Forwarded from Вячеслав Болгов | Целостность и синергетика (Viacheslav Bolgov)
Продуктовый Синхронизатор.pdf
4.2 MB
Forwarded from Кратко, по делу
Подпишусь под каждым словом.
1. Ешь нормально, тягай тяжести, бегай, тянись и медитируй.
2. Строй, продавай, пиши, создавай, инвестируй и владей.
3. Читай, рефлексируй, люби, ищи правду и забей на общественное мнение.
4. Избегай долгов, тюрьмы, зависимости, бесчестия, срезанных углов и медиа.
5. Выдахай! Победа обеспечена
@kratko_po_delu списал у Naval Ravikant
1. Ешь нормально, тягай тяжести, бегай, тянись и медитируй.
2. Строй, продавай, пиши, создавай, инвестируй и владей.
3. Читай, рефлексируй, люби, ищи правду и забей на общественное мнение.
4. Избегай долгов, тюрьмы, зависимости, бесчестия, срезанных углов и медиа.
5. Выдахай! Победа обеспечена
@kratko_po_delu списал у Naval Ravikant
❤1
Forwarded from Человечно про AI & tech 👉 Николай Писаренко
Человеку нужен человек!
Мы любим так говорить, когда боимся цифровой трансформации и повсеместного внедрения ИИ. Во-первых, это нормально, что новое пугает, но сейчас не об этом. Во-вторых, в очередной раз убеждаюсь, что это не так на личном опыте.
Мой тезис: Человеку нужен не человек, а решение проблемы (желательно без участия человека).
Три потребительские истории из жизни (на всякий случай - у меня нет никаких обид, я спокойно отношусь к тому, что мир не совершенен и не всегда соотвествует ожиданиям):
1. Покупаю AirPods 3 Pro в легендарном магазине на Горбушке - делаю заказ через сайт в пятницу, проезжая мимо в воскресение забегаю забрать и узнаю, что заказ анулирован, потому что менеджер не дозвонился. Ни сообщения в смс/телеграм/макс, ни письма - ничего. Магазин может себе это позволить, потому что всегда держит лучшие цены и у него нет задачи через клиентский сервис увеличивать повторные продажи - люди и так прийдут, даже если им будут хамить, но факт остается фактом - несмотря на наличие человека в процессе такой сервис воспринимается как "неуважение".
2. Выбираю матрас - трачу два дня на визиты в магазины и разговоры с консультантами. Консультанты не торопят, подробно рассказывают про матрасы, любезно водят от кровати к кровати, дают возможность полежать на любом матрасе сколько угодно - отличный сервис, приятные, чистые и большие магазины. Только это все не позволяет сделать выбор быстро - 10 линеек матрасов от дешевых к премиальным, в чем конкретно разница - непонятно, принять решение невозможно - устное обьяснение взрывает мозг. Все что нужно клиенту для принятия решения - простой выбор из трех-пяти вариантов, а не продуктовая линейка в которой путаются сами консультанты (в итоге я смог купить только после того как сам разобрался в продукте на 146% и теперь могу продавать матрасы)
3. Яндекс запустил бренд бытовой техники и покупать его одно удовольствие: очень сбаланированный набор продуктов, а доверие к бренду ускоряет принятие решения. Лично я привык к опыту, который дает любой маркетплейс: заказал - забрал в ПВЗ - оплатил, если подошло. Все остальное уже кажется нечеловечным и неудобным: долго выбирать, делать ненужные подтверждения, согласовывать и ловить курьера с 9 до 22:00, оплачивать до получения и возврщать товар, если он не подошел/сломан.
В итоге человечность проявляется в том, что компания:
- подумала над понятной и сбалансированной линейкой продуктов - упростила выбор
- использовала сильную инфраструктуру: маркетплейс, своя доставка, бренд и т.д - снизила издержки на покупку
Отдельно удивило, что еще вышли еще и на Озон и WB (а значит нехило субсидируют комиссии конкурентов). Осталось не напоротся с качеством - и я уверен, что они сильно подвинут (не побоюсь этого слова задизраптят) рынок бытовой техники.
При чем тут ИИ? Да при том, что можно было бы открыть 300 флагманских магазинов и усадить туда 6000 консультантов, которые бы человечно подтверждали заказы, а еще дать каждому по ИИ-агенту для этого всего. Но решало бы это корневую задачу? Нет! Поэтому прежде чем внедрять ИИ и переживать о "человечности" надо подумать о реальных потребностях и проблемах клиента, потому что в итоге человек нужен там, где нет системы, стратегии и денег (а значит нет масштабируемости, точности и качества) и эти проблемы не решаеются ИИ...
@nklypsernk_zttlkstn
Мы любим так говорить, когда боимся цифровой трансформации и повсеместного внедрения ИИ. Во-первых, это нормально, что новое пугает, но сейчас не об этом. Во-вторых, в очередной раз убеждаюсь, что это не так на личном опыте.
Мой тезис: Человеку нужен не человек, а решение проблемы (желательно без участия человека).
Три потребительские истории из жизни (на всякий случай - у меня нет никаких обид, я спокойно отношусь к тому, что мир не совершенен и не всегда соотвествует ожиданиям):
1. Покупаю AirPods 3 Pro в легендарном магазине на Горбушке - делаю заказ через сайт в пятницу, проезжая мимо в воскресение забегаю забрать и узнаю, что заказ анулирован, потому что менеджер не дозвонился. Ни сообщения в смс/телеграм/макс, ни письма - ничего. Магазин может себе это позволить, потому что всегда держит лучшие цены и у него нет задачи через клиентский сервис увеличивать повторные продажи - люди и так прийдут, даже если им будут хамить, но факт остается фактом - несмотря на наличие человека в процессе такой сервис воспринимается как "неуважение".
2. Выбираю матрас - трачу два дня на визиты в магазины и разговоры с консультантами. Консультанты не торопят, подробно рассказывают про матрасы, любезно водят от кровати к кровати, дают возможность полежать на любом матрасе сколько угодно - отличный сервис, приятные, чистые и большие магазины. Только это все не позволяет сделать выбор быстро - 10 линеек матрасов от дешевых к премиальным, в чем конкретно разница - непонятно, принять решение невозможно - устное обьяснение взрывает мозг. Все что нужно клиенту для принятия решения - простой выбор из трех-пяти вариантов, а не продуктовая линейка в которой путаются сами консультанты (в итоге я смог купить только после того как сам разобрался в продукте на 146% и теперь могу продавать матрасы)
3. Яндекс запустил бренд бытовой техники и покупать его одно удовольствие: очень сбаланированный набор продуктов, а доверие к бренду ускоряет принятие решения. Лично я привык к опыту, который дает любой маркетплейс: заказал - забрал в ПВЗ - оплатил, если подошло. Все остальное уже кажется нечеловечным и неудобным: долго выбирать, делать ненужные подтверждения, согласовывать и ловить курьера с 9 до 22:00, оплачивать до получения и возврщать товар, если он не подошел/сломан.
В итоге человечность проявляется в том, что компания:
- подумала над понятной и сбалансированной линейкой продуктов - упростила выбор
- использовала сильную инфраструктуру: маркетплейс, своя доставка, бренд и т.д - снизила издержки на покупку
Отдельно удивило, что еще вышли еще и на Озон и WB (а значит нехило субсидируют комиссии конкурентов). Осталось не напоротся с качеством - и я уверен, что они сильно подвинут (не побоюсь этого слова задизраптят) рынок бытовой техники.
При чем тут ИИ? Да при том, что можно было бы открыть 300 флагманских магазинов и усадить туда 6000 консультантов, которые бы человечно подтверждали заказы, а еще дать каждому по ИИ-агенту для этого всего. Но решало бы это корневую задачу? Нет! Поэтому прежде чем внедрять ИИ и переживать о "человечности" надо подумать о реальных потребностях и проблемах клиента, потому что в итоге человек нужен там, где нет системы, стратегии и денег (а значит нет масштабируемости, точности и качества) и эти проблемы не решаеются ИИ...
@nklypsernk_zttlkstn
https://www.skills.google/collections/ai-boost-bites
Мини задания для прокачки в практических микро навыках с ИИ
Мини задания для прокачки в практических микро навыках с ИИ
Google Skills
AI Boost Bites | Google Skills
Learn and earn with Google Skills, a platform that provides free training and certifications for Google Cloud partners and beginners. Explore now.
Forwarded from Data Secrets
Андрей Карпаты снова выдал красивую базу
Он говорит, что нельзя забывать, что LLM – симуляторы, а не самостоятельные сущности, и что это нужно учитывать при взаимодействии с ними.
Краткий перевод:
Вот что значит качественный совет по промптингу☕️
Он говорит, что нельзя забывать, что LLM – симуляторы, а не самостоятельные сущности, и что это нужно учитывать при взаимодействии с ними.
Краткий перевод:
Не воспринимайте большие языковые модели как самостоятельные сущности – думайте о них как о симуляторах. Например, когда вы обсуждаете какую-то тему, не задавайте вопрос:
«Что ты думаешь о xyz?»
Никакого «ты» здесь нет. В следующий раз лучше спросить:
«Какая группа людей подошла бы для обсуждения xyz? Что бы они сказали?»
Модель может воспроизводить и симулировать множество точек зрения, но она не «размышляла» о xyz и не формировала собственных мнений в привычном для нас смысле. Если же вы заставляете ее отвечать, используя обращение «ты», она все равно что-то выдаст – но, по сути, просто приняв на себя некий личностный вектор, заданный статистикой обучающих данных, и симулируя его.
Это вполне допустимо, но в этом гораздо меньше мистики, чем многие наивно предполагают, задавая вопросы «искусственному интеллекту».
Вот что значит качественный совет по промптингу
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Forwarded from Мастерская Продуктовой стратегии Безуглого Дмитрия
Вы всё знаете о продукте. Именно поэтому его не покупают.
В прошлом посте мы разбирали три роли в продукте: Hacker, Hustler, Hipster. Hipster — тот, кто делает продукт привлекательным для тех, кто не в теме.
Сегодня — про то, почему эта роль самая сложная.
Знакомая история: вы глубоко разбираетесь в продукте, видите его ценность — а рынок не реагирует. Вы объясняете снова. Подробно. С деталями. А в ответ — стеклянные глаза.
Со стороны это выглядит, как юноша со взором горящим, который искренне несёт чепуху.
Это проклятие эксперта — чем глубже вы в теме, тем сложнее объяснить её просто. Вам всё очевидно. Рынку — нет.
Можно сколько угодно улучшать продукт, но если никто не понимает его ценности, это не работает.
Вы можете быть Hacker — знать, как выстроить систему маркетинга для других. Но упаковать собственную экспертизу — не получается. Сам себя за волосы не вытащишь.
Для этого нужен Hipster. Тот, кто переводит с языка эксперта на язык рынка.
Это и есть продуктовый маркетинг.
Не SMM. Не таргет. Не креативы.
Продуктовый маркетинг работает в трёх направлениях:
Вовне — понять, где мы находимся. Рынок, конкуренты, тренды.
Внутрь — перевести рыночные инсайты на язык команды.
Сквозь продукт — выстроить путь клиента так, чтобы каждое касание подтверждало ценность.
Особенно остро это чувствуют те, кто запускает новое внутри уже работающего бизнеса. Новый продукт конкурирует за внимание со старым. И нужно объяснить ценность того, чего ещё нет — аудитории, которая привыкла к тому, что есть.
Простой приём, который помогает выбраться из ловушки:
📍Возьмите описание продукта. Попросите AI: "Объясни это школьнику 3-го класса".
📍Почему школьник? Потому что у него нет вашего контекста. Нет терминологии. Нет причин делать вид, что понял. Либо ясно — либо нет.
📍Дальше — попросите AI предложить метафору. Не диаграмму архитектуры, а простую картинку: "Это как если бы..."
📍И финальный тест: объясните суть продукта в двух предложениях. Вслух. Без слов "оптимизация", "эффективность", "инновационный".
Если застряли — значит, ценность ещё не распакована. И это не проблема рынка. Это ваша задача.
Важно: инвесторы и топ-менеджеры воспринимают так же.
Им не нужен список фич. Им нужен простой ответ — что это даёт и зачем.
Информация ≠ смысл. Смысл ≠ действие. Между ними — работа продуктового маркетинга.
В следующем посте расскажу, где это всё разобрать на практике👇
В прошлом посте мы разбирали три роли в продукте: Hacker, Hustler, Hipster. Hipster — тот, кто делает продукт привлекательным для тех, кто не в теме.
Сегодня — про то, почему эта роль самая сложная.
Знакомая история: вы глубоко разбираетесь в продукте, видите его ценность — а рынок не реагирует. Вы объясняете снова. Подробно. С деталями. А в ответ — стеклянные глаза.
Со стороны это выглядит, как юноша со взором горящим, который искренне несёт чепуху.
Это проклятие эксперта — чем глубже вы в теме, тем сложнее объяснить её просто. Вам всё очевидно. Рынку — нет.
Можно сколько угодно улучшать продукт, но если никто не понимает его ценности, это не работает.
Вы можете быть Hacker — знать, как выстроить систему маркетинга для других. Но упаковать собственную экспертизу — не получается. Сам себя за волосы не вытащишь.
Для этого нужен Hipster. Тот, кто переводит с языка эксперта на язык рынка.
Это и есть продуктовый маркетинг.
Не SMM. Не таргет. Не креативы.
Продуктовый маркетинг работает в трёх направлениях:
Вовне — понять, где мы находимся. Рынок, конкуренты, тренды.
Внутрь — перевести рыночные инсайты на язык команды.
Сквозь продукт — выстроить путь клиента так, чтобы каждое касание подтверждало ценность.
Особенно остро это чувствуют те, кто запускает новое внутри уже работающего бизнеса. Новый продукт конкурирует за внимание со старым. И нужно объяснить ценность того, чего ещё нет — аудитории, которая привыкла к тому, что есть.
Простой приём, который помогает выбраться из ловушки:
📍Возьмите описание продукта. Попросите AI: "Объясни это школьнику 3-го класса".
📍Почему школьник? Потому что у него нет вашего контекста. Нет терминологии. Нет причин делать вид, что понял. Либо ясно — либо нет.
📍Дальше — попросите AI предложить метафору. Не диаграмму архитектуры, а простую картинку: "Это как если бы..."
📍И финальный тест: объясните суть продукта в двух предложениях. Вслух. Без слов "оптимизация", "эффективность", "инновационный".
Если застряли — значит, ценность ещё не распакована. И это не проблема рынка. Это ваша задача.
Важно: инвесторы и топ-менеджеры воспринимают так же.
Им не нужен список фич. Им нужен простой ответ — что это даёт и зачем.
Информация ≠ смысл. Смысл ≠ действие. Между ними — работа продуктового маркетинга.
В следующем посте расскажу, где это всё разобрать на практике
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Откровения от Олега
Давайте коротко расскажу концентрированную мудрость танка, как я сейчас пишу код.
Основные идеи:
- Исходник - это текст на английском языке. Он называется спецификация, или коротко - "спека".
- Этого текста может быть в 2-10 раз больше, чем кода, который из этого текста сгенерируется.
- Код не имеет ценности. Имеет ценность спека и труд, потраченный на превращение спеки в код.
- К коду отношение как скомпилированному бинарному exe-файлу. В него не смотрят, пока он работает. А желательно, никогда не смотрят вообще.
- Спека, впрочем, тоже имеет мало ценности. Важно, что в голове у разработчика. Потому что он всегда может за какое-то время написать эту спеку заново другими словами, и это будет другое произведение.
Еще раз, промт по размеру больше чем код. Это значит, что "программировать" вайбкодерам нужно больше, а не меньше, чем "классическим программистам". К примеру, на 1 страницу кода на Rust может быть 20 страниц текста на английском языке.
Внутри написана документация по типу той, что мы пишем для обычных людей-аналитиков. Естественно, нужно отдавать себе отчёт, что вряд ли эту документацию будет читать и писать живой человек.
ВАЖНО: Первыми строками в бутлоадере проекта нужно прописать, что весь проект пишется целиком с помощью ИИ и использует spec-driven подход.
- Загрузочный систем-промт или юзер-промт. Bootloader, который рассказывает как читать всё остальное
- Описание приемов работы с нейросетью (например, включение режима мета-анализа)
- Описание внешнего управления, если исходники управляются внешним образом (н-р нельзя менять директорию schema, потому что openapi туда попадает внешним образом)
Обычно код организован в виде модулей или фичей.
Существует основной модуль common, в котором весь проект описан как единственный модуль. Все остальные модули являются подмодулями этого.
Для каждого модуля в иерархии существует стандартный набор руководящих спецификаций:
- main.md с бутлоадером модуля
- structure.md с описанием структуры подмодулей и других организационных особенностей модуля, связей между модулями
- Feats
- Props
- Архитектура
- Технологии (языки, фреймворки, паттерны проектирования и кодирования)
- Документация
- Описание режима глубокого исследования
- Юридические особенности (например, лицензии)
- Безопасность
Features и Proposals - это основное мясо всего.
Features - это user-stories, обычно описанные на языке Gerkin, либо в Markdown-файлах, либо в md-файлах с Gerkin внутри. Также там можно класть любые помогающие диаграммы.
Proposals - это текстовые документы. описанные в формате JEP (Java Enchancement Proposals, регулирующиеся JEP-2). Это КЛЮЧЕВОЙ момент. Если не будет грамотно написанных пропсов, работать ничего не будет. Общий формат пропсов написан здесь: https://openjdk.org/jeps/2
Для всей системы целиком должна быть система непрерывного обновления стратегии:
- Подробные планы, где каждому этапу соответствует документ
- WAL-лог для продолжения работы прерванного агента (описывает прошлое, настоящее, будущее и вектор развития, обновляется постоянно)
- Спецификация обновления планов и логов
Таким образом у нас получается совместимость C4 моделью (где она не получается, ее нужно добавить).
Далее из этого генерируется корпус тестов.
ВАЖНО: тесты берутся не из кода, а из спецификации. Совершенно нормально, когда из спефификации сгенерировалось 3000 тестов, из которых ваш код проходит только 10 тестов. Ваша работа как разработчика - сделать так, чтобы к тестам появился код.
Далеко не каждая модель или агент могут удержать всё это в памяти. Поэтому работа человека - смотреть, где что развалилось, верифицировать код и напоминать нейросети забытые части правил. Для этого можно сделать файл shortcuts.md, в систем промт (или в документ о внешнем управлении) вписать что нейросети читать его запрещено, и оттуда копипастить важные команды.
БАЗОВО ЭТО ВСЁ
Но только базово
Дальше поверх этой схемы нарастают дополнительные расширения, о которых можно будет пообщаться позднее
Основные идеи:
- Исходник - это текст на английском языке. Он называется спецификация, или коротко - "спека".
- Этого текста может быть в 2-10 раз больше, чем кода, который из этого текста сгенерируется.
- Код не имеет ценности. Имеет ценность спека и труд, потраченный на превращение спеки в код.
- К коду отношение как скомпилированному бинарному exe-файлу. В него не смотрят, пока он работает. А желательно, никогда не смотрят вообще.
- Спека, впрочем, тоже имеет мало ценности. Важно, что в голове у разработчика. Потому что он всегда может за какое-то время написать эту спеку заново другими словами, и это будет другое произведение.
Еще раз, промт по размеру больше чем код. Это значит, что "программировать" вайбкодерам нужно больше, а не меньше, чем "классическим программистам". К примеру, на 1 страницу кода на Rust может быть 20 страниц текста на английском языке.
Внутри написана документация по типу той, что мы пишем для обычных людей-аналитиков. Естественно, нужно отдавать себе отчёт, что вряд ли эту документацию будет читать и писать живой человек.
ВАЖНО: Первыми строками в бутлоадере проекта нужно прописать, что весь проект пишется целиком с помощью ИИ и использует spec-driven подход.
- Загрузочный систем-промт или юзер-промт. Bootloader, который рассказывает как читать всё остальное
- Описание приемов работы с нейросетью (например, включение режима мета-анализа)
- Описание внешнего управления, если исходники управляются внешним образом (н-р нельзя менять директорию schema, потому что openapi туда попадает внешним образом)
Обычно код организован в виде модулей или фичей.
Существует основной модуль common, в котором весь проект описан как единственный модуль. Все остальные модули являются подмодулями этого.
Для каждого модуля в иерархии существует стандартный набор руководящих спецификаций:
- main.md с бутлоадером модуля
- structure.md с описанием структуры подмодулей и других организационных особенностей модуля, связей между модулями
- Feats
- Props
- Архитектура
- Технологии (языки, фреймворки, паттерны проектирования и кодирования)
- Документация
- Описание режима глубокого исследования
- Юридические особенности (например, лицензии)
- Безопасность
Features и Proposals - это основное мясо всего.
Features - это user-stories, обычно описанные на языке Gerkin, либо в Markdown-файлах, либо в md-файлах с Gerkin внутри. Также там можно класть любые помогающие диаграммы.
Proposals - это текстовые документы. описанные в формате JEP (Java Enchancement Proposals, регулирующиеся JEP-2). Это КЛЮЧЕВОЙ момент. Если не будет грамотно написанных пропсов, работать ничего не будет. Общий формат пропсов написан здесь: https://openjdk.org/jeps/2
Для всей системы целиком должна быть система непрерывного обновления стратегии:
- Подробные планы, где каждому этапу соответствует документ
- WAL-лог для продолжения работы прерванного агента (описывает прошлое, настоящее, будущее и вектор развития, обновляется постоянно)
- Спецификация обновления планов и логов
Таким образом у нас получается совместимость C4 моделью (где она не получается, ее нужно добавить).
Далее из этого генерируется корпус тестов.
ВАЖНО: тесты берутся не из кода, а из спецификации. Совершенно нормально, когда из спефификации сгенерировалось 3000 тестов, из которых ваш код проходит только 10 тестов. Ваша работа как разработчика - сделать так, чтобы к тестам появился код.
Далеко не каждая модель или агент могут удержать всё это в памяти. Поэтому работа человека - смотреть, где что развалилось, верифицировать код и напоминать нейросети забытые части правил. Для этого можно сделать файл shortcuts.md, в систем промт (или в документ о внешнем управлении) вписать что нейросети читать его запрещено, и оттуда копипастить важные команды.
БАЗОВО ЭТО ВСЁ
Но только базово
Дальше поверх этой схемы нарастают дополнительные расширения, о которых можно будет пообщаться позднее
Forwarded from Сиолошная
14й урок из 21 в блогпосте «21 Lessons From 14 Years at Google», попавшем в топ на HackerNews:
В целом понятный принцип, я его нативно понимал, но впервые услышал сформулированным от своего тимлида где-то месяцев 10 назад.
Отношения на работе не всегда спорятся, и где-то месяца 4 назад гуляя с другим коллегой обсуждали ситуацию на этот принцип. Я говорил коллеге, что с какими-то сотрудниками ловишь вайб, вы легко обсуждаете и перебираете идеи, можете договориться и прийти к пониманию.
С другими так не получается. Коллега спросил меня, как я думаю — почему? Я ответил, что есть люди, на которых банально жалко времени. Проработав с ними какое-то время я прихожу к мнению, что они 1) не заинтересованы 2) не будут тащить 3) не готовы сами отказываться от своих идей и признавать неправоту.
Как легко заметить по каналу, мне нравится объяснять и делиться чем-то. Это же я зачастую делаю в рабочей среде, и иногда шучу над своим незнанием или тем, как ошибаюсь. Рассказ другим и обучение помогают и самому лучше разобраться, понять, задавать правильные вопросы.
Но возвращаясь к причинам — каждый из трёх пунктов важен в разных ситуациях и компаниях по-разному, по крайней мере у меня такое ожидание, например, что в медленной большой корпорации незаинтересованных людей куда больше, чем в стартапах в высококонкурентных направлениях.
Синхронизация по ожиданиям и направлению работу действительно очень важна. Помню, давно для себя сформулировал, что alignment позволяет людям автономно принимать решения, которые приняли бы участники проекта, если бы собрались вместе на митинг.
Но так как у всех понимание ~одинаковое, то можно сэкономить время. Поэтому в синхронизацию нужно вкладывать время — чтобы сэкономить (но по выгодному курсу: если человек не будет принимать решений так и так, и чаще вставлять палки в колёса, то...?).
===
Иронично, что за минуту до того, как я начал писать пост, в рекомендации ютуба вылез ролик The Art Of Being Right из Доктора Хауса🙂
Если вы выигрываете в каждом споре, вы, вероятно, копите скрытое сопротивление.
Я научился с подозрением относиться к собственной уверенности. Когда я «побеждаю» слишком легко, обычно что-то не так. Люди перестают спорить не потому, что согласились с вами, а потому что просто махнули рукой. И это несогласие проявится позже — уже в работе, а не на встречах.
Для реальной синхронизации нужно больше времени. Нужно действительно вникать в чужие точки зрения, учитывать обратную связь и иногда публично менять свое мнение.
Мимолетное удовольствие от того, что ты прав, не идет ни в какое сравнение с долгосрочным успехом от работы с вовлеченной командой.
В целом понятный принцип, я его нативно понимал, но впервые услышал сформулированным от своего тимлида где-то месяцев 10 назад.
Отношения на работе не всегда спорятся, и где-то месяца 4 назад гуляя с другим коллегой обсуждали ситуацию на этот принцип. Я говорил коллеге, что с какими-то сотрудниками ловишь вайб, вы легко обсуждаете и перебираете идеи, можете договориться и прийти к пониманию.
С другими так не получается. Коллега спросил меня, как я думаю — почему? Я ответил, что есть люди, на которых банально жалко времени. Проработав с ними какое-то время я прихожу к мнению, что они 1) не заинтересованы 2) не будут тащить 3) не готовы сами отказываться от своих идей и признавать неправоту.
Как легко заметить по каналу, мне нравится объяснять и делиться чем-то. Это же я зачастую делаю в рабочей среде, и иногда шучу над своим незнанием или тем, как ошибаюсь. Рассказ другим и обучение помогают и самому лучше разобраться, понять, задавать правильные вопросы.
Но возвращаясь к причинам — каждый из трёх пунктов важен в разных ситуациях и компаниях по-разному, по крайней мере у меня такое ожидание, например, что в медленной большой корпорации незаинтересованных людей куда больше, чем в стартапах в высококонкурентных направлениях.
Синхронизация по ожиданиям и направлению работу действительно очень важна. Помню, давно для себя сформулировал, что alignment позволяет людям автономно принимать решения, которые приняли бы участники проекта, если бы собрались вместе на митинг.
Но так как у всех понимание ~одинаковое, то можно сэкономить время. Поэтому в синхронизацию нужно вкладывать время — чтобы сэкономить (но по выгодному курсу: если человек не будет принимать решений так и так, и чаще вставлять палки в колёса, то...?).
===
Иронично, что за минуту до того, как я начал писать пост, в рекомендации ютуба вылез ролик The Art Of Being Right из Доктора Хауса
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from LLM под капотом
Маленький и крышесносный пример Feedback Loop в AI Системах
Про важность качественного цикла обратной связи (Feedback Loop) для работы с LLM я, по-моему, говорю беспрестанно. Обвязывайте проекты тестами и evals. Приоритизируйте проекты, которые можно тестировать. SGR позволяет лучше тестировать сложные LLM пайплайны.
Ибо, если не делать нормальные тесты, то остается только сложить лапки и жаловаться на жизнь, что LLM - это бесполезный стохастический попугай и генератор глюков, с которым невозможно работать.
Причем, это справедливо как для продуктов с LLM под капотом, так и для кодинга при помощи AI. И тут и там используется черный ящик, который нужно держать на коротком поводке.
Сегодня, когда я записывал юнит про Feedback Loops для английской версии курса про построение систем с LLM под капотом, захотелось добавить слайд с примером, который прямо вах. И я поставил эксперимент, который в жизни бы не стал использовать в работе (до сегодняшнего дня).
Я взял набор тестов (в виде Excel файлов) для проверки корректности движков формул Excel/Google Sheets. Докинул исходный код одного из таких движков на JS в качестве примера. Обернул все это своими AGENTS.MD, наброском архитектуры (авторства ChatGPT) и скриптом обратной связи, который может протестировать любой движок, выдать точность и ошибки.
А потом в цикле отправлял в OpenAI Codex задачку: "Прогони тесты, обрати внимание на число ошибок и ужаснись. А потом напиши мне минимальный патч, который максимально повышает точность. Пришли коммит, в заголовке которого покажи изменение точности. Если не можешь улучшить качество - забей, попробуешь в новом цикле."
Это все прямо как в истории со спасением проекта (1, 2, 3, 4, 5, 6+7), но с AI вместо команды людей!
И что бы вы думали? Я код не трогал вообще, а оно само за 14 коммитов в цикле написало код на go, который корректно отрабатывает все эти тесты (git log в комментариях). Когда я полез смотреть результаты, то ожидал увидеть обещанные горы спагетти и жуткого кода, а еще - захардкоженные ответы на тесты. Ибо ну не должно оно мочь работать в автономе так долго.
А там - типичный и даже немного скучный Go. Вот парсер формул с AST деревьями, вот работа с диапазонами, вот интерпретатор, вот работа с графами зависимостей, вот библиотека функций итп.
Понятно, что мне могло сильно повезти. Возможно, OpenAI Codex так похорошел с GPT-5.2, что сам стабилизирует архитектуру и кид без спроса. Возможно, ChatGPT такой гений и придумал хорошую архитектуру в AGENTS.MD. Возможно, go - настолько простой и скучный язык, что там сложно для LLM накосячить.
Поэтому я сейчас в тот же проект отправил такую инструкцию - а давай перепишем все на Rust? Может, хоть там OpenAI споткнется о memory model и подавится borrow checker-ом?
Он прислал первый коммит -
Я работаю с софтом больше двадцати лет. Сегодня в голове у меня что-то безвозвратно поломалось. Это первый раз в 2026 году.
Ваш, @llm_under_hood 🤗
Про важность качественного цикла обратной связи (Feedback Loop) для работы с LLM я, по-моему, говорю беспрестанно. Обвязывайте проекты тестами и evals. Приоритизируйте проекты, которые можно тестировать. SGR позволяет лучше тестировать сложные LLM пайплайны.
Ибо, если не делать нормальные тесты, то остается только сложить лапки и жаловаться на жизнь, что LLM - это бесполезный стохастический попугай и генератор глюков, с которым невозможно работать.
Причем, это справедливо как для продуктов с LLM под капотом, так и для кодинга при помощи AI. И тут и там используется черный ящик, который нужно держать на коротком поводке.
Сегодня, когда я записывал юнит про Feedback Loops для английской версии курса про построение систем с LLM под капотом, захотелось добавить слайд с примером, который прямо вах. И я поставил эксперимент, который в жизни бы не стал использовать в работе (до сегодняшнего дня).
Я взял набор тестов (в виде Excel файлов) для проверки корректности движков формул Excel/Google Sheets. Докинул исходный код одного из таких движков на JS в качестве примера. Обернул все это своими AGENTS.MD, наброском архитектуры (авторства ChatGPT) и скриптом обратной связи, который может протестировать любой движок, выдать точность и ошибки.
А потом в цикле отправлял в OpenAI Codex задачку: "Прогони тесты, обрати внимание на число ошибок и ужаснись. А потом напиши мне минимальный патч, который максимально повышает точность. Пришли коммит, в заголовке которого покажи изменение точности. Если не можешь улучшить качество - забей, попробуешь в новом цикле."
Это все прямо как в истории со спасением проекта (1, 2, 3, 4, 5, 6+7), но с AI вместо команды людей!
И что бы вы думали? Я код не трогал вообще, а оно само за 14 коммитов в цикле написало код на go, который корректно отрабатывает все эти тесты (git log в комментариях). Когда я полез смотреть результаты, то ожидал увидеть обещанные горы спагетти и жуткого кода, а еще - захардкоженные ответы на тесты. Ибо ну не должно оно мочь работать в автономе так долго.
А там - типичный и даже немного скучный Go. Вот парсер формул с AST деревьями, вот работа с диапазонами, вот интерпретатор, вот работа с графами зависимостей, вот библиотека функций итп.
Понятно, что мне могло сильно повезти. Возможно, OpenAI Codex так похорошел с GPT-5.2, что сам стабилизирует архитектуру и кид без спроса. Возможно, ChatGPT такой гений и придумал хорошую архитектуру в AGENTS.MD. Возможно, go - настолько простой и скучный язык, что там сложно для LLM накосячить.
Поэтому я сейчас в тот же проект отправил такую инструкцию - а давай перепишем все на Rust? Может, хоть там OpenAI споткнется о memory model и подавится borrow checker-ом?
Now drop ALL go code. Initialise empty rust project and add failing test runner (similar to Go) in Rust. Update `Make init`/`make test` to leverage Rust (use Calamine crate for Excel reading). Update AGENTS.MD to mention Rust now
Он прислал первый коммит -
MVP formula engine scaffolding (0.0% -> 4.7%). Дальше буду только перезапускать задачу "сделай лучше".Я работаю с софтом больше двадцати лет. Сегодня в голове у меня что-то безвозвратно поломалось. Это первый раз в 2026 году.
Ваш, @llm_under_hood 🤗
Forwarded from 🌿Восточный Целитель🌿
Метакогниция это разновидность рефлексии.
Саморефлексия — это способность человека осознанно анализировать свои мысли, чувства, поступки и мотивы, чтобы лучше понять себя, извлечь уроки из опыта, скорректировать поведение и развиваться как личность, то есть смотреть на себя со стороны и осмысливать «почему я так сделал/почувствовал». Это процесс самопознания и самооценки, помогающий принимать более взвешенные решения.
Ниже простая и безопасная практика саморефлексии с элементами метакогниции. Она подходит любому взрослому и не требует подготовки. Время — 5–7 минут 👇🏻
Саморефлексия — это способность человека осознанно анализировать свои мысли, чувства, поступки и мотивы, чтобы лучше понять себя, извлечь уроки из опыта, скорректировать поведение и развиваться как личность, то есть смотреть на себя со стороны и осмысливать «почему я так сделал/почувствовал». Это процесс самопознания и самооценки, помогающий принимать более взвешенные решения.
Ниже простая и безопасная практика саморефлексии с элементами метакогниции. Она подходит любому взрослому и не требует подготовки. Время — 5–7 минут 👇🏻
Forwarded from Человечно про AI & tech 👉 Николай Писаренко
Хватит просить GPT "исправить моё резюме"
Ой, недавно видел, как в одном из каналов руководитель бизнес-школы ругала HR за то, что они не умеют писать резюме. А если уж HR не умеюи писать резюме, то кто умеет? Правильно - всякие "волки", которые "рисуют" себе опыт и рекрутеры из кадровых агенств, которые хотят "продать" кандидата и получить бонус - у остальных обьективно столько практики нет и кушать, скорее всего не так сильно хочется.
Вот, мои родные, хорошие, держите семь промптов, которые немного помогут вам. Но помните:
• чтобы написать хорошее резюме, нужно хорошо поработать
• желательно ни разу не обделаться за карьеру - а если и обделаться, то тихо, чтобы на рынке не учуяли
• хорошое резюме едва отличимо от лжи
• в среднем работодатель нанимает одного из 100
1. ATS-оптимизатор
Хоть в большинстве компаний подбор нормально и не автоматизирован - добавить правильные ключевые слова в резюме полезно
2. Оцифровщик достижений
Посвещается всем кто бесконечно работал работу
3. Рерайт под роль
Гарантированно повышает количество интревью после откликов
4. Стратег по навыкам
5. Объяснитель пробелов
Если не знаете как обьяснить перерыв в карьере, например, по причине судимости
6. Executive summary
Добавьте в начало резюме, чтобы было понятно о чем с вами вообще разговаривать
7. Сопроводительное письмо
Да, большинство компаний вообще не читают ни резюме, ни сопроводительное. Но вдруг повезет?
#промпт@nklypsernk_zttlkstn
Ой, недавно видел, как в одном из каналов руководитель бизнес-школы ругала HR за то, что они не умеют писать резюме. А если уж HR не умеюи писать резюме, то кто умеет? Правильно - всякие "волки", которые "рисуют" себе опыт и рекрутеры из кадровых агенств, которые хотят "продать" кандидата и получить бонус - у остальных обьективно столько практики нет и кушать, скорее всего не так сильно хочется.
Вот, мои родные, хорошие, держите семь промптов, которые немного помогут вам. Но помните:
• чтобы написать хорошее резюме, нужно хорошо поработать
• желательно ни разу не обделаться за карьеру - а если и обделаться, то тихо, чтобы на рынке не учуяли
• хорошое резюме едва отличимо от лжи
• в среднем работодатель нанимает одного из 100
1. ATS-оптимизатор
«Проанализируй эту вакансию [вставь текст]. Выдели: ключевые слова, иерархию навыков, приоритеты требований, ATS-friendly термины. Затем перепиши мой опыт [вставь текст], чтобы эти слова появились естественно и честно.»
Хоть в большинстве компаний подбор нормально и не автоматизирован - добавить правильные ключевые слова в резюме полезно
2. Оцифровщик достижений
«Преврати эти обязанности [вставь текст] в достижения. Для каждого: определи действие, оцифруй результат (%, $, сэкономленное время), добавь контекст (размер команды, сроки, масштаб). Формат: "Достиг [результат] через [действие], что привело к [измеримый эффект]".»
Посвещается всем кто бесконечно работал работу
3. Рерайт под роль
«Вакансия: [вставь]. Мой бэкграунд: [вставь резюме]. Найди пробелы и сильные стороны. Перепиши резюме: 80% релевантного усилить, 20% нерелевантного минимизировать. Создай саммари на языке и под приоритеты этой вакансии.»
Гарантированно повышает количество интревью после откликов
4. Стратег по навыкам
«На основе вакансии [вставь] и моего опыта [вставь] категоризируй навыки: технические (инструменты/софт), ключевые компетенции (переносимые), отраслевые (нишевая экспертиза). В каждой категории — 5-7 пунктов в порядке приоритета под требования.»
5. Объяснитель пробелов
«У меня перерыв [срок] по причине [причина]. Оформи позитивно: чему научился, какие навыки развил, релевантная активность, почему это делает меня лучше для ЭТОЙ роли. Напиши краткое объяснение — проактивно, без оправданий.»
Если не знаете как обьяснить перерыв в карьере, например, по причине судимости
6. Executive summary
«Создай мощное саммари на 3-4 предложения для роли [название]. Включи: годы опыта, ключевую экспертизу, главное достижение с метрикой, уникальную ценность для ЭТОЙ компании. Чтобы рекрутер подумал: "Надо срочно позвать на интервью".»
Добавьте в начало резюме, чтобы было понятно о чем с вами вообще разговаривать
7. Сопроводительное письмо
«Свяжи мой бэкграунд с их потребностями. Их вызов: [из вакансии]. Моё решение: [релевантный опыт]. Напиши 3 абзаца: почему они (конкретика про компанию), почему я (достижения под их задачи), почему сейчас (взаимная выгода). Персонально, не шаблонно.»
Да, большинство компаний вообще не читают ни резюме, ни сопроводительное. Но вдруг повезет?
#промпт@nklypsernk_zttlkstn