Онто.
前往频道在 Telegram
Онто - платформа для моделирования и анализа сложных систем. Сайт: https://ontonet.ru/ Платформа: https://app.ontonet.ru/ Документация: https://ontonet.ru/info Учебный центр: https://ontonet.ru/learning Сообщество: https://t.me/+utYGnhBi0JQ2Mjcy
显示更多339
订阅者
无数据24 小时
+57 天
+530 天
正在加载数据
吸引订阅者
十月 '2610月 '26
十月 '26
+128
在1个频道中
九月 '260
在2个频道中
Get PRO
八月 '260
在2个频道中
Get PRO
七月 '260
在2个频道中
Get PRO
六月 '260
在1个频道中
Get PRO
五月 '260
在0个频道中
Get PRO
四月 '260
在2个频道中
Get PRO
三月 '260
在0个频道中
Get PRO
二月 '260
在0个频道中
Get PRO
一月 '260
在0个频道中
Get PRO
十二月 '250
在1个频道中
Get PRO
十一月 '250
在0个频道中
Get PRO
十月 '250
在1个频道中
Get PRO
九月 '250
在0个频道中
Get PRO
八月 '250
在1个频道中
Get PRO
七月 '250
在1个频道中
Get PRO
六月 '250
在0个频道中
Get PRO
五月 '25
+9
在0个频道中
Get PRO
四月 '25
+44
在1个频道中
Get PRO
三月 '250
在0个频道中
Get PRO
二月 '25
+12
在0个频道中
Get PRO
一月 '250
在0个频道中
Get PRO
十二月 '24
+6
在0个频道中
Get PRO
十一月 '240
在0个频道中
Get PRO
十月 '240
在0个频道中
Get PRO
九月 '24
+14
在1个频道中
Get PRO
八月 '240
在0个频道中
Get PRO
七月 '24
+9
在0个频道中
Get PRO
六月 '240
在1个频道中
Get PRO
五月 '24
+11
在0个频道中
Get PRO
四月 '240
在0个频道中
Get PRO
三月 '240
在0个频道中
Get PRO
二月 '24
+113
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 19 十月 | 0 | |||
| 18 十月 | 0 | |||
| 17 十月 | 0 | |||
| 16 十月 | 0 | |||
| 15 十月 | +5 | |||
| 14 十月 | 0 | |||
| 13 十月 | 0 | |||
| 12 十月 | 0 |
频道帖子
+1
У нас примерно каждые четыре минуты кто-нибудь придумывает новый реестр или спрашивает, как заменить Excel на Онто 😁 Обычно за этим стоит вполне конкретная история: таблица разрослась, документы лежат отдельно, согласования живут в переписке, а собрать всё вместе может только человек, который помнит, как оно устроено.
При этом у компании уже есть работающие системы, привычные инструменты и люди со своими задачами. Поэтому полезно сначала разобраться: где именно в этой архитектуре пригодится Онто и что имеет смысл связать между собой?
Мы сделали для этого небольшое приложение прямо на главной странице сайта. Описываете свою задачу или выбираете пример. Если контекста недостаточно, приложение задаст до двух уточняющих вопросов, а затем предложит вариант решения.
В результате вы увидите, из каких объектов и связей складывается ваша задача, какие возможности Онто подходят и как платформа может встроиться в существующую инфраструктуру. Где достаточно совместной работы с моделью, где пригодятся документы, где — AI-агент или автоматизация. И с объяснением, почему предложен именно такой набор.
В основе рекомендаций — зафиксированная карта возможностей Онто. Модель подбирает подходящие инструменты из неё, а недостающие сведения обозначает как предположения. Это первая прикидка архитектуры, которую уже можно обсуждать с командой. Само приложение ничего в вашем пространстве не создаёт и интеграции не запускает.
Попробуйте на своей задаче: ontonet.ru. Особенно если прямо сейчас собираетесь завести ещё один реестр 🙂
| 2 |  Пользователи Claude жаловались на сложности с подключением к Онто: мы не поддерживали стандартные заголовки авторизации. Исправили этот пробел, а заодно подготовили отдельную инструкцию по подключению.
Через MCP Claude получает доступ к объектам и связям вашего пространства Онто. Можно работать с уже собранным контекстом команды, сохранять результаты в общей модели и продолжать работу в следующих сессиях — без постоянного пересказа того, что вы уже описали и решили.
Если раньше подключение не получилось — самое время попробовать снова. Настройки и инструкция для Claude → | 114 |
| 3 | Кто вы по профессиональной роли?
Давайте познакомимся и узнаем, кто собрался в нашем чате. Выберите роли, в которых вы сейчас работаете. Если совмещаете несколько — отметьте все подходящие. | 142 |
| 4 | Раньше для работы с Онто я рекомендовал Cherry Studio. Теперь добавился DeepSeek Harness — с нашим плагином, который позволяет прямо рядом с чатом выбирать пространство, роль агента и материалы памяти. У этой связки две практические выгоды: свобода выбирать модели и экономия денег.
Закончился лимит или для задачи подходит более дешёвая модель — переключаетесь. Контекст поставляет Онто: знания проекта, связи между объектами, принятые решения и правила агента. Следующей модели не приходится заново собирать эту основу из множества документов. Значимые результаты разговора сохраняете в пространстве — и используете дальше с любым подключённым инструментом.
При этом структурированный контекст позволяет передавать сведения, относящиеся к задаче. Когда он заменяет загрузку целого массива документов, расход токенов может сокращаться многократно. Вы меньше платите за передачу лишнего текста и повторный разбор того, что команда уже знает.
Меньше токенов, больше выбора моделей, меньше зависимости от их лимитов и тарифов. Знания остаются у команды, а инструменты для работы с ними можно менять. | 142 |
| 5 |  Агенты и память Онто — теперь рядом с чатом
Нас давно критиковали: агенты пространства есть, память есть, а увидеть всё это и начать работать неудобно. Какие роли доступны? Что команда уже знает? Какие документы стоит подключить к задаче? Через MCP модель могла получать эти сведения, но человеку тоже нужен понятный интерфейс.
Недавно я познакомился с DeepSeek Harness и с помощью Codex сделал Onto Space Panel — плагин, который открывает пространство Онто рядом с разговором с моделью. Подключаете MCP, выбираете пространство и можете просматривать его декларацию, агентов, память, шаблоны и объекты.
Например, выбираете роль аналитика, подключаете из памяти принятые решения и начинаете обсуждать новую задачу. Чат получает устав и конституцию агента, а также выбранные вами материалы. Дальше через MCP можно работать с объектами и связями Онто, создавать и изменять данные в пределах своих прав.
Роль и подключённые материалы остаются перед глазами. Можно прочитать документ до добавления, убрать лишнее и собрать нужный контекст для конкретного разговора. В другом чате — выбрать другое пространство и другую роль.
Мне нравится эта связка: Harness даёт среду для разговора с моделью и работы с инструментами, а Онто — знания, связи и правила, которые команда накапливает за пределами отдельного чата. Теперь этим контекстом удобно управлять самому.
Это уже третий публичный проект в этом направлении: нода для n8n — для автоматизированных сценариев, MCP — для работы AI с Онто, а теперь и плагин для Harness — для удобной работы человека с агентами и памятью пространства.
Плагин открыт под MIT. Исходники и инструкция по установке.
А для вас — новая возможность в Онто: открыть память команды, выбрать агента и приступить к задаче прямо из чата. | 120 |
| 6 | Основной saas пока не работает по не зависящим от нас причинам. все бэкапы есть, весь прошлый месяц занимался организацией кросс хранения в разных юрисдикциях. Но поднять Прод где-то кроме российских провайдеров по понятным причинам не могу. Прошу воздержаться от комментариев. https://www.securitylab.ru/news/578584.php | 152 |
| 7 |  Я тут почитал CNews: программист в одиночку сделал долговременную память для AI-агентов, а опрошенные эксперты согласны, что решение пока единственное на рынке. Посмотрел сайт проекта, посмеялся и пошёл делать страницу про MCP Онто. Потому что возможность у нас уже есть, а нормально рассказать о ней мы опять забыли.
Сама проблема вполне реальная. Если каждую новую сессию начинать с пересказа того, что вы вчера решили, далеко не уедешь. Но мне интереснее общая память команды: чтобы человек, агент и рабочий процесс обращались к одной модели, где есть объекты, связи и принятые решения. Агент сменился, нейросеть сменилась, человек ушёл в отпуск — работа продолжается.
В Онто человек работает с этой моделью через интерфейс, а агент — через MCP. Результат его работы можно вернуть туда же, чтобы следующий участник продолжил с него. Знание постепенно накапливается в пространстве команды и становится частью её работы.
Так что теперь есть страница, где можно выбрать свой AI-клиент, взять конфигурацию и подключиться. Иногда читаешь новость про технологический прорыв и понимаешь: тебе пора дописать собственный сайт 🙂
https://ontonet.ru/mcp | 242 |
| 8 |  Готовимся со Стасом Карамушко к курсу «AI: верить нельзя проверить» и обнаружили простой пробел: про работу AI с контекстом в Онто рассказываем, а понятной инструкции «как подключить своего агента» у нас нет. Исправили — теперь есть отдельное руководство по подключению через MCP.
Это первый шаг к тому, чтобы работать с собранным в Онто контекстом вместе с AI. Вы описываете свою задачу через объекты, связи и основания, а затем подключаете агента к этой модели. На курсе пройдём этот путь на практике и разберём, как проверять, на чём держатся его выводы и почему из найденных оснований следует предложенный ответ.
Но ждать курса, чтобы начать, необязательно. Для вас уже готова инструкция по подключению AI-агента к Онто через MCP.
А если хотите пройти весь путь вместе с нами — вот программа курса «AI: верить нельзя проверить». | 148 |
| 9 | Зачем искать, если можно не искать?
Прочитал статью про гибридный поиск в YDB. Там решают понятную задачу: находить нужное и по точным словам, и по смыслу. Но у меня всё чаще возникает вопрос: почему при работе с конкретным объектом вообще нужно искать то, что с ним уже связано?
Есть станок, у него неисправность, заявка на ремонт и исполнитель. Из-за поломки задерживается заказ. В Онто этот контекст ограничен связями: от станка можно перейти к неисправности, ремонту и затронутому заказу. Не нужно вспоминать, как назвали заявку, или надеяться, что поиск по смыслу включит её в выдачу.
Названия могут быть похожими у совершенно разных историй. А у связанных вещей может не оказаться ни одного общего слова. Поэтому искать по названиям мне уже кажется немного прошлым веком — особенно когда система знает, с каким объектом я сейчас работаю.
Конечно, связи нужно создавать и поддерживать. Они не появляются сами. Но если связь уже известна, зачем каждый раз восстанавливать её поиском? Мне кажется разумнее сохранить её в процессе работы, чтобы потом ею могли пользоваться и человек, и агент.
Поиск полезен, когда ещё не знаешь, где нужное. Но делать его обязательным шагом там, где всё уже связано, — странная привычка. | 137 |
| 10 | Ещё одно место осталось. | 137 |
| 11 |  В Онто сейчас в работе ещё одна новая возможность — слияние объектов. После неё мы меняем фокус разработки: остаток года посвятим тому, чтобы всё, что уже есть в платформе, работало лучше и складывалось в понятный путь для пользователя.
За время развития Онто мы заложили много возможностей. Некоторые ещё не доведены до конца, где-то накопились дефекты, а где-то человеку приходится делать слишком много шагов, чтобы получить нужный результат. До конца года займёмся именно этим: завершим начатое, исправим ошибки и уберём лишние сложности в повседневной работе.
Отдельная большая задача — пересмотреть и привести в порядок саму концепцию платформы. По мере разработки и использования мы лучше понимаем, какие решения стоит сохранить, какие уточнить, а какие переработать. Теперь этому нужно уделить время и отразить накопленный опыт в устройстве Онто.
Параллельно будем проектировать и готовить переход бэкенда Онто в открытый исходный код. Это подготовительная работа: продумать, как открыть его для внешних разработчиков и как организовать дальнейшее развитие.
Новые возможности в этот период будем разрабатывать только под конкретного заказчика. Так каждая из них будет опираться на реальную задачу и конкретного пользователя, с которым можно проверить результат.
Для тех, кто уже работает в Онто, наш главный приоритет до конца года — довести существующие возможности до состояния, в котором ими удобно пользоваться каждый день. | 139 |
| 12 | Онто оказался технологическим лидером в отборе систем моделирования данных Россельхозбанка. Для меня это важный результат: люди решали собственную задачу, изучали инструменты, смотрели демонстрации, обсуждали возможности с командами и сравнивали решения по своим требованиям. Всего в отборе участвовали семь продуктов.
Что здесь означает «технологический лидер»? В оценку входили возможности самостоятельного развития продукта, подключения ИИ-сервисов и технологический стек — с особым вниманием к графовой базе данных. Отдельно оценивались зрелость продукта и соответствие функциональным требованиям заказчика. Поэтому лидерство по технологической оси говорит о возможностях платформы и её дальнейшем развитии; зрелость и готовность к конкретному внедрению требуют своей оценки.
Сама задача банка тоже заслуживает внимания. Им нужна среда, в которой можно проектировать модели данных на концептуальном, логическом и физическом уровнях, описывать потоки данных, вести дата-контракты, онтологии и таксономии. Всё это должно быть связано с производственным циклом ИТ-продуктов. Цель — предупреждать проблемы с качеством уже при проектировании, когда на решения ещё можно повлиять.
Для меня этот результат особенно ценен, потому что Онто мы строим как среду работы со связанным знанием. В ней можно описывать объекты, отношения и правила предметной области, сохранять контекст и давать людям и ИИ общую основу для работы. Отбор Россельхозбанка показывает, что такой технологический подход востребован в конкретной корпоративной задаче.
За этим результатом стоит наша методология разработки и выстроенный по ней процесс производства. Мы связываем экспертизу, спецификацию, реализацию и проверку в единый цикл, в котором люди и ИИ-агенты работают с общей моделью задачи. Знание сохраняется и становится основой для следующего шага, а у каждого результата есть требования и способ проверить, что они выполнены.
Именно это делает нас AI-native: ИИ встроен в сам процесс производства, в распределение работы и контроль качества. Такая организация позволяет небольшой команде решать сложные инженерные задачи и последовательно развивать платформу. Технологическое лидерство Онто начинается с того, как мы его создаём.
Ранжирование систем и описание критериев — в публикации. | 124 |
| 13 |  +1Недавно я писал, что пилю в Онто цифровые тени объектов, и рассуждал про пересечение разных реальностей. Теперь возможность уже на проде, и для демонстрации я выбрал пример, в котором эта история становится вполне прикладной.
Взял модель способностей ИТ-департамента Виктора Копченкова — содержательную основу для разговора о том, что должна уметь ИТ-служба. Импортировал её в Онто: элементы модели стали объектами со своей структурой и описаниями. Получилось пространство, в котором можно изучать модель, разбирать её и обсуждать.
Но мне интересно пойти дальше. В другом пространстве я строю структуру, где из этих объектов делаю шаблоны для наполнения конкретными объектами организации. В исходной модели «Управление рисками ИТ» описывает способность: что организация должна уметь. А при применении к конкретной компании уже хочется выяснять, кто этим занимается, какие риски учитывает, с какими проектами работает и чем подтверждается, что управление вообще существует.
Для демонстрации я попросил агента создать в этом пространстве тень объекта «Управление рисками ИТ». Он выполнил перенос, а в интерфейсе можно увидеть, откуда объект пришёл. Теперь он присутствует в новом контексте, где я могу включать его в свою структуру и использовать при построении рабочей модели.
Вот здесь и начинается самое интересное. Знание, которое один человек оформил как эталонную модель, другой может использовать для устройства собственной деятельности. При этом происхождение знания остаётся видимым: можно вернуться к источнику и понять, на что ты опирался. У объекта появляется местная история, связанная с той, из которой он вырос.
В предыдущем посте я говорил, что хочу научить софт выдерживать разные человеческие миры. Теперь можно показать небольшой, но работающий шаг в эту сторону: взять чужую модель, дать её объектам новую жизнь в своём пространстве и сохранить дорогу обратно к источнику. Мне кажется, именно так знание и должно становиться средством производства.
Модель Виктора Копченкова:
https://github.com/kopchenkov/it-dept-model
https://t.me/archi_strateg/314 | 212 |
| 14 |  Ранжирование систем моделирования данных
Подробнее в статье на бусти | 95 |
| 15 | Предлагайте новые возможности которые вам бы помогли работать с данными.
У нас сейчас в работе merge-слияние узлов, визуализация агентской памяти и много улучшений в части уже реализованных сценариев | 192 |
| 16 |  Моим оркестратором теперь управляет тринадцатилетний школьник. Я отдал ему разработанный нами инструмент для автоматизированного исправления дефектов, а обратно получил исправление, прошедшее ревью и развёрнутое на препроде. Школьник — мой сын.
Сразу внесу поправку для любителей заголовков «теперь любой ребёнок заменит программиста». Он с детского сада занимается робототехникой, сейчас слушает курс для продвинутого питониста, а в прошлом году получил сертификат уровня middle-разработчика. У него есть подготовка и интерес к делу. Но ему всё ещё тринадцать, и он всё ещё школьник.
Мне было интересно, сможет ли он управлять работой AI-команды в нашем производственном процессе. Поэтому я передал ему оркестратор, который провёл его по классическому треку продакт-стюарда: экспертиза → спецификация → реализация → препрод. У работы есть последовательность, у каждого этапа — свой результат, на который опирается следующий.
Задача была вполне конкретная: исправить текст уведомления о лимите приглашений в Онто. Теперь в нём явно указано, что можно пригласить не более трёх участников. В результате есть исправление, unit-тест, ревью и развёртывание на PREPROD. И сообщение от сына со ссылками на дефект, экспертизу, спецификацию, протокол ревью и PR.
Для меня самое интересное здесь — насколько доступным становится управление разработкой, когда мы сами умеем её организовать. Мы вложили в оркестратор наш метод, порядок работы и требования к результату. Благодаря этому подросток с технической подготовкой смог пройти весь трек и довести конкретную задачу до проверяемого результата.
Я продолжаю считать, что главная нейросеть в производстве ПО находится у человека между ушами. Но инструменты вокруг неё можно устроить так, чтобы человеку было проще понимать задачу, принимать решения и отвечать за результат. Даже если этот человек после препрода идёт делать домашку. | 213 |
| 17 |  Пост для https://t.me/ontonet
Воркфлоу с DoD и гейтами на Hermes Agent: 4 слоя, один прогон, ноль запретов в промпте
Сложность: высокая
Онто - платформа, где знания компании собраны в одну модель: каждый объект своего типа, а связи между ними и есть контекст - кто владеет решением, на что оно опирается. Отдельный факт без связей бесполезен.
Связность даёт агенту связь между его собственными шагами: после сжатия контекста он уже не понимает, на каком шаге остановился. Разбираем, как на этом фундаменте собирается воркфлоу с критерием готовности.
#хинт_дня
→ Читать на Telegra.ph
→ Читать на сайте
🌐 hermes-agent.ru
📦 Материалы и харнессы: GitHub - github.com/NikolayGusev-astra/channel-materials | GitFlic - gitflic.ru/manve-sulimo2/channel-materials
ℹ️ Хотите попробовать, но нет времени разбираться? Напишите в контакты на сайте - поможем с настройкой и подбором сценария под ваши задачи.
🛠 Наши сервисы: pii-guard.ru | llm.pii-guard.ru | hermes-agent.ru | shturman.ai - сотрудничество и вопросы: TG @sneg1313 | 127 |
| 18 |  Я тут пилю новую возможность в Онто — цифровые тени объектов. По описанию всё довольно скучно: объект есть в одном пространстве, его копии появляются в других. А потом замечаешь, что за этой технической задачей торчит целая картина мира.
Наш мир — пересечение множества реальностей. Для инженера станок — конструкция с характеристиками, для начальника производства — возможность выполнить заказ, для финансиста — актив с определённой стоимостью. Станок один. Но у каждого с ним своя история, свои связи и свои действия. И требование «давайте все одинаково на него смотреть» обычно означает: давайте вы примете мою картину мира, потому что я тут главный.
В софте этот фокус особенно любят. Назначить одно описание правильным, утвердить универсальную карточку и объявить, что теперь у нас порядок. А всё, что в карточку не помещается, люди потом обсуждают в чатах, записывают в блокноты и уносят домой в голове. Очень цифровая трансформация получается.
В Онто я хочу дать объекту возможность присутствовать в разных пространствах через свои тени. В каждом пространстве он включается в местную жизнь: оказывается рядом с другими объектами, участвует в других историях. Причём у тени может появиться собственная тень в следующем пространстве. Если читали «Хроники Эмбера», направление мысли вам знакомо.
Слишком часто под видом цифровой трансформации бизнес просто дрессируют под структуру базы данных. Мне гораздо интереснее научить софт выдерживать тот факт, что у людей разные миры — и им всё-таки нужно работать вместе. | 222 |
| 19 |  Открываем набор в первую группу AI TRUST CONTEXT - AI ответил. Теперь докажите.
AI нашёл данные, собрал контекст и дал убедительный ответ.
Но на каком источнике он основан?
Что именно является свидетельством?
Почему из этих свидетельств следует этот вывод?
Есть ли противоречия?
И достаточно ли оснований, чтобы действовать?
Именно этому посвящён новый практический курс AI TRUST CONTEXT.
В его основе — Trusted Context Method и простая формула:
МОЖНО ОТВЕТИТЬ ≠ МОЖНО ДОКАЗАТЬ ≠ ЕСТЬ ПРАВО ДЕЙСТВОВАТЬ
На курсе будем создавать доверие к AI.
Сначала дадим обычному AI рабочий кейс и получим вполне убедительный ответ.
А потом скажем:
«Докажите».
Дальше участники сами построят Trusted Context: определят необходимые утверждения и свидетельства, создадут схему в Onto, наполнят её Evidence, подключат AI через MCP и проверят тот же кейс ещё раз.
И снова:
«Докажите».
Только теперь вопрос будет сложнее:
почему из этих Доказательств следует именно это Утверждение?
В результате пройдём весь цикл:
FRAME → MODEL → BUILD → GROUND → CONNECT → VERIFY → DECIDE
А после двух практических вечеров каждый участник перенесёт метод на свой рабочий кейс и защитит его перед менторами.
Ведём курс вдвоём:
Станислав Карамушко — методология и управление данными
Артём Варкулевич — Onto и технологическая реализация
Первая группа будет небольшой: нам важна работа с кейсами, а не массовый формат.
Если вы работаете с AI-агентами, корпоративными данными, RAG/GraphRAG, Knowledge Graph, Data Governance или автоматизацией решений — посмотрите программу.
👉 Программа и запись:
https://www.im-center.ru/ai-trust-context-course
AI уже умеет отвечать. Теперь пора научиться проверять, когда его ответ действительно даёт основания действовать.
#DataTrustMaker #TrustedContext #AITrustContext #AI #DataGovernance | 270 |
| 20 |  «Любой каприз». Как пользователь Онто заказал себе новую возможность
20 сентября (вечер, ночь). Можно ссылку без регистрации?
Мне пишет человек, который пользуется Онто. Хочет отправить свою диаграмму другим людям, чтобы они просто открыли её по ссылке. Без регистрации и дополнительных объяснений, куда нажать.
Отвечаю: «Могу подумать, как сделать». В ответ прилетает: «Это обязательно для вовлечения».
И вот такие предложения я люблю. Человек уже работает в Онто, у него есть что показать и есть кому. Он дошёл до конкретного препятствия и пришёл ко мне. Тут не надо придумывать за пользователя, зачем ему новая функция: он только что сам всё объяснил.
Дальше. Собираем команду
Иду к оркестратору, прошу подключить аналитиков и ревьюеров, проработать предложение. Команда разбирается, возвращается с решением. Смотрю — нравится, можно делать спецификацию. По ней готовится постановка для дизайна, затем дизайн и спецификация уходят в реализацию. Жду результат.
Вот, собственно, моя часть организации разработки. По ходу отвечаю на вопросы, принимаю решения и смотрю, что получилось. Самому писать подробное ТЗ, раздавать задачи и передавать каждому следующему участнику историю разговора не приходится.
Причём у исходного предложения даже внятного описания не было. Нужную структуру агенты собрали уже в процессе: от направления развития и новой возможности — к потребности пользователя, его действиям и изменениям в продукте. Им было на что опереться: проект описан в Онто, знания о нём связаны между собой.
Здесь и работают вместе методология разработки, agent-runtime и Онто. Есть способ организовать работу, есть кому её выполнить, есть общий контекст. Поэтому мне достаточно запустить процесс и включаться в содержательные решения.
22 сентября (утро). «Любой каприз»
Отправляю скрин новой возможности и подписываю: «Любой каприз». 🙂
Люблю такие разговоры. Ещё недавно человек спрашивал, можно ли сделать, а теперь уже можно показывать, что получилось. Конечно, между этими сообщениями были анализ, разработка и проверки. Но моего личного внимания понадобилось немного, и просьба пользователя легко поместилась в обычную работу над продуктом.
Поэтому, когда я вижу, что человек реально пользуется Онто и приходит с полезной задачей, мне вообще не жалко её поддержать. Он уже потратил время на продукт, попробовал его в своей работе и принёс знание, которое я сам мог бы ещё долго искать. Зачем держать такое предложение в очереди, если можно взять и сделать? Тем более что это вообще не отняло моего внимания, ну может быть час.
Для меня в этом и есть практическая ценность всей этой организации разработки. Она позволяет быть отзывчивым: услышать человека и довольно легко помочь ему. Так что пользуетесь Онто, упёрлись во что-то, понимаете, чего не хватает, — приходите. С такими предложениями мне интересно работать. | 190 |
