🎨 Дизайнеры, выдыхаем? Или готовимся к новой гонке?

В последнее время все только и говорят о том, что AI в первую очередь «оптимизирует» дизайнеров. Что ж, посмотрите на это!

От начала до конца — это 100% контент, созданный нейросетями по промптам талантливейшего AI-креатора Келли Бёш.

🎤 Кто пострадает первым?
Судя по таким результатам, стоит задуматься: может, AI ударит не по графическим дизайнерам в первую очередь, а по шоу-бизнесу, исполнителям и музыкантам? Кажется, скоро их ждёт самый серьёзный передел рынка.

💡 Куда двигаться дизайнерам?
Этот кейс — отличная демонстрация. Дизайнеры и специалисты из креативной сферы должны превращаться в таких вот AI-креаторов-универсалов, как Келли Бёш, которые создают продукт «под ключ» — от идеи до финального видеоряда и музыки.

💰 Цена вопроса
Просто представьте: сколько бы стоил такой ролик, сделанный «в реале»? Миллион долларов? Пять? Десять?

Келли Бёш создал его, используя свой талант, навык работы с нейросетями и, возможно, $100 на подписку и мощности. Разница колоссальная.

В общем, бегите осваивать новые инструменты! Эпоха AI-креаторов уже здесь.

Не так давно я решил для своего YouTube-канала сделать бота. Не простого, а максимально похожего на человека.

Мне захотелось воссоздать личность со всеми повадками, привычками, реакциями и маленькими микропаттернами поведения.
Вот, чтобы скинул ему мем — он понял и как-то отреагировал. Попросил селфи — прислал, и всегда одинаковый, потому что референсный образ генерируется исходя из предпочтений пользователя, заданных при создании. Плюс голосовые: можно разговаривать с ним как с живым собеседником в классическом представлении этого.

Но всё это рушится в тот момент, когда у бота нет нормальной памяти. Если он не понимает, что происходило раньше, не помнит детали, не опирается на собственную историю, общение разваливается. Исчезает ощущение связности, осознанности, «человечности». И тут появляется главный вопрос: как дать память тому, у кого её по умолчанию нет?

Коммерческие модели вроде ChatGPT или Grok не умеют дообучаться под конкретного персонажа или набор данных по-умолчанию. Вы можете создать GPTs, но не сможет обращаться к нему через API и дообогащать образ. Это просто невозможно — у них нет такой функции. Всё, что не помещается в контекстное окно, здесь же и исчезает. Долгие диалоги, многодневные переписки, повторяющиеся темы — модель ничего из этого не помнит. Передавать прошлое промтом бессмысленно: промт разрастается, ответы становятся хуже, стоимость растёт.

Мне нужно было добиться эффекта долгосрочной памяти, не имея самой памяти. И здесь как раз пригодился RAG. RAG если объяснять человеческим языком — это способ хранить отдельные фрагменты «жизни» отдельно от модели и доставать их по смыслу. Не по словам, а по тому, что пользователь имеет в виду.

Каждое важное сообщение, факт, событие (embeddings) или реакцию я превращаю в вектор (vector) — такое числовое представление смысла — и кладу в базу (PostgreSQL). Это даёт возможность искать ближайшие по смыслу штуки, когда пользователь задаёт новый вопрос. Если он спрашивает: «Как прошла твоя неделя?», бот смотрит в свою память, находит все связанные фрагменты и рассказывает. Причём делает это одинаково хорошо и сегодня, и через год. Потому что эти события он не «генерирует», а действительно «прожил» и сохранил как факты.

Под такой подход идеально подходит сценарий, где у бота есть собственная жизнь. Я встроил расписание: он ходит на работу, на пилатес, в кофейню, в клуб, на день рождения подруги. Это не просто декоративные действия — каждое такое событие попадает в память и становится частью истории персонажа. Он сам обогащает свой персональный слой без участия пользователя. Если человек не общался с ботом неделю, он всё равно сможет спросить: «Ну что, как у тебя всё прошло?» — и бот расскажет по фактам, а не фантазируя. И через неделю расскажет то же самое. И через год — тоже. Потому что для него это действительно произошло.

Вся эта история работает только если память организована как надо. Я разделил её на три слоя. Личные знания конкретного персонажа (Character RAG) — всё, что касается его прошлого, характера, отношений, событий и истории взаимодействий с конкретным пользователем. Профессиональный слой (Profession RAG) — чтобы речь специалиста звучала как речь специалиста, а не как пересказ учебника. И третий слой (Global RAG) — поведенческие паттерны: как реагировать на повторные вопросы, как сокращать ответ, как корректно поправить собеседника. Эти слои работают по приоритетам, чтобы бот не путался и не противоречил себе.

Так появляется эффект живого диалога. Не за счёт модели, не за счёт дообучения, которого попросту нет (точнее оно есть, только реализовано другими методами и об этом как-нибудь потом), а за счёт правильно построенной памяти вокруг неё. Это похоже на «Чёрное зеркало», но в хорошем смысле: бот ведёт свою жизнь, помнит её, не искажает события и не теряет связность. И только так можно получить поведение, которое действительно напоминает осознанное общение, а не набор случайных ответов.

Если вам интересна тема построения человекоподобных ИИ-ассистентов, то буду рад продолжить рассказывать про свой проект.

Figma Make: когда нужно не заставить дизайн работать (да, снова про нейрости)

Итак, про боль

В какой-то момент статичного дизайна уже мало. Нужно, чтобы люди прокликали сценарии, увидели состояния, почувствовали поведение — как в продукте. Варианта два: Собирать классический прототип в Figma и страдать от стрелочек и логики или использовать достижения нейрочеловечества превратив дизайн в рабочий код через Figma Make.

А что такое Figma Make

Figma Make — это среда внутри экосистемы Figma, где интерфейсы и интерактив собираются через диалог с моделью, прямо как в ChatGPT: ты пишешь промтом, что должно происходить, добавляешь референсы из дизайна — и Make генерирует функциональный прототип или простой веб-интерфейс, который уже можно “пощупать”. Дальше всё идёт итерациями: уточняешь, докручиваешь, правишь точечно — без пересборки с нуля.

Промты как сценарий, контроль остаётся у дизайнера

В Make важно не “нарисуй красиво”, а “вот сценарий”. Что делает пользователь, что интерфейс показывает в ответ, какие состояния нужны (loading/empty/error/успех), какая логика срабатывает. Ты задаёшь правила — Make собирает, а ты направляешь следующими итерациями, удерживая структуру и смысл.

Главная фича: результат не заперт в генераторе

То, что Make сгенерил, можно превратить в обычный Figma-дизайн: копировать, редактировать, доводить руками или публиковать как готовый mvp. И это решает ключевую проблему генерации — когда “едет” визуальная консистентность. Ты можешь отполировать кусок до нужного качества, вернуть его как референс и попросить Make продолжить уже по обновлённому эталону.

Связка с Figma Sites: закрывает пробелы по компонентам и интерактиву

В Figma Sites сайты собираются быстро, но часто упираешься в ограничения: не хватает нестандартного компонента, интерактивной секции или небольшой логики, которую пока не хочется отдавать разработке. Make здесь работает как дополнение: быстро собираешь нужный блок через диалог и возвращаешь его обратно в общий Figma-процесс. В итоге дизайнер закрывает не только внешний вид, но и часть поведения — не выходя из экосистемы.

Где даёт максимум эффекта

Make особенно полезен, когда нужно показать “как работает”: формы и валидация, фильтры и сортировки, состояния загрузки и пустые экраны, интерактивные блоки для лендингов. Вместо долгого и кривого переноса в код ты быстрее получаешь живой прототип — и решаешь, что довести руками, а что продолжать промтами.

Koda: когда весь мир кодит с Claude Code и Cursor, у нас появился свой сильный игрок

Пока западные кодинг-агенты становятся стандартом де-факто, у нас тоже не сидят на месте. Команда, которая стояла у истоков GigaCode в экосистеме Сбера, выкатила отдельный продукт — Koda. И это, если честно, любопытно.

Что это такое
Koda — AI-ассистент для разработчика, который живёт там, где вы и так живёте: VS Code, JetBrains IDE и даже терминал.
То есть это не «ещё один чатик в отдельной вкладке», а штука, которая реально работает с контекстом репозитория и помогает решать инженерные задачи, а не просто болтать.

Чем отличается от “просто автодополнения”
Ключевая ставка — агентский режим. Вы пишете задачу человеческим языком, а агент сам шарится по проекту: находит нужные файлы, понимает контекст и предлагает пошаговый план, что править и где.

Плюс базовые режимы, без которых после Cursor уже странно:
— автодополнение в редакторе
— чат по коду
— поиск по проекту/докам

Модели и “единая точка входа”
Внутри — поддержка нескольких современных моделей, а если есть доступ к своему провайдеру, то просто подключаете API-ключи и работаете в одном интерфейсе. При этом у Koda заявлена бесплатная модель — чтобы закрывать повседневку без «опять кончились лимиты».

Так, а почему это может выстрелить именно у нас?
Проблема локального рынка обычно не в промптах (с этим уже все научились), а в суровой реальности: VPN, оплаты, доступность провайдеров, корпоративные контуры и вот это всё. Koda изначально проектируют как решение которое “работает из коробки”, а для компаний — с нормальной опцией развёртывания в закрытой инфраструктуре. И вот это уже звучит как то, что реально будут брать, а не просто тестить на выходных.

Если вы давно хотели workflow уровня Cursor/Claude Code, но в российских условиях постоянно упирались в доступы — за Koda точно стоит последить.

Знаете еще наши продукты? Пишите в коментах.

ИИ в Figma. Боль или не боль.

Ромина Кавчич накатала прям практический гайд по Figma Make — не «поиграться с ИИ», а чтобы оно реально работало на команду, а не плодило ещё один слой хаоса.

Главная боль, как она объясняет, вообще не в инструментах. Боль — в потере контекста, когда прыгаешь между ними. Внешние штуки генерят компоненты/стили «как получится», и они не совпадают с вашей дизайн-системой в Figma. Итог предсказуемый: всё это потом приходится сводить руками, синкать, перепроверять, и ты такой: «ну охуенно, спасибо».

В статье Ромина разложила процесс по шагам: подключение внешних библиотек и сервисов через MCP-коннекторы, дальше — работа с API, и в конце — публикация демо. Фишка в том, что прототипы генерятся на ваших компонентах, токенах и переменных дизайн-системы — прямо в рабочем файле, без цирка с переездами.

И да, там есть конкретные, наглядные примеры, не просто теория.

Прокачивать себя в ИИ с фигмой тут: https://learn.thedesignsystem.guide/p/figma-make-wont-work-until-you-do

Сколько часов уходит в вашей команде на пресейл: ручную оценку, составление смет и переделку КП?

Мы посчитали и… создали Нейрогуся — AI-ассистента, который ускоряет подготовку и сохраняет ресурсы, которые раньше тратили на рутину. Помощник выигрывает по сравнению с ИИ-расчетом: снижает риск ошибок, помогает структурировать, но не подменяет финансовую модель.

👉 Оцените, сколько Нейрогусь может сэкономить.

#Intelsy #AI #кейc #пресейл #оценкапроекта #автоматизация

Промптинг «сделай как эксперт» официально сдох.

Вышел свежий гайд по работе с Claude Opus 4.6. Той самой, которую юзают топовые кодеры и которую Трамп спит и видит как запретить. Короче, старые подходы типа «отвечай как профи с 10-летним стажем» больше не катят. Нужен новый подход.

Ловите план, как заставить ИИ выдавать жир:

1️⃣ Четко ставим задачу
Не мямлим, а пишем: «Я хочу, чтобы ты сделал [ЗАДАНИЕ] так, чтобы [КРИТЕРИИ УСПЕХА]». Результат должен быть понятным и измеримым.

2️⃣ Грузим контекст
«Сначала полностью прочитай эти файлы, прежде чем отвечать: [имя_файла] — че там внутри». Без контекста — это гадание на кофейной гуще.

3️⃣ Показываем референс
Никаких «сделай что-то вроде». Даем сухой чертеж и правила. Делаем реф законом: начинаем месседж с ВСЕГДА или НИКОГДА. Чтобы без вариантов.

4️⃣ Пишем честный бриф
Это единственный раздел, который пишем руками. Схема простая: какой результат нужен, чего избегаем, как выглядит успех.

5️⃣ Задаем жесткие правила
Прямо говорим: «Внутри мои стандарты и ограничения. Если собираешься нарушить хоть одно правило — остановись и скажи мне». Контроль — наше всё.

6️⃣ Обсуждаем задачу (не начинаем сразу!)
«НЕ начинай работу. Задавай уточняющие вопросы, пока мы по шагам не отполируем подход». Лучше 10 минут поговорить, чем 2 часа переделывать.

7️⃣ Строим план
Просим перечислить три самых важных правила из файла и выдать план выполнения. Чистая математика и логика.

8️⃣ Согласовываем этапы
Просим план максимум из 4 шагов. Стартуем только тогда, когда вы сами сказали «апрув».

Мораль: Хватит относиться к нейронкам как к волшебной таблетке. Это инструмент. И если ты умеешь давать четкие инструкции и погружать в контекст — результат будет пушка.
Кто уже щупал 4.6? Накидайте реакций или пишите в комментах, как она вам.

OpenClaw — это новые NFT, или почему бизнес снова заигрывает с игрушками

Я долго думал, с чем вернуться в инфополе. Хотел было навалить вам про когнитивные слои LLM, SOTA-архитектуры и вот это всё. Но реальность, как обычно, победила: мы в очередной раз ебанулись.

Сначала я думал, что OpenClaw — это просто мем на недельку. Ну типа “ха-ха, агент кликает по экрану”. А потом люди начали скупать Mac mini по несколько штук в одни руки, и я такой: окей, всё, мы официально в фазе безумия.

Ирония в том, что Mac mini берут не под запуск локальных моделек и не под распределённые вычисления. Их берут, чтобы гонять “магическую вандервафлю”, которой для нормальной работы хватило бы VPS за $5. Потому что все реальные вычисления всё равно в облаке на стороне LLM, а локально у тебя крутится… обычный шлюз. Ну кайф.

Экономика абсурда и эффект чёрного ящика

Можно, конечно, сказать: “не твои деньги — вот ты и бесишься”. И да, частично так. Но проблема не в том, что кто-то слил сотку, а то и две на железо. Проблема в подходе.

OpenClaw — это прям классический Black Box. Архитектура из серии “просто сделай это”: интенция пользователя превращается в команду исполнителю без нормального контроля по пути.
Для домашних задач — выглядит эффектно, не спорю. Но в бизнесе такая “слепая исполнительность” — это билет в один конец:

- нет детерминизма
- нет аудита
- нет понятной точки, где ты можешь вмешаться и сказать “стоп, бро, не жги прод”

Вот поэтому у меня стойкое ощущение, что OpenClaw — это новые NFT: шум, ожидания “сейчас всё автоматизируем”, а структурной ценности для серьёзного продакшена — хрен да маленько.

Mastra.ai — инженерный скальпель для веба

Если ваша цель — не аттракцион, а система, которую можно поддерживать, отлаживать и не бояться… смотрите в сторону нормальных фреймворков.

Я недавно препарировал Mastra.ai — и это реально пушка для тех, кто живёт в TypeScript/Node.js.

Самое ценное там — управляемость через воркфлоу.
Ты не надеешься на “магию”, ты описываешь граф шагов: кто чо делает, где границы, какие условия, какие ретраи, какие лимиты.

И ещё жир: нативная поддержка MCP. В итоге интеграции с гитом и прочими тулзами превращаются в инженерный процесс, а не в лотерею. Короче, Mastra — это когда тебе нужен контроль, понятное состояние системы и предсказуемый результат. Огонек.

CrewAI — когда нужно собрать “виртуальный отдел”

Если задача сложнее “пробежаться по сайту и нажать кнопки”, и там реально нужен анализ, перепроверки и нормальная когнитивная цепочка — тут на сцене CrewAI (Python).

Фишка CrewAI в том, что ты проектируешь социальную структуру из агентов:

– один аналитик
– второй редактор
– третий менеджер и они могут делегировать, спорить, перепроверять друг друга

Это супер подходит для процессов, где один агент может “галлюцануть”, а второй обязан вовремя поймать его за руку. Да, это сложнее, чем “одной кнопкой”, но это как раз то, что надо, когда ты автоматизируешь что-то серьёзное и не хочешь, чтобы система внезапно совершила импульсивную глупость.

Сухой остаток для тех, кто принимает решения

OpenClaw — забавная демка, которая отлично продаёт Mac mini, но плохо подходит для встраивания в бизнес-логику. Это игрушка. А игрушкам в серьёзных процессах не место.

Если вы строите продукт, а не аттракцион — выбирайте инструменты с открытой архитектурой и прозрачным управлением:

– Mastra — если вам нужно быстро и чётко в веб-стеке
– CrewAI — если вы автоматизируете “как отдел”, а не “как скрипт”

А Mac mini… оставьте для локальных LLM, домашнего сервера и прочих штуковин, где он реально будет приносить пользу, а не просто стоять красивым памятником хайпу.

Если вы хотели упороться по вайбкодингу сегодня - то это можно сделать бесплатно на lovable
Еще дают $100 in free Claude API credits from Anthropic (нужно зайти в Lovable чтобы получить)

Всех девочек, девушек и женщин поздравляю с праздником! Все все лучшие 🌷🌷🌷

Рекомендую интервью сооснователя LinkedIn Рида Хоффмана для понимания того, что сейчас происходит в мире IT. Вот некоторые моменты, которые отметил для себя:

• Большинство из нас использует ИИ… неправильно. Слишком поверхностно

• Мы прошли только 5% AI-революции

• Как изменится рынок SaaS-сектора. Почему у небольших технологических компаний появляется шанс подвинуть гигантов

• Что нужно начать делать уже сейчас, чтобы к февралю 2027 года не оказаться в числе отстающих

• Актуальность информации во всех популярных AI-сервисах отстает на 18 месяцев. Как это обойти с помощью правильных вопросов и промтов


👉 Смотреть здесь: https://youtu.be/PbvwwjNPxg8?si=MdADj1BBaNGEYDRv

Айтишников пока не увольняем. Alibaba протестировала агентов ИИ на 100 реальных кодовых базах (поддерживаемые 233 дня). Агенты потерпели сокрушительный провал.

Пройти тесты один раз и написать код легко, а вот поддерживать его в течение 8 месяцев, не сломав всё, ИИ не умеет и терпит крах. 75% моделей ИИ нарушили работавший код во время поддержки. Модели накапливают технические проблемы с каждой новой итерацией. ИИ-агенты пишут «хрупкий» код и жертвуют его качеством ради быстрых результатов. @banksta

Claude Code — жир для кодинга

Слушайте, сейчас в айти происходит какой-то нереальный движ. Все топовые кодеры, за которыми я слежу, потихоньку пересаживаются на Claude Code. Дошло до того, что люди вообще перестают писать код руками в привычном смысле — сервис делает всё за них (однако публикация выше не ставит крест на классической разработке).

Но есть нюанс: чтобы эта штука выдавала действительно хороший результат, а не просто набор символов, ей нужно уметь правильно пользоваться. Мы тут у себя в команде уже начали его щупать, и хотим показать мегагайд, чтобы вы не тратили время на лишние движения.

Что внутри этого жирного гайда:

108 тем. Разжевали всё так подробно, что поймет даже «глухой гуманитарий». Сложные задачи больше не будут делать вам голову.
По фактам и без воды. Введение в Claude, форкфлоу, скилы, шорткаты, работа с субагентами и хуками — там ещё десятки пунктов.
Фулл-пакет по каждой теме. Короткая справка для быстрого старта + подробная документация со всеми нюансами + статьи от реальных профи.
Удобная структура. Идем классически: от простого к сложному, чтобы не взорвать мозг в начале пути.

Короче, если пройдете этот гайд до конца — будете шарить в Claude лучше, чем 95% всех пользователей. Это прям маст-хэв, если хотите фигачить проекты быстрее и качественнее.

Пушить скиллы — тут

Как вам такая тема? Кто-то уже пробовал Claude Code в деле или всё еще по старинке руками код пишете? Пишите в комментах!