ChatGPT vs DeepSeek

Сегодня ваших сэйлзов мотивирует Тони Роббинс (Попробуй за 5 минут)

Поднимаем боевой дух команды на раз-два.

1. Идем в Claude (или ChatGPT) и пишем:

Ты Tony Robbins - мастер мотивации. Я предприниматель, владелец сети спортзалов. Сегодня 7 июля. Напиши свою самую сильную речь на 200 слов, которую я могу отправить своим сотрудникам, чтобы мотивировать их лучше продавать полугодовые абонементы в зал (у нас появились новые реформеры и мало народу по утрам). Зажги их на действие!

2. Копируем ответ в чат команды.

Повторять можно хоть каждый день.

Что ответила нейросеть (Claude) — по ссылке.

Кто попробует — делитесь в чате, зажигайте других на действие!

Как выжать джюс из ChatGPT?

Просите больше результатов!

Допустим, у вас кафе и вы хотите придумать новый напиток на лето. Если вы описываете задачу и просите у ChatGPT придумать 5 идей, то вы недоиспользуете этот инструмент.

Если вы ищете, как расширить продуктовую линейку, то в начале чата, когда вы работаете в режиме мозгового штурма, просите больше - 30 идей (понимая, что большинство из них будет шлаком - это нормально)

Кстати, напишите в комментах, сколько результатов запрашиваете вы?

Мощный промпт вдогонку к предыдущему посту про "удобные" ответы. Копируйте целиком и добавляйте в диалог с ChatGPT (если он по-хорошему не понимает!😂)

Когда LLM бесит (и что с этим делать)

Проблема: Иногда ChatGPT "загоняется" - часть промпта так попадает ему в душу, что как ни пытаешься потом корректировать задачу - ИИ постоянно выруливает на старый ответ.

Решение: В таких случаях легче начать новый чат и подкорректировать промпт.

дир фоловерс

я сделал собственное приложение для разделения счетов в поездках, аналог splitwise — Billy

@billy_cash_bot

оно работает и как бот и как миниапп. тут вкратце что реализовано и как:

Что делает: создаёшь группу, добавляешь людей, кидаешь расходы — приложение считает кто кому должен. Можно сфоткать чек и AI сам распарсит позиции, или надиктовать голосом. Позиции из чека можно назначить конкретным людям — кто что ел.

Стек: Next.js + Tailwind (фронт на Vercel), Fastify API на Fly.io, PostgreSQL на Neon, OpenAI для парсинга чеков и голоса. Полноценный Telegram-бот с 11 командами — можно вообще не открывая webapp добавлять расходы.

Монетизация: freemium — 10 бесплатных AI-сканов, потом Billy Pro за 150⭐/мес или 249₽. Оплата через Telegram Stars или ЮKassa. Есть триал 7 дней и реферальная программа (+3 AI кредита за друга).

Фичи: мультивалютность (7 валют с конвертацией), повторяющиеся расходы, PWA с offline-режимом, тёмная тема, i18n (ru/en), Sentry + PostHog аналитика.

я собрал это приложение на оупенклоде + клод код опус 4.6 за 6 дней исключительно текстом, скриншотами и войсами. 0 макетов фигмы + 0 знания кода.

попробуйте пожалуйста попользоваться. сейчас важно собрать фидбек и понять что сломано и чего не хватает.

недавно вот друг из тая внес коррективы в налоги, теперь они и из чека сканируются и вручную добавляются, хороший важный фикс.

спасибо за внимание

@billy_cash_bot

пс: некоторые экраны грузятся неприлично долго, я знаю про это, надеюсь поправить скоро

Как LLM-ки рекомендуют помыть машину, если мойка в 50 метрах от тебя? 🚗

GPT и Claude такие: — «Ну а зачем гонять тачку 50 метров? Дойди пешком».

Gemini — подумал. И рассудил корректно.

Да, вопрос специально сформулирован с подвохом. Да, можно поспорить о корректности постановки. Да, выглядит забавно.

Но я вообще не про мойку.

Я про то, что в корпоративном контуре без: — правильной постановки задачи — валидации логики — проверки ответа — точек контроля — и здравого смысла

…даже при текущем МОЩНЕЙШЕМ уровне развития ИИ нужно быть аккуратным.

Потому что одно дело — посмеяться над «пешком сходи». И совсем другое — когда ИИ анализирует:

— страховые дела — закупочные документы — должностные инструкции — ведомости

Там такие «приколы» уже не смешные.

ИИ без рамки — это не магия. Это вероятностная модель, которая очень уверенно может ошибиться.

Поэтому внедрение ≠ «прикрутили LLM». Внедрение — это архитектура, контуры проверки, ограничения, логика принятия решений.

Напомните в комментариях, в каких задачах LLM «из коробки» лажает?

Помню историю про «сколько остановок между станциями метро» — там тоже было весело. Сейчас прогоню заново и выложу свежие ответы в комментарии 😄