канву. Можно самому разбирать AI-ответ, рабочий документ, регламент, план или первую версию DPF.
К семинарам готовится отдельный слайдомент: слайды, конспект и рабочий учебник в одном формате.
После семинара к нему можно будет возвращаться как к карте: перечитывать, разбирать с AI-агентом вместе с FPF, адаптировать карточки под свою ситуацию и поднимать вопросы к источникам, проверкам и рабочим ходам.
Глубина при этом остаётся взрослой.
В чате первого семинара уже появился первый большой слайд из слайдомента. Это тот самый эффект подглядывания в рабочую кухню: материалы ещё собираются, но уже видно, как будет устроен вход в серию.
Считайте, что ключи уже выданы. Ниже направляем ссылки на чаты (сегодня и завтра ещё автоматом принимаются все заявки) — подключайтесь, чтобы не догонять потом обсуждение.
Для тех, кто ещё присматривается: после старта материалы останутся, но общий язык группы, первые вопросы, первые DPF-пробы и разборы начнут собираться уже сейчас.
Серия стартует уже в это воскресенье, 12 июля, в 11:30 МСК.
Пререквизитов нет.
Присоединиться через бота:
@SystemsSchool_bot
Подробнее:
https://system-school.ru/list
Первый чат: https://t.me/+9pcaL4TTo7NkN2Q6
Второй чат: https://t.me/+fpQb7iqRDpVlZDFi
Третий чат: https://t.me/+rzQIrCe-yCFmNTVi
Четвёртый чат: https://t.me/+hDt1SysUDJEzMWVi
Пятый чат: https://t.me/+aHVId8Z4OU84Mjgy
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🔥4👍1🤝1