Ваша рутина — это скрытый налог на продуктивность. Вот как его найти и посчитать 💰

В ваших рабочих процессах есть скрытый налог. Он называется рутиной. Ручной перенос данных из почты в таблицу, сборка еженедельного отчета, копирование информации между системами — мы привыкли считать это "частью работы".

На самом деле, это процессный долг, который съедает до 30% вашего времени и денег компании. Мы его не замечаем, но он постоянно растет.

Вот 3 шага, чтобы провести аудит и найти этот "налог":
1. Начните вести "Журнал трения". В течение недели просто записывайте в блокнот каждую задачу, которая вызывает у вас мысль: "Опять это делать...". Без анализа, просто фиксация. Это ваша карта скрытых издержек.
2. Примените технику «5 Почему». Возьмите самую раздражающую задачу из журнала и 5 раз спросите себя: "Почему я/мы делаем это именно так?". Часто выясняется, что причина — "так исторически сложилось". Это главный признак процессного долга.
3. Посчитайте реальную стоимость. Это самый отрезвляющий шаг. Формула проста:

(Время на задачу в день, ч) * (Ваша часовая ставка, ₽) * (~240 рабочих дней в году) = Цена рутины в год.

Когда вы увидите, что ручной отчет стоит компании 250 000 рублей в год, желание мириться с ним пропадет.

Увидеть этот налог — половина дела. Второй шаг — спросить себя: "Какую часть этого процесса можно автоматизировать с помощью no-code решения, скрипта или простого AI-промпта?".

Давайте сделаем первый шаг прямо сейчас:
Возьмите одну рутинную задачу, прикиньте время на нее и посчитайте ее годовую стоимость. Напишите в комментариях, что у вас получилось. Уверен, цифры вас удивят.

Хватит тонуть в Google-мусоре. Мой апгрейд для мозга — Perplexity 🧠

Знакомая картина? Google заваливает мусором из миллиона ссылок. ChatGPT уверенно врёт, выдумывая факты. В итоге на поиск простого ответа уходят часы.

Я тоже так жил, пока не нашёл Perplexity AI. И это не просто «ChatGPT с интернетом», как многие думают. Это настоящий исследователь-аналитик в вашем браузере, который изменил мой подход к работе с информацией.

В своей новой статье я на реальных кейсах показываю, как с его помощью:
• Оценил новый SaaS-инструмент за 15 минут вместо половины дня.
• Собрал мини-курс по SQL за 10 минут, выступив в роли наставника.
• Спланировал поездку, не открывая десятков вкладок с отелями и блогами.

Внутри — не только эти истории, но и практический гайд, как выжать из Perplexity максимум, используя правильные режимы и PRO-фишки.
Это подробный разбор инструмента, который сэкономил мне десятки часов. Уверен, сэкономит и вам.

🔗 Читать статью и апгрейдить свой мозг:
Teletype • Dzen • VC

Нанял сотрудника: работает 24/7, не просит зарплату. Знакомьтесь, n8n! 🤖

Большую часть рабочего дня я, как и многие, занимался рутиной. Копировал данные, собирал отчеты, проверял статусы. Пока не нанял себе идеального цифрового сотрудника – 💻 n8n.

Это бесплатный open-source инструмент, который позволяет связывать разные сервисы и автоматизировать задачи практически без кода.

Как он работает?
Представьте LEGO для сервисов. Этот «сотрудник» берет кубик "Telegram", кубик "Google Sheets", кубик "AI-модель" и соединяет их в одну цепочку (воркфлоу). Эта цепочка и будет выполнять вашу задачу. Круглосуточно. Без ошибок.

Что я уже ему поручил:
• Аналитик-стажер: Он автоматом собирает для меня данные из RSS-лент и новостных сайтов, кратко суммаризирует их с помощью AI и складывает в базу знаний.
• Бдительный охранник: Присылает мне в Telegram уведомление, если один из моих сайтов перестал отвечать.
• Личный ассистент: Каждый понедельник в 9:00 готовит отчет по ключевым метрикам за неделю и присылает его в Slack.

Хотите нанять своего первого цифрового помощника?
Для этого нужно сформулировать ему ТЗ. Просто закончите одну из этих фраз:
• «Каждый день/понедельник в 10:00 я вручную проверяю…»
• «Каждый раз, когда от [клиент/сервис] приходит новое письмо, я копирую оттуда…»
• «Раз в неделю мне приходится собирать данные из [сервис 1], [сервис 2] и вставлять их в [сервис 3]…»

Задача, которая подошла под один из этих шаблонов — это ваше идеальное ТЗ для первого воркфлоу в n8n.

Нашли своего кандидата? Напишите в комментариях, какую задачу вы бы отдали такому сотруднику в первую очередь!

n8n — это лучший MVP 🚀 и худший продакшн 💩

Я обожаю n8n, постоянно его рекомендую и считаю одним из лучших инструментов в своем классе. Но именно поэтому я обязан говорить не только о его плюсах, но и о границах применимости.

n8n — это не замена программированию. Игнорирование этого факта может привести к большим проблемам, когда ваш "простенький" воркфлоу внезапно станет частью критически важного процесса.

Я сам использую n8n, но я также знаю, когда от него нужно отказаться. Вот несколько реальных проблем, с которыми сталкивается сообщество и которые я учитываю:
• Вебхуки могут "засыпать". Это самая частая боль. Входящий запрос может просто не обработаться без видимых причин до ручного перезапуска. Для продакшена это недопустимо.
• Любит "кушать" память. На больших объемах данных или после обновлений n8n может начать течь по памяти и просто зависать.
• Отладка — это боль. Когда воркфлоу разрастается до 20+ нод, поиск ошибки превращается в нетривиальный квест. В коде это делается на порядок проще.
• Встроенная база данных (SQLite) может подвести. При активном использовании она рискует повредиться или заблокировать выполнение. Опытные пользователи сразу переезжают на PostgreSQL.

Так когда же n8n — идеальный выбор?
✅ Прототипы и MVP. Проверить гипотезу, связав 3-4 сервиса за час? Идеально!
✅ Простые, некритичные связки. Отправлять себе уведомления в Telegram, собирать данные в Google Sheets, делать простые AI-запросы.
✅ Внутренние инструменты. Автоматизация для себя или своей команды, где цена ошибки невысока.

Когда я сразу выбираю код:
❌ Mission-critical процессы. Если отказ автоматизации ведет к потере денег или клиентов.
❌ Высокие нагрузки. Если нужно обрабатывать сотни и тысячи запросов в час.
❌ Сложная бизнес-логика. Если в процессе много ветвлений, циклов и нужна тонкая обработка ошибок.

n8n — это лучший способ быстро проверить идею и автоматизировать рутину. Но не стройте на нем ракету, которая должна долететь до Марса. Используйте его как мощный инструмент в своем арсенале, а не как религию.

А у вас были моменты, когда подобные инструменты подводили и приходилось все переписывать на код? Поделитесь своей историей боли в комментах!

Один API-ключ для GPT-4, Claude 3 и сотен других моделей ⭐️

Хотите использовать GPT-4 для текстов, а Claude 3 для кода? А еще Llama 3 для экспериментов? Для каждой топовой модели — своя регистрация, свой API-ключ, своя подписка. Это сложно, дорого и неудобно.

Есть решение, которое убирает всю эту головную боль. Называется OpenRouter.

Что это такое простыми словами?
Это агрегатор, который собрал под одной крышей более 300 AI-моделей. Вы регистрируетесь в одном месте и получаете доступ ко всем сразу.

Главные фишки, которые упрощают жизнь:
• ✅ Единый API-ключ. Один ключ для сотен моделей. Больше не нужно управлять десятком разных доступов.
• ✅ Простая оплата. Один счет для всех нейросетей. Это значительно упрощает пополнение баланса и контроль расходов.
• ✅ Экономия. Вместо множества подписок по $20 вы платите только за то, что реально используете (pay-as-you-go).

Зачем он нужен в n8n?
Вместо того чтобы настраивать 10 разных подключений (OpenAI, Anthropic и т.д.), вы просто вставляете один API-ключ от OpenRouter. Это позволяет в одном воркфлоу гибко использовать разные модели для разных задач.

Про лимиты, которые важно знать:
• Бесплатный доступ: Есть, но с ограничениями. С балансом < $10 вы можете делать до 50 запросов в день к бесплатным моделям.
• PRO-режим: Как только вы пополняете счет на $10 и больше, ваш дневной лимит на бесплатные модели вырастает до 1000 запросов. Этого более чем достаточно для большинства задач и экспериментов.

OpenRouter — это мощное решение для тех, кто хочет работать с зоопарком современных нейросетей без лишних сложностей. Особенно если вы планируете использовать их в автоматизации через n8n.
Просто зарегистрируйтесь и попробуйте. Это бесплатно и откроет для вас много новых возможностей.

Уже пользуетесь OpenRouter? Как впечатления? Делитесь в комментах!

Собрал AI-нутрициолога на n8n, который читает этикетки по фото 🧁

Каждый поход в магазин — квест. Стоишь у полки, пытаешься расшифровать состав и гуглишь каждый второй ингредиент. Знакомо?

Мне надоело, и я за несколько вечеров собрал себе AI-помощника в Telegram, который делает всю эту работу за меня. Так родился мой pet-проект Foody Scan (@FoodyScanBot).

Но это не очередная история успеха. Это честный рассказ о том, как собрать работающий MVP практически без кода, и какие костыли пришлось изобрести по пути.

Внутри статьи — подробный разбор под капотом:
• Стек: Как я связал self-hosted n8n, Supabase и Telegram Bot API в единую систему.
• AI-пайплайн: Почему одна LLM не справилась и пришлось строить двухступенчатую систему "OCR-робот + нутрициолог".
• Ручная работа с API: Как прикрутил оплату через Telegram Stars, когда для этого нет готовых нод.
• Борьба с UX: Что делать, когда AI думает 120 секунд, а пользователь хочет уйти.
• Ловушка "бесплатного" Supabase: Как не потерять всю базу данных, если ваш проект простаивает неделю.

Это подробная история одного pet-проекта со всеми граблями и выводами.

🔗 Читайте, чтобы увидеть, как создаются подобные AI-продукты (и не наступить на те же грабли):
Teletype • Dzen • VC

Fatal Error: главная ошибка моего AI-нутрициолога 🗑

Итак, Foody Scan работает. Он анализирует фото, парсит состав, общается с LLM и выдает отчет. Технически — это маленькая победа. Но есть одна проблема. Я им почти не пользуюсь.

И это главный провал проекта.

Я был так увлечен вопросом «Смогу ли я это собрать на n8n?», что забыл про главный вопрос: «Будет ли этим, черт возьми, удобно пользоваться?».

Реальность оказалась жестокой:
• Никто не хочет стоять посреди магазина, пытаясь поймать в фокус бликующую этикетку с мелким шрифтом.
• Никто не хочет ждать 2 минуты, пока AI проанализирует картинку. За кулисами происходит магия, но для пользователя — это вечность.
• Этикетки бывают прозрачными, мятыми, текст — размытым. Качество фото напрямую влияет на результат, а значит, система нестабильна по своей природе.

Очевидное решение — сканировать штрих-код. Но это уже совсем другой проект. Это означало бы строить многоуровневую систему парсинга, которая ищет данные о продукте в интернете по его ID. Это крутая задача, но она не входила в мой первоначальный план «поиграться с n8n».

И вот главный урок, который я вынес: если бы я в самом начале честно сел и на 5 минут представил себя в магазине с телефоном в руке, я бы, возможно, понял, что идея с фото — тупиковая. Нужно было изначально думать в сторону штрих-кодов или чего-то еще.

Этот проект, который вырос из простого эксперимента, стал для меня отличным напоминанием: техническая возможность не равна продуктовой ценности.

А у вас были проекты, которые технически взлетели, но оказались неудобными или ненужными в реальной жизни? Поделитесь своими историями в комментах!

Нужен ваш совет: выбираем следующий AI-проект ✍️

Есть несколько идей, все они по-своему интересные и сложные, и я не могу решить, на что направить своё свободное время. Поэтому я решил обратиться к вам. Помогите выбрать следующий pet-проект, за сборкой (и всеми "подкапотными" особенностями) которого вы будете следить.

Вот шорт-лист:

1. Автономный AI-дзен-канал.
Идея-максимум: создать систему, которая сама ведет канал на Дзене. Она будет искать темы, писать и публиковать развлекательный контент, анализировать реакцию аудитории и даже пытаться в SEO. Такой цифровой организм, который живет своей жизнью. Главная задача и цель – этот контент реально приносит пользу и не является SEO мусором и трешом в формате контент ради контента.

2. TG-фильтр от FOMO (Fear Of Missing Out).
У меня есть знакомые, которые подписаны на 100+ каналов по определенной нише, например, по обучении на GameDev соло‑разработчика. Сделать AI‑ассистента, который читает все новые посты по вашей теме (например, тот же GameDev), отсеивает рекламный мусор, повторы и воду, а раз в день присылает вам основную суть и то, что можно было бы перенять. Убрать шум.

3. «Третья рука».
Самый философский проект. Попытка создать не просто ассистента, а цифровое продолжение себя, повторим один из сюжетов "Черного зеркала"? Он не заменяет, а совсем чуть-чуть дополняет: анализирует комментарии к моим постам, улавливает настроения, защищает от импульсивных решений и помогает держать фокус. Такой мини-помощник для блогера, при этом тут можно будет вместо «блогерства» поставить всё что угодно, в этом и основная сложность данной идеи.

4. Кастомные модули (ноды) для n8n.
Часто в n8n не хватает готовой интеграции с каким-то сервисом или специфической функции. Я мог бы взять самые частые запросы от сообщества (в том числе от вас!), написать несколько кастомных нод и выложить их в open-source, чтобы каждый мог их использовать.

Ваша идея!
Возможно, у вас есть идея для проекта, которая идеально вписывается в тематику AI и автоматизации, и я ее просто не вижу.

А теперь самый главный вопрос — что вам было бы интереснее всего? За каким проектом вы бы следили с наибольшим азартом?
Проголосуйте в опросе ниже!

Вы автоматизировали рутину. Что дальше? 💤

Итак, вы настроили свои первые воркфлоу, убрали несколько повторяющихся задач и освободили 2-3 часа в день. Победа? Не совсем.

Здесь поджидает ловушка: эта драгоценная пустота мгновенно заполняется мелкой суетой, скроллингом ленты или "очень важными" созвонами. Мы просто меняем один вид бега в колесе на другой.

Запомните: цель автоматизации — не просто дать вам больше времени. Цель — высвободить ресурсы для глубокой и сфокусированной работы.

Это время — не для того, чтобы сделать больше мелких задач. Это ресурс, который нужно направить на то, что действительно двигает вас вперед.

Весь подход сводится к простому циклу:
1. Находим точки трения (повторяющиеся, низкоуровневые процессы).
2. Устраняем их автоматизацией (высвобождаем свои ресурсы).
3. Направляем ресурсы на задачи с высоким импактом (создание нового, стратегическое планирование, обучение).

Как не попасть в ловушку "свободного времени"?
Сделайте простой шаг: составьте «список для фокуса». Это короткий перечень из 1-3 самых важных задач, на которые вам вечно не хватало времени или энергии.
• «Разобраться с Langchain»
• «Продумать архитектуру нового pet-проекта»
• «Написать ту самую статью, которую давно хотел»
Держите этот список на видном месте. И как только автоматизация освободит вам час — вы будете точно знать, куда направить свою энергию.

А какая задача №1 в вашем «списке для фокуса»? На что вы направите первый же освободившийся час?

Навигация по ключевым темам 🔖

Канал растет и чтобы вам было проще ориентироваться, я собрал все ключевые материалы в одном месте и разбил на категории.

💡 Философия и подходы:
• Хватит быть просто исполнителем – превращаем рутину в топливо для роста
• Я перестал строить «песчаные замки» – теперь ищу рычаги для автоматизации
• Вас просят «быть на 20% эффективнее»? Это ловушка
• Ваш мозг это одноядерный процессор – хватит его перегружать
• Ваша рутина это скрытый налог – как его найти и посчитать
• Вы автоматизировали рутину. Что дальше?
• T-shape в AI – когда стоять на месте значит катиться назад
• Что, если алгоритм любит лучше, чем человек?
• От случайности к предсказуемости – как получать от AI стабильный результат
• Три причины, почему будущее за локальными решениями
• Про проблемы масштабирования
• Как AI помогает бороться с выгоранием?
• Мы все стали немного киборгами в 2025-м
• Я подсел на AI как на игровые автоматы – про зависимость и рефлексию
• Красивый процесс, ноль эффекта – «трипл эй» вместо красивого менеджмента
• Думаешь, AI тебя ускоряет? – METR показал разрыв ощущения и реальности в 39 п.п.

🔖 Другие популярные темы на канале:
• 🗂 Весь n8n в одном посте: Шпаргалка, чтобы не искать
• 🗂 Всё про вайбкодинг

📌 Сохраняйте этот пост! Он будет время от времени пополняться новыми ссылками.

Битва за «второй мозг»: Obsidian vs Anytype vs AFFiNE 🏆

Поиск идеального инструмента для заметок — это боль. Ты неделями мигрируешь данные, смотришь обзоры, а в итоге всё равно неудобно. Знакомо?
Я потратил кучу времени, чтобы глубоко разобраться в трех титанах:
• Obsidian: цифровая мастерская для тех, кто любит всё контролировать.
• Anytype: структурированная база данных для тех, кто мыслит системами.
• AFFiNE Pro: гибрид Notion и Miro для визуалов и командной работы.

В своей новой статье я разобрал их не как маркетолог, а как пользователь. Без воды — только ощущения от работы, подводные камни и честные выводы.

Но главное — внутри есть простой тест-импульс, который за 30 секунд поможет понять, в каком вы лагере. Он объяснит, почему вам «не зашел» один инструмент и почему другой может стать продолжением вашей руки.

🔗 Читайте, чтобы прекратить поиски и наконец-то выбрать своё:
Teletype • Pikabu • VC • Dzen

AI-браузеры. Где технология свернула не туда 🖥

Больше месяца я тестировал Comet — нашумевший AI-браузер от Perplexity. В теории все звучало как революция: браузер, который сам читает вкладки, заполняет формы, ищет товары и делает рутинную работу за тебя.

На практике все оказалось... иначе.

Я дал ему простую, казалось бы, задачу: «Найди лучшую и самую дешевую умную колонку для такой-то комнаты с таким метрожом, с доставкой до недели». Я ожидал сравнительную таблицу, анализ отзывов, умный подбор, учет квадратных метров.

Что я получил:
После 10 минут раздумий Comet предложил мне какую-то непонятную колонку без Bluetooth, которая к тому же была на 15% дороже аналогов. Я бы руками нашел лучше за 5 минут.

Я пробовал и другие сценарии. Например, перенести данные из таблицы в одной вкладке в 10 форм в других. И снова — ошибки, промахи, неточности.

Было ещё несколько попыток дать шанс, но и там результат ещё хуже.

Мой главный вывод:
Для сложных бытовых задач, где нужно учитывать много нюансов, AI-агенты в браузерах пока бесполезны. Они создают иллюзию работы, но по факту тратят ваше время и выдают результат хуже, чем если бы вы сделали всё сами. Если кратко, то для меня сейчас эта вся история – «красивая демо-версия будущего» и не более 😑

Но потенциал у технологии есть!
Мне нравится, как Comet «видит» страницу: нажимает кнопки, считывает информацию. Представьте, если бы это использовали для авто-тестирования: «Попробуй залогиниться на этом сайте, найти карточку, добавить её в избранное», и AI сам бы нашел и сохранил нужную последовательность кликов и тех же XPath'ов, которые потом легко перенести в какие-нибудь UI тесты? Вот это было бы круто.

А вы уже пробовали AI-браузеры? Какие у вас впечатления? Может, я что-то делаю не так?

MCP. Как AI стал штурманом в мире документации 🤨

Пару лет назад я решил пилить 2D-игру на движке Defold. Язык Lua и сам движок были для меня тёмным лесом, но мне просто приспичило. Я честно потратил неделю на изучение основ, но реальность оказалась сложнее.

Мой типичный вечер: 30 минут кода и час мучительного поиска в документации.

Проблема была не в том, что доки нужно читать — это святая обязанность. Проблема была в самом процессе: найти нужный метод, сверить версию, откопать рабочий пример и понять, почему он у тебя не работает... Я выгорал не от сложности кода, а от этой бесконечной беготни по вкладкам.

Недавно я вернулся к тому проекту с современными AI-инструментами. И разница — колоссальная. Секрет в одной аббревиатуре — MCP (Model Context Protocol).

Если просто, это протокол, который превращает вашего AI-ассистента в идеального штурмана. Я подключил Context7 — открытый MCP-сервер, который знает всё про сотни библиотек.

Теперь, когда я задаю вопрос AI, происходит магия:
1. Context7 находит в официальной документации самый релевантный раздел, соответствующий моей версии библиотеки.
2. Он «подкладывает» этот свежий, проверенный контекст в запрос к AI-модели.
3. AI-ассистент генерирует ответ, основываясь не на своих устаревших знаниях, а на оригинальной документации.

Что это изменило?
AI не заменил для меня необходимость читать и понимать доки. Но он взял на себя самую выматывающую часть — их поиск. Пропорция «час на поиск, 30 минут на код» перевернулась. Я трачу время на изучение конкретного релевантного примера, а не на блуждание по десяткам вкладок.

Технологии вроде MCP — это не про то, чтобы стать ленивее. Это про то, чтобы убрать из работы трение и направить всю свою энергию на то, что действительно важно — на понимание и создание.

А вас тоже выматывает ручной поиск в доках? Были проекты, где вы тратили больше времени на вкладки браузера, чем на код?

Собрал полный гайд: как поднять n8n и Supabase на своем VPS за один вечер ⚡️

Если вы хотите, чтобы ваши автоматизации работали надежно, а данные хранились у вас, self-host — лучший выбор.

В новой статье я показал, как с помощью Coolify превратить любой VPS в удобную панель управления и развернуть полный стек для своих проектов:
1️⃣ Устанавливаем Coolify на Ubuntu.
2️⃣ В один клик деплоим n8n с PostgreSQL.
3️⃣ Так же легко поднимаем Supabase с векторной базой pgvector на борту.

🔗 Читайте подробный гайд и забирайте себе готовый сетап:
Teletype • VC • Dzen • Pikabu