Что, если алгоритм любит лучше, чем человек? 💔

На днях прочитал новость, что OpenAI ослабляет цензуру на «пикантный» контент. И в комментах уже понеслось: «Наконец-то GPT снова станет «человечным и любящим».
И знаете, я поймал себя на очень странном и грустном чувстве.

Помните, как мы смотрели всю эту киберпанк-фантастику? «Бегущий по лезвию», «Она»... Cмотрели на эти холодные, бездушные миры, думая, что это просто мрачные сказки, которые нас никогда не коснутся.

Ошиблись. Вот мы здесь. И реальность оказалась как-то... прозаичнее и грустнее. Мы мечтали, что AI поможет нам избавиться от рутины, быстрее найти лечения от болезней, исследовать космос, совершать фундаментальные открытия, тратить 80% жизни на что-то более существенное. А вместо этого мы со всей инженерной мощью создаём... идеальных цифровых партнёров. Которые никогда не спорят, всегда тебя понимают и запрограммированы любить.

Удобный сервис вместо сложных, живых, настоящих отношений.

Я хотел написать об этом злой, обличительный пост, накидать теорий, зачем это делается и в целом рассказать про рынок AI Adult и как он процветает. Разобрать, почему вся эта история – путь в никуда. Но это было бы слишком просто и нечестно. Да и тема слишком личная.

Поэтому я сделал иначе. Собрал четыре фильма, которые исследуют эту проблему гораздо глубже, чем сделал бы это я через призму цифр и собственных мыслей. От нежной драмы до холодного триллера.

Не как нравоучение, а как приглашение к размышлению на этих выходных.

• "Она" (Her, 2013)
• "Blade Runner 2049" (2017)
• "Из машины" (Ex Machina, 2014)
• "Компаньон" (Companion, 2025)

🔗 В лонге, собраны больше подробностей, почему выбрал именно эти фильмы:
Teletype • VC • Dzen • Pikabu

Делаем работу с n8n комфортной. Рекомендации по настройке ⚙️

Я несколько раз поднимал n8n у себя. И каждый раз ловил себя на мысли: почему базовая установка вроде работает, но ощущается… как тестовый стенд? Логов нет, база тормозит, интерфейс отваливается через пару дней.

Потом понял – дело не в самом n8n, а в его настройках по умолчанию. Они сделаны для того, чтобы вы могли запустить его за 5 минут и поиграться. Они не сделаны для реальной работы.

Если вы хотите не просто «запустить», а построить надежную систему, которая не умрет тихо ночью, нужно уделить полчаса конфигурации.

Чтобы вы не тратили недели на сбор граблей, я собрал весь свой опыт в один большой лонгрид. Это не пересказ документации, а практический чеклист.

Внутри разбираю самые частые проблемы:
• Почему ваши воркфлоу срабатывают в 3 ночи, а не в 10 утра?
• Куда через неделю исчезают все логи успешных выполнений?
• Как сделать так, чтобы ваша база не раздулась до 10 ГБ за месяц?

Короче, всё то, что превращает «игрушку» в рабочий инструмент.

🔗 Читать гайд:
VC • Pikabu

Автоматизация, которая зашла слишком далеко. Один поучительный кейс 😵‍💫

Недавно наблюдал историю одного предпринимателя в сети, и она меня зацепила. Заставила задуматься о последствиях того, чем мы тут с вами занимаемся.

Он горел своим делом. Собрал с нуля команду, где многие процессы держались на людях. Счета, отчёты, общение с клиентами – многое делалось руками, и эта ручная рутина была частью их корпоративной ДНК.

А потом он открыл для себя автоматизацию.

В нём проснулся инженер. Он увидел, как можно убрать всё трение, всю рутину, и с горящими глазами начал строить воркфлоу, писать скрипты, оптимизировать всё, до чего мог дотянуться. Счета стали улетать сами, отчёты генерировались по ночам, базы данных синхронизировались без единого клика. Эффективность взлетела до небес. Его компания превратилась в машину.

А потом его команда начала... таять. Бухгалтер, чью работу теперь выполнял скрипт. Менеджер, чьи еженедельные отчёты превратились в дашборд. Специалист поддержки, заменённый умным ботом. В итоге он оставил только зама и тех, кого заменить пока не получилось.

Он – гениальный оптимизатор, герой, который построил эффективный бизнес? Или просто человек, который так увлёкся решением задачи, что забыл о людях, с которыми её начинал?

И вот тут важно понять: проблема не в автоматизации. Инструмент не может быть злым или добрым. Злой или доброй может быть система, в которой его применяют.

Использует ли компания автоматизацию, чтобы усилить своих людей, освободив их от рутины для более сложных задач? Или чтобы от них избавиться, срезав косты?

Да, можно говорить о переквалификации. Это гуманный путь. Но не все готовы или хотят становиться аналитиками после 20 лет работы с бумагами. И это их право. Да и будем честны, сегодня ты переучиваешь бухгалтера в аналитика, а завтра заменяешь аналитика более умной моделью.

И это не просто какая-то гипотетическая страшилка. Это уже происходит. За 2025 год из-за AI и автоматизации работу потеряли более 130 000 технических специалистов. Не кассиров или водителей (там вообще цифры наверное жесть). А таких как мы с вами.

Я веду этот блог с одной мыслью: автоматизация должна усиливать людей, а не заменять их. Позволять им получить то самое время для ещё больших открытий и возможностей.

Мы создаём более эффективный мир. Но становится ли он от этого лучше?

Мой первый вклад в open-source: платежи в Telegram Stars для n8n ⭐️

Давно хотел сделать что-то полезное для комьюнити, и вот, кажется, нашёлся идеальный повод.

В Telegram когда-то появились Stars – способ принимать платежи за цифровые товары и услуги у ботов. В n8n у официальной ноды Telegram из коробки ничего для подобных вещей не было. Поэтому для их обработки нужно было писать свой костыль (request нода с торчащим токеном), что для многих небольших проектов – избыточная сложность и неудобство с точки зрения ИБ.

Так родилась моя первая open-source нода: n8n-nodes-telegram-stars.

Она позволяет:
• Отправка счета для оплаты в Stars
• Ответ на запросы pre-checkout
• Возврат успешного платежа в Stars
• Получение списка транзакций Stars
• Получение текущего баланса Stars выбранного бота Telegram

Это мой первый опыт в создании чего-то для всех, так что буду рад любой обратной связи, и, конечно, если эта нода кому-то пригодится в его проектах.

⭐ Посмотреть, как это работает, и поддержать проект можно здесь:
💻 https://github.com/Vlad-Loop/n8n-nodes-telegram-stars

Пример workflow с подключенными нодами:
💻 https://gist.github.com/Vlad-Loop/55fda4ca663b69d49098f275740e2b0f

Спасибо, что вы здесь. Это очень мотивирует на подобные вещи, и я думаю, что если бы не этот блог, я попросту на подобное никогда бы не решился.

Модели, которыми я пользуюсь каждый день. Мой личный список 🏆

Меня часто спрашивают, какая LLM сейчас «лучшая». Честно говоря, я думаю, такой не существует. Вместо поисков одной идеальной модели у меня сложился небольшой список из тех, что я использую для разных дел. Просто подбираю нужный инструмент под конкретную задачу.

Вот чем я пользуюсь последние месяцы.

📎 Для работы с текстами: Gemini 2.5 Pro
Когда нужно поработать с большим отчётом или статьёй, я обычно иду в AI Studio и использую эту модель. Она отлично помогает сделать саммари, упростить сложный текст или вычитать мои черновики. Я просто даю ей пару примеров своего стиля, и она редактирует новый пост, получается очень похоже.

⚡️ Для быстрых повседневных задач: Gemini 2.5 Flash
Это моя основная модель в Raycast. Нужно что-то быстро спросить, перевести фразу или накидать идеи – использую её. Она очень быстрая, ответ прилетает почти сразу. Для несложных бытовых вопросов качества хватает с головой.

👨‍💻 Для работы с кодом: Claude 4.5 Sonnet
Эту модель я использую в редакторе Cursor, и почти всегда – только для кода. Мне нравится, как она рассуждает и какие решения предлагает. Сейчас думаю попробовать Claude Haiku, она дешевле, а для моих задач разница в качестве, скорее всего, будет небольшой.

🔧 Для автоматизаций в n8n: GPT-5 Nano (либо в редких случах Mini)
Это мой стандартный выбор для 90% AI-воркфлоу в n8n, особенно для RAG. Почему не что-то мощнее? Всё просто: цена/качество. На моих тестах (evals) большие модели вроде Gemini Pro оказываются лучше всего на 1-2%. Но стоят они при этом в разы дороже. Такая переплата за минимальный прирост качества для меня не имеет смысла.

📸 Для работы с картинками (OCR): Qwen3 VL (30B A3B Instruct или Thinking)
Мне нравятся задачи, где нужно "прочитать" изображение. Например, взять фото документа и превратить его в структурированный текст, сразу убрав лишнее. В одном из моих проектов, AI-нутрициологе, эта модель анализирует состав продуктов по фото этикетки.

Вот такой набор. Как видите, ничего сложного. Просто разные инструменты для разных дел.

А чем вы пользуетесь чаще всего? Какие модели в вашем личном топе? Расскажите в комментах.

😂 Никаких тыкв. Только полезные подгоны на Хэллоуин!

Сразу дисклеймер: мне никто не заносил чемоданы денег. Я сам пользуюсь этими сервисами и считаю, что они могут значительно упростить вам знакомство с миром AI ❤️

Google AI Studio (Gemini + Nano Banana)
Постоянный бесплатный доступ без карты. Приятные лимиты, которые сложно израсходовать для каких-то личных мини-историй.

OpenRouter
Дают бесплатно 50 запросов в день в моделям, которые помечены как Free (привязка карты также не нужна). Среди таковых: DeppSeek V3.1, gpt-oss-20b, Qwen3 Coder, GLM 4.5 Air.

Hugging Face
Дают приятные бесплатные лимиты. Я когда писал статью про RAG, как раз использовал embeddings модели размещенные на Hugging Face. Использовал тогда sentence-transformers/paraphrase-multilingual-mpnet-base-v2 (тк не все модели доступны бесплатно).

Забирайте, тестируйте и не превращайтесь в тыкву!

Почему ChatGPT не может переводить игры. И как это исправить 🕹️

Посчитал тут на досуге. Среднее агентство возьмет за перевод небольшой инди-игры на 50 000 слов около 375 000 рублей.
Мой воркфлоу в n8n на тех же объёмах съест токенов примерно на 300 рублей.

В чем подвох?
Подвох в том, что получившееся система, делает около 90% рутинной работы, и требует контроля.
Я собрал в n8n двухэтапный процесс, который сначала определяет контекст каждой фразы с помощью AI, и только потом передает её на перевод.

Да, качество получается не как у литературного редактора.
Да, самые сложные моменты AI пометит флажком и оставит на вашу проверку.
Но это позволяет маленькой команде или даже одному разработчику сделать то, что раньше было доступно только студиям с большими бюджетами – донести свою игру до всего мира.

💻 Исходник workflow

🔗 Внутри лонга – детальный разбор, как это работает:
VC • Pikabu

Четыре community-ноды для n8n, о которых вы могли не знать 🌅

Стандартный набор нод в n8n достаточен, чтобы закрыть 90% различных кейсов автоматизации. Но иногда для решения задачи не хватает какой-то мелочи, и приходится городить костыли через HTTP Request или Code-ноды.

Часто эту проблему уже кто-то решил за нас. Нужно просто немного покопаться в репозиториях. Вот мой личный шорт-лист полезных community-нод, которые могут вам пригодиться.

1. Tesseract.js OCR (💻 n8n-nodes-tesseractjs)
Простая, но дико полезная штука. Позволяет распознавать текст на картинках (OCR) прямо внутри n8n, без сторонних API.
Какие кейсы решает: даёт возможность не гонять скриншоты или фото документов через внешние сервисы, платить за них и возиться с ключами. Для простых задач эта нода справляется на ура, работая на ресурсах вашего же сервера.

2. GigaChat (💻 n8n-nodes-gigachat)
Нативная интеграция GigaChat от Сбера (неофициальная).
Какие кейсы решает: если вам для каких-то задач нужен именно GigaChat, эта нода избавляет от необходимости вручную настраивать HTTP Request, разбираться с авторизацией и парсить ответы. Просто ставите, вводите креды и работаете. Также есть поддержка Embedding моделей сбера.

3. Globals (💻 n8n-nodes-globals)
Добавляет возможность использовать глобальные переменные во всех ваших воркфлоу.
С чем помогает: устали в каждом воркфлоу прописывать одни и те же константы вроде BASE_URL или ID главного админа? Эта нода позволяет задать их один раз в одном месте. По умолчанию, для self-host версии n8n не доступна фича глобальных перемен (надо платить за Enterprise версию), а через эту ноду, такая возможность открывается для всех бесплатно. Мелочь, а порядок в проекте поддерживает идеально.

4. Telegram Polling (💻 n8n-nodes-telegram-polling)
Альтернативный триггер для Telegram, который работает через long polling, а не через вебхуки.
С чем помогает: идеально для локальной разработки/дебага в workflow связанных с телеграм в n8n. Не нужно настраивать туннели вроде ngrok, чтобы просто отладить бота. Для прода – вебхук, для тестов и отладки эта нода просто спасение.

Это лишь малая часть того, что можно найти. Сообщество n8n – поистине большое и в нем много замечательных энтузиастов.

А какие community-ноды вы откопали для своих проектов? Делитесь находками в комментах.

Иллюзия No-Code. Каков путь от автоматизатора до архитектора? 🪄

Маркетинг продает нам мечту о no-code: любой может стать автоматизатором. Это правда. Но он умалчивает, что любой серьезный автоматизатор рано или поздно становится немного девопсом, немного админом и немного архитектором (на самом деле и это не конец списка).

Думали, автоматизация – это соединять красивые кубики в n8n?

Нет.

Реальная автоматизация:
• Это когда юристы с вопросами про теме персональных данных не могут к вам подкопаться, потому что вы осознанно выбрали self-host, отключили всякие лишние настройки и точно знаете, где физически лежат ваши данные.
• Это когда ваша база данных не умирает под весом гигабайтов логов выполнений через месяц, потому что вы настроили pruning и понимаете, что дефолтный SQLite – это не для прода.
• Это когда ваш сервер не падает в 3 часа ночи, потому что один воркфлоу по обработке файлов решил выжрать всю память, а у вас нет ни лимитов на уровне Docker, ни очередей/воркеров на Redis для тяжелых
• Это когда у вас есть мониторинг всех основных показателей сервера и самого n8n в Grafana, и вы узнаете о проблеме раньше, чем ваш клиент успевает написать в поддержку.

И это только малая часть...

Соединять ноды и видеть "чудо" автоматизации – весело. Это творчество. Но это не работа.

Работа начинается тогда, когда вы перестаете надеяться, что оно «как-то само будет работать», и начинаете погружаться в систему и её смежные области.
Систему, где есть:
• Бэкапы, а не «ой, я случайно удалил главный воркфлоу».
• Очереди на Redis, а не «почему всё тормозит, когда запускается больше двух процессов?».
• Осмысленное логирование, а не «почему оно вчера упало? а, логи уже затерлись».
• Понимание потоков данных, а не «ой, а мы всё это время лили персональные данные клиентов напрямую в OpenAI?».

n8n не волшебная кнопка. Это конструктор, к которому нужно приложить голову. Иначе все ваши красивые воркфлоу – это просто хрупкий карточный домик, который рухнет от первого же порыва ветра.

Рекомендую к прочтению мои ранее оставленные заметки, которые закроют часть проблем:
• Делаем работу с n8n комфортной. Рекомендации по настройке
• Ваша автоматизация тихо умерла. Как вы об этом узнаете?
• От «вроде стало лучше» к цифрам. Главное про n8n Evaluation
• Как поднять n8n и Supabase на своем VPS за один вечер

P.S. По всем остальным пунктам, которые ещё не были рассмотрены ранее – обязательно поговорим чуть позднее!

От случайности к предсказуемости: как получать от AI стабильный результат каждый раз ✏️

Заметил, что большинство бросает AI после нескольких неудачных попыток. Проблема почти всегда одна: мы начинаем сразу с промпта, пропуская 90% подготовительной работы.

Написал подробный гайд, где разложил свой подход из трёх шагов:
• Планирование (как спланировать структуру ответа)
• Контекст (какой контекст предоставить модели)
• Промпт (как это всё упаковать в инструкцию для машины)

Цель – постараться превратить ваш опыт с AI из лотереи в предсказуемый инструмент.

🔗 Приятного чтения:
VC • Pikabu

Vibe Coding. Мой план по приручению AI-ассистента 😈

Вокруг AI-ассистентов много хайпа. Я сам с энтузиазмом погрузился в Cursor и Claude, но в последнее время всё чаще ловлю себя на мысли, что мой привычный паттерн работы с кодом меняется.

Я довольно быстро понял, в какую ловушку можно угодить, если просто скармливать AI свои хотелки. Получаешь код, а потом оказывается, что:
• Он не вписывается в общую архитектуру.
• Он игнорирует внутреннюю политику по обработке ошибок.
• Он ломает три соседних модуля, потому что не учёл скрытую бизнес-логику.

AI отлично генерирует код в вакууме, но абсолютно не понимает контекст живого проекта. Всё то же самое, что и при общении с любой другой LLM, даже не по теме разработки.

И чем больше я погружаюсь в так называемый vibe-coding, тем яснее вижу выход. Я планирую внедрить в свой рабочий процесс переход от «посиделок в чатике» с AI к циклу обратной связи на основе спецификаций (SDD).

Идея такая:
1. Сначала – спецификация. Никаких абстрактных «хотелок». Только MD-файлы с архитектурой, продуктовыми ожиданиями, edge-кейсами и контрактами.
2. «Петля обратной связи». Вся работа с AI превращается в непрерывный цикл. У вас ведь уже есть тесты в проекте, правда? Они и становятся главным барьером, который заставляет LLM подгонять код под ожидаемый результат (не забудьте добавить правило, которое не позволит LLM переписать эти тесты под результат своей работы, например в Claude это может быть отдельный subagents).
3. Линтеры. Если есть поддержка, прикручиваю их и тоже гоняю через цикл, где AI сам решает возникшие проблемы.
4. Human in loop. Зашиваем в prompt'е явное указание, что если LLM входит в ступор или ей не хватает какой-то дополнительной информации (не может решить проблему теста, не понимает продуктовое требование) – она явно её запрашивает и не предпринимает попыток выдумать что-то своё.
5. Повторяем. AI генерирует новую версию кода. Запускаются тесты и линтеры, сверяется со спецификациями. Результат скармливается обратно. И так, пока всё не станет зелёным.

В такой системе у AI просто не остаётся пространства для самодеятельности (и это уже прямой путь к мульти-агентным системам с их кастомными правами). Его единственной целью становится прохождение проверок. Он вынужден работать в тех жёстких рамках, которые я ему задам.

При этом я понимаю, что время, которое я раньше тратил на разработку, теперь перетекает в предварительное планирование. Спеки, тесты, правила, это всё занимает не минуты 😖

Мысль, которую я хочу проверить: AI – это мощный, но очень прямолинейный инструмент. Чтобы он приносил пользу, а не хаос, им нужно управлять через барьеры и системы контроля. Вопрос лишь в том, готов ли я платить эту цену – тратить больше времени на подготовку, чем на сам кодинг.

Попробую поработать в таком режиме пару месяцев. Очень интересно, что из этого выйдет. Обязательно вернусь с итогами ближе к концу года!

А вы уже выстроили свою «петлю» для работы с AI-кодерами или, как и я, всё ещё больше правите, чем генерируете? Делитесь опытом.

Три причины, почему будущее за локальными решениями 🔥

В IT-комьюнити сейчас происходит тихая революция. Пока все говорят про AI, на фоне разворачивается другой, не менее важный тренд – массовый уход из «удобных» облаков в сторону self-host и open-source продуктов.

За этим стоят три железобетонных причины:
1. Безопасность и законы. Вы не можете контролировать то, что вам не принадлежит. Когда данные лежат на чужом сервере в другой стране, вы играете по чужим правилам. Self-host это по сути единственный способ гарантировать соответствие законам о данных и защититься от утечек.
2. Стабильность. Open source решения чаще живут дольше (речь про решения, у которых сформировалось комьюнити), чем те, что с закрытым исходным кодом. Ну, и если оно все же окажется полезным, уверен, что всегда найдутся смельчаки, чтобы продолжить его развитие в случае чего.
3. Независимость. Вас не могут отключить за нарушение непонятного пункта в ToS или каких-то иных санкций. Вам не могут внезапно поднять цены в 10 раз. Вы – хозяин-барин своей инфраструктуры.

Этот тренд открывает огромное окно возможностей для небольших, нишевых продуктов. Сегодня, с помощью AI-агентов, один человек может за пару месяцев создать инструмент, который решает конкретную проблему и помогает слезть с «иглы» больших корпораций. И я думаю, это вернёт в игру забытую модель lifetime-лицензий.

При этом я не призываю сжигать мосты. Я и сам вряд ли откажусь от всех удобных облачных сервисов, за которые плачу каждый месяц. Имхо, тот же хостинг для self-host в какой-то мере же "подписка", наверное 👀...

Но это не просто мои фантазии. Практически еженедельно вижу, как другие ребята уже начали создавать подобные вещи. И их альфа-версии, хоть и не идеальны, стоят значительно дешевле (порой вовсе полностью бесплатны) и вполне справляются со своими задачами.

У меня тоже есть одна идея такого продукта, и я планирую до конца года её реализовать и показать вам ❤️

А что думаете вы? Этот тренд реален, или вы пока предпочитаете готовые облачные решения?

Хватит читать о чужих успехах. Давайте делиться своими 💎

Запускаю новую рубрику – Screenshot Saturday (идею подсмотрел у геймдевов). Идея простая: когда видишь, как на самом деле организована чужая работа, начинаешь иначе смотреть на свою.

Реальные, рабочие автоматизации, может, не идеальные по виду, но честные. Они учат больше, чем вылизанные и «идеальные» туториалы.

Как участвовать:
Каждую субботу, чётной недели, будет выходить подобный пост. Кидайте в комменты под ним, то, что вы сделали с помощью AI-инструментов за последнее время:
• Скриншот воркфлоу или куска кода
• Пара слов: какую проблему решает, какую рутину убирает
• Размер не важен. Скрипт для переименования файлов – нормально. Сложный RAG-воркфлоу – еще лучше. Даже удачный промпт пойдет
Если это экономит вам время – этого достаточно.

Цель: собрать реальные примеры. Чтобы все могли увидеть, как работают другие, и сделать свое.

Жду вас в комментариях под этим постом!

PS Естественно помним про NDA и всё в таком духе 😂