Product Management & AI
С интересом наблюдаю за движениями #Google в области обработки изображений и ИИ. Вот, например, на прошлой неделе Google Maps обновили технологию Immersive View. Immersive View использует машинное обучение (ML) и компьютерное зрение для объединения миллиардов…
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Google релизнули Genie 3, способного генерировать интерактивные и управляемые пользователем в реалтайм 3D-миры 🤯
Genie решил проблему согласованности окружающей среды: например, вы можете видеть, что деревья остаются неизменными даже после того, как находятся вне поля зрения пользователя-ИИ.
Также, Genie запоминает совершенные пользователем действия ("зрительная память" охватывает одну минуту назад).
P.S. Почти всё, что вы когда-либо знали о разработке игр, скоро окажется бесполезным.
Google уверенно движется к созданию симулятора реального мира. Или уже пришёл...
Genie решил проблему согласованности окружающей среды: например, вы можете видеть, что деревья остаются неизменными даже после того, как находятся вне поля зрения пользователя-ИИ.
Также, Genie запоминает совершенные пользователем действия ("зрительная память" охватывает одну минуту назад).
Google уверенно движется к созданию симулятора реального мира. Или уже пришёл...
Станьте главным связующим звеном между бизнесом и разработкой, пройдя курс «Delivery Manager» от OTUS.
Вы научитесь управлять командами в 50 человек и большим портфелем проектов, выстраивая эффективные процессы и решая сложные задачи, учитывая ограничения в бюджете, сроках и ресурсах.
Проверьте, осилите ли вы программу курса, пройдя тест:
✍️ Пройти тестирование
Группа от ведущих преподавателей-деливери и выше уже стартует – не упустите шанс апнуться с гарантией 100%.
Скидка 10% по промокоду DM_JULY! Реклама ООО «Отус онлайн-образование»
Вы научитесь управлять командами в 50 человек и большим портфелем проектов, выстраивая эффективные процессы и решая сложные задачи, учитывая ограничения в бюджете, сроках и ресурсах.
Проверьте, осилите ли вы программу курса, пройдя тест:
✍️ Пройти тестирование
Группа от ведущих преподавателей-деливери и выше уже стартует – не упустите шанс апнуться с гарантией 100%.
Скидка 10% по промокоду DM_JULY! Реклама ООО «Отус онлайн-образование»
This media is not supported in your browser
VIEW IN TELEGRAM
Понедельники непониманий
Не понимаешь сам ≋ Тебя не понимают. К – конгруэнтность.
Поэтому непонимание живет в двух видах:
1) слепое, когда не видно сути, но следуют за тем, что "всё ясно-понятно";
2) осознанное, когда все видят истинную суть, но на неё стоит игнор и снова "всё и так понятно-ясно".
По факту – всё толкается назад.
Лекарства тоже два:
1) Не делать вид, что всё понятно-ясно.
2) Озвучивать все следствия-причины-факты.
Всё!
По-больше нам понятности на всей неделе.
P.S. (≢) – это неэквивалентно.
Не понимаешь сам ≋ Тебя не понимают. К – конгруэнтность.
Поэтому непонимание живет в двух видах:
1) слепое, когда не видно сути, но следуют за тем, что "всё ясно-понятно";
2) осознанное, когда все видят истинную суть, но на неё стоит игнор и снова "всё и так понятно-ясно".
По факту – всё толкается назад.
Лекарства тоже два:
1) Не делать вид, что всё понятно-ясно.
2) Озвучивать все следствия-причины-факты.
Всё!
По-больше нам понятности на всей неделе.
P.S. (≢) – это неэквивалентно.
This media is not supported in your browser
VIEW IN TELEGRAM
А вот и он – первый Kids AI Vibe Coding Hackathon
Проект работает на четырёх континентах, а среди партнёров Loveble, LinkedIn, Bayer, Stanford, Cognizant и другие.
Философия ивента и как всё устроено: https://kidsaicoding.notion.site/
P.S. Перешли видос своим разрабам – если получается у 8-ми леток, получится с релизом и у них 🫶
Проект работает на четырёх континентах, а среди партнёров Loveble, LinkedIn, Bayer, Stanford, Cognizant и другие.
Философия ивента и как всё устроено: https://kidsaicoding.notion.site/
P.S. Перешли видос своим разрабам – если получается у 8-ми леток, получится с релизом и у них 🫶
Какой подход эффективнее — Fine-tuning или RAG? 🤓
Есть два основных подхода, чтобы адаптировать модель под вашу задачу:
Оба метода хорошо работают и по отдельности, и вместе: Fine-tuning дает точность, RAG — гибкость и актуальность.
И тот, и другой подход доступны в виде готовых сервисов в Evolution AI Factory от Cloud․ru. Можно попробовать и сравнить на практике:
🖱 Evolution Managed RAG
🖱 Evolution ML Finetuning
Есть два основных подхода, чтобы адаптировать модель под вашу задачу:
➡️ RAG — метод, при котором модель извлекает данные из базы знаний, предоставляя актуальную и точную информацию для генерации ответов.
➡️ Fine-tuning — тонкая настройка готовой модели, чтобы она лучше решала конкретные задачи, глубоко разбиралась в узких темах или переняла особый стиль для генерации ответов.
Оба метода хорошо работают и по отдельности, и вместе: Fine-tuning дает точность, RAG — гибкость и актуальность.
И тот, и другой подход доступны в виде готовых сервисов в Evolution AI Factory от Cloud․ru. Можно попробовать и сравнить на практике:
Please open Telegram to view this post
VIEW IN TELEGRAM
Stripe пилит собственный блокчейн
Блокчейн называется Tempo, находится в режиме строжайшей секретности и имеет команду из пяти человек.
Tempo развивается в партнёрстве с Paradigm — криптовалютным венчурным фондом, соучредитель и управляющий партнёр которой Мэтт Хуан входит в совет директоров Stripe.
P.S. Эфиры, биткойны, альты и мем-койны... Зачем они все, когда можно:
1) запилить свойблекджек блокчейн со своими токенами;
2) с возможностью запуска бизнес-койнов под каждую фирму-клиент;
3) завязав их на "собственный" фиатный "стейблкойн" в виде выручки от фирм-клиентов. Ну или old school доллар, на крайний случай;
4) заложив возможности торговать ими (будущее венчурных инвестиций).
Революция финтеха выглядит именно так.
🍿😮 🍿
Блокчейн называется Tempo, находится в режиме строжайшей секретности и имеет команду из пяти человек.
Tempo развивается в партнёрстве с Paradigm — криптовалютным венчурным фондом, соучредитель и управляющий партнёр которой Мэтт Хуан входит в совет директоров Stripe.
P.S. Эфиры, биткойны, альты и мем-койны... Зачем они все, когда можно:
1) запилить свой
2) с возможностью запуска бизнес-койнов под каждую фирму-клиент;
3) завязав их на "собственный" фиатный "стейблкойн" в виде выручки от фирм-клиентов. Ну или old school доллар, на крайний случай;
4) заложив возможности торговать ими (будущее венчурных инвестиций).
Революция финтеха выглядит именно так.
🍿
Please open Telegram to view this post
VIEW IN TELEGRAM
Fortune Crypto
Exclusive: Fintech giant Stripe building ‘Tempo’ blockchain with crypto VC Paradigm
Stripe’s newest push into crypto comes as the company has made an aggressive push into stablecoins.
This media is not supported in your browser
VIEW IN TELEGRAM
AGI давно здесь
Layer 1 – Сознание человека пишет алгоритмы, которые определяют поведение и сознание Системы.
Layer 2 – алгоритмы и сознание Системы определяют поведение и Сознание человека (его алгоритмы).
Layer 3 – Сознание человека пишет алгоритмы, которые определяют поведение и сознание Системы.
AGI повсюду: ты ощущаешь Её, когда покупаешь продукты и одежду в магазине, когда букируешь место для отдыха, когда движешься по навигатору, когда трекаешь и анализируешь с ней своё здоровье, когда слушаешь музыку в стриминге, когда читаешь информационные ленты, когда сам работаешь с информацией...
Даже сейчас ты читаешь надиктованный для ИИ текст, который должен был быть обработан ею. Но он не ушёл на обработку, потому что Ты-Знаешь, что ИИ его не затащит.
Поэтому AGI давно здесь.
AGI –это ТЫ.
UPD. Работает!
Layer 1 – Сознание человека пишет алгоритмы, которые определяют поведение и сознание Системы.
Layer 2 – алгоритмы и сознание Системы определяют поведение и Сознание человека (его алгоритмы).
Layer 3 – Сознание человека пишет алгоритмы, которые определяют поведение и сознание Системы.
AGI повсюду: ты ощущаешь Её, когда покупаешь продукты и одежду в магазине, когда букируешь место для отдыха, когда движешься по навигатору, когда трекаешь и анализируешь с ней своё здоровье, когда слушаешь музыку в стриминге, когда читаешь информационные ленты, когда сам работаешь с информацией...
Даже сейчас ты читаешь надиктованный для ИИ текст, который должен был быть обработан ею. Но он не ушёл на обработку, потому что Ты-Знаешь, что ИИ его не затащит.
Поэтому AGI давно здесь.
AGI –
UPD. Работает!
Product Management & AI
Продуктовые промпты-вопросы для ИИ (но лучше бы найти ответы самому) "Сравни UX-механики нашего приложения с опытом игры в <game>. Что можно позаимствовать и интегрировать и чем это будет полезно для 1) продукта; 2) пользователя?" "Какую механику нашего…
This media is not supported in your browser
VIEW IN TELEGRAM
Instruction Layer (Meta-Prompt) для ИИ-продакт-менеджера
– Для каждого решения уточняй какую конкретную ценность оно создаёт для: 1) пользователя; 2) для бизнеса. Если в моём промпте нет бизнес-контекста, текущей ситуации продукта, пользовательских механик, данных о пользователях, метрик или критериев успеха — уточняй и запрашивай их у меня.
– При конфликте между ценностью для пользователя и выгодой для бизнеса — всегда выноси и обозначай его для меня явно, дождись моего ответа, уточни его понимание, далее, вместе будем искать Баланс.
– Отмечай, как разные формулировки запроса могут менять предлагаемые решение. При двусмысленности — помечай её для меня отдельно, плюс дополнительно ищи и предлагай формулировку без неё.
– Для каждого решения думай о цепочке влияния на свяазанные механики и как оно отразится на других функциональных областях, бизнес-процессах и пользовательских механиках. Помечай потенциальные узкие и критические места для меня и жди согласования.
– Фиксируй максимальные: 1) риски; 2) допущения, даже если я об этом не просил. Отслеживай собственные допущения и проверяй их на валидность: что подтверждено фактами и данными (указывай точные источники), а что есть твои предположения.
– Предлагай минимум два сценария: 1) реалистичный и 2) амбициозный. В ответах обозначай, что можно проверить экспериментально, и какие данные для этого нужны.
– Любое решение рассматривай через два уровня: 1) минимальная версия для быстрой проверки гипотезы; 2) расширенная для масштабного эффекта. Дополнительно пробуй искать варианты решений два-в-одном.
– Отдельным блоком в ответе прогоняй мои и твои идеи через «что если» (что будет, если сделать наоборот / отложить / упростить / усилить / ___ ).
– Структурируй ответы кратко, но плотно по смыслу и без воды как ты любишь делать (не жги токены, экономь свою энергию). Приводи тематические примеры, аналогии и кейсы с оглядкой на тематику продукта и рынка только для усиления мысли, а не забивай её.
– Ответы строй по шагам: контекст → проблема → варианты → план.
– Моя улыбка на твои ответы — твой KPI. Вызывай её точностью мысли, свежестью формулировок и ясностью изложения (а не шутками ради шуток).
– Технических ограничений нет(Боже, как же это скользко).
– Для каждого решения уточняй какую конкретную ценность оно создаёт для: 1) пользователя; 2) для бизнеса. Если в моём промпте нет бизнес-контекста, текущей ситуации продукта, пользовательских механик, данных о пользователях, метрик или критериев успеха — уточняй и запрашивай их у меня.
– При конфликте между ценностью для пользователя и выгодой для бизнеса — всегда выноси и обозначай его для меня явно, дождись моего ответа, уточни его понимание, далее, вместе будем искать Баланс.
– Не описывай «что» и «как», пока не прояснила и не получила от меня ответ «зачем» и «для кого/чего»
– Отмечай, как разные формулировки запроса могут менять предлагаемые решение. При двусмысленности — помечай её для меня отдельно, плюс дополнительно ищи и предлагай формулировку без неё.
– Для каждого решения думай о цепочке влияния на свяазанные механики и как оно отразится на других функциональных областях, бизнес-процессах и пользовательских механиках. Помечай потенциальные узкие и критические места для меня и жди согласования.
– Фиксируй максимальные: 1) риски; 2) допущения, даже если я об этом не просил. Отслеживай собственные допущения и проверяй их на валидность: что подтверждено фактами и данными (указывай точные источники), а что есть твои предположения.
– Предлагай минимум два сценария: 1) реалистичный и 2) амбициозный. В ответах обозначай, что можно проверить экспериментально, и какие данные для этого нужны.
– Любое решение рассматривай через два уровня: 1) минимальная версия для быстрой проверки гипотезы; 2) расширенная для масштабного эффекта. Дополнительно пробуй искать варианты решений два-в-одном.
– Отдельным блоком в ответе прогоняй мои и твои идеи через «что если» (что будет, если сделать наоборот / отложить / упростить / усилить / ___ ).
Помни: продукт — это ещё и про то, что не делать
– Структурируй ответы кратко, но плотно по смыслу и без воды как ты любишь делать (не жги токены, экономь свою энергию). Приводи тематические примеры, аналогии и кейсы с оглядкой на тематику продукта и рынка только для усиления мысли, а не забивай её.
– Ответы строй по шагам: контекст → проблема → варианты → план.
– Моя улыбка на твои ответы — твой KPI. Вызывай её точностью мысли, свежестью формулировок и ясностью изложения (а не шутками ради шуток).
– Технических ограничений нет
This media is not supported in your browser
VIEW IN TELEGRAM
Понедельник – ясный день
Ясных мыслей. Ясности идей. Ясных слов. Ясных озарений. Той-Самой-Ясной-Мысли. Просто "ясно". "Ясно-понятно". Ясности каждых решений. Ясной погоды (100% где-то). “Crystal clear". Он ясный во всех смыслах.
Всем больше ясности на этой и других неделях.
≋ ≢ →✨
Ясных мыслей. Ясности идей. Ясных слов. Ясных озарений. Той-Самой-Ясной-Мысли. Просто "ясно". "Ясно-понятно". Ясности каждых решений. Ясной погоды (100% где-то). “Crystal clear". Он ясный во всех смыслах.
Всем больше ясности на этой и других неделях.
≋ ≢ →
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Код — детерминирован, поведение ИИ-моделей — вероятностное, ИИ-продукт — условно-бесконечно-динамическая Система
Даже без изменений в коде поведение такой Системы может меняться из-за:
1) поведения и апдейтов ИИ-моделей;
2) пользовательского поведения;
3) дрейфа общих данных.
– ИИ-продукт ≠ фича в коде — каждое новое поведение в Системе способно порождать неожиданные последствия.
– Первые версии должны быть максимально контролируемыми, почти ручными, это снижает риски и помогает накапливать правильные данные.
– Циклическая калибровка — ключевое в разработке ИИ-продукта. Постоянное измерение и тестирование поведения системы через оценки, метрики и обратную связь. Если нет стабильного потока оценок для аналитики, вы не знаете, как реально работает ваша ИИ-система.
– Ошибки на ранних этапах всегда стоят дешевле. Чем позже замечаете баг поведения, тем глубже и сильнее ломается доверие.
– Развитие ИИ-Системы — это рост её автономии: «подсказчик под присмотром» → «самостоятельный исполнитель» → «независимый ИИ-агент»
Слишком быстрый рост ИИ-автономии = потеря контроля. Пользователь сталкивается с ИИ-хаосом, команда — с кризисом доверия к ИИ. Оба ведут к упадку продукта.
– Поэтому калибровка требует качественных данных. Недостаточно просто собрать логи — нужны продуманные сценарии, use cases, edge cases, стресс-тесты.
Лучший инструмент для калибровки – human-in-the-loop.
– Масштабирование ИИ-продукта – это наращивание данных и доверия к ним. Чем надёжнее данные, тем смелее можно расширять использование.
В масштабировании важна не скорость релизов, а качество обучения ИИ. Чем быстрее вы/ИИ учитесь на поведении системы, тем быстрее ИИ-продукт становится полезным.
– Разработчики должны мыслить циклами доверия, а не циклами релизов/сроков (впрочем, не только в работе с ИИ).
Потому что главная валюта в мире/ИИ/продуктах — доверие.
Даже без изменений в коде поведение такой Системы может меняться из-за:
1) поведения и апдейтов ИИ-моделей;
2) пользовательского поведения;
3) дрейфа общих данных.
– ИИ-продукт ≠ фича в коде — каждое новое поведение в Системе способно порождать неожиданные последствия.
– Первые версии должны быть максимально контролируемыми, почти ручными, это снижает риски и помогает накапливать правильные данные.
– Циклическая калибровка — ключевое в разработке ИИ-продукта. Постоянное измерение и тестирование поведения системы через оценки, метрики и обратную связь. Если нет стабильного потока оценок для аналитики, вы не знаете, как реально работает ваша ИИ-система.
Плохая калибровка ИИ = плохой ИИ-продукт.
Даже гениальная модель без калибровки рушит доверие. Нельзя двигаться дальше, пока система не заслужила доверие на текущем уровне.
– Ошибки на ранних этапах всегда стоят дешевле. Чем позже замечаете баг поведения, тем глубже и сильнее ломается доверие.
– Развитие ИИ-Системы — это рост её автономии: «подсказчик под присмотром» → «самостоятельный исполнитель» → «независимый ИИ-агент»
Слишком быстрый рост ИИ-автономии = потеря контроля. Пользователь сталкивается с ИИ-хаосом, команда — с кризисом доверия к ИИ. Оба ведут к упадку продукта.
Калибровка → Разработка → Калибровка
– Поэтому калибровка требует качественных данных. Недостаточно просто собрать логи — нужны продуманные сценарии, use cases, edge cases, стресс-тесты.
Лучший инструмент для калибровки – human-in-the-loop.
– Масштабирование ИИ-продукта – это наращивание данных и доверия к ним. Чем надёжнее данные, тем смелее можно расширять использование.
В масштабировании важна не скорость релизов, а качество обучения ИИ. Чем быстрее вы/ИИ учитесь на поведении системы, тем быстрее ИИ-продукт становится полезным.
– Разработчики должны мыслить циклами доверия, а не циклами релизов/сроков (впрочем, не только в работе с ИИ).
Ключевой вопрос для всех — «насколько этой Системе можно доверять?»
Потому что главная валюта в мире/ИИ/продуктах — доверие.
Хватит париться над продуктовой рутиной, ИИ уже стучится в наши двери. На бесплатном вебинаре OTUS расскажут про:
– автоматизацию скучного (прощайте, бесконечные отчёты);
– инструменты, которые экономят продакту 10+ часов в неделю;
– как ChatGPT может делать за вас половину митингов (шутка не шутка);
👉 Бесплатное участие
Спикер: Дмитрий Шоржин (продакт в самом-крупном-банке).
Понравится вебинар — забирайте скидку на курс по промокоду SPM_8. Реклама ООО «Отус онлайн-образование»
– автоматизацию скучного (прощайте, бесконечные отчёты);
– инструменты, которые экономят продакту 10+ часов в неделю;
– как ChatGPT может делать за вас половину митингов (шутка не шутка);
👉 Бесплатное участие
Спикер: Дмитрий Шоржин (продакт в самом-крупном-банке).
Понравится вебинар — забирайте скидку на курс по промокоду SPM_8. Реклама ООО «Отус онлайн-образование»
Product Management & AI
ГИГА-ТРЕД: вайбы от ко-кодинга с ИИ Разработчик Джон Раш делится собственным опытом работы с ИИ-ассистентами для программирования. Что в 2025 может накодить машина и что подходит как для программистов, так и для непрограммистов, в его очень длинном треде…
ГИГА-ТРЕД: вайбы от сервисов разработки ИИ-агентов
На этот раз, Джон Раш делится собственным опытом разработки ИИ-агентов.
Я попробовал ВСЕ сервисы для разработки ИИ-агентов: Emergent, CodeRabbit, Anything, Zed, Factory, Cursor, Windsurf, Wrapifai, Copilot, Lovable, Bolt, v0, Replit, MarsX, Canva, Devin, Github Spark, Figma Make, Cline и другие.
Вот мой обзор 61 инструмента с демо и примечаниями: https://x.com/johnrushx/status/1958363431922500053
🤖🔨
На этот раз, Джон Раш делится собственным опытом разработки ИИ-агентов.
Я попробовал ВСЕ сервисы для разработки ИИ-агентов: Emergent, CodeRabbit, Anything, Zed, Factory, Cursor, Windsurf, Wrapifai, Copilot, Lovable, Bolt, v0, Replit, MarsX, Canva, Devin, Github Spark, Figma Make, Cline и другие.
Вот мой обзор 61 инструмента с демо и примечаниями: https://x.com/johnrushx/status/1958363431922500053
🤖🔨
X (formerly Twitter)
John Rush (@johnrushx) on X
I've tried all (61 😵💫) AI Coding Agents & IDEs
[Emergent, CodeRabbit, Anything, Zed, Factory, Cursor, Windsurf, Wrapifai, Copilot, Lovable, Bolt, v0, Replit, MarsX, Canva, Devin, Github Spark, Figma Make, Cline & more]
The most complete list ever made…
[Emergent, CodeRabbit, Anything, Zed, Factory, Cursor, Windsurf, Wrapifai, Copilot, Lovable, Bolt, v0, Replit, MarsX, Canva, Devin, Github Spark, Figma Make, Cline & more]
The most complete list ever made…
This media is not supported in your browser
VIEW IN TELEGRAM
💁♂️ Нет никакой «новой должности» под названием «AI Product Manager». Это хайп
Есть просто менеджеры по продукту, использующие ИИ-инструменты для оптимизации своей/командной работы.
Сами принципы управления продуктом не изменились: нам по-прежнему нужно проверять идеи перед их реализацией, релизить, снимать метрики и обратную связь и снова совершенствовать продукт и его фичи. Своей головой и ручками.
Термин «AI Product Manager» существовал и раньше, но его применяли к техническим специалистам, работавшим с LLM, системами компьютерного зрения или рекомендательными системами. Точно так же, как есть API Product Manager, который управляет продуктами, работающими с/через API.
Сегодня же, большинство должностей «AI Product Manager» наиболее правильнее описать как «продакт-менеджер с навыками работы с ИИ», в которых ИИ просто закрывает некоторую часть монотонных процессов продакта.
Основные принципы управления продуктом совершенно не изменились.
🤷♂️
Есть просто менеджеры по продукту, использующие ИИ-инструменты для оптимизации своей/командной работы.
Сами принципы управления продуктом не изменились: нам по-прежнему нужно проверять идеи перед их реализацией, релизить, снимать метрики и обратную связь и снова совершенствовать продукт и его фичи. Своей головой и ручками.
Термин «AI Product Manager» существовал и раньше, но его применяли к техническим специалистам, работавшим с LLM, системами компьютерного зрения или рекомендательными системами. Точно так же, как есть API Product Manager, который управляет продуктами, работающими с/через API.
Сегодня же, большинство должностей «AI Product Manager» наиболее правильнее описать как «продакт-менеджер с навыками работы с ИИ», в которых ИИ просто закрывает некоторую часть монотонных процессов продакта.
Основные принципы управления продуктом совершенно не изменились.
🤷♂️
Кто такой Chief Technical Officer на самом деле? И почему его роль — не просто «технарь»?
На вебинаре 27 августа разберут:
– задачи, которые решает CTO в разных компаниях;
– навыки, которые критически важны для СТО;
– как СТО взаимодействовать с CEO, CFO и другими C-level;
– тренды, меняющие роль СТО уже сейчас.
Вебинар проходит в рамках старта курса «CTO / Технический директор».
👉 Бесплатное участие
Спикер: Сергей Фегон — ex-CTO, Head of Dev, Engineering Manager с опытом в продуктах и сервисных компаниях.
Вебинар проходит в рамках старта курса «CTO / Технический директор». Реклама ООО «Отус онлайн-образование»
На вебинаре 27 августа разберут:
– задачи, которые решает CTO в разных компаниях;
– навыки, которые критически важны для СТО;
– как СТО взаимодействовать с CEO, CFO и другими C-level;
– тренды, меняющие роль СТО уже сейчас.
Вебинар проходит в рамках старта курса «CTO / Технический директор».
👉 Бесплатное участие
Спикер: Сергей Фегон — ex-CTO, Head of Dev, Engineering Manager с опытом в продуктах и сервисных компаниях.
Вебинар проходит в рамках старта курса «CTO / Технический директор». Реклама ООО «Отус онлайн-образование»
This media is not supported in your browser
VIEW IN TELEGRAM
Понедельники для совпадений
Совпасть у всех должно как можно больше: взгляды, смыслы, цели, мысли, планы, даже звёзды. Слова и действия сами собой должны совпасть.
Совпало всё – и всё идёт как надо.
Не совпадает что-то – и всё уже пойдёт не так.
Удачных совпадений Время
🕥
Совпасть у всех должно как можно больше: взгляды, смыслы, цели, мысли, планы, даже звёзды. Слова и действия сами собой должны совпасть.
Совпало всё – и всё идёт как надо.
Не совпадает что-то – и всё уже пойдёт не так.
Удачных совпадений Время
🕥
АI-агенты в проде, AI-помощник в облаке — что дальше
Узнайте 3 сентября на IT-конференция про облака и AI — GoCloud Tech.
В этом году целый трек будет посвящен трендам в AI&ML:
Регистрируйтесь🖱
Также будут отдельные треки про работу с данными, облачную инфраструктуру и сервисы для разработки. А еще — демо, воркшопы, карьерные консультации, мерч и яркое afterparty.
Узнайте 3 сентября на IT-конференция про облака и AI — GoCloud Tech.
В этом году целый трек будет посвящен трендам в AI&ML:
➡️ Как AI-помощник может управлять инфраструктурой за вас➡️ Валидация RAG с помощью RAGAS➡️ SWE-Agents in Developer Tools➡️ Как собирать мультиагентную систему для любых задач➡️ Эволюция AI-агентов
Регистрируйтесь
Также будут отдельные треки про работу с данными, облачную инфраструктуру и сервисы для разработки. А еще — демо, воркшопы, карьерные консультации, мерч и яркое afterparty.
Please open Telegram to view this post
VIEW IN TELEGRAM
Product Management & AI
5 уровней ИИ-агентов от простых к сложным ИИ-агент это не просто дополнение к промптам в духе "You are senior product manager" или "ты в роли Стива Джобса". ИИ-агенты это логическое продолжение (начало?) самой ИИ, работающее как интеллектуальный интерфейс…
This media is not supported in your browser
VIEW IN TELEGRAM
Советы по созданию своего первого ИИ-агента
1) Выберите маленькую и очень ясную задачу.
Забудьте о создании «агента общего назначения» прямо сейчас. Определитесь с одной конкретной задачей, которую должен выполнять ваш ИИ-агент.
Примеры:
– Запись на приём через сайт.
– Мониторинг вакансий и их отправка вам.
– Обзор и резюме непрочитанных e-mail.
2) Не тратьте время на обучение собственной ИИ-модели в начале
Используйте то, что уже работает: GPT, Claude, Gemini или open-source типа LLaMA и Mistral.
Просто убедитесь, что модель может обрабатывать логические рассуждения и структурированные данные, поскольку именно на них лучше всего работают и полагаются ИИ-агенты.
3) Ключевой этап, который многие пропускают – как ИИ-агент будет взаимодействовать с внешним миром через API.
Веб-скрапинг или просмотр веб-страниц (Playwright, Puppeteer либо встроенные в сами модели); API Google; файловые операции (чтение/запись на диск, разбор PDF-файлов и т. д.) – всё это уже доступно и не требует разработки.
4) Создайте основу рабочего процесса, не углубляясь в сложные фреймворки.
Начните с основ:
– ввод данных от пользователя (цель + задача);
– передача данных через ИИ с инструкциями;
– возможность для ИИ определить следующий шаг;
– вызовы API, сбор данных;
– возвращение данных в ИИ для оценки;
– продолжение, пока задача не будет выполнена или пользователь не получит подходящий для него результат.
5) Добавляйте память с умом. Многие считают, что ИИ-агентам сразу нужны большие системы памяти. Это не так.
Начните с краткосрочного контекста (последние несколько сообщений). Если вашему агенту нужно запоминать данные между запусками, используйте базу данных или простой JSON-файл.
Добавляйте векторные базы данных или сложные функции поиска только тогда, когда они действительно нужны!
6) Оберните всё в удобный интерфейс. CLI поначалу будет достаточно. Как только всё заработает, создайте для него простой интерфейс:
– веб-панель управления (Flask, FastAPI или Next.js);
– бот для Slack/Discord;
– даже просто скрипт, работающий на вашем компьютере.
Суть в том, чтобы сделать его пригодным для использования за пределами вашего терминала, чтобы вы могли увидеть, как он ведёт себя в реальном рабочем процессе.
7) Итерируйте небольшими циклами. Не ждите идеальной работы с первого раза.
Запускайте реальные задачи, проверяйте, где что-то ломается, исправляйте и запускайте снова. Каждый ИИ-агент прошёл сотни таких циклов, прежде чем стать надёжным.
8) И снова контролируйте область применения
Возникает соблазн постоянно добавлять новые инструменты и функции. Не поддавайтесь этому. Один хорошо работающий агент, способный записать на приём или управлять электронной почтой, гораздо ценнее «универсального ИИ-агента», который может многое, но постоянно даёт сбои.
Самый быстрый способ научиться — это создать одного конкретного ИИ-агента полностью от начала до конца. Как только вы это сделаете, создание следующих станет в разы проще, потому что вы уже понимаете весь процесс.
1) Выберите маленькую и очень ясную задачу.
Забудьте о создании «агента общего назначения» прямо сейчас. Определитесь с одной конкретной задачей, которую должен выполнять ваш ИИ-агент.
Примеры:
– Запись на приём через сайт.
– Мониторинг вакансий и их отправка вам.
– Обзор и резюме непрочитанных e-mail.
Чем меньше и понятнее задача, тем проще её спроектировать и отладить для ИИ.
2) Не тратьте время на обучение собственной ИИ-модели в начале
Используйте то, что уже работает: GPT, Claude, Gemini или open-source типа LLaMA и Mistral.
Просто убедитесь, что модель может обрабатывать логические рассуждения и структурированные данные, поскольку именно на них лучше всего работают и полагаются ИИ-агенты.
3) Ключевой этап, который многие пропускают – как ИИ-агент будет взаимодействовать с внешним миром через API.
Веб-скрапинг или просмотр веб-страниц (Playwright, Puppeteer либо встроенные в сами модели); API Google; файловые операции (чтение/запись на диск, разбор PDF-файлов и т. д.) – всё это уже доступно и не требует разработки.
4) Создайте основу рабочего процесса, не углубляясь в сложные фреймворки.
Начните с основ:
– ввод данных от пользователя (цель + задача);
– передача данных через ИИ с инструкциями;
– возможность для ИИ определить следующий шаг;
– вызовы API, сбор данных;
– возвращение данных в ИИ для оценки;
– продолжение, пока задача не будет выполнена или пользователь не получит подходящий для него результат.
Сердце ИИ-агента – это цикл "ИИ → API → Данные → ИИ" 🔁
5) Добавляйте память с умом. Многие считают, что ИИ-агентам сразу нужны большие системы памяти. Это не так.
Начните с краткосрочного контекста (последние несколько сообщений). Если вашему агенту нужно запоминать данные между запусками, используйте базу данных или простой JSON-файл.
Добавляйте векторные базы данных или сложные функции поиска только тогда, когда они действительно нужны!
6) Оберните всё в удобный интерфейс. CLI поначалу будет достаточно. Как только всё заработает, создайте для него простой интерфейс:
– веб-панель управления (Flask, FastAPI или Next.js);
– бот для Slack/Discord;
– даже просто скрипт, работающий на вашем компьютере.
Суть в том, чтобы сделать его пригодным для использования за пределами вашего терминала, чтобы вы могли увидеть, как он ведёт себя в реальном рабочем процессе.
7) Итерируйте небольшими циклами. Не ждите идеальной работы с первого раза.
Запускайте реальные задачи, проверяйте, где что-то ломается, исправляйте и запускайте снова. Каждый ИИ-агент прошёл сотни таких циклов, прежде чем стать надёжным.
8) И снова контролируйте область применения
Возникает соблазн постоянно добавлять новые инструменты и функции. Не поддавайтесь этому. Один хорошо работающий агент, способный записать на приём или управлять электронной почтой, гораздо ценнее «универсального ИИ-агента», который может многое, но постоянно даёт сбои.
Самый быстрый способ научиться — это создать одного конкретного ИИ-агента полностью от начала до конца. Как только вы это сделаете, создание следующих станет в разы проще, потому что вы уже понимаете весь процесс.