BOGDANISSSIMO

OpenAI выложили в opensource Symphony – оркестратор для агентов. Проект интересен сам по себе, но важно не это.

Внимание, официальная инструкция по установке: Tell your favorite coding agent to build Symphony in a programming language of your choice: Implement Symphony according to the following spec: https://github.com/openai/symphony/blob/main/SPEC.md 🌟

Любимая написала 🥰

6. Scale (промышленное внедрение) На этапе scale многие ML фрилансеры, которые не имеют своей команды, передают проект дальше —в IT компании или интеграторам. Потому что промышленная эксплуатация — это уже совсем другие задачи и ответственность: безопасность, интеграции, мониторинг, SLA и поддержка и тд.  Результат этапа: (1) КП на пром (стоимость/этапы/сроки/ресурсы), (2) пояснительная записка на пром (архитектура, риски, допущения, план масштабирования), (3) план внедрения/миграции.

Важно: этапы на карте — это прям эталонная enterprise-версия. Она нужна, если ты хочешь работать с дорогими заказчиками: средний бизнес, энтерпрайз, гос, где есть юристы, безопасники, закупки, контуры, сроки оплат и в целом очень высокая  цена ошибки.

Если ты ML-фрилансер и чаще работаешь с ИП и малым бизнесом — тебе не всегда потребуется проходить весь этот цикл. Иногда NDA вообще не нужно. Иногда достаточно одного документа вместо десяти, а пилот и proof сливаются в один быстрый этап.

Но «скелет» этой карты должен быть и помогать тебе в понимании: – этапности  – ролей (кто что даёт, кто что принимает, кто за что отвечает) – границ (что входит, что не входит, как выглядит успех)

Дальше будем подробно копаться в самых важных этапах, а так же обсудим как же все-таки находить клиентов , чтобы все эти этапы вообще смогли случиться. 👀

Полный профиль AI креатора из 1 предложения или как я сделала побочный продукт из внутренней тулы для себя 🤔

С ноября у нас нет хьюман креаторов, все видео - сгенерированные. Я использовала разные платформы, но везде была проблема - промпты раскиданы по заметкам, личности и наряды креаторов нигде не хранятся, лор не соблюдается и каждый раз собираешь все заново. А еще хотелось не просто картинки - хотелось контент-план, где продукт органично вписан в жизнь инфлюенсера, а не торчит отдельным рекламным блоком.

Собрала пайп под себя, через пару недель его уже использовали знакомые, потом друзья знакомых, да и в этом канале частенько спрашивали. Спрос был очевиден - так появился Aesty Labs 🤝

Сейчас выигрывает не качество картинки, а скорость итераций. Быстро найти нужную внешность и месседж - и не потратить на это состояние 😐

Как работает наш продукт: пользователь описывает что и кому продает, мы предлагаем внешность креатора, генерируем лор, локации, наряды и контент-план с нативной интеграцией продукта. Также поддерживаем текст и моушен, остается только запостить/добавить демо продукта по желанию 🤑

Для подписчиков канала есть промокод EARLYBIRD — скидка 20% работает первые 2 недели 💗

@neural_prosecco

Я ленивый, поэтому настроил себе Todoist MCP с user scope (чтобы Claude Code видел его, независимо от репозитория). Супер интересный экспириенс. Надо будет весь мой #LifeOps переводить на MCP-шки

https://github.com.mcas.ms/greirson/mcp-todoist

P.S. За ссылку большое спасибо Стасу @FactoryDS

P.P.S. Чтобы установить, достаточно клоду кинуть ссылку на репо + токен Todoist, дальше он сам

P.P.P.S. Очевидно, тоже самое можно сделать с любым инструментом для трекинга задач, которым вы пользуетесь, Linear, Jira, Asana, you name it

Очередная новость из мира вайб-кодинга, которая каким-то образом проходила мимо меня последние две недели.

Некий Сэмми скучал дома и решил в качестве эксперимента подключить контроллер от PS5 к своему роботу-пылесосу DJI Romo. Как любой уважающий себя современный инженер, разбираться с подключением он не стал и поручил это Клоду. Клод попыхтел-попыхтел и отчитался, что работа выполнена — Сэмми теперь может управлять своим пылесосом.

Своим и ещё примерно семью тысячами чужих.

В процессе выяснилось, что подключение к облаку DJI устроено так, что один валидный токен от своего устройства мог давать доступ к чужим: управлению, карте дома, телеметрии и видео/аудио с камер и микрофонов. По заявлению DJI, это была ошибка проверки прав в MQTT-коммуникации между устройством и сервером (видимо, сервер проверял только наличие валидного токена, а не то, для какого устройства этот токен выдан). Так что история, скорее, не про хакерские способности Клода, а про уровень надёжности всех этих ваших умных домов.

Сэмми оперативно сообщил об этом в DJI (а заодно и паре журналистов) — дыру, как утверждают, сразу закрыли.

Сэмми-то молодец и уязвимостью во вред не воспользовался, но интересно, сколько таких случаев будет в ближайшие месяцы и годы, когда “повезёт” людям менее обременённым моралью. Вспоминается цитата из “Дозоров” Лукьяненко: — Если все люди станут магами… Сегодня тебе в трамвае нахамят, а завтра — испепелят на месте. Сегодня неприятному соседу дверь гвоздиком поцарапают или анонимку в налоговую напишут, а завтра порчу напустят или кровь высосут.

Ну а на свой собственный пылесос я теперь, конечно, с опаской поглядывать буду.

from sklearn.isotonic import IsotonicRegression

MyFitnessPal купил Cal AI – вирусное приложение для подсчёта калорий по фото.

За ~2 года приложение выросло до 15+ млн загрузок и около $30 млн годовой выручки. Команда – всего 7 человек.

После сделки Cal AI останется отдельным продуктом, но получит доступ к базе MyFitnessPal с 20 млн продуктов.

ИИ-инструменты не спасут лоу-перформеров.

В последнее время, с развитием больших моделей, все чаще наблюдаю дискурс о том, что применение ИИ-тулов будет размывать границу между лоу-перформерами и топ-перформерами и сопряженные с этим общественные опасения. Чуть другим боком, но фактически тот же дискурс идет и в области искусства: "творчество моделей вытесняет творчество людей". И самое забавное, что ситуация, которую я наблюдаю в своей работе, показывает скорее совершенно обратное. Лоу-перформеры, обложенные ИИ-тулами, не то что не приближаются к топ-перформерам, но наличие ИИ-тулов у тех и других скорее работает как лупа и болезненно выкристаллизовывает пропасть между первыми и вторыми.

Питер Уоттс в своем рассказе Test 4 Echo подкинул классную метафору, которая помогает мне объяснить себе, почему так получается. В этом рассказе один из персонажей упоминает метрику Ф(phi) из интегрированной теории информации, разработанной Джулио Тонони. Ф измеряет собственно количество интегрированной информации в системе, если проще, то насколько система как целое знает больше, чем знает сумма ее частей. По мнению Тонони, этот параметр является измеримой характеристикой наличия у системы сознания. Высокое значение Ф требует интеграции информации через рекуррентные обратные связи, именно такие петли позволяют системе быть больше суммы своих частей. Наш мозг ими пронизан, например, именно так работает зрительная кора: фактически наши высшие слои обработки постоянно посылают обратную связь нижним, к источнику сигнала, корректируя поток входящей информации (что-то типа "кажется, я вижу собаку, поправь чувствительность здесь и контраст здесь"). Такую постоянную замкнутую цепь обработки Тонони ассоциирует с наличием сознания. А теперь к нейросетям: те инструменты, которые мы используем в повседневной жизни и работе, в большинстве своем под капотом - это трансформеры, трансформеры при инференсе строго последовательны, это так называемая feedforward-архитектура, то есть данные идут через слои обработки вперед без рекуррентности (ну упрощенно при одном прогоне). Такие инструменты позволяют очень эффективно собирать вместе и последовательно обрабатывать ОЧЕНЬ много информации, однако общая сумма информации в системе (хоть и гигантская) не превышает ее слагаемых.

Соответственно, чтобы действительно получить какую-то информационную дельту и произвести что-то новое, нам нужно встроить в систему человека с его бесконечными петлями обратной связи и саму систему замкнуть. И вот эта самая характеристика лоу- и топ-перформера как раз сводится к интеграционной способности каждого конкретного человека, к тому, насколько хорошо он дает обратную связь и насколько много новой информации привносит. Да, Ф фактически характеризует наличие сознания, а не его качество, но сам принцип, что ценность системы определяется не количеством данных, а способностью их интегрировать, здесь применим. Мы с коллегами проводим много собеседований на позиции ML-продактов и, учитывая специфику позиции, имеем маленький, но стабильный поток кандидатов, которые пытаются пройти эти интервью при помощи AI-ассистентов. Так вот, кроме того, что это всегда очевидно, это всегда плохо при оценке, даже если отбросить факт читинга. Дело в том, что вся информация в наших кейсах уже есть, не нужно ничего гуглить или исследовать, они проверяют ровно интеграционную способность мозга кандидата структурировать эту информацию, сделать из нее правильные выводы и синтезировать новое решение. Ключевые преимущества, которые дает AI-ассистент, здесь не будут каким-либо дифференциатором. И вот здесь получается, что топ-перформер с AI-тулами дает несколько иксов к своей производительности, потому что он становится способен работать с кратно бОльшим потоком информации, тогда как лоу-перформер выдает неструктурированный дамп старой информации. Теперь можете брать это утверждение и масштабировать на все сферы, которые топит AI-слоп. О чем это говорит? О применимости ИИ в конкретных сферах или все же о способности людей производить долю интегрированной информации?

You Don't Need to Run Every Eval https://fixupx.com/DimitrisPapail/status/2026531440414925307

От себя добавлю, что прямо сейчас х20 выросла ценность грамотной документации, отлаженного CI/CD,

Как известно, «Sam has a superpower: recruiting and raising money. That's what he's like a God at».

Сегодня OpenAI объявляют о привлечении 110 миллиардов долларов в качестве инвестиций.

30 от SoftBank, 30 от Nvidia (как пишут в онлайн-газетах — это взамен 100 миллиардов, объявленных в прошлом году и привязанных к постройке ДЦ), и 50 — от Amazon.

15 миллиардов от Amazon будут доступны сразу же, оставшиеся 35 после выполнения некоторых условий. Официальные источники не говорят, что это за условия, но TheInformation на днях писали про ранние этапы обсуждений: выход на IPO или создание AGI 😳

Кроме этого, OpenAI теперь будет использовать чипы от Amazon — Trainium (Anthropic уже давно на них сидят). Будет использоваться чипов как минимум на 2 ГигаВатта энергии.

Также в анонсе говорится, что недельная аудитория Codex увеличилась в 3 раза с начала года и достигла 1.6 миллионов пользователей. Всего за ChatGPT платит более 50 миллионов человек, а общая аудитория превышает 900 миллионов в неделю — компания снова вернулась к росту после спада в ноябре-декабре.

Оценка компании ннаходится где-то около $800B, что делает её 15-16 самой крупной в мире.

Кто-нибудь объясните мне, почему в Claude мобильном приложении божественный Speech-2-Text в Chat версии, даже быстрее Wispr Flow, и вполне точный для русского

…и при этом его полное отсутствие в Code вкладке?

В твиттере поговаривают, Gemini 3.1 Pro хорош в анимации SVG диаграм

https://x.com/jrgarciadev/status/2025195992526500050?s=20

🧹 Плагин который должен быть у каждого юзера Claude Code

Знаю что про него кто-то уже писал и вообще штука не новая но я постоянно общаюсь с людьми которые активно пользуются CC и удивляюсь тк многие до сих пор не знают что это существует! Так что пишу - не благодарите))

Может быть месяц назад Борис Черный ("отец CC") выложил в открытый доступ плагин которым он и сами антропики пользуются внутри. И меня сегодня только осенило (добило точнее) насколько он крут. Хотя пользуюсь им давно уже достаточно)

Мы все знаем что клод (да и что греха таить - другие агенты тоже) любит нагенерить с запасом - лишние абстракции, вложенность на 5 уровней, переменные с непонятными именами. Типа код работает но читать его потом больно.

Code-simplifier после твоей сессии кодинга проходится по всем изменённым файлам и причесывает. Причем не ломая ничего - только рефакторит для читаемости. Следует стандартам из твоего CLAUDE.md, убирает лишнее, улучшает нейминг. И что важно (!!) - он не пытается сделать код максимально коротким а делает его понятным.

Ребята из сообщества пишут что после регулярного использования потребление токенов падает на 20-30%. Логика вот какая (простая как по мне): чище код -> меньше токенов на его чтение в следующих сессиях -> дешевле. Красота)

Как установить:

Вариант 1 - напрямую:

claude plugin install code-simplifier

Вариант 2 - из сессии Claude Code:

/plugin marketplace update claude-plugins-official /plugin install code-simplifier

После установки нужно перезапустить сессию - плагин не подгружается на лету.

Дальше просто просишь: "Run the code-simplifier agent on the changes we made today" и он проходится по всему что ты наменял.

Кто уже юзает? Поделитесь опытом в комментах 👇

@atlfreedom

Дневник экспериментов

Некий новый паттерн работы, который я взял на вооружение с Claude Code - это просить его писать отчеты / срезы по времени с промежуточными результатами наблюдений / прогрессом / ход проверки гипотезы / читаемый лог эксперимента

Помогает отслеживать прогресс по всем фронтам, освобождать свою оперативку в голове (помнить важное), не терять LLM контекст (сокращаемый Клодом за счет саммаризации), держать руку на пульсе, вспоминать на следующий день где вы остановились, да и вообще понимать как поживают те или иные гипотезы/эксперименты/проблемы

Кроме того, можешь поделиться инсайтами с коллегами при необходимости, сгенерив мета-ревью хода эксперимента

Есть ли жизнь после Cursor?

Пошла 2 неделя моего переезда на Claude Code CLI + Codex CLI (все через iTerm2) Что изменилось после Cursor

1) Появилась папка, которая синхронизируется с приватным Github, где лежат записи и полезные статусы проектов (этакий мега CLAUDE.md)

2) Был выгружен конфиг ssh соединений к серверам из Cursor + Termius, в агентном цикле сделана проверка машин и им были даны нормальные названия

3) Теперь я всегда держу проект локально для изменений и тестов (запускаю все в докере), а CICD настраивает клод на прод машину (пока один контур для всех проектов)

4) Завел себе в избранном тг самые частые команды для CC/Codex CLI пути до настроек mcp/yolo mode

Настроил себе команду внутри CC, которая на основе mcp сервера отсюда https://vamplabai.com/ (кстати этот проект полностью был собран через терминальных агентов за 2 недели) собирает мне предикшн на 1-2 месяца каждый день, и я его сравниваю (пока, честно, ничего интересного), но буду продолжать эксперименты

Кстати, зачем такая связка? Попробовал, чтобы Claude Code вызывал Codex CLI для проектирования фичи и обследования репозитория

Так как моя разработка часто связана с devops стеком (микросервисы в контейнерах на python), то тут пока CC мой фаворит

Подумываю о команде внутри CC из агентов для разработки новых фич

Пару раз открывал Cursor + Opus на старые проекты, так как там был сохранен диалог и я просто докидывал контекст

Оцениваю свой переезд как успешный, на сегодня производительность упала в моменте, пока я все настраивал, но уже чувствую, что снова все контролирую (наверное)

Кстати, сейчас удается параллельно следить за 4 проектами как мейнтейнер (больше не лезет, увы, в сутках 24 часа)

Все проекты связаны с моим самообучением по продуктивизации AI решений

https://vamplabai.com/ (Search API всего и везде) https://github.com/vakovalskii/ValeDesk (Аналог Cowork) https://github.com/vakovalskii/topsha (Аналог OpenClow) https://github.com/vamplabAI/sgr-agent-core (Агентный фреймворк, заточенный под локал ЛЛМ)

Прочитал тут недавно Prediction Machines. Хорошая книга для продактов, кто хочет понять экономику классического ML.

Мысль простая. ML - это не магия, а банально снижение стоимости одной конкретной вещи - prediction.

Причем prediction в широком смысле. Люди всегда занимались предсказаниями - вся наша история про это. Шаман смотрел на небо и предсказывал дождь, врач смотрит на симптомы и предсказывает диагноз, банк смотрит на заемщика и предсказывает вернет ли он кредит. Просто раньше этот предикт был дорогим - нужен был эксперт, опыт, время, а ML сделал его дешевым.

Когда что-то резко дешевеет, меняется вся экономика вокруг. Электричество удешевило свет и перестроило фабрики. ML удешевляет предсказание и перестраивает принятие решений.

Авторы раскладывают decision-making на две части: prediction (что произойдет) и judgment (что с этим делать). ML забирает у человека prediction, но judgment остается за людьми. И есть важное разделение - point solutions (засунуть ML в существующий процесс) vs system solutions (перестроить процесс вокруг дешевого предсказания). Второе дает кратно больше, но требует переделки системы целиком.

Книга, правда, написана до эры LLM и агентов, и фреймворк покрывает именно классический ML, но если его продолжить, получается следующая картина: - ML удешевил prediction, но человек все еще на дальнейших слоях пирамида - LLM удешевили judgment. Модель не просто предсказывает - она рассуждает, взвешивает варианты, дает рекомендации. Человек все еще исполняет, но уже может делегировать часть “думания”. - Agentic AI удешевляет execution. Агент не просто предсказал и порассуждал - он пошел и сделал. Забронировал, написал, перевел деньги, собрал отчет. Человек ставит цель и контролирует результат.

По сути AI движется по цепочке от начала процесса к конечной точке, где стоит человек, потихоньку его вымещая. Сначала забрал prediction - самое далекое от конечного результата звено. Потом judgment - ближе. Теперь execution - еще ближе. С каждым шагом точка, где нужен человек, сдвигается дальше к финалу: от “сам считаю и решаю” к “ставлю задачу и проверяю результат”. Вопрос только в том, что остается за последней чертой.

Вероятно полностью АИ созданный фильм на Netflix мы увидим намного раньше, чем могли себе это представить

Приятного просмотра

#промо Как превратить $100 в $13 000 за 3 месяца?

13 декабря мой друг Георгий Железняк выложил первый TikTok полностью сгенерированный ИИ, и написал об этом пост. В этом посте было всего 2 строчки:

One Day or Day One? Сегодня — Day One

За 2 месяца Георгий сделал полностью на ИИ контенте: — 60 000 000+ охватов — 75 000+ подписчиков — С нуля поднял блог ИИ инфлов и продал

А еще: — Консалтил 3 компании — про одну писал тут — Получил ≈7 предложений поработать вместе над проектом — Одно предложение присоединиться в к стартапу роли кофаундера

Провел 10+ консультаций, с вот такими результатами: — кейс на 200к+ в очень сложной нише — Первая оплата, она как первый — … (подставь свое) — Кейс | +300к просмотров за 2 дня

Каждый раз, когда у него в какой-то сфере набирается нормальное количество опыта и кейсов, он идёт проводить 🐺 ПРАКТИКУМ

Коротко, почему на него точно стоит прийти:

Первое — это самый ценный навык, за который всегда и во все времена люди готовы платить деньги. Это навык продавать. Георгий достаточно хорошо прокачался в том, как продавать через виральные алгоритмы TikTok и IG и хорошо умеет передавать эти знания и навыки. Достаточно посмотреть на кейсы выше

Второе — навык генерировать ИИ контент. Задумайтесь, насколько охуенно что мы все находимся у истоков зарождения генеративных ИИ. Первый раз мы так пёрлись только от вайб-кодинга, НО вайб-кодинг НЕ помогает заработать много денег напрямую. А вот ИИ контент в связке с пунктом первым, умением продавать, → это песня

Куда можно податься, из того, что я заметил:

1. Продвигать свой продукт — лучший способ заработать мноооого 💰💰💰💰 (но понятно, и большие риски)

2. Оказывать услуги другим — консалт, генерация контента = самые стабильные деньги, но средние 💰💰… Это world-wide штука. Рынок сейчас понял, что работа с обычным SMM — это казино, повезёт не повезёт, и проще сходить к ИИ креатору с головой, который сделает тебе +100К просмотров, НЕ выходя из дома. А если он еще шарит за продажи → то и воронку, которая лидов насыпет

3. Создавать СВОИХ БЛОГЕРОВ — и монетизироваться на рекламе. В директе моих близняшек чего только не падало прорекламить, сейчас ооочень зеленый рынок

😮 И все это Георгий засунул в концентрированный практикум, чтобы можно было освоить на реальных кейсах

Этого уже более чем достаточно, чтобы прийти и с кайфом провести ближайшие 3 недели в окружении классных ребят

Каждый практикум — это открытие какой-то новой главы жизни: → Первый практикуп был — про запуск iOS приложения → Второй — новый продукт в ТГ и 100к выручки в первый месяц → Третий — AI-генерация контента, о которой написали выше [О чём будет Четвёртый?]

Как записаться? Переходим в СЕКСИ бота и смотрим на СЕКСИ лендос [вообще, только из-за лендоса в него можно зайти и посмотреть]

🔗 Перейти в бота 🔗 Перейти в бота 🔗 Перейти в бота

P.S. Про 100$ в начале — да, это суммарная стоимость подписок на AI-контент, которые Георгий приобрёл, чтобы сделать свои +$13 000