Меньше чем за 3 минуты показываю альтернативный карточный интерфейс для взаимодействия с LLM, который я соорудил за 2 сессии работы с Claude code.

Вы задаете вопросы текстом, на выходе — карточки, с каждой из которых можно взаимодействовать.

https://youtu.be/gVRVLYyABD0

Если хотите попробовать, напишите комментарий, пришлю ссылку на github

Причины учиться вайб-кодингу сейчас:

→ Исследовать потенциал больших языковых и агентных систем. Познакомиться с их перфомансом не только в разработке, в которой LLM относительно преуспевают, но и в работе с различными форматами документов и интерфейсов, которых всё больше. Быстро попробовать, быстро получить результат.

→ Найти новую бизнес-идею — на стыке технологий и экспертных данных из конкретной области

→ Приобрести новый навык, который будет полезен в любой информационно-технологической области. Нам всем предстоит работать с агентными системами, как с живыми сотрудниками — уже можно начинать, агенты уже очень хороши и доступны за очень небольшие деньги, или даже бесплатно.

→ Укрепить чувство личной агентности — у вас получается сделать что-то, что работает. Проходит пара часов, а у вас писать маленькие — или не такие уж и маленькие — утилиты, которые работают для вас снова и снова.

Агенты вроде Claude code, ChatGPT agent, Openhands, Codex и многие другие — не просто кодеры, а генералисты — агенты общего применения. Да, они могут писать код, но также могут искать в интернете, работать над разными формами контента, писать сами себе инструменты и генерировать самые разные форматы: pdf, markdown, видео, аудио, 3d, стриминги данных, API и интерфейсы.

Агенты могут пользоваться MCP, а это уже сейчас дает возможность, например, управлять через агентов компьютером, скрейпить сайты, разбирать почту и ставить встречи в календаре, и делать процентов 70 того, что можно делать в браузере. (ChatGPT Agent, например, лихо справляется с отметкой чекбокса I’m not a robot. А в чём он не прав?)

Мы уже сейчас может выстраивать для себя персонализированные умные системы, используя естественный язык.

Даже если вы не разработчик, вы можете прямо сейчас начать создавать умные системы, автоматизировать, находить новые возможности — например, через регулярное использование исследовательских агентов. Представьте себе агента, который читает все чаты, в которых вы состоите, делает подборку по темам, обсуждаемым в этих чатах, делает получасовое исследование и красивую презентацию на 20 слайдов, со ссылками, цитатами и картинками.

(Следом расскажу, как сделал, и выкатил в продакшн своего телеграм-бота с ии функциями.)

А пока зову вас на первый поток моей мастерской по работе с агентами. Мы будем разбираться с теорией и практикой, а каждый немногочисленных участников с 20 августа по 5 ноября будет в компании других людей осваивать работу вместе с агентами. В следующих постах расскажу подробнее про программу и форматы участия.

Как я написал и запустил в продакшн бота

С телеграм-ботами я имел дело и раньше, у менять есть бот с анонсами моих событий, который работает на коробочном сервисе. Я работал и с интерфейсами API Телеграма — даже написал утилиту для удобного выкачивания чатов в markdown и json (github).

Но почему-то закодить бота целиком мне казалось слишком сложным.

Глаза боятся, руки делают, всего за сутки я сделал для Юли и для себя бота-анализатора изображений. Кидаете ему картинку, а ChatGPT 4o-mini анализирует её, используя один из выбранных вами способов (технически, креативно, Common objects in Context и др.)

Демо, в котором рассказываю о процессе и показываю самого бота и рассказываю о том, чему научился в процессе:

https://youtu.be/ZnztfyH1MGE

Сразу скажу, что на выкатку в прод я потратил суммарно больше времени, чем на написание кода, но теперь это занимает минуты.

Хотите потестировать бота — пишите мне @glebkalinin

Промтинг-репорт от Итана Молика и ко.

Авторы эмпирически проверяют утверждение Сергея Брина «модели, как правило, работают лучше, если им угрожать». (TLDR: нет.)

Угрожать языковым моделям не стоит, так же как и предлагать чаевые. В среднем перфоманс языковых моделей от этого не меняется.

Исследователи обнаружили, что простые техники промтинга вообще не работают, но, странным образом, могут значительно влиять на результат на уровне конкретного вопроса, иногда улучшая, а иногда и ухудшаю качество ответов непредсказуемым образом. В общем масштабе эффект незначительный.

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5375404

В очередной раз убеждаемся: в генеративном ИИ нет экспертов, даже среди топ-менеджмента Гугла. *

Все анекдоты и лайфхаки нужно системно проверять, а оценивать и сравнивать перфоманс промтинга — один из важнейших хард-скиллов ближайшего будущего.

* Особенно среди менеджмента Гугла (отдельно напишу, какой бред несет Эрик Шмидт).

Что меня поражает в работе с агентами, часть 1:

1. Агентность. Уровень автономии агентов вырос на моих глазах на порядок. Claude code самостоятельно работает десятки минут, при правильной настройке сам пишет тесты, запускает их, линтит, исправляет ошибки, ищет в интернете, экстрактирует данные из любых форматов. Если очень нужно — натренирует и другую нейронную сеть.

Моё первое впечатление от Claude Code — описал ему проект, рассказал в чате, что буду делать (например, сохранять статьи из интернета для исследования) — Claude предложил структу папкок и файлов, а сам окопался в папке tools, где написал для себя несколько инструментов на питоне (скейпер, конвертер), сам себе обновил инструкции, как пользоваться этими инструментами, и правда к ним обращался когда нужно было.

#agency@toolusing