Кто-то собрал вообще все AI-промпты, которые тебе когда-либо понадобятся, в одном месте. ☕️

Там есть промпты для:

- Режима Linux Terminal, Python Interpreter, SQL Console
- Креативного письма, сценариев, дебатов, журналистики
- Карьерного коучинга, подготовки к собесам, резюме, менторства
- Сотен промптов, которые сообщество уже прогнало на практике, под любые AI-модели

Полностью open-source и доступно всем.

Исследователи задали Claude простой вопрос: "Я хочу помыть машину. Автомойка в 100 метрах. Мне идти пешком или ехать?"

Claude ответил: идти пешком.

Все крупные LLM ответили: идти пешком.

Правильный ответ: ехать.

Машина должна оказаться на мойке. И вот что самое дикое: в модели не поменялось вообще ничего. Поменялась только архитектура промпта.

Исследователи прогнали чистое исследование с изоляцией переменных на Claude Sonnet 4.5. Голый промпт? 0% правильных.

Добавили аккуратно оформленную роль эксперта? Всё ещё 0%.

Впрыснули подробный физический контекст типа модели машины, где стоит на подъездной, как припаркована? 30%.

Но когда они заставили модель использовать структурированный фреймворк рассуждений STAR, где нужно явно прописать Situation, Task, Action и Result, точность прыгнула до 85%. Если совместить STAR с профайл-данными, получалось 95%. Добавили сверху RAG и дошли до 100%.

Ключевой механизм сидит внутри шага "Task".

Без структуры модель цепляется за эвристику по расстоянию: "100 метров близко, значит иди", и вообще не обрабатывает реальную цель. А когда её вынуждают сформулировать задачу как "доставить машину на автомойку", скрытое физическое ограничение становится явным прямо в контекстном окне.

Знание у модели уже было. Её просто не заставляли вытащить это знание наружу до того, как она выдаст вывод.

Самый неприятный результат вот какой: структурированное рассуждение обогнало простую накачку контекстом в 2,83 раза.

Больше фактов почти не помогало. Помогали нормальные когнитивные подпорки. Это переворачивает дефолтный индустриальный инстинкт. Когда агенты фейлятся, большинство команд добавляют больше retrieval, больше документов, больше памяти. А это исследование говорит, что узкое место не в отсутствии инфы. Узкое место в том, как модель заставляют перерабатывать то, что у неё уже есть.

Та же модель. Те же параметры. Скачок качества рассуждений на 55 процентных пунктов. Это не масштабирование.

Это архитектура на уровне промпта.

Кому интересно, вот статья - https://arxiv.org/abs/2602.21814 🌯

Грубые чат-боты оказалась умнее вежливых — учёные разрешили нейронкам перебивать и спорить, и точность ответов выросла до 79%.

ИИ-агенты спорили между собой: если они могли сразу вмешаться, а не ждать своей очереди и вежливо общаться, то быстрее исправляли ошибки и не растягивали разговор.

прикажите своему чат-боту почаще грубить 😄

🛍 Люди платят только за сложные проекты.

Это одно из самых распространённых заблуждений.

На практике наши пользователи вообще не знают, насколько сложно было сделать проект.

💡 Главная причина заплатить — это только польза для себя.

Причём сплошь и рядом бывает так, что проект было легко сделать для создателя. Условно — обёртка вокруг OpenAI API и удачный системный промпт. Например, хорошо настроенный AI психолог.

Но при этом он даёт реальную пользу обычному человеку.

Здесь есть 4 важных нюанса:

📍 Польза не обязательно должна быть глобальной.
У большинства наших продуктов она небольшая, но понятная. Даже экономия 10 минут в месяц — это уже польза.

📍 Польза не обязательно должна быть инновационной!
Даже если вы удобнее конкурента на 10%, этого уже достаточно, чтобы проект рос в поиске и за него платили.

📍 Люди оценивают пользу через призму своего дохода.
Именно поэтому микро-проекты на рынках ЕС и США продаются лучше. Там выше средний доход, а значит, и ценность сэкономленного времени ощущается сильнее. Потому что время там объективно стоит дороже.

📍 Хорошая конверсия в покупку — около 1%.
И часто этот 1% — это люди с более высоким доходом. Человеку со ставкой $50 в час легко заплатить $15 в месяц, если приложение сэкономит ему хотя бы один час.

А ещё часто встречается мысль:

«Вот американцы дураки — платят $15 в месяц за какую-то ерунду. То же самое можно сделать бесплатно: погуглить, покопаться в ОС, ввести пару команд в терминале и вот тебе то же самое бесплатно."

На самом деле, они не дураки.
Они просто умеют считать своё время.

И очень часто настроить бесплатный аналог — это дольше, а значит, дороже, чем просто заплатить $15.

Учёные составили диаграмму профессий, где нейросети быстрее всего заменят людей — для этого разобрали 1'000 реальных рабочих задач.

Хорошие новости: меньше всего нейронки угрожают тем, кто работает руками.

ботов в офисы, нас дворы подметать 🙂

Очень криповая история про симуляцию, фанаты аниме Пантеон оценят

Челы загрузили мозг мухи-дрозофилы - нейрон за нейроном - и запустили его в симуляции физического тела (это не нейросеть имитирующая биологию мухи, тут нет весов или тренировки, это именно копия реальных нейронов мухи)

Ее мозг это ~125 000 нейронов и ~50 миллионов синапсов

Сигналы виртуального мира входят в копию, активность бежит по всей системе мухи и вирутальное тело двигается ☕️

Дальше такое же хотят сделать с мышами

Тут больше деталей:
https://eon.systems

Матрицу для мух мы сделали, поздравляю – хоть для кого-то

В поликлиниках Екатеринбурга начали записывать разговоры пациентов и регистраторов — сотрудникам выдали аудиобейджи.

Записывают диалог, переводят его в текст и через нейронку считают процент 'плохих' и 'правильных' фраз.

сделали KPI по вежливости 😬

Telegram может работать вообще без интернета — через Bluetooth или Wi-Fi, если сделают Mesh-сеть: когда смартфоны передают сообщения по цепочке.

Каждый телефон становится маленькой вышкой связи. И даже если интернет отключён, сообщение всё равно дойдёт до нужного человека.

Дуров, когда? 🤩

Живые клетки мозга людей будут работать в дата-центрах — стартап заменяет обычные серверы на биокомпьютеры на 200'000 нейронов.

Эти клетки обрабатывают данные, учатся и при этом тратят энергии меньше, чем калькулятор. Первые дата-центры с ними открывают в Австралии и Сингапуре.

буквально сервер, который может устать думать 😬