Не усложняй. Немного про паттерны построения систем в n8n 💡

В программировании есть паттерн – DRY (Don't Repeat Yourself).
Не повторяйся.
Если ты пишешь один и тот же код дважды – ты что-то делаешь не так.

В no-code этот принцип нарушают постоянно.
Я регулярно вижу проекты в комьюнити, где человек в пяти разных местах настраивает одну и ту же логику. Например, форматирование номера телефона или проверку email.
Не сказать, что эт плохо. Просто вы тратите на поддержку подобных систем в будущем кучу своего времени.

Как быть умнее:
Используйте Модульность.
Любой повторяющийся кусок логики выносим в отдельный Workflow.
• Нужно почистить текст от HTML-тегов? Сделали отдельный саб-сценарий.
• Нужно обогатить данные через сервис? Сделали отдельный саб-сценарий.
• Проверить это новый пользователь или сущестующий? Сделали также как и ранее отдельный саб-сценарий.

В основном сценарии вы просто ставите блок Execute Workflow, выбираете свой ранее созданный саб-сценарий и скармливаете ему данные.

Это не только экономит время при создании. Это спасает куча нервов при поддержке. Когда API внешнего сервиса изменится (а оно изменится, вот просто поверьте мне), вы поправите это за 5 минут в одном месте. А ваш коллега-копипастер потратит выходные.

Будьте ленивыми правильно.

Когда всё сломалось за один день 🔥

На днях у меня разом легло несколько вещей. OpenRouter перестал работать и мой AI-агент вместе с парой других инструментов просто затих. Примерно половина автоматизаций подхватила резервный канал, остальные... нет.

И вот тут прикол: у одного из инструментов резервный канал тоже использовал сервис, который попал под ограничения. То есть fallback на fallback и оба мертвы. Какова вероятность? В моём случае – 100%.

Параллельно сервис для блога тихо сменил лицензию. Бесплатный стал платным. Захожу, а там уже ценник. Никаких предупреждений, никаких переходных периодов.

Письмо счатья от Perplexity ещё не пришло, но у знакомых уже да. Морально готовлюсь, что на днях попаду сам в этот список 👀

Что я вынес из этой ситуации:
• Автопереключение на резерв – это хорошо, но нужно проверять, что резерв реально работает. У меня не везде это было настроено
• Резерв на резерв всё же паранойя. Нужно внемательно оценивать риски и лучше миксовать решения (у меня сработал риск, что оба резерва практически были от одной и той же компании/региона)
• Error Workflow в n8n с резервными моделями — штука, которая реально спасает. Настроил один раз и ночью спишь спокойнее
• Не стоит привыкать к тому или иному сервису. Всегда нужно быть готовым «пересесть» при необходимости.

Ограничения толкают разбираться со стабильностью, эт наверно больше плюс. Но чаще просто выбивают из колеи, и ощущения скорее негативные. Приходится тратить время не на новое, а на починку старого.

Хотя до этого кейса я думал, что у меня всё неплохо с отказоустойчивостью. Оказалось, есть куда копать.

А у вас как с резервными каналами? Проверяете заранее или узнаёте о падении вместе с пользователями?

Что будет с вашими AI-агентами, если завтра отключат OpenRouter? 🚫

Месяц назад (и буквально на днях снова*) у меня лёг основной workflow. OpenRouter словил какой-то сбой, не блокировка, просто техническая проблема. Чинили шесть часов. И пока я смотрел на пустые логи, в голове крутилось: «А если это навсегда?»

Ну, я такой по жизни, люблю накручивать. Поэтому взял и собрал себе план Б. Точнее, план Б, В и немного Г на всякий случай (не, я бы тогда уже в дурке был, а не посты здесь писал).

Что внутри:
• Open-source модели (Qwen, DeepSeek, GLM) на российских облаках и почему это будет актуально в 2026
• GigaChat и YandexGPT: честно про плюсы и про то, что напрягает (спойлер: тулзы они используют не всегда ожидаемо)
• Как я уже сейчас защищаю данные через Guardrails
• Evaluation. Почему не верю чужим бенчмаркам и как тестирую под свои задачи
• Локальный Ollama как последний рубеж обороны 🫡
• Чего я не знаю и что может пойти не так

Вроде не получилось из серии «всё пропало», а скорее рабочий чек-лист для тех, кто тоже не любит класть все яйца в одну корзину.

🔗 Лонг доступен вот тут:
VC • Pikabu • Дзен

А у вас есть план отступления? Или живёте по принципу «авось»?

* – материал был написан заранее, до событий 23-24 декабря, когда OpenRouter перестал временно быть доступным для РФ.

Мы все стали немного киборгами в 2025-м 🤖

Год назад я смотрел на свой терминал и не понимал, как люди пишут приложения за вечер. Казалось, какой-то булщит, ну не может такого быть...

А потом для меня случился 2025-й.

Я тоже начал вайбкодить (в большой степени благодаря компании, в которой я работаю до сих пор), завёл этот канал, прочитал кучу книжек про AI, менеджемент, продуктивность и когнитивные причуды. Но это не история про «мои достижения года». Честно? Меня больше вштыривает не то, что я сделал, а то, что стало возможным в принципе.

Что реально изменилось
1. Вайбкодинг перестал быть мемом. Cursor, Claude Code, Copilot, Codex вполне стали рабочими инструментами для многих. Я видел, как ребята без опыта в коде собирали рабочие MVP за выходные. Закрывали техдолг в компаниях, к которому годами боялись притронуться. Год назад это звучало как фантастика, для меня так точно.
2. AI в медицине вышел из стадии «перспективное направление». Борьба с раком, диагностика по снимкам, персонализированные протоколы лечения, «второе медецинское мнение». Всё больше анонсовв про реальные внедрения. Хотя, если честно, до массового применения ещё пахать и пахать.
3. Open-source LLM догнали (почти) проприетарные модели. DeepSeek, Qwen. Китайцы «жарили своими релизами» этот год только так!
4. MCP и агентные фреймворки сделали AI из «умного чат-бота» реальным инструментом, который может дёргать API, работать с файлами, автоматизировать. Не идеально, с кучей костылей, но работает.

Что меня напрягает
Скорость изменений. Серьёзно. Я не успеваю переваривать. Каждую неделю новая модель, новый фреймворк, новый «убийца» чего-то. Иногда хочется просто остановиться и разобраться в том, что уже есть.

И да, вопрос «а что будет с рабочими местами» никуда не делся. Не знаю ответа. Никто не знает.

Но вот что я понял за этот год
Сила не в том, чтобы освоить всё самому. Сила в комьюнити. В open-source контрибуциях. В том, чтобы делиться находками, а не прятать их.

Очень надеюсь, что в 2026-м мы научимся жить с AI как с инструментом, а не как с угрозой или панацеей. Что найдём баланс между «вау, оно само пишет код» и «подожди, а я вообще понимаю, что происходит?».

Ну и традиционно, с наступающим! Всех приподнял и обнял 🎁

А какой AI-инструмент или технология больше всего удивили вас в этом году? Что запомнилось?

PS Автор канала скорее всего уже лежит где-то в горах салата и вкусностей, поэтому выход новых постов и материалов ожидайте ближе к 7-ым числам января 🏖

Чуть не забыл, мне тут предложили устроить опрос по самым всратым прогнозам на 2026, но почему бы и нет? 😂

Вот будет забавно, потом в 2026 вернутся к этому голосованию 🌚

Почему я охладел к n8n (и куда теперь смотрю) 🔄

Последний месяц n8n работает автономно, и я мало что туда вношу из нового. Не потому что плохой инструмент – просто я ушёл с головой в AI-агентов для кодинга. Cursor, Claude Code, Antigravity – и это затягивает.

Что изменилось? Раньше я собирал автоматизации визуально. Теперь я разговариваю с кодом. И знаете, этот переход дался не сразу.

Мой текущий арсенал:
• Кастомные команды – и в Cursor, и в Claude Code. Одна команда вместо десяти повторяющихся действий
• MCP-серверы – подключил документацию, подключил свои API и агент стал реже галлюцинировать

Что это дало на практике:
• Рутина сократилась. Я раньше не замечал, сколько раз повторяю одни и те же команды
• Выровнял пайплайн. Результат работы нейронки теперь в том формате, который мне удобно переваривать

Про n8n. Я его не бросаю, но контента станет меньше. Почему? Потому что я его... понял. Понял возможности, понял ограничения, понял главное – когда использовать визуальную автоматизацию, а когда делегировать коду.

Если планируешь выпускать продукты – n8n не может быть основой. Для стабильности, мониторинга, контроля качества всё равно нужен код. Я писал об этом несколько месяцев назад: n8n хорош для прототипов, но для прода – нет. И это не изменилось.

Планирую серию постов о том, что открыл для себя в AI-агентах: конкретные техники, проблемы, инструменты, личный опыт.

А вы уже пробовали Cursor или Claude Code? Или пока на визуальных инструментах?

Когда AI тебя не понимает – проблема не в нём 😑

Сел верстать страницу. Говорю нейронке: «Сделай мне эту штуку сверху, ну такую, с картинкой на весь экран и текстом поверх».
Получаю какой-то блок верхнего меню с логотипом.
Ещё раз: «Нет, не меню. Большой блок, на весь экран, с фоновой картинкой».
Получаю баннер. Уже ближе, но не то.

А нужен был Hero Section. Один термин и AI сразу понял бы, что я хочу.

Вот в чём штука: vibe-кодинг работает только когда ты говоришь на одном языке с моделью. Я знал штук 20 терминов: Button, Card, Modal, Dropdown. А их там сотни. Breadcrumbs, Skeleton, Accordion, Stepper, Command Palette... У меня в голове была «выпадашка», а не Combobox.

И это реально тормозит процесс. Ты описываешь компонент своими словами в три итерации, вместо того чтобы сказать одно слово. Сколько же токенов я сжёг из-за подобного 💩

Что я сейчас делаю? Тупо развиваю насмотренность. Залип на ресурсах:
• shadcn/ui – там все базовые компоненты с демками
• 21st.dev – комьюнити-коллекция, можно подсмотреть нестандартные решения
• mobbin.com – крупнейшая библиотека реальных UI/UX-дизайнов из популярных мобильных приложений и веб-сайтов

Открываю, листаю, запоминаю названия. Не пытаюсь выучить всё за вечер, просто каждый день по чуть-чуть + качаю дизайн мышление на уровне подобных блоков.
Мне кажется, что я пока на уровне «собирателя из кубиков». Беру готовый компонент, подгоняю под себя, собираю страницу. Не пишу с нуля, не вникаю в каждый CSS-пропс. Но у меня стал образовываться фундамент знаний, более крепкий (ранее я вообще 0 был в фронте), позволяющий фильтровать и оценивать результат работы AI-агента.

Надеюсь скоро показать то, чем начал заниматься в последние недели)

А вы как решаете проблему «я не знаю, как это называется» при работе с AI? Есть свои способы прокачать терминологию?

Что происходило за месяц: AI-агенты, оптимизации и площадки 🔄

Последний ретро-пост был 13 декабря, самое время рассказать, что происходило почти месяц.

Слезаю с n8n в сторону AI-агентов
Кто читал последние посты – видели новость. Тестирую Antigravity, Cursor, Claude Code (в последнем уже 2 ляма токенов перевалило, начал пользоваться как раз в начале декабря).
Смотрю, что эти инструменты из себя представляют, какие проблемы у них есть.
Достаточно интересный experience. В комбинации с книжками, YouTube и менторами получается неплохой симбиоз.

Но минусы никуда не делись:
• Любят топтаться на одном месте (15 раз пытался сделать эмитацию орбиты и планет)
• Проблема контекста всё та же
• Восприятие у "модели" того, что ты хочешь сотворить — отдельная боль
• Не дешёвое удовольствие

Сервера
Немного оптимизировал свою конфигурацию. Теперь у меня не один сервер, а небольшой кластер из двух 😆
Тема DevOps интересна мне, но страшно каждый раз лезть во внутренности. Особенно, когда планировал заняться одним, но по факту уже сидишь 4-ый час над тем, чтобы правильно прокинуть тунель, настроить фаервол и так далее.

📝 Дзен внезапно ожил
После 3 января Дзен каким-то образом начал показывать мои материалы в ленте. Прям удивлен – не думал, что площадка решит продвигать мой контент.
Подключил Яндекс.Метрику к каналу (и да, всё ещё хочу написать кастомную ноду для n8n под неё). Если площадка заинтересовалась – буду стараться выпускать больше.

Площадки в целом боль:
📝 Pikabu: минусят и молчат в комментариях. Не понимаю, что не так. Я всегда готов к критике.
📝 DTF: обожаю аудиторию (без иронии). В 20-30% комментов реально полезная критика, что стоит улучшить. Остальные 70% из разряда "ИИ-ведьм надо жечь на кострах". Хотя если бы я написал про то, как ИИ мне базу на 15000 строк грохнул и развалил стартап... так сразу лайки и признание. Типа "Вот, мы тебе говорили, что твой ИИ-говно".
📝 VC: пока непонятно, вроде читают, но особо отклика тоже не вижу.
📝 Хабр: да сыкотно мне туда идти, не хочется обосраться( Думаю сейчас над каким-нибудь мега-техническим лонгом, где будет много полезностей. У меня где-то просто в голове однажды щёлкнуло, что если что-то постишь на хабре, об этом потом будет помнить всё русское IT-комьюнити 🫤

Как-то так прошёл месяц.
А у вас были забавные косяки с серверами или площадками в новом году? Делитесь в комментах!

Я подсел на AI как на игровые автоматы 🎰

Прежде чем начну серию постов про опыт в AI-агентах для работы с кодом, я бы хотел поделиться с вами важной штукой. Про одну ловушку, в которую вляпается абсолютно любой, кто начнет использовать этот чудо-инструмент ежедневно.

Каждый промпт в Cursor – это как рычаг слота. Иногда код идеален (джекпот!), иногда нужно допилить пару строк (почти выигрыш), иногда AI выдаёт полную чушь (мимо). Но ты никогда не знаешь заранее, что получишь. И именно эта непредсказуемость держит в игре.

Я много читаю про когнитивные искажения, психологию выбора, механики геймдизайна – то, как продукты влияют на людей. И вайб-coding попадает прямо в эту категорию. Быстрый результат за минимальные усилия... мозг радуется, дофамин выделяется. А когда это происходит регулярно, традиционное программирование начинает казаться медленным и скучным.

Сам уже в этой петле 😂
Пробую делать детоксы от AI на пару дней, пишу код руками, решаю задачки на LeetCode. Помогает временно, но потом снова втягивает. Пытаюсь детектить моменты, когда я не программирую, а просто гоняюсь за дофамином. Пока не уверен, что это работает, но что-то подсказывает – тема глубже, чем кажется.

В лонге я разобрал всё подробно: что происходит с мозгом (нейробиология дофаминовых петель), почему это работает как казино (исследования arXiv и METR 2025), какие есть подводные камни (архитектурные костыли, финансовая зависимость от токенов) и как контролировать дофаминовые циклы.

🔗 Читать полный лонгрид →
VC • Pikabu • Дзен

А вы замечали у себя признаки зависимости от AI-ассистентов?
Не можете уснуть после долгой сессии с Cursor? Тратите сотни долларов на токены, гоняясь за идеальным промптом? Обычное программирование кажется слишком медленным?
Делитесь в комментах – интересно узнать, как вы с этим справляетесь. Или может, считаете, что это вообще не проблема?

Как я перестал редактировать каждую фразу и начал просто говорить 🎤

Два месяца назад я написал про то, что технология Voice to Text для меня чужда и я её стесняюсь. Теперь же у меня >50% текста создается через неё.

Мой стек за 2 месяца:
• Wispr Flow – для быстрых набросков на Mac. Вчера, например, за 15 минут надиктовал 1800 слов для будущего материала. Понимает русский + английский вперемешку, есть кастомный словарь (научил писать SLO, MMR, n8n). Лимит 2000 слов/неделю улетает за 4-5 дней, потом просто медленее работает. Но для тех кто впервые +1 месяц према (моя рефка, но вроде как только через неё дают именно месяц, если просто регистрация, то только 2 недели).
• Spokenly – когда нужна гибкость. Прикрутил через OpenRouter быструю Gemma, которая после диктовки вычищает "эм", "ну", "типо" и повторы. Использую движок распозования речи через API Soniox для русского или локальный Parakeet для оффлайна.
• Android + Telegram – просто диктую голосовые в "Избранное", потом копирую текст на ноутбук. Зато работает везде. Даже на парковке.

Что изменилось:
• Скорость: черновики за 40-60 минут вместо 3-4 часов.
• Меньше перфекционизма: не зацикливаюсь на формулировках, просто выдаю поток мыслей. Чаще дохожу до финала.
• Мобильность: за два месяца накопилось 20+ черновиков, которые просто ждут доработки.

Но...
Точность не 100% – если говоришь быстро, приходится вручную править куски. Облачные движки только онлайн, на 2 недели у меня отвалился Wispr, сидел чисто на Spokenly.
Первые недели чувствовал себя идиотом, разговаривая с ноутбуком.
Но профит перевешивает. Теперь как-то пофиг, что думают другие.

А вы пробовали голосовую диктовку? Или всё-таки верны клавиатуре? Делитесь в комментах у кого какой подход сработал.

Декомпозиция задач с AI-агентом: сделать самому или положиться на него? 🚫

Сколько раз я давал Cursor'у задачу со списком: "Сделай градиент, потом адаптив, потом анимацию, потом ховер"? Десятки. И через раз получал кашу.

AI начинал бодро, но к третьему пункту уже терял контекст (либо вообще пропускал). Забивал на качество. Пытался впихнуть всё сразу, лишь бы "галочку поставить". Я вот до сих пор не понимаю, зачем ему это нужно(

Я долго грешил на модели. Мол, может Gemini и Claude глючат. Но проблема была не в них, а в том, как я формулировал задачи.

Что не работает:
Режим планирования у AI-ассистентов (тот самый, где он сам разбивает задачу на шаги). Выглядит красиво, но не всегда точен контекст и размывает общую картину. К концу плана модель уже не помнит, зачем всё это затевалось. Сужу по своим наблюдениям.

Что работает лучше:
Своя спецификация. Написанная руками. MD-файл, где ты сам декомпозируешь задачу на куски, которые тебе понятны.
Дальше – итерации. Берёшь один блок. Прорабатываешь. Получаешь результат. Переходишь к следующему.
Не "сделай A, B, C, D", а "сделай A". Потом отдельно "сделай B".
Кстати, если запустить AI планирование уже на основе вашей спецификации, и дать ему указание, что после каждой выполненной задачи обращаться к этому файлу за синхронизацией, качество улучшается. Но начинает ещё больше уходит токенов (я вообще склоняюсь к тому, что за качество в долгосрочной перспективе придётся платить именно токенами и тут ничего не поделать).

Минус есть: около половины чатов будут повторением контекста. Ну и токенов уходит больше – это факт. Зато результат предсказуемый.
Хотя, если честно, не уверен, что это универсальный рецепт. На мелких задачах такой подход избыточен. Но когда делаешь что-то сложнее "поправь цвет кнопки" – спецификация реально спасает.

Потратил пару вечеров на эксперимент с Claude Code. Результат спорный 🤔

Предыдущий пост был про декомпозицию. Решил расширить материал на эту тему и на практике показать суть:

"Больше контекста = лучше результат" vs "Минимум информации – AI сам разберется".

Взял одну задачу, обычный лендинг на Next.js – и сделал его тремя способами:
1. Максимум контекста – 1300 строк спецификации (пришлось обратиться к Perplexity, чтобы он там от души накидал всего), MCP-сервер, два AI-агента
2. Базовый подход – ~100 строк спецификации, базовый Claude Code
3. Минимализм – только tech stack и пара предложений

Какой подход выиграл? Ну вот тут и начинается спорное.
• Быстрый (11 минут для AI-агента) оказался самым медленным для человека – 3+ часов на доработки. Шаблонный дизайн, слабая валидация, плоская архитектура.
• Детальный (27 минут) дал 8/10 – модульная структура, централизация данных, готовность к production. Но доработки тоже были – цвета в темной теме выжженные, некоторые анимации слишком активные.
• Базовый (14 минут) визуально зашел больше всех, но устаревшие библиотеки и данные размазаны по компонентам.

И вот тут я сел и подумал: а какой вообще критерий победы?

Для MVP – минимализм окей. Для pet-проекта или рефакторинг – базовый подход. Для production с планами роста – детализация (нормальная, качественная).

Короче, универсального ответа нет. Да, и факт рандома никто не отменял, возможно просто как говорится "рольнуло"...
Но! Хоть какая-то декомпозиция – всё же решает!

🔗 Лонгрид с полным разбором:
VC • Pikabu • Дзен

Там 10+ минут чтения, но зато с видео-примерами, сравнением структур и чуть подробными выводами про то, где какой подход работает.

Но а чуть ниже вас ждёт ещё опрос: Детальные промпты или минимализм?

AI и конфиденциальность: серая зона 🔓

История из реальности. Знакомая пришла в новую клинику с PDF-кой своей медицинской историей. Там собраны предыдущие анализы, результаты исследований, особенности её организма и так далее. По сути полезная штука, особенно когда хочешь получить второе-мнение от разных врачей... Так вот, врач смотрит, задаёт вопросы ей, она отвечает, и тут она замечает, что у него открыта вкладка с Gemini, там загружена PDF, уже несколько скролов чатов. Она спрашивает, что типа врач делает, а он такой, ну у вас PDF на 30 страниц, а приём 30 минут, вы же сами хотите второе мнение успеть получить. Я сам это только часа два читать буду.

По итогу скандала не было (смысл?), врач вроде был дельный, и его рекомендации не показались ей каким-то «иными» (это был уже третий врач, т.к. ситуация там не однозначная). Да и Reddit пестрит историями, когда ИИ в вопросе мед. части оказывается умнее некоторых «индивидов» (но как по мне: чаще всего это просто везение). В любом случае, я рад, что ИИ сейчас ограничивают специально по медицинским советам. Все-таки хочется верить, что люди, которые потратили уйму лет в медицинской карьере, действительно хотят тебе помочь.

Я к чему всё это написал 🐱

Мы массово используем инструменты, которые технически нарушают большинство корпоративных договоров. И большинство делают вид, что это нормально. А возможно, просто не замечают это.

Всё вертится вокруг следующего:
• Модель может обучиться на ваших данных (если не отключили в настройках)
• Формально ничего не передавали людям напрямую

Серая зона размером с футбольное поле.

И я пока нашёл три вещи, которые могут помочь:

1. Редакция перед загрузкой
Убираю имена, email, номера. Не просто [REDACTED], а токены типа PERSON_001 – так можно восстановить связи потом. Я всё ещё рад, что в n8n подобное есть из коробки.

2. Правильные модели
• ChatGPT Free/Gemini – могут обучаться на данных (настройки есть, но напрямую пользователю при первом знакомстве об этом не говорят)
• Azure OpenAI / Claude API / Paid-модели – также есть настройки, но из-за событий последнего года есть так называемый аудит-лог. Это когда в течение месяца происходит анализ ваших переписок на предмет нарушений законов, психических проблем и так далее.
• Локальные (Ollama, PrivateGPT) / внутри контура – если реально конфиденциально

3. Письменные гарантии
Спросить у провайдера: используются ли данные для тренировки их моделей? Есть ли third-party мониторинг (SOC 2 или иные подобные отчёты)? Как удаляются логи?
Например, OpenRouter. У них есть список провайдеров с политикой ZDR (Zero Retention Endpoints), в настройках можно выбрать только их и отключить всех остальных, кто хочет полакомиться вашими данными.

Короче, если работаете с чувствительными данными – дефолтный Free-ChatGPT противопоказан.
• Для публичного/личного контента – ок.
• Для клиентских данных – нет.
• Для рабочих процессов – здравый подход и обязательно корпоративная учётка.

Ну и не забываем про те же VoiceToText, анализаторы PDF-ок, обработчики записей встреч и так далее.

Вопрос: сталкивались с такой ситуацией? Как решали? Или забили и загрузили в ChatGPT на авось?

Доверять AI или нет? Неправильный вопрос 🤔

Проблема не в том, что AI иногда ошибается. Проблема в том, что мы задаём изначально неправильный вопрос: "Можно ли доверять AI?"

Как мне кажется, правильный вопрос: "Когда и как можно доверять AI?"
Вы не научитесь доверять AI, прочитав 10 гайдов. Это как учиться плавать по книжкам.

Через 100-300 часов практики у вас развивается что-то похожее на интуицию. Вы начинаете чувствовать:
• Где AI надёжен, а где может соврать
• Какие задачи требуют проверки, а какие можно доверить
• На каких типах данных модель галлюцинирует чаще

Это знание не декларативное ("я знаю правила"), а процедурное ("я чувствую подвох").

Я знаю уже несколько людей из ближнего окружения, которые стали использовать новые технологии повседневно (художники, разработчики, писатели, учителя) и у них получился приблизительно следующий роадмап:

Неделя 1-4: «Эйфория и розовые очки»
Всё работает! AI пишет код, анализирует, объясняет. Кажется, что нашёл идеального коллегу. Доверие – максимальное.

Месяц 2-3: Первое разочарование
Первая серьёзная ошибка меняет всё. Выдуманный факт, нерабочий код, анализ мимо цели. Хочется всё бросить.
Где-то 30% из моего окружения перестали пользоваться AI, кто-то обжёгся, кому-то попросту не подошло.
На этом периоде развивается критическое мышление: начинаешь понимать, почему это произошло и как обнаружить подобное в будущем.

Месяц 4-6: Практическая интуиция
После нескольких десятков ошибок и исправлений появляется что-то вроде чутья. Читаешь ответ AI и сразу видишь, где может быть косяк.
Это обусловленное доверие – понимание границ.

Ключевая ошибка, которую я замечал у многих: если модель отвечает уверенно, значит, она права.
Нет. AI может быть максимально уверен и при этом полностью неправ. Это особенность архитектуры – модель генерирует статистически вероятный текст, а не "думает" в человеческом смысле.
Особенно когда вопрос про то, что не было ей ранее «скормлено». Хотя это сейчас легко исправляется путём MCP-тулзов.

Пара советов, которые позволяют упростить процесс:
• Ведите лог ошибок – записывайте, где AI косячил и почему (категорически важно научиться проводить быстрый факт-чекинг)
• Проверяйте критичные ответы – особенно факты, даты, цифры через другие модели GPT-5, Claude, Gemini 3. Они ошибаются по-разному, и если каждая написала что-то своё и ответы не сошлись – значит вы попали в «серую» зону знаний и стоит попробовать объединить их через тот же 💻 llm-council.

Доверять AI или нет – выбор сугубо личный. Я бы советовал всё же попробовать его использовать, набейте свои шишки, выработайте интуицию. Потом примите итоговое решение.

Настоящее доверие появляется не раньше 100 часов практики (сужу по себе). Процент ошибок и проблем из-за ИИ за этот период времени снизился кратно.

А у вас был момент, когда AI вас подставил? Как это изменило ваш подход к работе с моделями?

Как генерировать игровые ассеты через AI (если ты инди-разработчик) 🎮

Я давно интересуюсь GameDev-индустрией и тут случайно выяснил, что парочка нормальных паков иконок либо стоят дорого, либо их сложно купить из РФ.

Попробовал нагенерить через AI. Получилось, но с костылями.

Инди-разработка игр – это как фулстек, только жёстче. Надо быть одновременно программистом, геймдизайнером, художником и продуктологом. T-shape мега-сложный, а бюджета нет. Поэтому решил помочь своим опытом, который, как оказалось, может быть полезен и в этой сфере.

🔗 Лонг уже доступен на:
VC • Pikabu • Дзен

Надеюсь, этот материал поможет другим начинающим инди-разработчикам сэкономить время и деньги.

А вы пробовали генерировать ассеты через AI (вообще среди нас есть ребята из GameDev)?
Делитесь опытом в комментах 👇