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
Завтра участники получат FPF, который ещё сегодня ночью меняется под семинар
Обычно к семинару готовят слайды.
Здесь прямо перед стартом Анатолий дорабатывает сам FPF.
Не косметически. По сути.
В процессе подготовки первого семинара стало видно место, где PatternID всё ещё может выглядеть для участника как загадочная ссылка: AI что-то нашёл, ответил на плотном FPF-языке, а дальше может оказаться непонятно, как из этого получить рабочий результат в своём проекте.
И вот это место сейчас закрывается.
Через DRR на 270K знаков, 14 проходов, двух AI-агентов и ручное руководство Анатолия меняется терминология применения FPF и уточняется сам метод применения паттернов.
Если перевести с внутреннего языка на человеческий:
❗️ завтра будут разбирать не просто "что такое FPF", а как разговаривать с FPF о его применении.
🔥 🔥 🔥
Как взять свою ситуацию.
Как понять, какой паттерн к ней относится.
Как получить первый рабочий результат: запись, карточку, сравнение, архитектурную постановку, заготовку DPF
или следующий ход для AI-агента.
✅ Именно поэтому серия становится сильнее прямо на старте.
Добро пожаловать на фронтир, коллеги🥰
Пять семинаров уже воспринимаются участниками как маршрут: почти все выбрали полный набор, а не одну встречу. Поэтому первый семинар перестраивается как вход в общий язык всей серии.
Дальше поверх этого будут архитектурные ходы, рабочие процессы, точность языка, DPF и первые выходы к LPF.
Завтра начнётся живое формирование языка группы: первые вопросы, первые ошибки применения, первые DPF-пробы.
Новая версия FPF потом будет доступна как материал.
❤ Завтра участники получают больше — online объяснение зачем появились эти изменения и как превращать их в рабочий ход, разборы на месте и первый опыт применения нововведений к своим проектам.
Старт — завтра, 12 июля, 11:30 МСК.
Пререквизитов нет.
Подключиться:
@SystemsSchool_bot
Подробности:
https://system-school.ru/list
Если хотите идти со всей группой, но сейчас неудобно оплатить весь маршрут сразу, напишите Алёне:
https://t.me/alyona_girassol
Обычно к семинару готовят слайды.
Здесь прямо перед стартом Анатолий дорабатывает сам FPF.
Не косметически. По сути.
В процессе подготовки первого семинара стало видно место, где PatternID всё ещё может выглядеть для участника как загадочная ссылка: AI что-то нашёл, ответил на плотном FPF-языке, а дальше может оказаться непонятно, как из этого получить рабочий результат в своём проекте.
И вот это место сейчас закрывается.
Через DRR на 270K знаков, 14 проходов, двух AI-агентов и ручное руководство Анатолия меняется терминология применения FPF и уточняется сам метод применения паттернов.
Если перевести с внутреннего языка на человеческий:
Как взять свою ситуацию.
Как понять, какой паттерн к ней относится.
Как получить первый рабочий результат: запись, карточку, сравнение, архитектурную постановку, заготовку DPF
или следующий ход для AI-агента.
Добро пожаловать на фронтир, коллеги🥰
Пять семинаров уже воспринимаются участниками как маршрут: почти все выбрали полный набор, а не одну встречу. Поэтому первый семинар перестраивается как вход в общий язык всей серии.
Дальше поверх этого будут архитектурные ходы, рабочие процессы, точность языка, DPF и первые выходы к LPF.
Завтра начнётся живое формирование языка группы: первые вопросы, первые ошибки применения, первые DPF-пробы.
Новая версия FPF потом будет доступна как материал.
Старт — завтра, 12 июля, 11:30 МСК.
Пререквизитов нет.
Подключиться:
@SystemsSchool_bot
Подробности:
https://system-school.ru/list
Если хотите идти со всей группой, но сейчас неудобно оплатить весь маршрут сразу, напишите Алёне:
https://t.me/alyona_girassol
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6❤2👍1
Перед длинной работой AI-агента проверьте три вещи
Современные AI-агенты читают и изменяют файлы, собирают исследования, пишут код и ведут длинную работу через множество ходов.
❌ Ошибка в постановке может стоить нескольких часов движения в неверном направлении.
Перед запуском полезно ответить на три вопроса:
Без этих ориентиров агенту приходится самостоятельно выбирать структуру результата и направление дальнейшей работы.
После первого FPF-практикума один из участников нашёл причину слабых результатов именно здесь. Он передавал агенту большой массив проектных документов, но не указывал, для какого следующего действия нужен ответ. Теперь его работа начинается с назначения результата.
У другого опытного резидента МИМ агент подготовил большой SoTA-пакет по администрированию, а затем увлёкся подробной проработкой второстепенных элементов. Ходами из практикума удалось вернуть агента к целевой задаче: уточнить проблемы административной работы и отразить решение в регламенте.
А формат рабочей группы усиливает результат. Участники наблюдают за чужими постановками, рабочими продуктами и ходом рассуждения, забирают подходящие решения в свои проекты и замечают возможные тупики до того, как потратят на них собственные часы.
Агент способен быстро собрать материал, предложить структуру и провести длинное рассуждение.
Человек удерживает предмет, критерии результата и направление следующего хода.
FPF даёт для этого общий рабочий язык. Он помогает различать ситуацию проекта, описание, метод, план, выполненную работу и полученный результат.
Первые участники уже используют этот язык в работе. Они точнее задают назначение результата, раньше замечают уход агента в побочные задачи и вмешиваются до того, как длинный проход превратится в часы лишней проработки🔥
Так проявляется практическая отдача FPF: меньше времени уходит на результаты, которые трудно применить, а следующий рабочий ход появляется быстрее.
Чем дольше и самостоятельнее работает агент, тем выше ценность такой управляемости.
Следующий вопрос возникает сразу после точной постановки задачи: что именно нужно менять в проекте?
❤ 19 июля на втором практикуме "От системного мышления к архитектурному мышлению" будем разбирать, к какому целому относится проблема, где проходит граница этого целого и к каким последствиям приведут разные варианты изменения. Третий практикум продолжит эту работу и поможет провести принятое решение через метод и план к выполненной работе.
К серии по-прежнему можно присоединиться: первая встреча и дополнительные материалы доступны сразу после оформления.
@SystemsSchool_bot
Современные AI-агенты читают и изменяют файлы, собирают исследования, пишут код и ведут длинную работу через множество ходов.
Перед запуском полезно ответить на три вопроса:
— Для каких дальнейших шагов вам нужен результат?
— Что вы сможете сделать после его получения?
— По какому признаку станет понятно, что работу нужно продолжить, остановить или перенаправить?
Без этих ориентиров агенту приходится самостоятельно выбирать структуру результата и направление дальнейшей работы.
После первого FPF-практикума один из участников нашёл причину слабых результатов именно здесь. Он передавал агенту большой массив проектных документов, но не указывал, для какого следующего действия нужен ответ. Теперь его работа начинается с назначения результата.
У другого опытного резидента МИМ агент подготовил большой SoTA-пакет по администрированию, а затем увлёкся подробной проработкой второстепенных элементов. Ходами из практикума удалось вернуть агента к целевой задаче: уточнить проблемы административной работы и отразить решение в регламенте.
А формат рабочей группы усиливает результат. Участники наблюдают за чужими постановками, рабочими продуктами и ходом рассуждения, забирают подходящие решения в свои проекты и замечают возможные тупики до того, как потратят на них собственные часы.
Агент способен быстро собрать материал, предложить структуру и провести длинное рассуждение.
Человек удерживает предмет, критерии результата и направление следующего хода.
FPF даёт для этого общий рабочий язык. Он помогает различать ситуацию проекта, описание, метод, план, выполненную работу и полученный результат.
Первые участники уже используют этот язык в работе. Они точнее задают назначение результата, раньше замечают уход агента в побочные задачи и вмешиваются до того, как длинный проход превратится в часы лишней проработки
Так проявляется практическая отдача FPF: меньше времени уходит на результаты, которые трудно применить, а следующий рабочий ход появляется быстрее.
Чем дольше и самостоятельнее работает агент, тем выше ценность такой управляемости.
Следующий вопрос возникает сразу после точной постановки задачи: что именно нужно менять в проекте?
К серии по-прежнему можно присоединиться: первая встреча и дополнительные материалы доступны сразу после оформления.
@SystemsSchool_bot
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6🔥3💯1
FPF — это нитро для проектной работы с AI
В гоночных играх кнопка нитро даёт резкое ускорение. Можно быстро вырваться вперёд. Но ошибка в траектории сразу становится дороже.
В работе с AI такое ускорение полезно, когда человек умеет:
— удерживать, ради какого решения вообще запускается работа;
— различать выполненную работу и результат;
— замечать, когда агент ушёл в побочную проработку;
— возвращать работу к следующему полезному ходу.
✅ Скорость становится преимуществом, когда человек удерживает траекторию и направляет AI к полезному следующему ходу.
Участники первого практикума уже проверяют это на своих проектах: точнее задают назначение результата, раньше замечают лишнюю проработку и получают рабочие ходы, которые можно сразу применять в проекте.
Для части участников серия начала окупаться уже после первого практикума: меньше времени уходит на лишнюю проработку, результаты легче применять, а найденный способ работы можно повторять в следующих задачах.
В NFS нельзя было прокачать все характеристики сразу. На одной трассе решала управляемость, на другой — скорость или запас нитро. В проектной работе действует та же логика: сначала выбирают характеристику, которая сейчас сильнее всего ограничивает результат, затем меняют устройство под неё. Стартовой конфигурации хватает на первые задачи. Более сложные проекты требуют следующей сборки.
❤ Что именно менять в проекте?
Один и тот же симптом может указывать на проблему в детали, продукте, рабочей системе, организации или отношениях между участниками.
От этого выбора зависит само решение.
Именно это будем разбирать 19 июля на втором практикуме "От системного мышления к архитектурному мышлению".
Речь пойдёт о том, как:
— выбрать целое, которое нужно менять;
— назвать характеристики, по которым будет виден выигрыш;
— собрать несколько вариантов устройства;
— сравнить их последствия;
— принять архитектурное решение с ожидаемым выигрышем, ценой выбора и следующим рабочим ходом.
Если в вашем проекте уже виден симптом, но пока неясно, что именно менять, приносите его на практикум🎢
Участие и чаты: @SystemsSchool_bot
Любые вопросы: @alyona_girassol
Узнали механику?
🔥 — да, та самая NFS
❤️ — уже тюню рабочую связку с AI
👍 — пока еду на базовой настройке
В гоночных играх кнопка нитро даёт резкое ускорение. Можно быстро вырваться вперёд. Но ошибка в траектории сразу становится дороже.
В работе с AI такое ускорение полезно, когда человек умеет:
— удерживать, ради какого решения вообще запускается работа;
— различать выполненную работу и результат;
— замечать, когда агент ушёл в побочную проработку;
— возвращать работу к следующему полезному ходу.
Участники первого практикума уже проверяют это на своих проектах: точнее задают назначение результата, раньше замечают лишнюю проработку и получают рабочие ходы, которые можно сразу применять в проекте.
Для части участников серия начала окупаться уже после первого практикума: меньше времени уходит на лишнюю проработку, результаты легче применять, а найденный способ работы можно повторять в следующих задачах.
В NFS нельзя было прокачать все характеристики сразу. На одной трассе решала управляемость, на другой — скорость или запас нитро. В проектной работе действует та же логика: сначала выбирают характеристику, которая сейчас сильнее всего ограничивает результат, затем меняют устройство под неё. Стартовой конфигурации хватает на первые задачи. Более сложные проекты требуют следующей сборки.
Один и тот же симптом может указывать на проблему в детали, продукте, рабочей системе, организации или отношениях между участниками.
От этого выбора зависит само решение.
Именно это будем разбирать 19 июля на втором практикуме "От системного мышления к архитектурному мышлению".
Речь пойдёт о том, как:
— выбрать целое, которое нужно менять;
— назвать характеристики, по которым будет виден выигрыш;
— собрать несколько вариантов устройства;
— сравнить их последствия;
— принять архитектурное решение с ожидаемым выигрышем, ценой выбора и следующим рабочим ходом.
Если в вашем проекте уже виден симптом, но пока неясно, что именно менять, приносите его на практикум
Участие и чаты: @SystemsSchool_bot
Любые вопросы: @alyona_girassol
Узнали механику?
🔥 — да, та самая NFS
❤️ — уже тюню рабочую связку с AI
👍 — пока еду на базовой настройке
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍5❤2
Что сможет первая сотня, когда у проекта появится карта?
К работе в серии из пяти FPF-практикумов уже подключились около 100 человек: участники и команда.
Во время подготовки Анатолий Левенчук несколько раз пересобирал материал, возвращаясь к одному вопросу:
На втором практикуме участники начнут строить рабочую карту проблемы из своего проекта: определять систему, в которой она возникла, видеть её место в большем целом, выбирать характеристики, по которым сравнивать решения, и строить несколько вариантов устройства.
Без такой карты приходится двигаться серией проб. Например, задержка может относиться к работе отдельного участка, всей производственной линии или системы поставки. Пока предмет изменения выбран неточно, команда легко ускоряет одну часть и ухудшает результат целого.
Карта помогает отсеять лишние ходы до того, как на них потрачены время и силы.
❗️ Чем сильнее становятся модели, тем дороже обходится ошибка в выборе цели: AI-агент быстрее и убедительнее выполняет работу, которая не решает исходную проблему.
Для первых трёх практикумов уже собран рабочий справочник более чем из 270 слайдов. В материал второго практикума встроены семь практических заданий: от взгляда на систему снаружи и изнутри до сравнения архитектурных вариантов и выбора следующего хода. На встрече участники пройдут основной маршрут, а затем смогут возвращаться к подробностям вместе с AI-агентом по мере развития своих проектов.
✅ На выходе — рабочая карта проблемы из вашего проекта: что именно менять, по каким характеристикам сравнивать варианты и какой следующий ход выбрать вместе с AI-агентом.
Эта карта станет опорой для следующих практикумов серии: о работе, точности языка и переходе к DPF.
Проверить собственную ситуацию можно уже сегодня. Возьмите одну повторяющуюся проблему и ответьте на четыре вопроса:
— В какой системе наблюдается проблема?
— Что именно в её работе должно стать лучше?
— Какое улучшение одной части может ухудшить общий результат?
— Какие два варианта устройства системы можно сравнить?
Если вы можете хотя бы черново ответить на эти вопросы, у вас уже есть материал для архитектурного разбора. Если пока виден только симптом, его тоже можно принести на практикум.
Завтра, 19 июля, группа продолжит работу на встрече "От системного мышления к архитектурному мышлению".
Сразу после подключения вы получите запись и материалы первого практикума, а также инструкцию по подготовке ко второй встрече.
Подключиться к серии: @SystemsSchool_bot
Вопросы и помощь с оформлением: @alyona_girassol
К работе в серии из пяти FPF-практикумов уже подключились около 100 человек: участники и команда.
Во время подготовки Анатолий Левенчук несколько раз пересобирал материал, возвращаясь к одному вопросу:
"Что сможет делать после этой серии первая сотня?"
На втором практикуме участники начнут строить рабочую карту проблемы из своего проекта: определять систему, в которой она возникла, видеть её место в большем целом, выбирать характеристики, по которым сравнивать решения, и строить несколько вариантов устройства.
Без такой карты приходится двигаться серией проб. Например, задержка может относиться к работе отдельного участка, всей производственной линии или системы поставки. Пока предмет изменения выбран неточно, команда легко ускоряет одну часть и ухудшает результат целого.
Карта помогает отсеять лишние ходы до того, как на них потрачены время и силы.
Только за последнюю неделю OpenAI выпустила GPT-5.6 для сложной профессиональной и агентной работы и представила GPT-Red — систему автоматического тестирования других AI на уязвимости. Moonshot выпустила Kimi K3 — модель на 2,8 трлн параметров с контекстом до миллиона токенов.
Для первых трёх практикумов уже собран рабочий справочник более чем из 270 слайдов. В материал второго практикума встроены семь практических заданий: от взгляда на систему снаружи и изнутри до сравнения архитектурных вариантов и выбора следующего хода. На встрече участники пройдут основной маршрут, а затем смогут возвращаться к подробностям вместе с AI-агентом по мере развития своих проектов.
Эта карта станет опорой для следующих практикумов серии: о работе, точности языка и переходе к DPF.
Проверить собственную ситуацию можно уже сегодня. Возьмите одну повторяющуюся проблему и ответьте на четыре вопроса:
— В какой системе наблюдается проблема?
— Что именно в её работе должно стать лучше?
— Какое улучшение одной части может ухудшить общий результат?
— Какие два варианта устройства системы можно сравнить?
Если вы можете хотя бы черново ответить на эти вопросы, у вас уже есть материал для архитектурного разбора. Если пока виден только симптом, его тоже можно принести на практикум.
Завтра, 19 июля, группа продолжит работу на встрече "От системного мышления к архитектурному мышлению".
Сразу после подключения вы получите запись и материалы первого практикума, а также инструкцию по подготовке ко второй встрече.
Подключиться к серии: @SystemsSchool_bot
Вопросы и помощь с оформлением: @alyona_girassol
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥2
Смешно, пока такой ответ не выглядит достаточно убедительно, чтобы съесть рабочую неделю🫠
Особенно когда AI помогает тщательно улучшать один участок проекта, а через несколько дней выясняется: менять нужно было другое. Работа выполнена, но результата, ради которого её начинали, нет — хотя на экране всё выглядело безупречно.
Сегодня на практикуме по архитектурному мышлению участники будут разбирать ситуации из своих проектов: что именно менять, как это связано с остальной системой и по каким признакам понять, что решение действительно улучшает результат.
❗️ К серии из пяти практикумов по работе с AI-агентом на собственном проекте можно присоединиться и сейчас.
Участники проходят путь от точной постановки задачи до проверки решения и его применения в работе. После подключения откроются все материалы. Тем, кому важно быстро включиться в сегодняшний практикум, я направлю короткую инструкцию. Оплату можно разделить на части.
Подключиться:
@SystemsSchool_bot
Вопросы, доступ и варианты оплаты:
@alyona_girassol
Особенно когда AI помогает тщательно улучшать один участок проекта, а через несколько дней выясняется: менять нужно было другое. Работа выполнена, но результата, ради которого её начинали, нет — хотя на экране всё выглядело безупречно.
Сегодня на практикуме по архитектурному мышлению участники будут разбирать ситуации из своих проектов: что именно менять, как это связано с остальной системой и по каким признакам понять, что решение действительно улучшает результат.
❗️ К серии из пяти практикумов по работе с AI-агентом на собственном проекте можно присоединиться и сейчас.
Участники проходят путь от точной постановки задачи до проверки решения и его применения в работе. После подключения откроются все материалы. Тем, кому важно быстро включиться в сегодняшний практикум, я направлю короткую инструкцию. Оплату можно разделить на части.
Подключиться:
@SystemsSchool_bot
Вопросы, доступ и варианты оплаты:
@alyona_girassol
❤3😁2🤝1