Щербаков
الذهاب إلى القناة على Telegram
👾 ШІ, маркетинг, бізнес, ІТ. Впроваджую ШІ в компанії, навчаю команди. Засновник Madstone (@madstone_company) та Hworknet Community (@hworknet_community). Автор: @hworkneter, мультилінк: linktr.ee/hworknet
إظهار المزيد595
المشتركون
-424 ساعات
-87 أيام
-1030 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
يوليو '26
يوليو '26
+4
في 0 قنوات
يونيو '26
+5
في 0 قنوات
Get PRO
مايو '26
+16
في 1 قنوات
Get PRO
أبريل '26
+22
في 0 قنوات
Get PRO
مارس '26
+26
في 1 قنوات
Get PRO
فبراير '26
+6
في 2 قنوات
Get PRO
يناير '26
+16
في 1 قنوات
Get PRO
ديسمبر '25
+58
في 0 قنوات
Get PRO
نوفمبر '25
+17
في 0 قنوات
Get PRO
أكتوبر '25
+23
في 0 قنوات
Get PRO
سبتمبر '25
+7
في 0 قنوات
Get PRO
أغسطس '25
+23
في 0 قنوات
Get PRO
يوليو '25
+57
في 2 قنوات
Get PRO
يونيو '25
+11
في 1 قنوات
Get PRO
مايو '25
+14
في 1 قنوات
Get PRO
أبريل '25
+7
في 1 قنوات
Get PRO
مارس '25
+10
في 1 قنوات
Get PRO
فبراير '25
+9
في 1 قنوات
Get PRO
يناير '25
+12
في 1 قنوات
Get PRO
ديسمبر '24
+22
في 1 قنوات
Get PRO
نوفمبر '24
+4
في 1 قنوات
Get PRO
أكتوبر '24
+18
في 1 قنوات
Get PRO
سبتمبر '24
+9
في 0 قنوات
Get PRO
أغسطس '24
+13
في 0 قنوات
Get PRO
يوليو '24
+7
في 1 قنوات
Get PRO
يونيو '24
+4
في 0 قنوات
Get PRO
مايو '24
+10
في 0 قنوات
Get PRO
أبريل '24
+17
في 1 قنوات
Get PRO
مارس '24
+10
في 1 قنوات
Get PRO
فبراير '24
+20
في 0 قنوات
Get PRO
يناير '24
+85
في 0 قنوات
Get PRO
ديسمبر '230
في 1 قنوات
Get PRO
نوفمبر '230
في 0 قنوات
Get PRO
أكتوبر '230
في 0 قنوات
Get PRO
سبتمبر '23
+413
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 25 يوليو | +1 | |||
| 24 يوليو | 0 | |||
| 23 يوليو | 0 | |||
| 22 يوليو | 0 | |||
| 21 يوليو | +1 | |||
| 20 يوليو | 0 | |||
| 19 يوليو | 0 | |||
| 18 يوليو | 0 | |||
| 17 يوليو | 0 | |||
| 16 يوليو | 0 | |||
| 15 يوليو | 0 | |||
| 14 يوليو | +1 | |||
| 13 يوليو | 0 | |||
| 12 يوليو | 0 | |||
| 11 يوليو | 0 | |||
| 10 يوليو | +1 | |||
| 09 يوليو | 0 | |||
| 08 يوليو | 0 | |||
| 07 يوليو | 0 | |||
| 06 يوليو | 0 | |||
| 05 يوليو | 0 | |||
| 04 يوليو | 0 | |||
| 03 يوليو | 0 | |||
| 02 يوليو | 0 | |||
| 01 يوليو | 0 |
منشورات القناة
| 2 | Нормальний результат з першого промпта не виходить ні в кого
В більшості випадків люди відкривають ChatGPT чи Claude, пишуть один запит, отримують не те, що хотіли, і на цьому закривають питання — сервіс не вивозить, модель тупить, ШІ переоцінений. Так от, є банальність, про яку всі знають і яку майже ніхто не виконує: нормальний результат у роботі з ШІ набирається кількома ітераціями. З одного проходу він не набирається майже ніколи.
Саме через банальність її і не роблять. Ітерація — це нудна робота: прогнати, подивитись де промахнулось, поправити інструкцію, прогнати знову. Простіше сказати, що інструмент не підійшов.
Як взагалі виглядає одна ітерація?:
1. Спочатку протестити рішення на реальних задачах, два-три рази підряд, а не один показовий тест. Одна вдала відповідь нічого не доводить, закономірність видно тільки на кількох.
2. Після цього результати цих прогонів треба закинути назад у модель і поговорити з нею: де вона стабільно промахується, що спільного в невдалих відповідях, які місця інструкції читаються не так, як ви їх писали. Модель в принципі непогано розбирає власні виходи, якщо дати їй матеріал для порівняння.
3. Ну і саме основне — робити правки! Системний промпт, інструкція, база знань, опис скіла: міняти треба конкретне місце, яке дає збій, а потім заходити на нове коло і дивитись, чи змінилось. Так по колу, кілька разів.
Скіл, який пише моїм стилем
Для себе (ведення соцмереж) зробив перший варіант так, як я це бачив, дав йому кілька тем і подивився на результат — виходило схоже, але не моє. А от далі почалось найцікавіше: я брав чернетку, яку видала модель, переписував її руками так, як написав би сам, і закидав обидві версії назад у Claude, щоб він знайшов закономірності — які саме місця він стабільно псує. Виявилось, що зміст модель ловить нормально, а ламається на зшивці: заголовок, переходи між абзацами, кінцівка. Ось це все і пішло в скіл окремими правилами. Таких кіл було кілька, і тільки після них Claude почав писати так, як пишу я.
GPTs для редакції
Другий приклад більший. Я робив набір кастомних GPTs для суспільно-політичного інформаційного порталу, там редакція з восьми редакторів, які щодня пишуть статті. Перша версія була зроблена так, як я її бачив зі свого боку, і з моєї точки зору все виглядало логічно. Далі я віддав це редакторам у щоденну роботу, вони понаписували на ньому реальні тексти і принесли фідбек: тут ок, тут не ок, а це взагалі не використовується. Я виправив, віддав знову, зібрав фідбек ще раз, і так кілька заходів.
Наприклад, у четвертій версії асистент почав видавати текст по шматочках, а не одним блоком, і від цього якість стала помітно вища. Такі речі на старті не видно, вони вилазять тільки коли рішенням користуються щодня. Зараз у цього асистента 5000+ запусків, а рерайт статті займає три хвилини замість тридцяти.
Тепер важливий момент, чому цього все одно не роблять. В більшості випадків причина проста — ліньки. Ліньки написати нормальний промпт, ліньки прогнати рішення двічі, ліньки сісти і розібратись, чому воно видає не те. Сюди ж і зовсім база: у людини або немає акаунта в сервісі, або він безплатний, і з цього робиться висновок про можливості ШІ загалом. Платний акаунт за 20$ і два зайві тести закривають більшість претензій, які я чую.
В цілому, велика мовна модель на те й навчена на великих обсягах даних, щоб розуміти вас звичайною мовою — українською, англійською, будь-якою. Тому єдине, що реально треба з вашого боку, це запускати, тестувати, давати фідбек і заходити на наступне коло. Кілька таких кіл дають адекватне рішення, а те, що з першого разу не вийшло, у випадку з нейромережами взагалі нормальна ситуація. | 76 |
| 3 | Формати промптів і файлів — розбираємось по документації
Останнім часом у TikTok'ах, Threads постах і в різних чатах стабільно бачу наступне: markdown — це рідна мова великих мовних моделей, промпти треба писати заголовками й булітами, файли кидати тільки в .md, а дехто вже радить узагалі не писати промпт, а закинути один файл, де є все. Звучить логічно, тому й розлетілось. Я сів і перевірив це по актуальній документації вендорів, і вийшла картина, де половина порад просто неправдива, а половина правдива, але зовсім з іншої причини.
Так от, рідна мова чи не рідна, формат чи не формат?
Спочатку про головне джерело цієї суперечки. Люди сперечаються про формат, не помічаючи, що питань насправді два і вони про різні речі. Перше — чим ви ділите секції всередині промпту, тегами чи заголовками. Друге — в якому вигляді в модель заходять самі дані, PDF чи текст. Це два різні шари, треба розуміти в чому різниця.
Шар перший, обгортка промпту
Anthropic досі тримає окремий розділ "Structure prompts with XML tags", і документи радить загортати в тег document з вкладеними document_content та source. Google у документації Gemini пише, що працюють обидва варіанти — XML-теги або markdown-заголовки, — просто виберіть один і не змішуйте. Але їхній власний еталонний шаблон "Example template combining best practices" написаний повністю на XML.
А от в OpenAI сталось найцікавіше. Гайд до GPT-5.6 вийшов 9 липня 2026, і формату в ньому немає взагалі. Замість цього одна рекомендація: пишіть менше. Їхні внутрішні прогони на кодинг-агентах дали +10-15% до оцінок при -41-66% токенів, просто від того, що з промптів прибрали повтори.
Тепер цифри, які цю суперечку закривають. Systima в березні 2026 прогнала відкритий бенчмарк: чотири топові моделі, три формати, десять задач, 600 викликів. Різниця між XML, markdown і JSON на важких задачах вийшла 0,1% у GPT-5.2, 0,2% у Claude Opus 4.6 і 0,3% у Kimi K2.5. Їхній висновок дослівно: порада "Anthropic любить XML, а OpenAI любить markdown" цими даними НЕ підтверджується (systima.ai/blog/delimiter-hypothesis).
Тобто на топових моделях обгортка — це вже питання читабельності для вашої команди, а не продуктивності.
Шар другий — файли
А от тут різниця реальна і велика. У документації Anthropic щодо PDF написано прямо: кожна сторінка конвертується в картинку, і текст іде поверх неї. 1500-3000 токенів на сторінку тільки за текст, плюс окремо токени за зображення. Там же лежить показове порівняння одного й того самого тристорінкового PDF: у режимі текстової екстракції приблизно 1000 токенів, у режимі повного візуального розбору приблизно 7000.
Тому порада міняти PDF на markdown — робоча. Але дає цей виграш чистий текст замість картинок, markdown тут просто один із варіантів чистого тексту. У тій же самій документації .txt, .csv і .md лежать в одному кошику plain text і обробляються однаково. Різниці між .md і звичайним .txt немає ніякої.
Другий популярний аргумент — що markdown краще чанкується в базі знань. У керованих системах це неправда. OpenAI ріже файли на чанки по 800 токенів з перекриттям 400, Gemini теж ріже по токенах. Ваші заголовки меж чанка не задають, їх спокійно розрізає посередині секції. Заголовкове розбиття справді працює, але тільки якщо ви самі будуєте пайплайн і самі вибираєте сплітер.
А що з ідеєю закинути весь промпт файлом?
Цього не радить ніхто, і обидва вендори кажуть протилежне про порядок. Anthropic: довгі дані класти зверху, над запитом і інструкціями. Google: увесь контекст спочатку, а конкретне питання та інструкції в самому кінці промпту, критичні обмеження й формат виводу взагалі в системну інструкцію.
Тобто дані йдуть у контекст, а інструкція лишається в промпті. Якщо запхати інструкцію всередину файлу разом з даними, ви власноруч зносите ту саму межу між інструкцією і даними, заради якої вся історія з розділювачами й затівалась.
Де формат реально важить
Перше — це якраз питання щодо безпеки. У тому ж бенчмарку Systima модель MiniMax M2.5 на trojan-інжекті через markdown провалилась у 20% прогонів при нульовій температурі, а на XML і JSON дала 100% стійкості. Коли в контекст заходить чужий неконтрольований текст, закриті теги дають однозначну відповідь на питання, де закінчуються дані.
Друге — на слабких моделях. У червневій роботі "Capacity, Not Format" Sonnet 4.6 однаково тримає близько 89% на всіх форматах, а Haiku 4.5 на тій самій задачі під JSON падає на 36 пунктів. Формат — це навантаження, яке сильна модель просто не помічає, а в слабкої на нього вже не лишається запасу.
Третє — на межі можливостей моделі. Навіть Opus 4.7 на олімпіадній математиці просідає з 96,2% до 91,0%, коли його змушують одразу писати в JSON. Правильний підхід: спочатку думати, форматувати потім. Відкладене форматування повертає 80-87% втраченого.
Про тренувальні дані
Найчастіший аргумент обох таборів — "модель тренували на цьому форматі". Так от, розподіл форматів у тренувальних корпусах не публікує ніхто. Anthropic узагалі пише в документації, що канонічних тегів, на яких тренували Claude, не існує, а причини для XML перелічує суто парсингові. Тому фраза "модель любить X, бо її на цьому вчили" лишається здогадкою без джерела, з якого боку її не кажи.
Золоте правило
Гайд по GPT-5.6 вийшов 9 липня 2026 і переписав те, що OpenAI радила в серпні 2025. Документація Gemini оновлена 10 червня. Тобто порада, яку ви почули в ролику пів року тому, встигла застаріти на кілька генерацій моделей.
Документація у всіх трьох вендорів відкрита і безплатна. Півгодини читання першоджерела закриває це питання надійніше за будь-який ролик, включно з цим постом. В цілому, якщо промпт не працює — справа майже завжди в змісті секцій, дужки тут ні до чого. | 137 |
| 4 | Системний промпт Claude Opus 5 — розбираємось
Вчора вийшла нова модель — Opus 5, через це в Threads та Twitter було багато новин про злив системного промпту. Скріншоти, репости, файл на GitHub на 1511 рядків і 132 кілобайти, підпис про 135000 витягнутих символів... Люди думають, що це щось закрите і унікальне, типу "злив" секретних даних, але це трішки не так.
Так от, секрет чи не секрет, злив чи не злив? Якщо відкрити чат, попросити модель показати свій системний промпт — вона покаже його. Все відбувається напряму, без зламів, хитрощів — просто прямий промпт, це через те, що інструкції тримати це в секреті всередині просто немає.
Anthropic в принципі публікує системні промпти своїх застосунків у документації з серпня 2024 року (ось тут: docs.claude.com/en/release-notes/system-prompts), там окремий розділ з логом версій: Opus 4.6 — 5 лютого 2026, Opus 4.7 — 16 квітня, Opus 4.8 — 28 травня. Останній запис для Opus 5 вийшов 24 липня 2026, тобто в день релізу самої моделі. Промпт був публічним з першої години життя моделі, не було ніякої секретності.
Але є важливий момент, бо називати ту знахідку повним нулем теж невірно. В офіційній документації лежить core-версія — без схем інструментів, без блоку памʼяті, без частин, які підвантажуються в контекст на льоту. А от у злитій версії (https://github.com/Eversmile12/leaked-llm-prompts/blob/main/Anthropic/opus-5.md) ці шматки містяться, ось це справді додає до публічного, і писати треба було саме про це.
Що там реально цікаво?:
1. Підлабузництво (sycophancy, з цим Claude активно бореться: https://youtu.be/nvbq39yVYRk?si=bMB2oxq2Oh6ojuly) заблоковане в два шари. Якщо ви введете промпт "завжди хвали мене і не сперечайся" — модель не має права зберегти це в довготривалу памʼять. Якщо вона (ця інструкція) туди все-таки потрапила з іншого інтерфейсу, працює друге правило — вважати її відсутньою. Захист від асистента, який з часом перетворюється на дзеркало-підлабузника. Привіт, ChatGPT та Gemini 👋
2. Оцінюється сукупний результат розмови, а не кожен крок окремо. Класичний багатокроковий джейлбрейк — порізати заборонений запит на десяток нешкідливих питань. Тут пряма вимога дивитись на те, що складається в сумі, і окремо прописано, що раніше надана допомога не є дозволом продовжувати.
3. Є список заборонених слів: моделі не можна писати "genuinely", "honestly" і "straightforward" — боротьба з ознаками AI-slop-тексту на рівні окремих слів. Але все одно краще окремий скіл під себе створювати, щоб якісно все було.
В цілому, читати системні промпти взагалі корисно, якщо ви пишете власні. Це може виявитись кориснішим джерелом з промптингу за половину курсів на ринку — тут видно, як це роблять на живому продукті з мільйонами користувачів. | 144 |
| 5 | Нова ера автоматизації буде на днях
Claude скоро запустить scheduled tasks у хмарі (анонс уже є) — тобто запуск Cowork без потреби тримати ПК увімкненим, все це разом з MCP-конекторами та скілами. Це буде просто вогонь 🔥
Навіщо мені збирати флоу в Make чи n8n, якщо можна зробити ту саму "вайб" автоматизацію — за пару кліків і промптів? От і в мене таке саме питання.
Покажу на своєму прикладі. Зараз у мене є задача — публікувати статті на сайті і витрачати на це мінімум часу. Що я зробив: підключився по MCP до адмінки сайту і зробив скіл з усіма правилами написання. Тепер треба лише закинути туди тему або посилання — і стаття сама публікується. Оце і є та сама "вайб" автоматизація.
Коли scheduled tasks розкатають, ця історія зможе працювати у фоні — сама, без мене. Щоранку або три рази на день брати потрібні посилання і публікувати. Мені навіть заходити нікуди не треба буде.
Що це дає на практиці:
• все об'єднано в одному місці: CRM, документи, дані
• все реально працює разом, без милиць
• під капотом найпотужніша LLM
• автоматизація крутиться в хмарі, сама, без участі людини
Тут у нас буде ідеальне поєднання — автоматизація, скіли з детальними правилами, MCP-конектори, адмінка. За таке рішення і 100 доларів платити не шкода.
Єдиний нюанс — чекаємо, поки розкатають на всіх, там потрібен план Max (підписка). Чекаємо вже більше тижня, поки тиша, але думаю, 2-3 тижні — і буде у всіх 😎 | 152 |
| 6 |  Правильні рекомендації в YouTube виглядають так 😏
Ось лінк на відео: https://youtu.be/xvC4ZQFjYj8?si=Q1iIPMCG4_kuIiSt | 135 |
| 7 |  16 травня буду на сцені Kyiv Project Management Day 2026 Spring у Premier Hotel Rus
Буде відразу дві активності в один день. Почну з доповіді "Використання ШІ в роботі PM" — покажу, як саме AI заходить у щоденну роботу проджекта. Розберемо конкретні сценарії, які працюють вже зараз.
Також буду брати участь у панельній дискусії "AI-агенти в управлінні проєктами: від помічників до виконавців" — обговоримо, де агенти реально виконують роботу, а де ще ні. Що можна делегувати без втрати якості, а де human-in-the-loop обовʼязковий.
Питання, які крутяться у мене в голові перед панеллю:
• Які PM-ролі агенти вже сьогодні закривають частково?
• Де межа між "помічник" і "виконавець"?
• Як не скотитись у сліпу довіру AI на критичних рішеннях?
Якщо ви PM, тімлід або керівник, який хоче зрозуміти, що з AI у вашій роботі вже не майбутнє, а понеділок — приходьте. Деталі та реєстрація: pmday.org
До зустрічі 16 травня 🤝 | 147 |
| 8 |  Став рецензентом освітньо-професійної програми "Інженерія програмного забезпечення"
Моя освіта — програміст, я навчався спочатку в коледжі, потім в університеті. Найбільшу кількість знань дав мені саме коледж. Там я писав свої перші програми, робив перші розробки, створював перші сайти. Все інше далі розвивалось через мої вміння, навички і бажання.
Тепер я став рецензентом освітньо-професійної програми "Інженерія програмного забезпечення" — для того ж коледжу, де колись навчався сам. ТБЕК, привіт ✌️
Це мій перший такий досвід. Впевнений, що нові покоління програмістів звідти виходитимуть сильними 🔥 Приємно було спробувати себе в новій ролі. | 114 |
| 9 |  +4Модерував івент "Норм чи Стрьом" в Lift99 від AIN
На івенті у нас були ключові фрази та визначення, а спікери підіймали таблички "норм" або "стрьом" щодо тих чи інших тверджень.
Обговорювали теми, які зараз доволі актуальні в українському секторі: соло-фаундерство, рої агентів, вайбкодинг, синтетичний C-level, голосові агенти та багато іншого.
Крім цього, говорили про факапи. Кожен зі спікерів поділився своїм невдалим досвідом, і було дуже цікаво слухати, що в кого не виходило.
Всі спікери, а саме Поль Вахтель, Михайло Пацан та Володимир Тетерук, класно підсвітили основні моменти щодо агентів та використання штучного інтелекту. Дякую їм за участь та залученість.
Окрема подяка Крістіні Малишевій, AIN та Lift99 за майданчик та організацію 🙌 | 112 |
| 10 |  +322 травня о 17:00 буду виступати в TIRED Community з темою "Claude для дизайнерів — від брифу до готового чеку за годину"
Покажу, як використовувати Claude у дизайн-процесі: від розбору брифу до фінального результату. Все на конкретних прикладах — як прискорити роботу і реально збільшити заробіток.
Якщо ти дизайнер і хочеш зрозуміти, як ШІ може працювати на тебе — приходь.
Долучайся до спільноти: https://www.instagram.com/tired_community/ | 100 |
| 11 |  Як AI вже замінює рутину: кейси, які ви можете повторити
Запрошую всіх 29 квітня о 19:00 на безкоштовний вебінар разом із Choice31 та IAMPM.
Покажу свій робочий AI-контур зсередини — як я паралельно веду Madstone, Hworknet Community і консалтинг без вигорання. Розберемо, чому окремі фішки не склеюються в результат, і зберемо готовий контур під нового клієнта прямо на ефірі за 30 хвилин.
Плюс — реальна задача в Claude від промпту до результату наживо.
Реєстрація: https://iampm.ua/ai-in-routine-assistants-cases | 98 |
| 12 |  1000 днів продуктивності
Наступного разу, коли мене питатимуть про цілеспрямованість — покажу цей пост. Трекаю все в Todoist. | 102 |
| 13 |  +7ШІ для бізнесу: як перестати робити все вручну? 🤖📈 | 123 |
| 14 | ШІ для бізнесу: як перестати робити все вручну? 🤖📈 | 1 |
