Fireflies

Как круто, что теперь путь от идеи до реализации очень короткий.

У меня периодически есть звонки на английском. В целом, я свободно говорю, но хочется лучше. Сделал в курсоре простой инструмент, который:

- вытаскивает транскрипты звонков из fireflies - анализирует звонок - выдает мне анализ ошибок и рекомендации по улучшению языка

На скрине супер простой прототип.

В целом заняло совокупно 1час, могло бы быть быстрее. На чем застревал: - долго не получилось подсоединиться по API к fireflies (курсор тупил) - несколько итераций заняло объяснить курсору, в каком виде я хочу получать отчет (сейчас все равно 30% от желаемого, но уже рабочее)

"Вторая память" и AI

Думаю о том, что у меня (и наверное у многих) информационный перегруз. Огромное количество контекстов, и с такой скоростью я точно подошел уже к лимиту памяти. У меня память хорошая на верхнем уровне - я могу поминать верхнеуровневые контексты/макро темы. Как будто у меня в голове есть каталог. Но я уже не могу все это помнить детально. Оперативная память переполняется.

Поэтому мне хочется построить "вторую память" - хранилище, присоединенное к моему мозгу. Чтобы я мог обратиться к AI и сказать: - "Слушай, я помню, с этим человеком мы что-то на эту тему обсуждали. Подними контекст."

- Или: "Помню, что на этой конференции мы с парой людей обсуждали такую тему, вообще не помню с кем обсуждал - напомни."

- Или: "Помню, что на какую-то такую тему смотрел подкаст на YouTube, но вообще не помню как он назывался - напомни."

Что уже есть По рабочим звонкам есть Fireflies - все записывается и транскрибируется. Для одного из проектов используем Cursor, где мы полностью ведем всё хранилище - это помогает. Но это только кусочек моей жизни. Хочется, чтобы AI индексировал и каталогизировал всю информацию - по тегам, по категориям, как в принципе у нас сейчас Cursor по работе устроен. Чтобы можно было легко находить через Telegram-бота: пишешь в хранилище, обращаешься и просишь вспомнить нужную инфу.

Как это могло быть устроено? 1. Собираем все источники данных: - все онлайн звонки транскрибируем и собираем через fireflies или аналоги - выгружаем ежедневно чаты из телеграм - подключаем по API личное хранилище заметок (Evernote, Obsidian etc) - подключаем по API рабочие воркспейсы, где есть вики/задачки (Notion, Jira etc) - рабочие мессенджеры (Slack)

2. Наверное, это все должно собираться где-то в хранилище (пусть тот же гитхаб), там агрегироваться и фильтроваться (оставлять только важную информацию - за деталями потом можно постучаться по API в исходные места, если нужно)

3. К этому хранилищу подсоединить простой интерфейс типа телеграм бота

Вызовы - Офлайн-разговоры. Сейчас есть девайсы (типа Plaude), которые крепятся к телефону или на одежду - они слушают все, что говоришь. Пока ничего такого не пробовал, только слышал про них. Но это интересное направление. - Приватность. Это хороший вопрос и большой вызов. Даже если такую штуку в принципе можно сделать для себя, по сути там будет огромное количество приватной информации - это очень insecure. Непонятно, как с этим быть.

Интересно, кто-то уже собирал для себя что-то подобное?

Окончательно переехал с Fireflies на Granola в качесте AI ноуттейкера.

Плюсы: - не приходит на звонки, а "слушает" звонок в отдельном окошке - хорошо делает саммари (у меня было много претензий к этому к fireflies за последние месяцы) - уверенный multi-language support (опять же у fireflies постоянно были баги) - показывает real time транскрипт - можно с помощью AI "поговорить" с транскриптом встречи - можно оставить свои заметки к звонку и сразу дополнить саммари - есть шаблоны саммари (1:1, Customer Discovery, Hiring и др.) - нормальный бесплатный тариф - приятный UX

Минусы: - не умеет приходить на встречу вместо меня (это прямо жирный минус - мне нужно такое часто; пока не придумал, что с этим делать)

Реальные кейсы применения AI для вдохновения (1/2) На прошлой неделе был на AI буткэмпе у Макса Епифанова. Слушал, как другие компании внедряют AI. Ну и сам рассказывал, конечно. Хочу рассказать несколько зацепивших меня кейсов, которыми делилилсь ребята.

1. Макс Епифанов (TripleTen): AI решает спор между маркетингом и продажами Проблема классическая — маркетинг пригоняет лиды, продажи говорят "это мусор".

Ребята подключили Glyphic + Gemini 2.5 к HubSpot. Теперь AI анализирует ВСЕ звонки с лидами и по словам оценивает: - Платежеспособность - Мотивацию учиться

Результат: 80% точность в определении целевых/нецелевых лидов.

Очень классный способ добиться объективности и при этом сэкономить время команды. Недавно писал пост про аналитику звонков, поэтому мне сильно отозвалось то, что делают ребята в TripleTen. Мне кажется, это очень классный способ более эффективно работать с лидами и при этом разрешить этот вечный конфликт между маркетингом и продажами.

2. Дарья Щурик @ Greeneration: персонализированные отклики на вакансии с помощью n8n

Даша показала классный воркфлоу, как можно фильтровать подходящие тебе вакансии на LinkedIn и кастомизировать свое резюме под каждую.

Тратишь 4-5 часов на настройку, а потом это превращается в конвейер.

Да, поиск работы мне неактуален, но это идеальный пример того, КАК надо делать AI-инструменты.

Не просто просишь GPT переписать свое резюме под вакансию, а создаешь слаженную машину от сырых данных до готового результата. С четкими критериями, структурой, повторяемостью. Невероятный кайф 🔥

📌 А полную запись лайва (и записи вообще всех дней буткэмпа) можно забрать в канале Макса.