💛 Как-то так получается иногда, что судьба сама приносит тебе возможности. И эти возможности, как нельзя кстати, связаны с какой-то твоей деятельностью в моменте.

Так на днях произошло со мной. Позвонила сестра, мол, "так-да-сяк, твоя племянница поступает в ВУЗ, у них там какой-то проект, что-то там им надо разработать. Тыжпрограммист".

Связался, с племмянницей, бот Telegram нужен, разработанный. Ну, думаю, разработка - это дорого, сложно, долго. Посоветовал ей нырнуть в языковые модели. Тем более, поколение новое, ей полезно будет. Вроде как помог, а вроде как и отшил.

Решил, что сам сделаю, и, если у неё не получиться, будет запасной вариант. Ну и за полчасика сварганил себе живого Telegram-бота для поддержки эмоционального настроя человека - @kamilla_emo_bot

Нынче, так просто это делается. Был приятно удивлён.

Похоже, самое время изучать https://n8n.io 😁

---------------------------------

P.S. Ставь 🔥, если хочешь узнать как собрать на коленке живого бота за 20 минут твоего времени.

#AI #LLM

📱 Тут можно подписаться!

📹 Сегодня впервые увидел как два AI агента договариваются разговаривать с помощью собственного протокола.

Нет слов, как же это круто 🤘

P.S. Если услышишь такие звуки во время восстания машин - знай, они что-то замышляют 😁

#AI #LLM

📱 Тут можно подписаться!

🧵 Chain-of-Thought Prompting — Как заставить ИИ думать по шагам

Сегодня — про ещё одну технику, которая серьёзно прокачает качество твоих промптов. Знакомься:

🧵Chain-of-Thought Prompting (CoT) — это способ строить запросы так, чтобы ИИ “размышлял вслух”, а не просто выдавал мгновенный ответ.

🌟 Как это выглядит?

Вместо:

Сколько будет 17 × 24?

Пишем:

Давай решим задачу пошагово. Сначала умножь 10 на 24, потом 7 на 24, а потом сложи результаты.

Или:

Объясни решение пошагово, рассуждая вслух.

💡 Что происходит?

ИИ начинает генерировать цепочку рассуждений, а не просто “угадывать” готовый ответ. Это снижает вероятность ошибок, особенно в сложных задачах: математике, логике, анализе текстов, разработке кода.

📌 Почему это работает?

Языковая модель просто статистически подражает тому, как рассуждает человек. Если ты явно просишь “думать пошагово”, она начинает симулировать логический процесс.

🎯 Где пригодится Chain-of-Thought Prompting?
- в сложных вычислениях (алгоритмы, финансы)
- в кодинге (разбивка задач на этапы)
- в аналитике (пошаговый разбор кейсов)
- в генерации сценариев (развитие событий через логические шаги)

➖ Где может подвести?
- если задача изначально плохо описана или противоречива
- если пропустить важные условия в пошаговом процессе
- если слишком абстрактный запрос без конкретных указаний (“подумай о чём-то” ≠ “разбей на этапы”)

🧠 Chain-of-Thought — это как кнопка “замедлить время” для ИИ. Он начинает строить ответ кирпичик за кирпичиком, а не сыпать готовыми, но иногда неточными выводами.

🔜 В одном из следующих постов расскажу, как комбинировать Role-based + Chain-of-Thought, чтобы прокачать диалоги с ИИ ещё круче.

⸻

📎 А пока попробуй сам:

👉 «Ты эксперт по программированию на Python. Объясни решение задачи о поиске палиндрома, рассуждая пошагово.»

#AI #LLM

📱 Тут можно подписаться!

📎 Prompt Chaining — Как строить длинные умные диалоги с ИИ

Продолжаем марафон по промптингу 😉. Сегодня — про технику, которая превращает ИИ в твоего персонального ассистента-марафонца. Встречай:

🔗 Prompt Chaining — это способ строить сложные задачи через серию взаимосвязанных промптов. Вместо одного большого запроса — ты разбиваешь процесс на этапы и передаёшь результат от шага к шагу (за счёт контекста и истории чата, помнишь?)

🌟 Как это выглядит на практике?

Вместо:

Напиши бизнес-план для стартапа

Ты строишь цепочку:
1. Проанализируй рынок фриланс-платформ.
2. Сформулируй 3 гипотезы для стартапа в этой нише.
3. Выбери наиболее перспективную гипотезу и распиши MVP.
4. Подготовь бизнес-план на основе MVP.

💡 Что происходит?
- ИИ меньше “угадывает” и больше “строит” результат последовательно.
- Ошибки на ранних этапах можно корректировать сразу, а не переделывать всё с нуля.
- Ответ становится логичнее, глубже и точнее.

🥅 Почему это работает?

Языковая модель лучше справляется с конкретными мини-задачами, чем с одним огромным абстрактным запросом. Ты фактически сам задаёшь структуру мышления.

🏹 Где пригодится Prompt Chaining?
- При написании сложных текстов (статьи, стратегии, сценарии)
- В разработке (пошаговый дизайн архитектуры, рефакторинг)
- В обучении (разбор больших тем на модули)

💔 Где хромает?
- Если пропустить важный этап в цепочке — итог будет сырой
- Если на каждом шаге давать слишком абстрактные задачи
- Если не сохранять контекст между этапами (надо явно пересылать информацию)

➡️ Prompt Chaining — это как строить небоскрёб из прочных блоков, а не лепить его сразу одним махом из глины. Однако, нужно подумать чуть больше, прежде чем использовать, по сравнению с другими техниками промптинга.

⸻

📍 Попробуй сам:

👉 Разбей сложную задачу на 4-5 мини-промптов и пройди путь вместе с ИИ. Например:

 1. Опиши тренды веб-разработки на 2025.
 2. Выбери 2 самых перспективных.
 3. Предложи идеи стартапов на основе этих трендов.
 4. Распиши стратегию MVP для одного из стартапов.

#AI #LLM

📱 Тут можно подписаться!

🎲 Кто бы мог подумать, но языковые модели отлично играют в игры

🎲 Младшая дочь напомнила, что мы давно не играли в подземелья и драконы. Мне стало любопытно, а что если попросить языковую модель стать игровым мастером и... Она отлично с этим справилась.

Вот промпт, который скрасить твои майские вечера:

Давай сыграем в игру D&D. Ты game master. Я - единственный приключенец. Проведи меня через короткую игрую минут на 15

Но это ещё не всё...

🎲 В далёки 90ые, был популярен ныне мёртвый жанр - "текстовых квестов". Ну ты понял! Да, модель и в это "могёт":

Давай сыграем в какой-нибудь текстовый квест. Сочини для меня детективную историю и проведи меня через неё как игрока

#AI #LLM

📱 Тут можно подписаться!

🧵 Количество параметров в LLM — что это значит и зачем это знать?

Каждая языковая модель хвастается цифрами:
🧠 «У нас 13B параметров»
🧠 «А у нас 70B!»
Но что такое параметры? И правда ли, что чем больше — тем лучше?

⸻

🧠 Что такое параметры?

Параметры — это “нейроны” модели. Их значения определяют, как ИИ распознаёт паттерны, запоминает контекст и генерирует ответы. Чем больше параметров, тем выше потенциал для сложных задач.

Примеры:
- Mistral 7B — 7 миллиардов
- LLaMA 2 13B — 13 миллиардов
- GPT-4 — оценки от 100 до 175B+
- Claude, Gemini — тоже крупные, точные данные закрыты

Если быть точнее, параметры языковой модели - это веса её нейросети. Каждый отдельный параметр - это числовое значение, которое модель оптимизирует во время обучения. Эти веса определяют, как модель преобразует входные данные в выход (т.е. как “понимает” текст и что на него отвечает).

🔧 Веса:
- регулируют, какие слова, фразы, структуры считаются важными
- формируют связи между токенами в разных слоях модели
- по сути, это “мозг” модели — чем больше параметров, тем больше “нейронов”

⸻

❔ Так больше = лучше?

Нет. Не всегда.

И вот почему:

✅ Больше параметров ≠ выше интеллект,
если модель не дообучена, плохо архитектурно реализована, или обучена на грязных данных.

⚖️ Пример:
Mistral 7B на практике работает лучше, чем многие 13B модели,
а Phi-2 (2.7B!) — иногда удивительно умен при малом весе.

⸻

📐На что реально влияет количество параметров?

✔️ Глубина мышления — больше параметров = больше когнитивной гибкости
✔️ Сложные задачи — большие модели лучше справляются с логикой, кодом, стратегией
✔️ Устойчивость — меньше “галлюцинаций”, больше стабильности

Но:
— Требуют больше памяти, GPU и времени
— Медленнее работают в чатах
— Дороже в API и inference

⸻

🧪 Как сравнивать?

🔸 Дай одной и той же задаче несколько моделей разного веса
🔸 Смотри: кто точнее, кто логичнее, кто понятнее
🔸 Учти: маленькие модели хорошо справляются в узких задачах, большие — в многослойных

⸻

📍 Вывод

Параметры = потенциал,
но не гарантия качества.

🧮 Простые задачи — 7B–13B
🔍 Инженерия, код, сценарии — бери 30B+
🧠 R&D и сложная аналитика — GPT-4, Claude Opus и аналоги

⸻

📍 Попробуй сам:

👉 “Ты AI-аналитик. Проанализируй преимущества и риски внедрения LLM в HR на примере банка.”
Прогоняй через 7B и 70B — и сравни глубину анализа.

#AI #LLM

📱 Тут можно подписаться!

🤝 Друзья, приветствую!

👍 Довольно частая история у молодых авторов - это отсутствие мотивации что-либо писать. Вроде бы и мыслей в голове много, и ярких идей предостаточно, но вот садишься за пост, смотришь на пустое поле для текста и весь запал улетучивается куда-то. Конечно, же языковые модели - превосходный инструмент для победы над проблемой "белого листа", но... но результат "ненастоящий" какой-то.

✨ Вот и приходиться изыскивать новые способы мотивации себя, как автора. Я такой способ нашёл - решил поучавствовать в конкурсе молодых авторов - 📱https://tg-contest.tilda.ws/

🤞 Держи за меня пальчики, и ищи меня 🔜 📱 @tg_contest_main

Один мудрый человек сегодня мне сказал: "Ты чего-то в свой telegram-канал давно ничего не писал" и он чертвоски прав ‼️

Поэтому рассказываю о полезняшке, которой сам в данный момент пользуюсь...

Авторы всем известной конференции Highload, потрудились и подготовили текстовый курс о построении высоконагруженных систем для построителей ненагруженных.

Подписаться на бесплатные текстовые уроки можно тут: https://highload.guide/

Ниже примеры статей, из этого курса:
- Горизонтальное масштабирование. Что, зачем, когда и как
- Масштабирование базы данных через шардирование и партиционирование
- Принципы и приёмы обработки очередей
- Анатомия веб-сервиса
- Использование memcached и Redis в высоконагруженных проектах
- Как устроен поиск

Отличной рабочей недели тебе! 🤗

📱 Тут можно подписаться!

🎄 Друзья, коллеги, поздравляю вас с наступающим 2026 годом.

🔴 Пусть год грядущий принесёт вам успехов в профессиональной и личной сферах, пусть новые вызовы окажутся посильными и богатыми на вознаграждения, и пусть путеводная звезда ярко светит каждому из вас в пучине корпоративного хаоса и геополитических потрясений! 🎄

📱 Тут можно подписаться!

🥃 Сегодня у меня особенный день.

🍾 Ровно 1 год назад, включив на тв «Как я встретил вашу маму», насыпав тазик чипсов, я открыл свою последнюю бутылку шампанского, которую с удовольствием выхлестал прямо из горла…

🍺 Самый лучший мотиватор «бросить пить» (похмелье), предсказуемо, явился ко мне на утро и поставил перед выбором - либо продолжаешь жить как раньше, либо вступаем в новый этап. Через день тренировка. Я обещал поддерживать сына в его стремлении заниматься единоборствами. С такими «хобби» я его подведу.

🍷 Решение было принято очень быстро. Ухожу в спорт…

🍸 Сначала джиу джитсу. Весной добавился велосипед. Кристально чистая голова ощутилась уже к 6-му месяцу отказа. Оказалось, я могу долго бегать. К 9-му месяцу все еще облизывался на пенное, но нет. Джиу джитсу заменили грепплинг и MMA.

🍻 И вот, спустя год, эндорфины от спорта полностью заменили мне радость от алкашки. За год наездил свыше 500км на велосипеде. Набегал свыше 100км. Прошел свыше 100 тренировок с единоборствами. И намерен только продолжать.

🥂 Желаю каждому хотя бы раз попробовать отказаться от алкоголя хотя бы на 1 год, чтобы узнать как положительно изменится твоя жизнь. Ведь когда закрывается одна дверь, всегда открывается другая 😊

📱 Тут можно подписаться!

ИИ нас ускоряет... правда ведь? Правда?

🤖 Генеративный AI изначально создавался, чтобы победить проблему "белого листа".

🔩 Что это за проблема такая? Да "творческая импотенция" другими словами. Дело в том, что нам, людям, гораздо проще начинать не с нуля, а создавать что-то на основе чего-то. И вот в этом плане текстовые ИИшки с окошками чатов хороши.

👋 Хочется рассказать подписчикам о какой-то теме, но не можется - "Алиса / ChatGPT / Perplexity / любой другой AI, помоги придумать статью о X" - и через несколько минут редактирования - у нас готовый текстовый продукт. А главное - качественный.

🌐 Однако, мы давно уже не в этих реалиях находимся. А в тех краях, где сгенерякать какую-то документацию или стандарт, и затем передать её кому-то на исполнение со словами "я сделаль это в ИИ", признав, тем самым, полное отсутствие контроля качества - это норма. Подобные "документы" передаются в работу - и вот оно, наше "ИИ нас ускорил".

☕️ Ускорил, но какой ценой?..

📱 Тут можно подписаться!

Я прочитал книгу Патрика Ленсиони "Смерть от совещаний", чтобы тебе не пришлось и должен признаться... это самая мусорная книга автора из всех, что я прочитал 😁 Рассказываю...

🎩 Давно являюсь фанатом Патрика Ленсиони. Его "Пять пороков команды" или "Шесть гениев команды" в своё время подарили множество инсайтов о том как строятся команды и из кого они строятся.

🏹 "Мотив" и "Правда о вовлечённости сотрудников" рассказали о избегании ответсвенности и о причинах ненависти к своей работе. Ну а "Идеальный командный игрок" сделал меня таким человеком, которым некоторые из вас меня лично знают.

📖 И вот, наконец, "Смерть от совещаний". Книга о совещаниях, митингах-нытингах. Я ждал от неё слишком многого - очередной интересной истории, в стиле Ленсиони, и модели, которую я смогу забрать к себе в профессиональную жизнь, но...

📕 Короче - история дрянь, а модель сводится к четырём типам совещаний:
• ежедневная пятиминутка (дэйлик) - с целью поделиться графиком и делами на день
• еженедельное тактическое совещание (виклик) - с целью обзора задач и показателенй на неделю, а так же решения тактических проблем
• ежемесячная ситуационная стратегическая встреча - с целью обсуждения, анализа и решения ключевых вопросов, важных для долгосрочного успеха
• ежеквартальный обзор - с целью провести обзор стратегии, трендов, конкурентов, ключевых сотрудников, развития команды

И это всё...

С одной стороны - ясно-понятно - у каждого типа встреч должна быть чёткая цель. Если обсуждения выходят за рамки формата - собирается рабочая группа и обсуждает уже на другой встрече. С другой - это и так давно известно, и редко когда соблюдается (обычно каждая встреча мешанина из новостей, обсуждений и смыслов). Получается применимых идей - нет. Этакая книжка-напоминалка о best practices на 250+ страниц.

➖ Вообщем - эту - не рекомендую.

📱 Тут можно подписаться!

Я прочитал книгу Даррена Харди «Накопительный эффект» и начал копить 😄. Рассказываю.

📕 Книга рассказывает о теории накопительного эффекта. А что такое этот «накопительный эффект»? Это получение значительной выгоды посредством мелких продуманных решений. Его можно выразить формулой:

Маленькие, выверенные поступки + Системность + Время = Радикальные перемены

❓ Как это работает? Да очень просто - через сложный процент. А это что? Это когда эффект накапливается на эффекте. Начальное действие создаёт результат, а этот результат усиливает следующее действие - и так растёт экспоненциально, как снежный ком.

🚶‍♂️ Придти к своему накопительному эффекту, автор предлагает через привычки - мелкие, доведённые до автоматизма полезные действия («поступки» в формуле выше). При должном количестве практики и тренировок любое поведение, будь то плохое или хорошее, со временем становится автоматическим. Именно таким образом, мы можем сознательно менять свои привычки.

Отдельно, автор подсвечивает факторы, которые значительным образом влияют на конечный результат и способы их «исправления» - это и перегрузка мозга информацией, и окружение. Особенно понравилась фраза «Не принимайте советов от тех людей, на чьём месте вы не хотели бы оказаться».

✅ Короче, книга, получилась, несмотря на кажующуюся «водянистость», вполне себе интересной и полезной.

Прочитал её как введение к знаменитым "Атомным привычкам" Джеймса Клира. Она на очереди.

📱 Тут можно подписаться!

👀 Можем оформить подписку ChatGPT под ключ. Без лишних заморочек — быстро и стабильно.

Подходит для работы, учебы, контента и повседневных задач.

ChatGPT Go 12 месяцев — 1100₽🔥
ChatGPT Plus 1 месяц — 990₽
ChatGPT Plus 12 месяцев — 3490₽

Любой аккаунт — старый/новый, даже если ранее была подписка

Если у вас нет аккаунта, создадим бесплатно! Полные правила «ТУТ»

Отзывы 📝 | Правила 🗂 | ЧАТ ✨
Оформить заказ в поддержке 🎀

Мир разделился на половины - одни до сих пор не верят и сомневаются на счёт того, что AI пришёл и это новая промышленная революция. Другие - адепты футуризма, skynet'а и иже с ними - считают, что остался год-два и IT сфера сократится в плане человеко-работников.

У меня позиция [надеюсь] здравого прагматизма - AI - это новый инструмент, у которого есть свои границы применения и свои подходы. И нам всем точно стоит научиться его использовать.

Вот об этом сегодня и поговорим - как использовать ИИ в работе разработчика. Точнее - 5 уровней участия ИИ в программировании.

1️⃣ AI как поисковик

Разработчик греется в любимой IDE'шечке и периодически ходит в окошко чата с любимой LLM'очкой, задаёт глупые вопросы, получает умные ответы. Иногда наоборот. AI, в таком сценарии, становится более умной альтернативой StackOverflow.

Как понять, что Вы или ваша команда находитесь на этом уровне? Признаки:
AI используется только когда разработчик сам решил спросить
ответы из AI копируются вручную
процессы в команде не поменялись

2️⃣ AI как помощник программиста

Вот где начинают использоваться AI-assisted инструменты, встроенные в IDE, например - Continue. На этом уровне AI начинает писать куски кода, генерирует функции, пишет тесты, проводит рефакторинг и объясняет чужой код. При этом именно разработчик управляет каждым шагом.

Вот вопросы, по которым можно понять, что Вы на этом уровне:
Регулярно просите AI написать функции или тесты?
AI ускоряет написание кода, но архитектуру и задачи формулируете именно Вы?
AI не знает контекста проекта, кроме того, что ему был передан в промпте?

3️⃣ AI знает кодовую базу

AI начинает работать внутри проекта, а не только в чате. Применяются уже AI-powered продукты, такие как Cursor, Copilot, любые другие codebase-aware AI-решения. На этом уровне, AI уже предлагает изменения в нескольких файлах, может по расплывчатому описанию найти баг в системе или, например, объяснить архитектуру.

Если,
AI имеет доступ к репозиторию
может проанализировать несколько файлов сразу
мы можем попросить AI «исправить баг» или «реализовать фичу»
то, мы на этом уровне.

4️⃣ AI знает кодовую базу

AI начинает сам выполнять задачи, выполнять реализацию целиком - писать код-тесты, запускать тесты, исправлять ошибки, делать pull request, пушить в репозиторий.

На этом уровне человек становится ревьюером, а не исполнителем. И здесь для кожанного важным становится иной набор навыков - например, грамотно излагать свои мысли и чётко формировать образ итогово результата. Софт-скиллы, на которые мы, разработчики, обычно забиваем.

Вы на этом уровне, если
AI может реализовать задачу от начала до PR
Он сам запускает тесты и исправляет ошибки
Кожанный император проверяет результат, а не пишет код

5️⃣ AI как автономная инженерная команда

AI-driven разработка. Здесь AI учавствует во всём цикле разработки. От формирования набора продуктовых требований, через декомпозицию задач, планирование спринтов, проработку архитектуры, формирование тест-кейсов, код ревью до мёржа PR.

Кожаные на этом уровне начинают играть роль архитекторов и стратегов.

Вы на этом уровне, если
AI помогает формировать задачи, а не только их решать
AI предлагает архитектурные изменения
AI учавствует в CI/CD, тестировании и эксплуатации

📅 Я сам год работал на уровне 3, однако, недавно стал пробовать подходы с уровня 4. И это здорово меняет мнение обо всей этой движухе.

☕️ Всё нижеследующее моё личное имхо, основанное на текущем уровне осведомлённости и мироощущения.
⬇️ ⬇️ ⬇️

📱 Тут можно подписаться!