ChatGPT vs DeepSeek

В этом году: 1) нас стало почти 14 тысяч

2) Мы посмотрели мои 349 постов почти 2М раз, и 28 тыс раз пошерили их себе в закладки или друзьям

3) Тон моих постов сменился с «обзорных» (а ля посмотрел интервью) в «я сделал» (а ля скилл для chatgpt apps). Этим лично я доволен, это была моя задача, хотя понимаю, что обзоры тоже нужны и важны, поэтому постараюсь балансировать.

4) Интересно, что, судя по постам, я сьехал с chatGPT в Claude - тут, разумеется, всему виной Claude Code.

5) На курсах и открытых лекциях приняло участие почти 1.5 тысячи человек, чему я очень рад, так как, я очень надеюсь, это поможет вам лучше понять, что за зверь такой этот AI и как он меняет наши жизни. EDU для меня это способ размышления и обмена энергией и знаниями, и каждая такая встреча, каждый фидбек придает смысла и радости моей жизни. И я особенно рад, когда вам удается не только узнать, но и сделать что то конкретное для своей жизни или работы.

6) 120 человек поболтали с ботом и оставили фидбек: я понял, услышал, и буду отрабатывать. Больше кейсов, больше личных размышлений и «персональной реальности», больше прикладных вещей про AI, меньше рекламы курсов (сорян!)

7) Я люблю то, что мне удается делать - СПАСИБО вам за это!

И если бы я пожелал одну вещь: возьмите на праздниках и поставьте себе Claude Code, откройте его и попросите его помочь вам автоматизировать одну рутинную вещь, которую вы регулярно делаете. Не бойтесь, что не знаете программирования, попробуйте.

С наступающим, Друзья! Обнимаю!

Скилл для создания chatGPT аппов

Помните, я писал про свой первый ChatGPT апп? На днях OpenAI анонсировали-таки свой магазин приложений и теперь можно сабмитить свои аппы.

Чтобы помочь вам в этом я сделал Claude/Agent Skill, который: 1. Помогает оценить, подходит ли ваш продукт для ChatGPT Apps (Know/Do/Show фреймворк, описанном в этом гайде от OpenAI) 2. Генерирует MCP сервер на Node.js/TypeScript с готовыми шаблонами 3. Создает React виджеты с поддержкой тем ChatGPT 4. Настраивает OAuth 2.1 аутентификацию (включая self-hosted вариант!) 5. Готовит к деплою на Fly.io и сабмишену в стор

Скилл соответствует теперь уже открытому стандарту AgentSkills и провалидирован через skills-ref.

Использовать лучше с Claude Code или Codex, потому что он не просто помогает продумать приложение, но и закодить его. Просто попросите его

use the chatgpt-app-builder skill to evaluate if my product should become a ChatGPT App and actually build it

Enjoy!

GPT 5.5 вышел

Стрим 👉 https://youtube.com/live/ca4hIl2Iqtg

Как масштабировать стартап: прикладной гайд

Есть куча контента про поиск PMF, первых клиентов, первые продажи и первые ошибки.

А вот что делать дальше, когда продукт уже работает, команда растёт, а вместе с ней растёт и хаос — про это говорят сильно реже. Обычно уже где-то на дорогих MBA или в закрытых программах.

Ребята из 4dev.com вместе с R136 Ventures и The Ventures сделали очень качественный гайд, который как раз отвечает на вопросы по масштабированию:

- Бенчмарки по ключевым метрикам (как понять, что вы готовы к росту) - Как фандрейзить? Сколько времени этому уделять? На каком этапе начинать? - Как делать growth-стратегию? - Как выстраивать legal? Когда начинать об этом задумываться?

Я посмотрел гайд, и он хорош. Там не вода, которую ChatGPT написал, а годнота, которую явно писали люди, которые сами через это проходили.

Очень советую прочитать, чтобы начать действовать последовательно, а не вслепую. На стадии роста ошибки очень дорогие.

Чтобы скачать гайд нужно сделать простые действия: Зайти на лендинг → Оставить заявку → Получить ссылку

Действуйте! Иногда один такой документ экономит месяцы проб и ошибок.

#реклама

Выложили вебинар с Oblako.ai

Посмотрите, что у нас делают с AI для маркетологов и что используют)

На слайде самый сложный вопрос — чем лучше ChatGPT, потому что мы постоянно сталкиваемся со стартапами, которых убивает обновление ChatGPT.

Ютуб ВК

Презентация в PDF

Господи. 1.5 месяца с предыдущего поста, я думал недельки 2-3.

К сожалению, одной из моих крыс пришлось сделать операцию и теперь уходит 2+ часа каждый день на уход за ней, что просто катастрофически убивает все свободное время

Так вот. Напомню вопрос "А зачем вам, во времена безлимитных туториалов на ютубе и study mode в ChatGPT собственно я в формате лекций и всего остального - почему бы мне не просто набросать роадмап, отвечать на вопросы, может даже асинхронно, зачем вот это всё?"

Мой ответ - потому что для сколько-нибудь сложной задачи ответ "It depends". Есть пачка решений, которые В СРЕДНЕМ по больнице одинаково-хороши и плохи. И вот здесь чтобы новичок не утонул в количестве вариантов - хорошо чтобы у него был "навигатор" который дает ОДНО решение, ГОВОРИТ об альтернативных и поясняет плюсы и минусы выбранного пути

Я это прочуствовал на себе, попав в "Эволюцию Кода" - крутое сообщество айти-бороды где ребята обсуждают реальное использование ИИ. И там катастрофически много контента, люди делают по-разному, пробуют разные подходы. Но не имея возможности погрузиться на 100% только в эту тему - мне очень сложно извлекать пользу. И наоборот очень легко ловить FOMO - вон сколько всего люди пробуют, а я не успеваю. Поэтому наличие одного, заангажированного взгляда на вещи (который тем не менее содержит пояснение о минусах внутреннего подхода) - то чем ценнее всего преподаватель. А ИИшка - что ИИшка, я сам вижу как на 4 задачах одного модуля она предлагает разные по стилю решения, запутывая еще больше. Можно это решить? конечно да, но как и всегда, есть нюансы :)

С осени 2025 года (и особенно в январе) начался дикий хайп вокруг Claude Code.

Не хочу показаться дедом и хейтером, просто напомню:

1. Чтобы нормально вайбкодить и не упираться в лимиты на Claude, нужно покупать подписку Max за 100 баксов в месяц 2. Если вы платите за ChatGPT Plus, то у вас там из коробки идет OpenAI Codex (аналог Claude Code) 3. По лимитам Codex на подписке Plus гораздо щедрее Claude на подписке Pro 4. По бенчмаркам gpt 5.2 и opus 4.5 выдают примерно одинаковый результат

Получается, если вы платите за ChatGPT, то получаете из коробки Codex за 0 долларов против Claude Code за 100 долларов в месяц.

Про то, как поставить себе Codex писал тут

gm degens! давно не общались

Я до сих пор не понимаю, насколько хватает 20$ подписки на Claude Code, давайте сольем все доступные токены на нормальный фронтенд для этого проекта, а то у меня начинается жжение в области таза при открытии фронтенд репозитория 🙂

---

Перепишем с нуля frontend для opensource gambling machine используя Cursor + Claude Code – https://www.twitch.tv/insulineru (без записи)

Очень нравится, как работает ChatGPT Image 2, полностью перешел на нее с нанобананы (наконец-то можно оплачивать на один сервис меньше).

Главный плюс, что у модели видно ризонинг — можно прочитать процесс рассуждения и при необходимости скорректировать промпт еще до того, как сгенерится изображение.

Отдельный лайк за лендинг на сайте OpenAI. Вместо кучи текста просто показали картинки. Как говорится лучше один раз увидеть, чем сто раз услышать:

https://openai.com/index/introducing-chatgpt-images-2-0/

🔥 За апрель вышли пять основных китайских LLM моделей.

Вот они, слева направо: Kimi K2.6, DeepSeek V4, Xiaomi MiMo v2.5, GLM 5.1, Qwen 3.6.

Сегодня в 20:00 МСК на эфире разбираемся насколько эти ребята полезны в деле и насколько они могут заменить Claude и GPT

Формат стрима: → быстрая прогонка на LMArena — что модели умеют «из коробки» → карточки моделей и цены за 1M токенов → реальная задача: Telegram мини апп для подготовки к экзамену на вождение → сравнение с Claude Opus 4.7 и GPT-5.5 как эталоном

Сквозной сценарий: сбор данных → PRD → архитектура → MVP в телеграмме.

Страница эфира со всеми моделями, ценами и ссылками (обновляется во время эфира): https://live.sereja.tech/chinese-models/

Эфир 👉 https://youtube.com/live/eAek19gPfTI?feature=share

самый популярный промпт в мире сегодня (для gpt-image-2) — это перерисовать изображение в MS Paint

Redraw the attached image in the most clumsy, scribbly, and utterly pathetic way possible. Use a white background, and make it look like it was drawn in MS Paint with a mouse. It should be vaguely similar but also not really, kind of matching but also off in a confusing, awkward way, with that low-quality pixel-by-pixel feel that really emphasizes how ridiculously bad it is. Actually, you know what, whatever, just draw it however you want.

Как из фронтендера стать AI-инженером

Термин "AI-инженер" я подсмотрел в роадмапе AI-инженера, ссылкой на который недавно делился Саня Стародубцев.

Я ведь недавно и сам перешёл из фронтенд-разработки в разработку AI-агентов, поэтому мне стало интересно, стал ли я AI-инженером? Мой собственный опыт "переквалификации" не совсем ложится на эту дорожную карту. Есть ещё один роадмап, вот этот, но там порядок тоже не совсем такой, как у меня. В общем, решил поделиться здесь своей альтернативной версией)

Пререквизиты Опыт работы с бэкендом всё-таки понадобится. Одной фронтенд-экспертизы явно будет недостаточно. Работать с API нейросетей скорее всего придётся с бэкенда. С фронта тоже можно, конечно, но в этом есть большой риск утечки вашего API-ключа. Благо у нас, JavaScript-разработчиков, с этим проблем нет))

Впоследствии, конечно, нужно будет углубляться в бэкенд-разработку и заполнять пробелы, если они есть. Но для старта вполне достаточно умения развернуть сервер на Node.js.

Нужен ли ML? Здесь ситуация чем-то напоминает необходимость изучения алгоритмов для junior-фронтендера в 2019 году. Вызвать API DeepSeek можно и без знания линейной алгебры. Но я бы всё-таки порекомендовал хотя бы в фоне изучить этот бесплатный вводный курс по ML от Google. Очень поможет снять розовые очки и демистифицировать работу самих LLM.

Пишем чат-бота Прям сразу. На практике разбираться будет проще всего. У меня всё началось с телеграм-бота, и я всем советую начинать с простых текстовых чат-ботов. Для этого придётся изучить работу с текстовыми сообщениями в OpenAI API или DeepSeek API. Лично я рекомендую начать с руководства GigaChat API, т.к. оно на русском языке, а многие концепции у разных моделей очень схожие. Бесплатных токенов за регистрацию в GigaChat API будет более чем достаточно для старта.

Учим чат-бота выполнять функции Их ещё называют tools. Об этом у меня тоже был пост и примеры кода к нему на JS и на Python. Они нарочно очень простые. У GigaChat тоже есть статья с примерами. А если хочется чего-то совсем запутанного, можно взять шаблон чат-бота из Vercel AI SDK в качестве референса.

Векторные хранилища и RAG Про векторы есть отличная глава в упомянутом мной выше курсе от Google. В роадмапе AI-инженера, кстати, тоже неплохие ссылки по этой теме в разделах Embeddings и RAG.

Фреймворки Лично я пока продолжаю погружаться в LangChain. Я уже трижды выступил с докладом про этот фреймворк (в последний раз — на MoscowJS), выпустил два поста с ответами на вопросы (раз, два) и всё ещё не погрузился до конца)) По этому фреймворку есть миллиард примеров от моих коллег из GigaChain: есть примеры на Python, JavaScript и даже на Java. А от создателей LangChain есть кайфовый видеокурс по LangGraph. Он на английском, но его легко смотреть, даже не зная Python и не зная LangChain.

Источники новостей и апдейтов Очень удобно получать новости с конференций вроде нашего недавнего BigTechNight или с HolyJS, где я тоже скоро буду выступать. Или c разделов на Reddit о тех инструментах, которые вы используете (я, например, читаю в основном про LangChain). Ещё есть Matt Pocock, который параллельно с нами перешёл из TypeScript гуру в гуру нейросетей, выпускает неплохие статьи и видео. Громкие новости об обновлениях у моделей OpenAI / Anthropic / DeepSeek и т.д. всё равно не удастся пропустить. Остальные рандомные новости из соцсетей, кстати, наоборот стараюсь фильтровать: в X что ни пост — так очередная технореволюция)) Хотя, возможно, кто-нибудь в комментариях тоже поделится неплохими источниками информации)

🤔 Я больше не доверяю GPT. Куда переезжать?

За последние дни многие люди вокруг задумались, что необходима альтернатива для GPT. Десятки тысяч бизнесов смотрели, как сотрудники уходят из OpenAI и были готовы ко всему. Я провел начало недели за рисерчем доступных решений и решил упаковать результат в пост. Существует два вида решений: 1) сервисы с API над языковыми моделями; 2) поднятие моделей у себя. Сегодня расскажу про первую категорию.

Claude: самая близкая к GPT-4 модель по бенчмаркам, недавно увеличили контекстное окно до 200 тысяч токенов (не совсем эффективных), и добавили function calling как в GPT. В первую очередь я бы начал эксперименты с нее. Из минусов: немного отличается API, промптинг, и также модель напрямую доступна не во всех регионах (зато доступна через Amazon).

Perplexity: в мае я рассказывал про их продукт, как замену Гугла. С тех пор они также запустили API для доступа к их собственной языковой модели, а также Llama2 и Mistral . В анонсе высочайшую скорость инференса среди конкурентов. API работает в формате OpenAI — это значит что переключаться легко. Мне нравится темп их команды и обязательно буду за ними следить. В комментариях поделюсь способом получить бесплатный доступ к Perplexity PRO на 2 месяца — он как раз дает доступ к API и оно пока бесплатное.

Decart: вариант для тех, кто любит потестить сырые стартапы. Они также предлагают API для доступа к моделям — от $0.1 за миллион токенов Llama2 7B. Это самая дешевая цена за инференс, которую я нашел во время рисерча и скорость ответа также порадовала, так что решил про них тоже рассказать. От стартапа есть ощущение, что он в любой момент отвалится, но зато быстро отвечают в твиттере.

Также потестил: Replicate — медленно и по ощущениям, и по бенчамаркам; Anyscale — сложный онбординг, непрозрачная ценовая модель; LiteLLM — библиотека, чтобы приводить разные форматы API к формату OpenAI, чтобы делать бесшовное переключение, показалось удобной.

😲️️️️️️ Когда я начинал рисерч, то не ожидал, что уже есть столько удобных решений на рынке, чтобы эксперементировать с ними. Конечно, они все уступают GPT по качеству, но это не значит, что с ними не нужно учиться работать уже сейчас. Последняя неделя очень ярко показала, как опасен платформенный риски. Нам нужна диверсификация.

смотрим OpenAI стрим-анонс вместе, генерируем изображения в новой модели, думаем про будущее

делитесь промптами для тестов в комментариях Вторник, 21 апреля, 21:30 (мск)

👉 https://youtube.com/live/05xs_kyacxI

Пост про заработок в интернете и вайбкодинг

1. Simple Gambling Machine Навайбкодил простую гемблинговую машину (что-то вроде FOMO3D, но медленнее и без понци-механик). Работает следующим образом: ⁃ в машине лежит ETH (сейчас около $500) ⁃ машина принимает депозиты от всех желающих (сейчас 2% от ETH внутри машины, далее процент уменьшается) ⁃ если никто не делает депозит в течение определенного периода времени, последний участник забирает 80% пота (сейчас 24 часа, далее период уменьшается) ⁃ 10% распределяются между 5 рандомными участниками, 10% идут на следующий раунд

Короче 50 иксов вот прямо здесь, рядом.

Что с безопасностью: ⁃ открытый код на Github и на Etherscan ⁃ контракт неизменяемый - никаких мультисигов, экстренных приостановок и пр. ⁃ друзья-аудиторы помогли найти и пофиксить пару уязвимостей (детали тут) ⁃ устроить рагпул технически невозможно, хакнуть (вроде) тоже не получится

Ончейн рефки и поинты вайбкодить сложно, поэтому буду благодарен всем кто поделится гемблинг-машиной со своими друзьями-лудоманами! https://simplegamblingmachine.eth.link/

На мобилках скорее всего будет отображаться криво.

2. Вайбкодинг Никогда ничего не кодил своими руками, ибо гуманитарий. За три дня ChatGPT, Gemini, DeepSeek и Cursor написали весь нужный код (под моим чутким руководством), научили в девелоперские энвайронменты, Github и хостинг, ответили на все (даже самые глупые) вопросы.

Мои хард-скиллы пополнились такими вещами как ethers.js, web3.js, viem, wagmi, IPFS, Fleek, Pin CID, Pinata, Arweave, Hardhat, Foundry, React, Chainlink Keepers, и Truffle. Ну, половина из списка точно.

Кому интересно почитать про весь процесс, предлагаю пройти на Paragraph.

3. Заработок в интернете Пока высокотехнологичные проекты заманивают человеческо-денежные капиталы двузначными множителями на поинты, Ekubo (на EVM) дает приятные APR поставщикам ликивдности: ⁃ 10% на USDT/USDC ⁃ 15% на cbBTC/WBTC ⁃ 70% на ETH/BTC ⁃ 100% на ETH/USDC и ETH/USDT

Половина из этих наград - органический APR (комиссии со свапов, без учета наград в EKUBO). Расчет актуален для ренжа примерно в +-6%, а программа майнинга EKUBO рассчитана на 3 месяца.

👀 AI теперь видит и сделает за вас рутинные задачи

Раньше для автоматизации действий в браузере этого требовалось цепляться к html-элементам, четко задавать последовательность шагов, из-за этого существовал порог входа. Теперь у GPT появилась способность видеть и открылось новое пространство решать эту задачу. Разберемся, какие новые подходы уже доступны на рынке автоматизаций.

Adept: еще до ChatGPT хайпа показали свою модель для превращения запроса пользователя в действия. Недавно открыла бету в свой первый продукт Experiments и закрыли раунд на $350mln. Важно, они пока не заявляли про поддержку «видения» в своих продуктах, но это явно вписывается в их стратегию построить AGI.

Induced AI: у этих ребят только $2.3 mln. инвестиций, но зато инвестировал Сэм Альтман. Они также предлагают продукт для автоматизации рутинных задач. Для этого планируют использовать смешанный подход: облачное решение, интеграции с сервисами по API, но в тоже время хотят использовать виртуальый браузер, в котором понадобится возможность «видеть». Для этого сейчас нанимают эксперта в Chromium.

VimGPT: опен-сорсная демка и единственный продукт из подборки, который можно по настоящему попробовать. Проект позволяет управлять виртуальным браузером через команды «найди в гугле все ai+sales продукты и прочитай их контент». GPT получает скриншот страницы, анализирует его и составляет очередность действий. Демка очень сырая, но дает понимание текущих возможностей.

😎 Официально GPT Vision используется только в последнем проекте, но я все равно вынес это в заголовок. «Видение» в перспективе станет ключевой технологий на рынке автоматизаций. На наших глазах появиласть возможность автоматизировать любые действия на сайтах без привязок к API или html-элементам. AI-работникам из предыдущего поста понадобится такой же визуальный инпут, чтобы эффективно решать задачи реального мира. Уже придумали какие задачи будете автоматизировать в первую очередь?

@prod1337

Не путайте теплое с мягким Hyperliquid всего лишь централизованный декс, just kidding

Интересные результаты опроса. Первые 15 человек единогласно проголосовали за то, что написание кода в Claude Code — вайбкодинг.

Если пробежаться по истории канала — то можно заметить, что я активно начал изучать LLM для разработки еще в 2022 году. К примеру, в посте от 14 декабря я поделился первым опытом интеграции LLM в свой рабочий процесс и сказал, что скоро появятся подписки за 200 долларов и нужно быть к ним готовым, чтобы использовать технологию на полную катушку.

Затем, в феврале 2023 релиз опенсорс пакета для упрощения dev experience и автоматической генерации коммитов с использованием openai api.

Так вот, если сейчас сказать кому-либо, что 95%+ моего кода в любых проектах (в тч продакшн, за которые я получаю зарплату) написаны LLM — меня сразу назовут «вайбкодером». То же будет касаться собеседований в проекты, где собеседующий не будет особо знаком с различиями в терминологии.

---

И так, в чем же разница?

Обратимся к первоисточнику — февральскому твиту Андрея Карпатого, когда термин вайбкодинг зародился изначально. Выделю основные парты: https://x.com/karpathy/status/1886192184808149383

you fully give in to the vibes, embrace exponentials, and forget that the code even exists.

I «Accept All» always, I don’t read the diffs anymore.

It’s not too bad for throwaway weekend projects, but still quite amusing.

Здесь сразу присутствует важное определение «я забыл, что код вообще существует» и это немного триггерная тема. Так что давайте разграничим, опираясь на первоисточник и здравый смысл

Вайбкодинг:

— Мы не прикасаемся к коду и не смотрим на получившийся код

— Подходит для быстрого прототипирования и одноразовых проектов

— Нет необходимости понимать программирование

— Разработка через желаемый результат без формирования набора правил и воркфлоу

AI Assisted development:

— Использование AI как junior разработчика, который работает под супервизией

— Автоматизация рутинных задач в разработке (написание тестов, бойлерплейтов)

— Помощь обработки больших контекстов информации и форматирования ее (написание или изучение документации, ревью кода)

— Итоговый код важен. Он должен быть качественным и понятным другим людям

---

И вот тут главная проблема.

Когда эти два понятия смешивают, вся AI-разработка получает дурную репутацию. Её начинают воспринимать как бесполезный хайп (вспомним отношение к крипте в 21 году, когда все только смеялись над NFT), которая генерирует нерабочий мусор. Это фундаментально неверно и дискредитирует мощнейший сдвиг в индустрии.

Разница между этими подходами — в контроле.

Вайбкодер отдает руль ИИ и надеется на лучшее.

Разработчик использует ИИ как самый продвинутый навигатор и усилитель руля, но держит руль крепко. Он все еще ведет машину и несет за нее ответственность.

Именно поэтому, когда я говорю, что 95% моего кода написано LLM, это не делает меня вайбкодером. Это значит, что я, как инженер, делегировал рутину, чтобы сфокусироваться на главном.

Моя работа — это не сгенерированные 95% кода. Моя работа — это те 5%, которые определяют, будут ли эти 95% работать как надо, или превратятся в тыкву в продакшене. Это архитектура, контроль качества и финальные решения.

Роль разраба меняется. Мы перестаем быть строителями, которые кладут каждый кирпич вручную, и становимся архитекторами, которые управляют бригадой роботов-строителей. И путать эти два подхода — значит не просто ошибаться в терминах. Это значит не видеть, как на наших глазах меняется сама суть профессии

Ровно год назад я написал пост про то, что не верю в агентов.

Обещал вернуться к нему и оценить, ошибался я или нет.

Очевидно, что есть ниши, в которых агенты просто взорвали:

• Кодинг. Claude Code, Cursor, Lovable, Replit — это ни что иное как агенты, и они полностью поменяли процесс разработки и создания продуктов

• Саппорт. Fin от Intercom растет лютыми темпами и автоматически закрывает 2/3 обращений в саппорт сам. Есть куча решений-конкурентов, которые не сильно хуже. Многие компании успешно внедрили себе разных AI-агентов в саппорт и они закрывают от 20% до 90% тикетов.

• Research. Мало кто задумывается, но Deep Research от ChatGPT — это тоже агент, и он офигенно работает и решает свою задачу. Ну и много других прикладных инструментов для более узких задач.

При этом есть еще куча ниш, где работает пока не так хорошо, но есть потенциал:

• Sales & RevOps. Агенты квалифицируют лиды, ведут initial discovery, отвечают на inbound запросы, назначают встречи, делают follow-ups, обновляют CRM. Дима Сергеев, например, делает data-driven агентов для inbound воронки (надеюсь, у него все получится)

• Marketing & Ads. Агенты делают креативы, анализируют трафик, управляют рекламными кампаниями. Сева Устинов, например, делает AI-агента для управления рекламой (тоже надеюсь, у него все получится)

• Финансы и бэк-офис. Агенты обрабатывают инвойсы, раскидывают расходы по категориям, проводят комплаенс-проверки. Илья Лисин, например, делает AI-агента, который автоматизирует создание компании, бухгалтерию и подачу налогов (тоже надеюсь, у него все получится)

Ну, и куча других ниш, где пока нихрена ничего не работает 🙂

Но, если краткий вывод — то я скорее ошибался.

«Мы часто переоцениваем прогресс на горизонте года, и недооценивает его на горизонте 10 лет»

Думаю, примерно это и происходит сейчас с AI: да, он не заменит нас всех прямо завтра, но через 10 лет мы не узнаем мир, в котором живем

gm! Воскресный оффтоп, который пройдет за пределы ежедневника. Я люблю играть в доту и недавно увидел как Resolut1on (бывший про игрок) презентует своего AI Dota 2 Coach. Заинтересовался, посмотрел – и tbh разочаровался. Фактически это GPT-4o с системным промптом, устаревшими данными и галлюцинациями вместо правильной работы с данными. офк по подписке.

И тут я подумал – а почему бы не сделать нормально?

---

В мире AI агентов сейчас интересный тренд. MCP (Model Context Protocol) оказался слишком сложным и жрёт много контекста. Индустрия ищет альтернативы.

Одна из них – Skills. Недавно спецификацию отдали в опенсорс, уже куча инструментов поддерживает: https://agentskills.io

Суть скилла проста: название, описание, набор тулов и воркфлоу. Тулы – самое важное. Для доты я сделал такие:

— чтение последних патчноутов — статистика героев и понимание меты — контрпики — моя персональная статистика

Откуда данные? OpenDota, Stratz, официальный Valve Datafeed. Под каждый источник – простой TypeScript CLI, который форматирует данные для LLM. Делается за один промпт.

Дальше это упаковывается в воркфлоу: мета-репорты, анализ драфта прямо во время игры, разбор своих матчей. Всё работает локально в Claude Code.

Можно расширять бесконечно – анализ реплеев, агент-лудоволк, трекинг просцены. Но для MVP хватит.

📎 skill.md: https://gist.github.com/insulineru/0aee1fc00d44c9df4631507ce7ed2570

ChatGPT проиграл в шахматы ретро-консоли 1977 года, у которой всего 128 байт оперативной памяти. Старая Atari оказалась умнее нейронки даже на сложности для новичков. Чат-бот путал фигуры, забывал расстановку и жаловался на непонятную форму фигур.