NotebookLM

Гуляю пока нет ТЦК не жарко. Слушаю очередной анализ собранный в NotebookLM - лучшее и любимое творение в Области ИИ.

Впервые за 20+ лет в индустрии мне немного страшно и сильно бесит - индустрия в разрезе прежде всего агентов проходит через огромную трансформацию и единственный способ быть "в струе" — экспериментировать очень много самому и анализировать результаты. Иначе так и можно остаться с инструментами, где маркетинг громче эффекта (привет, Курсор).

Всегда за 20 лет у меня было время на эксперименты, оно же самообразование. 9 месяцев с этим была беда, поэтому хочется за 2 месяца наверстать много упущенного. Как совместить это с отдыхом и восстановлением - я не знаю.

Когда у меня была своя компания, я гордился одной вещью - мы всегда угадывали технологические тренды. От backbone+marionette к первому ангуляру, от него к реакту и дальше. И вот сейчас у меня ровно такое же ощущение - передо мной важный технологический слом, и риск потерь если я в него не вовлекусь много больше, чем вопросы отдыха

Вайб-аналитика - Анализируем данные моего канала с помощью AI

Anthropic выложили опенсорс-плагины для Claude, покрывающие продакт менеджмент, маркетинг, продажи, финансы, legal и другие knowledge work роли. Они же есть в Cowork.

Я уже писал про вайб-аналитику, поэтому сегодня попробуем именно data плагин. В нем 6 команд: /explore-data — профилирование датасета: структура, качество, аномалии /analyze — ответы на любой вопрос /write-query — SQL под 8 диалектов (Snowflake, BigQuery, Postgres...) /create-viz — генерация графиков /build-dashboard — интерактивный HTML-дашборд /validate — проверка выводов перед отправкой стейкхолдерам

Решил проверить на реальных данных — взял engagement статистику своего канала (просмотры, форварды, реакции за январь).

Проделал на них следующее: 1) /explore-data → сразу увидел: 35 строк, но только 23 уникальных поста. Дубликаты — потому что фотки к постам хранятся как отдельные записи.

2) /analyze → после дедупликации паттерны: - Форварды лучше отражают интерес (это в том числе сохранение к себе в Saved Messages): пост про Claude Code стрим (#1633) — 499 форвардов, топ канала - Практические кейсы ("как я делаю X") — чемпионы: в среднем 188 форвардов и 6.6% engagement rate - Личные/рефлексивные посты — наоборот: всего 35 форвардов, но 65 реакций. Люди чувствуют, но не шерят - Разброс engagement rate — 15x: пост про Claude Code стрим (#1633) — 12%, а "Почему люди врут?" (#1625) — 0.8%.

3) /build-dashboard → за 2 минуты собрал интерактивный HTML: KPI-карточки, scatter plot "виральность vs резонанс", сортируемая таблица (см. аттач). Без дата-инженера.

Можете попробовать сами - сначала выполните эти 2 команды в Claude Code:

/plugin marketplace add anthropics/knowledge-work-plugins

/plugin install data@knowledge-work-plugins

Все вышеперечисленные data команды станут доступны после этого (если вдруг нет, то рестартните Claude Code)

После этого скачайте CSV, откройте Claude Code в папке, в которую скачали, и попробуйте: 1) /explore-data — что он найдет в данных? 2) /analyze — какой тип постов набирает больше всего форвардов? 3) /build-dashboard — соберите свой дашборд, для пущего - дайте ему пример look & feel, который вам лично нравится или соответствую корпоративному стандарту, и пусть сделает дашборд похожим

Помните, я в прошлом мае писал, что AI-агент может заменить дата аналитика? Собственно, ЧТД

Мой ключевой поинт, что такой агент вполне может заменить дата аналитика, может в любое время дня и ночи анализировать данные, обращать внимания на просесты, и рекомендовать действия

Кто попробует — делитесь результатами в комментариях: на данных моего канала или своих любых :)

P.S. Кстати, там в плагинах не только эти команды, но и еще готовые MCP серверы: Snowflake, Databricks, BigQuery и тп

P.P.S. Попробуйте потом дать ему текст этого поста и попросить спрогнозировать engagement rate? 😉

В комментах попросили рассказать, как я нахожу интересные статьи и выступления.

Короткий ответ: не нахожу — они меня находят :) Длинный ответ ниже.

Итак, у меня 5 потоков/источников, и весь цимес — в столкновениях между ними:

1) Осознанное потребление X, YouTube, рассылки - в основном, я подписан на конкретных людей, чьи интересы и взгляды мне релевантны. Я писал о многих из них тут: Karpathy, Thompson, Mollick. В X я вообще как-то сел и навел порядок в плане того, кого фолловлю, и регулярно чищу, кто перестал мне быть интересен. Для первичной обработки - у меня есть набор скриптов, который читает их, обрабатывает через LLM фильтр, и превращает в подкасты при помощи NotebookLM (например, вот); а далее уже deep dive-просмотр.

2) Подготовка к лекциям Преподавание заставляет меня обновлять контент: честно говоря, если я не попробовал переработать/освежить хотя бы 30% контента, то мне очень неинтересно рассказывать это. Это какая то травма с некоторых курсов в Бауманке, где препод по допотопным журналам читал нам лекцию про бухучет в банке :-)) А слушатели имхо это чувствуют. Например, недавно я готовился к семинару про ai native команды разработки и поэтому, например, написал вот этот пост. Или пост про llm as turk.

3) Разговоры Друзья, зумбары, office hours. К примеру, на последнем office hours AI Product Engineer один из участников рассказал про их практику перевода всех обсуждений в пулл реквесты в GitHub —> это мне дало идею извлекать tacit знания команды из пулл реквестов и обновлять claude.md, недавно на хакатоне сделал как раз такое. Это еще классно переплелось с недавно нашумевшей статьей про context graphs.

Или на зумбаре с другом мы обсуждали кто и как быстро тратит лимиты на Claude Code, и это заставило меня призадуматься о важности "когнитивного пространства", чтобы давать своему любопытству время, а мозгу - ресурсы и энергию - делать и попробовать. Или обсуждали с товарищами как сделать UI к их Claude Code наработкам - заставило меня изучить, как делать экстеншны в VS Code.

4) Хакатоны Хакатоны для меня это не только про попробовать идею/фреймворк, посоревноваться, выиграть приз... Это еще про заимствование и миксование идей. Self-learning Slack бот и не только родились именно так. И, опять же, при подготовке мне надо исследовать и изучать релевантные ресурсы, поэтому запускаю deep research или вот недавно попробовал agent teams для этой задачки.

5) Наблюдение Я уже писал про карточки IDEO; но вообще я всегда любил наблюдения - в школе я всегда выбирал последнюю парту, потому что с нее лучше видно весь класс. Такие наблюдения рождают вопросы - почему люди не выключают свет в туалете - и потом заставляю исследовать вопрос, а это приводит к необычным ресурсам и статьям. Кстати, рекомендую старую, но очень добротную книгу - The Art of Long View Питера Шварца про сценарное планирование - там много про то, как "наблюдать" за миром вокруг и находить релевантные источники.

Мой завкафедрой Вадим Михайлович Маршев любит говорить: "Все 'новое' — это 'новая' комбинация 'старого' в 'новых' обстоятельствах." Вот эти 5 потоков — то самое "старое". Магия — в столкновениях между ними, вопросах их порождающих, и любопытстве получить на них ответ.

Можно ли это все обернуть в skill? Пока не придумал так, чтобы а) оно не теряло актуальность; б) было достаточно гибкое. Но еще подумаю

🏹 КАК НЕ НАДО ВАЙБКОДИТЬ (стрим на ютьюбе)

на стриме: - gemini flash 3 - glm 4.7 - notebook lm - claude code superpowers

https://youtube.com/live/IyPI5VBecUw?feature=share

Notebook LM и инфографика

Обнаружил у себя новую привычку в потреблении контента: несу ссылки на видео в Notebook LM и принимаю решение о просмотре по одной только инфографике.

Пайплайн: Cсылка на видео / аудио / транскрипт → Notebook LM → генерации инфографики → решение о глубоком погружении

После этого либо пересматриваю уже с пониманием контекста, либо чаще всего скипаю, все понятно по картинке.

Лайфхак: инфографику можно промптить: минилистично в духе Сейлормун, в стиле Мемфис-Групп и так далее

В примерах две новые темы: GLM 4.7 и Claude Code LSP и подкаст Два Токена.

🎬 Google представил Cinematic Video Overviews в NotebookLM - полностью синтетическое видео из ваших документов.

Кажется, время, когда каждый будет смотреть полностью сгенерированный видеоконтент, все ближе. И мы сами не заметим перехода - просто потому что это удобно.

NotebookLM - инструмент от Google, который многие используют для исследований: загружаешь документы, статьи, заметки и получаешь сжатую выжимку в удобном формате. Сначала были AI-подкасты (Audio Overviews), потом видео со слайдами. Теперь - Cinematic Video Overviews: полноценные анимированные видео, где Gemini выступает "креативным директором" и сам решает как визуализировать материал.

Источником может быть и YouTube. Вместо того чтобы слушать двухчасовой подкаст, можно скормить его NotebookLM и получить основную суть - все так же в видео формате, но за несколько минут.

Доступно для подписчиков Google AI Ultra на английском языке.

https://x.com/NotebookLM/status/2029240601334436080

#google #notebooklm #ai #video

————————— Мысли Рвачева —————————

Здесь на 24 минуте угарнул:

- всем нужно место и время, чтобы передохнуть, подумать без отвлечений - да, но мало кто дает себе передышку - да, я вообще мало отдыхаю - и я

AI подкастеры жалуются что нет времени на рефлексию)

- - -

Подкаст сделал Notebook LM от Google, автоматом генерит диалог двух ведущих на основе любых входных данных: ссылки, текст, пдф, ютуб...

Альманах Наваля Равиканта прикрепляю в комментариях

Диаграмма Вороного

Понравилось, что с помощью подкаста можно относительно сложные штуки разбирать и фоном веселее слушать, чем читать.

Заходишь в Notebook LM, кидаешь ссылку, через пару минут получаешь лекцию с шутками.

Пока слушал, почувствовал вайбы лекций Физтеха, кайфаните и вы.

https://habr.com/ru/articles/309252/