Cursor vs Claude Code

Так, вроде нашёл как лечить. Нужно кликнуть на вот такую галочку

Для удобства, сделал быструю ссылку, вставьте в браузер:

cursor://settings/terminal.integrated.ignoreBracketedPasteMode

Ищем AI-native Growth-продакта к нам в проект!

Мы делаем Subscription-based wellbeing B2C app.

Fully vibe-coded, то есть мы сами не написали ни строчки кода, и у нас нет разработчиков в привычном понимании этого слова.

За последние месяцы мы неплохо выросли по трафику, и пора нормально заняться воронками и монетизацией, поэтому мы ищем Growth-продакта.

Что надо делать:

• Отвечать за все веб-воронки в связке с трафиком и креативами. Тут много совместной работы. Ключевой KPI – это профит после расходов на маркетинг. • Делать новые воронки: новые сегменты и локализации. Работать в Claude Code и Funnelfox • Эксперименты на воронках на повышение конверсии и LTV • Эксперименты на монетизацию • Управлять стратегией, процесссом и тестами воронок

Примеры задач, которые мы сами делали за прошлый месяц: • собрали 3 новых воронки под новые сегменты • сделали 2 новых языковых локализации и 1 локализацию валют • перехали на оркестратор, по дороге сделав 4 A/B теста и убедившись, что не потеряли в конверсии • 2 A/B теста на цены

Требования к кандидату:

• Как минимум синий пояс в экспериментах в веб-воронках/лендах и монетизации. Умеете системно растить метрики с помощью экспериментов. Нет вопросов к приоритезации идей и выводов по завершению экспериментов • Обязательно интерес к AI-тулам, LLMкам и вайбкодингу. Это сразу метч на уровне культуры компании и это обязательно, чтобы держать наш темп • Очень желательно техническое образование, но главное – голова на плечах

Почему наша вакансия топ:

• ЗП в долларах, работа на зарубежном рынке, удаленка • Достойная оплата + бонусы от профита • Работа в крутой маленькой команде • Работа на острие технологий. Будете использовать самые современные AI решения и очень многому научитесь

Откликнуться

🤖 Какой лучший интерфейс для доступа к AI

Сайт ChatGPT — это хороший пример пользовательского интерфейса. Он стабильно обновляется и получает новые фичи. Но интерфейс не может всем подходить одинаково. В результате разные сегменты пользователей получают другие интерфейсы под свои задачи. Лично я перешел на приложение Raycast для доступа к AI и сегодня расскажу про него.

Что за Raycast: это замена поиска Spotlight на маке. Несколько главных фишек — хоткеи, расширения и AI. Хоткеи помогают выполнять частотные команды в несколько кнопок. С помощью расширения можно подключиться и управлять почти всеми популярными програмами (поиск по музыке в Spotify; менеджеры паролей и поиск; запуск терминала из текущей директории).

Какие есть AI-фичи: в Рэйкасте есть два вида AI-сценариев использования. Можно классически пообщаться в чате с AI, а можно запустить команду, которую ты заранее создал и это как раз самое интересное. Кастомные команды состоят из двух частей — заранее прописанный промпт и то как в него попадает входная информация (выделенный текст, текст из буфера или поле ввода).

Как я использую: я обращаю внимание на регулярные запросы к GPT и упаковываю их в команды. Два примера: fix spelling — исправляет ошибки в выделенном английском тексте; answer linkedin message — генерирует ответ на выделенное сообщение, при этом использует информацию обо мне и стилистике из промпта; Все это доступно в несколько кнопок в любом окне, где я нахожусь. Если команда очень частая, то Рэйкаст позволяет просто задать ей хоткей и вызывать ее таким образом.

💸 Обычные возможности Raycast можно попробовать бесплатно. За неограниченные AI-фичи с gpt3.5 нужно будет заплатить $10/mo, а за версию с gpt4 уже $20. Я пока что сижу на версии с 3.5 — ее хватает, чтобы запускать все базовые команды-промпты, но переодически думаю отменить подписку на ChatGPT и перейти на версию с 4-кой.

@prod1337

Anthropic кардинально меняет дизайн мобильного приложения https://x.com/PaulNeverovsky/status/2039288063973540249?s=20

Qoder: Квесты, MCP и SDD

Полностью перешел с Курсора на Qoder: В последнем обновлении наконец-то добавили MCP и правила для квестов ✊

Как работают эти самые Квесты?

1. Формулируешь задачу: например, «добавь аналитику для основных действий пользователя».

2. Постановка задачи (Spec Mode) — кодер пишет подробный план КАК решать задачу после анализа проекта и ждет подтверждения.

3. Автономное выполнение: читает план → составляет план действий → пишет код → тестирует → исправляет.

Quest Mode основан на подходе SDD (Spec-Driven Development): твоя задача — сформулировать проблему, а AI берет на себя написание спек и последующую детальную реализацию.

Поддержка MCP в режиме Квестов упрощает сбор документации с помощью Context7 MCP и тестирование с Devtools MCP

По ощущениям — вместе с контекстом от Repo Wiki больше ничего и не надо. Полноценный цикл от идеи до рабочего кода.

У Кодера есть бесплатный триал (что приятно).

Добавил Кодер как основной инструмент в школе Вайбкодинга на третьей неделе вместо Курсора 👊. Старт 5го ноября. Запись 👉 @hashslash_bot

Claude Code теперь умеет отправлять дизайн прямо в Figma — в виде полностью редактируемых слоёв.

Потестировал — это выглядит как настоящая магия. Устанавливаешь Figma MCP, пишешь "Send this to Figma" — и состояние браузера автоматически конвертируется в редактируемые слои Figma. Всё разложено по компонентам, можно редактировать.

https://www.figma.com/blog/introducing-claude-code-to-figma/

Dylan Field (CEO Figma) пишет, что это меняет workflow. Раньше было линейно: brainstorm → design → code. Теперь можно начать откуда угодно и двигаться в любом направлении.

Главная мысль: canvas лучше подходит для навигации по множеству возможностей, чем промптинг в IDE. Можно видеть картину целиком, сравнивать подходы side by side, редактировать детали напрямую. А потом через тот же Figma MCP вернуть изменения обратно в код.

Пока не до конца разобрался: можно ли после отправки в Figma продолжать управлять изменениями через Claude Code? Например, написать "сделай заголовок больше" — и он поправит уже существующий файл в Figma? Или каждый раз будет создаваться новый файл? Судя по всему, пока не может — но очевидно, к этому всё придёт.

#ai #figma #claude #design

————————— Мысли Рвачева —————————

Пишут source code Claude Code npm билда был по ошибке дешифрован

https://x.com/fried_rice/status/2038894956459290963?s=46

Энтузиасты во всю изучают кодовую базу. Из интересного, ожидаемые фичи на очереди:

• 1-7 апреля, BUDDY - комментарии в стиле тамагочи на день дурака

• KAIROS - вечно живущий агент в облаке, продолжение тренда с Dispatch. а по существу, уже прямой конкурент OpenClaw

• ULTRAPLAN - 30-минутная удалённая сессия планирования, для задач/фичей/архитектурных изменений, требующих долгого предварительного рисерча

• Coordinator Mode - режим оркестрации множества агентов, вероятно улучшение уже существующего agents swarm

Кто знает как лечить баг когда в Claude Code наговариваешь через Wispr Flow длинный запрос, либо вставляешь длинный текст - и он тупо залипает без возможности закрыть сессию. Использую в терминале Cursor

[1/2] Яичница против DeepMind

Попросил Клод придумать запоминающийся хештег для рубрики развлекательно-познавательных постов про пищеварение, предложил #между_ртом_и_очком – считаю это гениальным, максимально точным и цепляющим названием

Зачем мы готовим? Хочется ответить, "чтобы убить бактерии", или "чтобы было вкуснее": жареные яйца приятнее есть, чем сырые

Готовка критически важна для белков. Желательна для углеводов. И практически не нужна для жиров. Поэтому сегодня мы сосредоточимся на белках

Любой белок – это длинная цепочка аминокислот, свёрнутых в некоторую 3D-форму, клубок. Причём форма этого клубка напрямую влияет на функции белка: изменится форма, потеряется функция

С этим фактом связано аж 2 нобелевские премии:

1) В 1972 некто Кристиан Анфинсен доказал, что отображение из цепочки аминокислот → в 3D структуру – однозначное, т.е. у каждого белка одна и ровно одна "стабильная" 3D форма его "клубка". Для понимания, в одном белке бывают сотни-тысячи аминокислот (в среднем, у белков в человеческом теле ~470 аминокислот)

50 лет это оставалось лишь красивым теоретическим фактом, у которого было мало прикладной пользы. Выяснить структуру 1 белка занимало от 1 до 5 лет и $300K-$2M инвестиций

2) В 2024 году некто Демис Хассабис, CEO DeepMind получил нобелевскую премию за разработку AI системы AlphaFold 2, которая с максимально высокой точностью предсказывает 3D структуру на любой белок за секунды. До AlphaFold за 50 лет "распарсили" всего 170,000+ белков. С AlphaFold уже все известные 200,000,000+ и они доступны в открытом доступе, бесплатно

Окей, а какое отношение это имеет к яичнице, пищеварению и остальному? А такой, что при переваривании происходит ровно обратная операция: превращение белка из его "свёрнутой" 3D структуры → в длинную "развёрнутую" цепочку. Эта операция называется денатурацией белка

Почему сырой белок яиц прозрачный, а варёное яйцо визуально плотное? Клод дал метафору, что "свёрнутые" 3D белки похожи на маленькие аккуратные клубки ниток, которые занимают совсем мало места и не преграждают проход. Но если их все размотать и разбросать по дому, они все спутаются превратят дом в джунги ниток, через которые невозможно протиснуться. Аналогично, лёд прозрачный потому что его структура однородна, а снег белый

Но зачем нашему организму нужно "разворачивать" красиво упакованные белки? У нашего ЖКТ есть 2 ключевых стадии переваривания пищи: желудок, где пища готовится к перевариванию, и тонкая кишка, где усваивается 95% пищи. Можно сравнить с этапами "предобработки сырых данных" и "запросам от BI/ML-сервисов" из дата инженерии

Тонкая кишка не умеет обрабатывать белки напрямую, а только аминокислоты. Поэтому в желудке есть фермент пепсин, буквально, маленькие молекулярные ножницы для белков, который разрезает длинную цепочку аминокислот на запчасти. Но как и с нитками, нельзя разрезать целый клубок ниток (ты банально можешь подступиться только к ниткам "внешнего" слоя). Значит тебе нужно его сперва размотать. Сначала развернуть, затем резать

Развёрткой занимается соляная кислота желудка (он же желудочный сок). Такая же готовка продуктов, но чисто химическая. Но есть проблема: если яйцо поступает сырое, желудок не успевает развернуть весь белок, поэтому у сырых яиц усвоение ~50-55%. Если же в желудок поступает, скажем, скрэмбл, то усвоится 93-95% поступившего белка

Получается, что готовка – это аутисорсинг пищеварения. Существует твердая гипотеза среди антропологов, что за счёт того, что человек вынул из своего ЖКТ половину пищеварения 800 тыс лет назад и делегировал костру – мы освободили кучу энергии организма под мозг (другой вопрос, что будет когда мы делегируем половину мозга – AI?). Считается, что мозг человека не смог бы развиться до текущих размеров без этой оптимизации пищеварения за счёт "внешней" термообработки еды

Мы стали умными потому что научились частично переваривать пищу до того как её съесть

Claude Skills: как я перевёл дайджест чата на Opus

Скиллы = промпт + код. Промпт говорит что делать, код делает это одинаково каждый раз.

Есть подписка Claude Max. Но дайджест чата вайбкодеров делает Gemini 3. Плачу за API. ЛОХ 😭

Сделал Попросил Клод написать скилл: — SKILL.md: инструкции и что извлекать — fetch.sh: код подключения к базе сообщений — output-template.md: шаблон вывода

Пишу в терминал "шо там в вайбкодерах" → скрипт подключается к базе и скачивает 300 сообщений → Opus пишет дайджест по шаблону.

Всё внутри подписки которая уже есть.

Скилл и другие настройки Claude Code: github.com/serejaris/ris-claude-code

#claudecode

📊 Anthropic замерили реальное влияние AI на рынок труда - и разрыв между теорией и практикой огромен

Новая метрика "observed exposure": не "что AI теоретически может", а "что люди реально автоматизируют через Claude прямо сейчас". В Computer & Math теоретически AI покрывает 94% задач. Реально - 33%. Программисты - максимум среди всех профессий с 75% покрытием. У 30% рабочей силы экспозиция нулевая: повара, механики, бармены, спасатели.

AI забирает задачи, которые можно описать текстом и выполнить за компьютером. Все, что требует физического присутствия, переговоров или управления людьми - ноль.

По датасету Anthropic: AI сейчас автоматизирует именно рутину. "Ответь на звонок" - 100%, "проведи переговоры" - 0%. "Напиши отчет" - 99%, "управляй командой" - 0%.

https://www.anthropic.com/research/labor-market-impacts

#anthropic #ai #labor_market #jobs

————————— Мысли Рвачева —————————

📈 4% всех публичных коммитов на GitHub сейчас делает Claude Code

SemiAnalysis выпустили анализ роста Claude Code. Цифры впечатляют:

- 135K+ коммитов в день - Рост в 42,896 раз за 13 месяцев - Прогноз: 20%+ всех коммитов к концу 2026

Что говорят разработчики: - Andrej Karpathy замечает атрофию навыков ручного кодинга - Malte Ubl (CTO Vercel): "Моя новая основная работа - направлять AI исправления" - Boris Cherny: "Практически 100% нашего кода пишет Claude Code"

Еще интересное из отчета: Anthropic теперь добавляет больше revenue каждый месяц чем OpenAI. Рост ограничен только доступностью compute.

🔗 newsletter.semianalysis.com/p/claude-code-is-the-inflection-point

#claudecode #claude #anthropic #github #ai

————————— Мысли Рвачева —————————

🏹 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

GM! Polymarket вводит комиссии на все рынки. Все бомбят. Зря.

Открыл твиттер — у всех горит. "Жадные суки", "убьёт ликвидность", "ухожу на другие предикты".

На Kalshi наверное? Где комиссия и за мейкер, и за тейкер с первого дня ☹️

С 30 марта Polymarket включает taker fees на все категории маркетов. Крипта, спорт, политика, культура, погода. Макс ставка — 1.8% на 50/50, к краям снижается почти до нуля.

Для тех кто не в теме: taker fee – комиссия за "немедленные" сделки. Жмёшь Buy и закрываешь чей-то ордер из стакана — платишь. Ставишь лимитку и ждёшь — не платишь. Больше того, получаешь rebate: Polymarket собирает комиссии тейкеров и частично раздаёт компенсацию мейкерам (до 25%, полная структура в прикрепленном скриншоте или в документации)

Теперь к сути. Kalshi — имхо единственный конкурент, с которым стоит сравнивать полик. Взглянем на дюну – https://dune.com/datadashboards/prediction-markets

Калши берёт комиссию со старта. Taker до 1.75% на 50/50 — формула почти один в один, но без разделения на тип маркетов. И что? В 2025 году Kalshi сделал $23B объёма и заработал ~$260M. Polymarket при сопоставимых объёмах — почти ничего. Февраль 2026: Kalshi $9.9B, Polymarket $7.9B. Платформа с комиссиями торгует больше.

Прямо сейчас за подписку Claude Code или Codex за $200 ты получаешь API-токенов на $3-5K. Потому что Anthropic, OpenAI и Google конкурируют за аудиторию и работают в минус. Такси, доставки, маркетплейсы — сценарий один. Сначала дешевле рынка, потом монополия, потом свои условия. Polymarket набрал 53% рынка. Пришло время зарабатывать. Удивляться здесь нечему.

—

Я плотно в prediction markets, думаю было заметно по клипу. Ничего не меняю в своём подходе. Торгую лимитками — rebates покрывают комиссию. Если ты не лудоман, которому нужно войти райт нау — просто ставь лимитные ордера и торгуй бесплатно.

gm! Cursor на прошлой неделе выкатил "Composer 2" — их in-house модель. Блог-пост: "continued pretraining + scaled reinforcement learning". Бенчмарки против Opus 4.6 и GPT-5.4. На основании этого поднимают раунд на $50B.

Разработчик из Kimi перехватил API-ответ. Model ID: kimi-k2p5-rl-0317-s515-fast. Даже не переименовали. Head of pretraining из Moonshot прогнал тест токенизатора — идентичен Kimi K2.5. Публично тегнул кофаундера Cursor: "почему вы не соблюдаете нашу лицензию?"

Kimi K2.5 — опенсорсная модель от Moonshot AI. Триллион параметров, 15 триллионов токенов. Условие лицензии одно: если зарабатываешь больше определенных значений — укажи Kimi K2.5. Cursor взял модель, прикрутил RL на код-тасках и зашипил как свою. За пару недель до этого Kimi K2.5 висел в их UI как бесплатная модель. Потом исчез и появилась уже "собственная разработка". Кажется, кто-то просто дообучает модели на своих юзерах 🤔

Три поста от сотрудников Moonshot с подтверждениями удалили в течение нескольких часов. Вероятно, решили идти через юристов.

Moonshot: оценка $4.3B, свои опенсорс модели. Cursor: оценка $50B, взяли чужую и не переименовали model ID.

Маск уже подтверждает — "Yeah, it's Kimi 2.5".

Очередной YC playbook?

Claude Cowork: Dispatch

Попутно сделали своего конкурента OpenClaw в Claude Desktop - можно удалённо управлять агентом с десктопными MCP, файлами, тулами, скиллами

Пока видимо живёт строго в Desktop приложении (а не на сервере). Возможно всё-таки Mac Mini придётся брать 😑

https://support.claude.com/en/articles/13947068-assign-tasks-to-claude-from-anywhere-in-cowork

YCombinator опубликовал новый список запросов к стартапам на эту весну 2026. Самые интересные на мой взгляд:

• Cursor для продактов. Система сама анализирует интервью с пользователями, метрики и выдает готовые задачи в разработку.

• AI-Native Hedge Funds. Фонды с роем агентов, которые сами читают отчеты компаний и находят скрытые тренды на рынке.

• AI-Native Agencies. Вместо продажи софта — продажа готового результата (дизайна, кода) с огромной маржой за счет AI.

• AI Guidance for Physical Work. Носимая камера с AI, которая подсказывает сантехнику или механику, что именно крутить в реальном времени.

ycombinator.com/rfs

как я подхожу к AI SEO

контекст: мы делаем Extruct, deep research агенты для поиска и исследования компаний. не надо быть гением, чтобы понять, что сейчас большую часть ресёрча компаний люди делают в чатботах. "расскажи про компанию X", "кто их конкуренты", "какой у них funding" это всё уже идёт в Claude и ChatGPT, Perplexity.

поэтому логично было подумать, как туда пробиться и забирать траффик отткда. самое простое, что сделал: начал публично выкладывать все data points, которые мы наресёрчили агенты. генерю страницы прямо в Cursor, подключаюсь к БД, делаю постпроцессинг, массово публикую. сейчас порядка 5к страниц под long-tail запросы а-ля lindy funding, s25 batch (вторая позиция после официальной директории btw) или top b2b startups in Spain.

organic search сейчас у нас ~20%. другой вопрос с конвертацией, но top of the funnel это генерит.

теперь думаю, как это усилить. посмотрел штук 20 тулов для AI visibility. паттерн один: topic modeling → генерация промптов → пуш в LLM-чатботы. у меня ощущение, что часть из них просто дёргает API веб-поиска, а не эмулирует реальные пользовательские сессии. а разница есть: API ≠ консьюмерский продукт.

в таком сетапе выглядит не супер полезно. главная проблема: ни один тул не показывает объём запросов по промпту. без этого ты оптимизируешь под фразы, которые никто не вводит. понятно, что это непросто достать даже самим вендорам. а в LLM-поиске long tail ещё тяжелее, уникальных запросов больше, агрегировать клики по ним нельзя.

с другой стороны, я на это смотрю больше как на упражнение по оттачиванию позиционирования. полезно думать, как генерится интент на твой продукт или проблему. это может быть хорошим циклом, который связывает лендинги, копирайтинг и сам продукт особенно если ты ещё до PMF.

если копнуть в теорию, то ни у кого пока нет своего полноценного индекса. это general meta-search wrapper + LLM reasoning. да, есть кроулеры, есть оптимизации с кэшированием и свой re-ranking, но базово весь поиск всё равно лежит на поисковых движках. LLM разбивает твой промпт на 2-5 подзапросов и шлёт их в Google, Bing или Brave. потом ходит по топ-ссылкам, чанкует контент, цитирует то, что релевантно.

пример: запрос "SEO agency NYC" в Perplexity превращается в три отдельных Google-запроса — "seo agencies nyc", "top seo companies new york city", "best seo firms ny".

вся эта возня с visibility идёт от того, как происходит ранжирование внутри RAG.

но базовые принципы SEO никуда не делись. E-E-A-T — доверие к домену, авторитетность автора, бэклинки, директори, отзовики. говорят, что UGC площадки с высокой цитируемостью положительно влияют на AI SEO: Reddit, G2, Capterra, Trustpilot. форумы и отзывы сейчас весят для brand mentions больше, чем в классическом SEO.

что подметил из рисерча: 1. читаемость важна на уровне чанка. в ответ LLM попадают 1-2 чанка, а не весь документ. поэтому у каждой статьи должен быть чёткий TL;DR в начале. 2. каждый inference немного разный. нет детерминированного "ты на 4-м месте по этому запросу" - позиция плавает. 3. онлайн-сигналов (кликов) в RAG-поиске меньше, но есть другой сигнал: какие документы LLM процитировала, а какие проигнорировала. то есть feedback loop дольше, надо это учитывать, когда катишь конетнт. 4. тректинг атрибуции через прямые заходы делать бесполезно. влияние будет заметно только в direct траффике. лучше это распрашивать в онбординге.

что ещё делаю: 1. пишу по 3 поста в день на Reddit с мягким упоминанием бренда. руками, не автоматизирую. 2. смотрю, на что LLM ссылается в web search, это единственный способ понять, под какой контент имеет смысл писать и где пробелы.

честно: серебряной пули нет. это educated guessing плюс базовая SEO-гигиена. большинство AI SEO тулов пока выглядят скорее как агентства, продают ручную работу под видом автоматизации.

кто трекает AI-цитирования в масштабе? если кто-то делает что-то инетерсное в этом домене такое, напишите в личку, с радостью познакомлюсь.

Год назад в кулуарах «Я люблю фронтенд» Артём @artalog показал мне Roo. Я вернулся в Петербург, подключил Roo к Sonnet 3.7, удивился, что теперь действительно что-то можно отдать на откуп LLM и пошёл подсаживать команду. Мы нашли кейсы, где нейронка хороша, собрали мемори банк и настроили конфиги там, где она тупила. Именно тогда для меня и был переломный момент, когда я полностью поменял свое отношение к AI-кодингу.

А вчера я удалил папку .roo из проекта. И мемори банки удалил. Клод код пошуршал по этим файлам и сказал, что это прошлый век, там нет ничего полезного и он может лучше из коробки. Я с ним согласился и ушёл настраивать openclaw.

Что 9000 часов работы расскажут обо мне?

Попросил Сlaude Cowork проанализировать всю выгрузку моего Session за 3 года и проанализировать, что отличает мои лучшие недели (по часам работы) от остальных:

1. Consistency > Intensity Не "пахать 16ч в один день", а "не иметь дней по 1-2ч" Постоянство лучше, чем разовые рывки. В лучших неделях я работаю 7 дней в неделю и даже самый слабый день (из 7 дней в неделе) в среднем 5.8 часов. Если эта неделя была хорошей, следующая скорее всего будет тоже (корреляция +0.39)

2. Wide Span > Grind Hard Не "интенсивнее за 8ч", а "растянуть рабочее окно и заполнить его" Я не работал 10-12 часов без перерыва, мои рабочие блоки относительно широко распределялись по дню. В мои лучшие недели начало и конец работы разделяло, в среднем, 16.5 часов (по сути всё время бодрствования), но работа чередовалась с прогулками, спорт-залом и т.п. Я рано начинал и поздно заканчивал работу (но не позже полуночи, иначе испортишь себе следующий день

3. Deep Sessions > Many Sessions Способность уйти в длинную сессию – маркер лучших недель Не распыляться на много мелких задач, а иметь цельные блоки непрерывной фокусированной работы. В топ-неделях я начинаю день в среднем с 2-часовой сессии ("начинать день с Top Goal of the Day") + хотя бы раз в неделю была сессия на 8ч. Около 72% всех сессий в блоках по 90+ минут работы. В плохие недели первая сессия 87мин и много мусорных заходов <15мин

4. Afternoon Core + Morning Bonus Твой движок – afternoon. Утро – это то, что отличает хорошие недели от средних В лучших неделях моё время работы приходится в основном на день и на утро (с 6 утра до 6 вечера). В худших неделях на вечер и день, больше на вечер. И самое важное отличие, в свои худшие недели, я более чем в 2 раза меньше времени набираю днём

5. 1 Project Focus > Scatter Концентрация на 1 проекте коррелирует с output. Когда 60%+ времени на одном проекте (обычно разработка по Vibe) – выхлоп выше. Расфокус по нескольким проектам = слабая неделя. В лучшие недели всегда было ясно, что сегодня основное

6. Streak Killers: что убивает следующую неделю? Your worst day protects your best streak Худший день этой недели многое говорит о следующей. Если вечером (или тем более ночью) работаю больше чем днём, очень высокая вероятность спада продуктивности на следующей неделе. Высокий минимум дня на этой неделе – высокий шанс, что серия хороших недель продолжится. Опять же consistency > intensity

#LifeOps