Знаете, что мне, как человеку, который проектирует настоящие интерфейсы для HUD, всегда кажется странным в современных фильмах? Честно говоря, почти всё.

Речь чаще всего идёт о будущем, а эргономика в проектировании интерфейсов как будто сильно деградировала за это время. Я, конечно, понимаю, что это художественная сфера, где на первом месте стоит творчество, и надо отдать должное: в этом компоненте всё действительно хорошо. Я большой фанат фантастики, мне визуально часто очень нравятся сай-фай интерфейсы в современных фильмах. Но как самому себе поверить в фильм, когда знаешь, насколько плохо всё это работало бы в реальном мире?

Попробуйте задуматься, как пользоваться устройствами с такими интерфейсами. Здесь многие элементы располагаются так далеко в периферическом поле зрения, что их никогда не заметишь, а значит, и не используешь.

Часто работаю с diffusion-моделями генерации изображений и давно хотел написать о том, как резко снижается точность следования промпту, когда запрос выходит за пределы типовых визуальных шаблонов.

Недавно я пытался получить изображение, где руки едва заметны по краям кадра, сформулировал промпт чётко: “just the edges of two human wrists barely entering the frame from opposite sides”. Но результат был один и тот же: руки в центре, полностью видимые.

Это отлично иллюстрирует суть diffusion-моделей: они не понимают образ, а аппроксимируют его, воспроизводя наиболее вероятное распределение пикселей из обучающего датасета, в котором почти нет подобных “намёков” на руки — только узнаваемые композиции.

Современные diffusion-системы — мощные инструменты поиска и скаутинга, но для точного художественного высказывания уже приходится разобраться, как они "думают".

Или, точнее, не думают.

Нашел для себя интересный подход, как сформировать нужный tone of voice для ai-агента.

Если вы не следите за новостями из мира нейросетей, то вкратце: агенты — это управляемые системы, у которых есть мозг (например, OpenAI GPT), память (отдельный сегмент под названием RAG, где работают сервисы вроде Supabase и Zep), и множество "рук", которые могут написать текст и отправить его вам на почту или в Telegram, что-то прочитать, распарсить документ или даже сгенерировать картинку и запостить её в Instagram.

Так вот, я сейчас строю такого агента на базе сервиса n8n. Его основная функция — поиск информации в интернете с помощью Perplexity Deep Research, сверка этой информации с базой знаний студии (например, бизнес-стратегия, целевая аудитория, философия студии и т.д.), и формирование текстового документа — в Google Docs или прямо в Telegram-боте.

Важным параметром оказалось то как он пишет блоки текста: чем ближе к человеческому языку и мышлению, тем удобнее эти тексты использовать.
Вас же тоже бесит манера базовой модели втыкать везде эмодзи и льстить?

Я нашёл интересный способ уйти от этого.
Есть промт (я не привожу свой полностью — он очень длинный, поэтому вот абстрактный пример):

- Keep language simple, clear, and accessible; use contractions and colloquial abbreviations (info, vid, app, thx), never corporate-speak.
- Use humor or casual elements for “safe” topics; raise polish for complex, novel, or high-stakes questions.
- Keep structure readable: concise paragraphs, logical flow, easy scanning, but not staccato.
- Never use emoji.
- Do not use em dashes.
- Add small aesthetic or human touches, but avoid sentimentality.

Агент пишет вам по запросу текст, например "Помоги мне написать текст для нашего сайта, в блок сервисы. Какие сервисы, с учетом навыков наших сотрудников, могут быть приоритетными в 2025 году?"
Он составляет текст, я, конечно, потом правлю каждую строчку, потому что выглядит это всё ещё слишком "гптшно". Затем я даю ему два текста и прошу: “Измени системный промт так, чтобы в следующий раз написать текст ближе к моему варианту.”

Схема рабочая: после 5–7 итераций результат получается довольно точным.

Если интересно, мой основной агент выглядит так.