Пределы профессионализма

Смена интерфейса Я давно наблюдаю одну закономерность про продуктивность: когда мы выталкиваем работу в менее «дорогие» контексты — с компьютера на телефон, с телефона в голос — продуктивность растёт. То, что раньше требовало рабочего места, теперь можно делать на ходу. И это не про «делать всё абы как», а про то, чтобы освободить тело и внимание для более интересных вещей. В моей базе знаний накопилась огромная куча примеров, где выдающиеся личности работали со своими личными секретарями. Секретарь разбирал письма, писал под диктовку черновики книг, держал структуру дня — фактически закрывал огромный пласт задач. Сейчас эту роль частично продолжает выполнять человек, но у нас впервые появился инструмент, который эту функцию берёт на себя — и им можно управлять просто голосом. × × × Сегодня в ChatGPT есть очень крутой голосовой режим. Внутри сидит неглупая модель, которая выполняет инструкции. А если вы недалеко от своего компьютера — можно подключить MCP-серверы и спавнить субагентов (это когда основной ассистент раздаёт задачи вспомогательным «работникам», каждый из которых делает свою часть). По сути, огромный объём работы можно делать на ходу: гуляешь, раскидываешь задачи, планируешь, надиктовываешь. Этот пост, кстати, родился именно так — на прогулке. Плюсы я даже не буду перечислять подробно. Если вы хотя бы минимально ходите или ездите — всё это можно делать параллельно. А ходьба и лёгкая физическая активность сами по себе супер полезны. Цена — почти нулевая, профит — гигантский. × × × Чтобы это не звучало абстрактно, вот пять работ, которые интеллектуальный работник может уверенно закрывать в голосовом режиме на ходу: 01. Разгрузка головы. Проговорить всё, что крутится в голове, и превратить поток мыслей в список задач. 02. Черновик из смутной идеи. Проговорить сырую мысль и получить черновик — поста, письма, плана созвона. 03. Принятие решения. Вслух разложить trade-offs, плюсы, минусы, риски и зафиксировать конкретный следующий шаг. 04. Декомпозиция. Разбить большую задачу на понятные next actions, которые потом либо делаешь сам, либо отдаёшь агенту. 05. Ревью собственного мышления. Посмотреть, где действуешь по инерции, где ошибаешься, что можно делегировать. × × × А теперь три кейса поинтереснее — они звучат небанально, но работают неприлично хорошо: 01. Прогулочный red team. Вы озвучиваете свою идею, а ассистент системно атакует допущения и задаёт жёсткие вопросы. Многие идеи занимают место в голове годами, пока их не разберёшь вслух. 02. Симулятор рабочего дня. Вы не просто планируете завтра — вы его проживаете голосом заранее. «Где я застряну?», «в каком месте будет затык?» — и корректируете план до встречи с реальностью. 03. Агентный диспетчер на ходу. Вы идёте, формулируете задачи потоком, а ассистент превращает их в очередь для субагентов: один ищет, второй критикует, третий собирает черновик. × × × И последнее. Это не обязательно должна быть прогулка. Это может быть тренировка невысокой интенсивности — например, зона 2. Именно в этом и есть смена парадигмы: продуктивность больше не конкурирует с жизнью, а встраивается в неё физически 🚀 Пределы профессионализма

«Агент, сделай проект. А мы пока на митап» 🤖 Возвращаемся с nullptr.talks[3] — в этот раз про AI-агентов и реальный опыт работы с ними. Лайнап финализирован, регистрируемся на митапчик 🥳 🗓 24 сентября | 19:00 📍 MOST IT Hub, Алматы Как управлять несколькими агентами, встроить их в разработку и довести идею до работающего продукта? Три доклада, три спикера, один вечер: • 🎙 Виктор Гордиенко — Senior iOS Engineer, inDrive «Агентные процессы и оркестрация в iOS-разработке» • 🎙 Арыстан Тельбай — Android Developer, ForteBank «Агент, сделай проект. Не делай ошибок» • 🎙 Павел Королёв — Android Tech Lead, QazCode «Я навайбкодил систему для производства квизов» 📝 Регистрация 🎤 Чат мероприятия nullptr.talks (там все апдейты) ⚠️ Количество мест ограничено — лучше записаться заранее --- 📣 Канал nullptr.party 💬 Уютный чат nullptr.party

Гайз, кто сможет подойти - советую. Сам должен был учавствовать, но пока не срослось по возможностям.

Вот что получилось в итоге

Как превратить черновой скрайбинг в аккуратную инфографику Многим из нас гораздо проще думать и объяснять мысли «через руку» — рисуя схемы, стрелочки и наброски прямо во время созвонов или мозговых штурмов. Я и сам отношусь к таким людям: визуализация на ходу помогает быстро структурировать любую мысль. Но здесь всегда возникает проблема: ручные зарисовки выглядят сыро и неаккуратно. Показать такой черновик коллегам или вставить в отчет сложно, а тратить часы на перерисовку в графических редакторах нет времени. С появлением мощных нейросетей я долго искал способ автоматизировать этот процесс и наконец нащупал удобный алгоритм, который позволяет не бросать привычку рисовать руками и при этом получать информативный результат. 01. Базовый инструмент. Достаточно взять любой недорогой планшет и открыть приложение с бесконечным холстом (их огромное количество как для Mac, так и для Windows). Во время митинга или презентации делаем скрайбинг: фиксируем ключевые тезисы и схемы прямо на холсте. 02. Разбивка на кадры. После встречи делаем скриншот холста и отправляем его агенту (я использую Codex) с задачей разбить изображение на логические блоки или отдельные кадры, после чего утверждаем разметку. 03. Перевод в инфографику. Загружаем полученные блоки в GPT image 2 — сейчас это одна из самых продвинутых моделей для работы с логическими изображениями. Просим модель перевести набросок в финальную инфографику в заданном стиле, прикрепив к промпту одно или несколько изображений-референсов. 04. Финальная итерация. Как правило, требуется 1–2 уточняющие итерации, чтобы довести визуал до нужного вида. × × × В итоге мы не ломаем удобный процесс живого мышления: черновой набросок «на салфетке» превращается в приличный слайд, который сразу можно переиспользовать в работе. Примеры прилагаю. 🚀 [Пределы профессионализма]

Лучший хак по продуктивности на данный момент Хочу поделиться хаком, который для меня сейчас — лучшая инвестиция времени в личную продуктивность. Разумеется, при условии, что бо́льшая часть вашей работы проходит за компьютером. Если у вас Mac — реализуется буквально из коробки. Если Windows — придётся немного поискать аналог, но принцип абсолютно тот же. × × × Ещё пару лет назад я мечтал о приложении, которое смотрит, чем ты занят прямо сейчас, и мягко подсказывает, что ты отвлёкся. Тогда это было сложно реализовать. Сегодня — это реальность, потому что появились мощные мультимодальные модели: они умеют «смотреть» на экран и понимать контекст того, что вы делаете. Недавно я протестировал приложение Dayflow. Работает оно очень просто: 01. Скриншоты. Приложение делает снимок экрана каждые 10–20 секунд (можно и реже). 02. Понимание контекста. Модель отлично распознаёт, чем именно вы занимаетесь: в каком приложении работаете, к какому типу задач относится активность, когда переключаетесь на другой тип работы. 03. Карточки активностей. На выходе получаются аккуратные карточки по типам работ — наглядная картина вашего дня. Единственное ограничение на этом этапе — оперативная память: приложение её немного «подъедает». Всё остальное работает автономно, данные с вашего компьютера никуда не уходят. × × × Самое интересное начинается дальше. Что делать с этими данными? Мой любимый сценарий — отдать скриншоты и карточки своему агенту и спросить: какие автоматизации мне стоит внедрить, чтобы повысить продуктивность? Дальше вариантов масса: 01. Автоматизации. Если у вас есть хотя бы минимальный навык, вы соберёте их сами. Если нет — попросите агента (например, того же Cloud/GPT-агента или локальную модель) собрать их за вас. 02. Аналитика отвлечений. Смотрите, на что именно и в какие моменты вы переключаетесь. Часто выясняется много неожиданного. 03. Поиск рутины. Ищете повторяющиеся операции, которые можно заскриптовать или поручить агенту. 04. Паттерны работы. Видите, как реально устроен ваш день, а не как вам кажется, что он устроен. × × × Если у вас есть Mac или хотя бы какой-то локальный агент на ПК и вы ещё не попробовали этот сценарий — крайне советую сделать это в ближайшие дни. По соотношению затрат и результата это сейчас лучшая инвестиция времени в личную продуктивность из всего, что я могу предложить. 🚀 Пределы профессионализма

⭕️ Запись моего доклада на Agentic Conf про эффективную работу с несколькими AI агентами. Зачем это смотреть? Основное - доклад дает понятный roadmap того как совершенствовать свой AI-сетап, и в результате меньше выгорать, больше делать, и т. п. Многие идеи из этого доклада можно неплохо реализовать с помощью хайпующего сейчас prime agent. Я даже в ответах на вопросы упоминал про RLM, технологию на которой он работает) https://youtu.be/2hEiDR5lR-c

PS : Завтра хочу опубликовать свой доклад на Agentic Conf про эффективную работу с нескольими агентами. Stay tuned

📁 Так как мой продукт по AI+продуктивность находится в стадии "сам делаю дофига но времени оформлять в курс нет" предлагаю ознакомиться с следующим предложением) Ребят из AI Mindset давно знаю, постоянно тусуюсь и выступаю в их коммьюнити. Могу смело сказать что ребята делают хорошо. Ниже описание их новой лабы. —- Почему ИИ так и не сделал вас продуктивнее Знакомое чувство: вы честно пытаетесь работать эффективнее — читаете про нейросети, пробуете инструменты, собираете подборки лайфхаков, — а к вечеру ощущение, что весь день кого-то догоняли, но так и не сдвинулись. Давайте разберем механику. Любой ИИ-инструмент помогает ровно настолько, насколько он знает именно вас: ваши задачи, решения, историю, приоритеты. А этот контекст у большинства разбросан — заметки, переписки, транскрипты созвонов, тысячи непрочитанных в Saved Messages. Каждый раз, садясь за работу, вы сначала ищете, где все бросили. Вот здесь и прячется главный убийца продуктивности — латентность. Не сложность задачи, а секунды и минуты на то, чтобы вспомнить контекст и переключиться. Пока вы их тратите, поток просто не начинается. Дело не в том, сколько у вас инструментов, а в том, на какой контекст они опираются. Даже самый умный ассистент на неубранном рабочем столе станет еще одним источником шума. × × × Ровно об этом в августе 3-недельная лаборатория Summer Lab от команды AI Mindset — про продуктивный поток в эпоху ИИ. Не про то, как настроить еще один инструмент, а про то, как собрать свою систему, которая защищает мышление и держит один рабочий мир. Логика выстроена как русло реки — от истока к устью, шесть шагов, каждый опирается на предыдущий: 01. Контекст. Сначала аудит жизни и инвентаризация поверхностей. Вы вычищаете Saved Messages и собираете контекст-слой, из которого ИИ наконец получает ваш реальный профиль, а не обрывки. 02. Состояние. Дальше тело и вход в фокус. Поток встает только на собранный контекст: без ясной цели никакая среда не удержит внимание. Работа чередуется с восстановлением, спокойное тело дает продуктивность. 03. Агенты и делегирование. И только теперь — недельный цикл вместе с ИИ: план и ретро без вечного надзирательства. Плюс отдельный разговор про то, что вы отдаете не машинам, а людям, и на каких условиях. × × × Финал: к 31 августа каждый участник выносит не конспект, а один работающий инструмент и показывает свой реальный процесс в формате before / after / next: что зависало в фоне раньше, как проходит теперь и что продолжается без вашего постоянного возвращения в инбокс. Ведет Александр Поваляев с командой проводников-практиков, которые годами живут внутри собственных систем контекста и делегирования. Старт 10 августа, Demo Day — 31-го. Программа и запись

⭕️ Правильный ответ: продуктивность увеличится, но ненамного. При достаточно зрелом сетапе (харнесе), если вы запускаете хотя бы 3–4 агентов параллельно, выгода составит около 10–15%. Но никак не 150%. Причины: 1. Скорость инференса практически не влияет на скорость ревью, планирования и промптинга. Это главное. 2. Неотработанные типы задач будут так же тормозить ваш воркфлоу, как и в обычном режиме. 3. При работе с несколькими агентами проблемы из пп. 1 и 2 масштабируются. Поэтому загружать работой ещё больше агентов не имеет смысла. OpenAI обещает экономию десятков часов в неделю. Но это, конечно, не так. P. S. Есть и другие, не такие хайповые параметры мультиагентной работы, которые дают на порядок бОльшую отдачу.

От Лос-Аламоса до Cirque du Soleil: разбор кейсов выдающихся команд Почти два года я участвую в проекте, который начинался как любопытное исследование, а постепенно превратился в коллективную книгу о командах, способных менять мир. Сборника «десяти секретов идеального коллектива» в ней не будет. Мы внимательно разбираем то, что уже случилось: как под сводами Лос-Аламоса физики за три года открыли атомную эпоху, как в цирке без животных Cirque du Soleil придумали новый театральный жанр, как небольшая скульптурная мастерская в Финляндии превратила обломки тюленьих костей в арт-объекты, которые обошли весь мир. В каждой истории мы ищем решения, которые можно воспроизвести в других условиях. Сначала мы просто собирали истории. Потом поняли: без системы получится красивая, но бесполезная россыпь. Поэтому ввели правило: в выборку попадают только команды, чья работа получила признание далеко за пределами одной страны или профессиональной области. Сейчас в нашей базе сорок подробно разобранных коллективов: от Манхэттенского проекта и Баухауса до японских анимационных студий и команд, выводивших людей в открытый космос. Мы читаем мемуары, письма, технические отчёты, дневники художников и инженеров. Из этого массива достаём то, что можно повторить в другом месте и в другое время. Мы уже собрали больше тысячи кейсов, которые повторяются в успешных случаях: как изолировать группу и поднять концентрацию, как обходить цензуру, не ломая себе карьеру, как вовремя распасться, чтобы идея выжила, а участники не сгорели. Следующий этап — масштаб. В бэклоге ещё шестьсот коллективов, чьи истории ждут своей очереди. Любую гипотезу, родившуюся после разбора первых сорока команд, мы проверяем на всей выборке. Так отсеиваем совпадения и оставляем закономерности. Постепенно из них складывается модель, которая показывает типичные риски и способы повлиять на результат. Пока мы собираем модель, отдельные наблюдения публикуем в телеграм-канале «Коллективика». Там уже вышли заметки о «точках невозврата», после которых команда либо взлетает, либо распадается; о власти, которая может усиливать творчество; о ярких успехах, за которыми нередко следует резкий раскол. Скоро начнём публиковать лонгриды о том, как отдельные приёмы складываются в систему. Если вам интересно, как устроены команды с результатами мирового масштаба, подписывайтесь. Будем и дальше разбирать их работу и публиковать приёмы, которые можно попробовать в своей команде.

📥 Вопрос к знатокам Сегодня OpenAI выкатили fast режим для своего фронтира Sol-5.6. Стоит дороже, но быстрее в 2.5 раза. Вопрос : На сколько увеличится ваша продуктивность в работе в Codex или в приложении ChatGPT при включенном fast режиме. Ваши ответы в комменты. Правильный ответ расскажу в понедельник.

⭕️ Заметки из практики (тестирую новый жанр) По довольно банальной логике чем более высокоуровневая и стратегическая цель, тем больше на нее нужно тратить времени, тем больше нужно собирать данных и знаний. Но когда у человека проблемы с продуктивностью или достижением этих самых целей я в 90% вижу ровно обратное. Большая часть ресурсов уходит на принятие совершенно незначительных решений.

Стрим: улучшение агентов через DSPy Ну что, возобновляем сезон стримов. Есть такая чудесная штука DSPy - инструмент этот позволяет агентов улучшать и LLM-пайплайны в автоматизированном режиме. А качество мелких LLMок с его помощью и вовсе можно улучшить в разы. На недавнем митапе я познакомился с Николаем Сениным, который не просто активно пользуется DSPy, но и получает великолепные результаты с его помощью. У Николая уже была готовая теоритическая преза, которую он рассказывал на недавней конференции, но поскольку инструмент непростой быстро стало ясно, что нагляднее всего будет показать его на примере реального кейса. В кач-ве кейса выбрали проект Николая - умный суммаризатор-разметчик для материалов (YouTube, книги и др), который умеет здорово размечать действительно нетривиальные и полезные идеи из текста, сервис называется Knowlume. Главное, что будет возможность заглянуть под капот сервиса - и код посмотреть и понять как там вообще все работает. Время: вторник 21 июля 13:00 МСК (15:00 по Алматы). Регистрация по ссылке. А еще, открыта предварительная запись на стрим про CodeAlive и контекстные движки в четверг в 11:00 МСК (13:00 по Алматы). Полноценный анонс будет чуть позже. @ai_driven

Для всех кто занимается разработкой связанной с AI. Во вторник буду рассказывать базу у Родиона Мостового на стриме.

Параметр, без которого ваше профессиональное развитие невозможно Знакомое чувство: вы видите классную статью, добавляете полезное видео в «Смотреть позже», сохраняете ссылку в закладки… и никогда к этому не возвращаетесь. Мы успокаиваем себя удобным мифом: «Если возникнет проблема, я просто ее загуглю или спрошу у ИИ-агента». Но это ловушка. Прямо сейчас в вашей профессии есть с десяток сложных нерешенных проблем, готовых ответов на которые в поиске просто нет. Вы не найдете там даже их грамотного описания. Но мы продолжаем откладывать обучение на потом, потому что нас придавило информационной плитой. Несколько лет назад главный редактор издательства Livrezon (в котором я написал книжку) проводил курс по тому, как отслеживать важные изменения в своей профессии. Участники собирали систему подписок, чтобы ловить все главные тренды в своей сфере. Знаете, каков итог? Никто в моем окружении из этого издательства их не отслеживает. Причина до боли банальна: на это просто ни у кого нет времени. Другая сторона проблемы: трата времени впустую. На прошлой неделе я побывал в Алматы на двух ИИ-митапах, один из которых организовал Google, к слову. Шесть больших докладов, несколько часов потраченного времени. Что нового я вынес? Упоминание технологии MCP Apps, которую сейчас по техническим причинам даже использовать толком нельзя. Часы личного времени ради одной крупицы новой, но бесполезной информации. × × × Глядя на все эти залежи непрочитанного и бессмысленные траты времени на конференциях, я задаюсь тремя вопросами: 01. Почему складывается ощущение, что даже грамотные специалисты вокруг незаметно отстали от рынка на 1–2 года? 02. Почему, понимая это, люди смирились и даже не пытаются сократить разрыв? 03. Почему все наивно верят, что эти накопившиеся пробелы в знаниях можно будет «быстренько загуглить» прямо перед дедлайном? Ответ кроется в одном-единственном параметре. Главный навык сегодня — это то, насколько быстро вы можете «выпотрошить» новый источник информации и сохранить суть в свою личную базу. Если вы настроите немусорную, качественную систему подписок, каждый день в нее будет падать по 5–10 часов отборного видео и текстов. Ни у кого из нас нет лишнего часа, чтобы изучать это вдумчиво и линейно. Поэтому люди пугаются объема, копят непрочитанное и в итоге сдаются. Решение не в том, чтобы искать 25-й час в сутках, а в том, чтобы радикально изменить подход к извлечению пользы. Если часовой контент вы прорабатываете и сохраняете себе в базу дольше, чем за несколько минут — вы гарантированно отстаете. Скорость потребления знаний — это ваш главный рычаг. Нельзя оставаться востребованным, если вы читаете и смотрите материалы «как раньше».

Гайз, 3 июля выступаю на AgenticConf. https://agenticdevconf.ru/ Начиная с недавнего времени многие из нас взаимодействуют своими low-tech тушками и мозгами с технологиями которые значительно превосходят человеческие возможности. Я буду рассказывать базу про работу с несколькими агентами параллельно. Мы посмтроим модель в прямом эфире и посмотрим на интересные следствиям из нее. В докладе будет 7 основных принципов и куча конкретных практик и приемов. Если кто еще планирует посетить - можем пересечься.

Мы наконец-то открываем публичный доступ к сервису Knowlume Все, кто изучает множество видео, статей, докладов, конференций и т. п., — welcome. В своё время я понял, что для меня и многих коллег основное узкое место при создании интеллектуальных продуктов — скорость проработки источников. Нам просто некогда «смотреть» видео, читать тонны статей и т. п. Как правило, нужно просто вытащить переиспользуемые фрагменты для своих проектов, исследований и баз знаний в целом. Я решил не ускорять видео, а сократить путь от видео к извлечению знаний. Сейчас Knowlume принимает ссылки на онлайн-статьи, видео или сырые тексты. Разбивает их на смысловые блоки и с помощью фильтров сразу выделяет ценные фрагменты. Найденные фрагменты в оптимальном формате экспортируются напрямую в Markdown или к вашим автоматизациям и агентам. Что со всем этим дальше делать? В процессе работы мы создали несколько пилотных проектов. В первом из них я с помощью Knowlume отобрал из YouTube-канала Starter Story полезные практики по продвижению продуктов, созданных соло-предпринимателями. Сейчас там 400+ видео, но у меня на выходе получилось всего 64 кейса. Их я объединил в простую модель, позволяющую за несколько кликов найти подходящую практику. Ссылку оставлю в первом комментарии. Может ли так RAG? Нет. Может ли так Claude Code со скиллами? Нет. Может ли так любой суммаризатор? Нет. Хотя бы просто потому что в них нет фильтров. Они не могут выделить самое важное в большинстве случаев. Другой проект — подобным образом «отжатая» конференция Code with Claude 2026. Это 8 часов плотных докладов на канале Anthropic. Я проделал те же действия и преобразовал записи за 40 минут своего времени в 24 полезных фрагмента, а затем также структурировал их. Я оцениваю получившиеся данные как очень ценные. Это знания из первых рук по технологиям на границе познания. Но в то же время без Knowlume я бы никогда не нашёл столько времени, чтобы (даже с помощью ИИ) выделить всё важное, отформатировать, добавить ссылки на первоисточник, подобрать названия, добавить метаданные с основными тезисами и т. п. Сейчас вы можете отправлять источники в Knowlume прямо из Телеграма. Приложение их обработает и пришлёт ссылку на результат. Просто закиньте ссылку на видео, доклад или набор статей, и начните работать. Попробовать Knowlume (подписка через Tribute) : Минимальный тариф - 800 руб, ~30–40 часов видео. Базовый тариф - 1350 руб, ~100 часов видео. Максимальный тариф - 2500 руб, ~200 часов видео. Можно оплачивать из любой страны Документация Knowlume Публичный канал Knowlume

Личный ИИ-Сенин 24/7: зачем я перевожу свои проекты на нейросети На старте работы над своей продуктивностью люди сталкиваются с одной и той же проблемой — саботажем базовых задач. Возьмем для примера диагностику на моих личных консультациях. Самый простой и эффективный старт — вести хронометраж времени. Я проверил под сотню таких отчетов: большинство людей прокрастинируют этот шаг или делают его неправильно. Без постоянного контроля внедрить новые привычки безумно сложно. Именно поэтому я решил перевести все свои продукты, включая курсы, проект «Додзе по привычкам» и личные консультации, на ИИ-рельсы. Многие думают, что нейросети нужны только для написания кода или текстов. Но они потрясающе справляются с обучением. Главное — задать правильную структуру. И здесь на сцену выходит не просто чат-бот, а проактивный ИИ-агент. В этой системе моя роль меняется — я становлюсь мета-коучем. Я настраиваю агента (развернуть тот же OpenClaw можно даже без навыков программирования) и загружаю в него свои методики. В итоге вы получаете цифровую копию Николая Сенина, которая знает всё о личной эффективности, живет прямо в вашем Telegram и доступна круглосуточно. × × × Как это работает на практике: 01. Безошибочная диагностика. Агент сам напомнит вам записать, на что ушло время, проконтролирует формат и аккуратно занесет данные в таблицу. В нужный момент он даже попросит снять показания сна с Apple Watch и переслать их для анализа. 02. Внедрение привычек. Когда вам нужно закрепить навык, запланировать день или неделю, агент ведет вас за ручку. Он пришлет столько напоминалок, сколько нужно лично вам, и ответит на любые вопросы в моменте. 03. Максимальная польза. Базовая рутина и контроль «домашки» полностью делегируются агенту. Благодаря этому наше с вами время на консультациях тратится не на организационные моменты, а на глубокую стратегическую работу. × × × Агент не устает, не выгорает и всегда готов помочь. Он проводит вас по всей образовательной траектории с максимальным комфортом, закрывая все слепые зоны. 🚀 [Пределы профессионализма]

«Персик» в проектном управлении: как не дать автоматизациям развалиться в самый важный момент Вы когда-нибудь чувствовали, что ваши попытки внедрить нейросети и автоматизацию превращаются в бесконечный ремонт? Сегодня бот работает идеально, завтра он «забыл» инструкции, а послезавтра API обновилось, и вся связка рухнула. В итоге вместо экономии времени вы тратите часы на починку того, что должно было работать само. В проектном управлении есть концепция, которая идеально решает эту проблему — модель «персика». Представьте: внутри у вас твердое ядро (косточка), а снаружи — изменчивая и податливая мякоть. Я постоянно применяю этот подход в своих ИИ-автоматизациях, и это самый короткий путь к стабильности без потери гибкости. 01. Твердое ядро — это ваши фундаментальные, железно работающие процессы. Те задачи, где цена ошибки высока и результат нужен гарантированно. Здесь мы используем детерминированные инструменты (например, n8n) и тщательно отлаженные промпты. На создание ядра уходит много времени, но оно становится фундаментом вашей личной экосистемы. 02. Изменчивая мякоть — это быстрые «агентские» решения вроде OpenClaw или Hermes agent. Вам не нужно их программировать: просто сказали боту, как себя вести, и он сам пишет скрипты под задачу. Это дешево и быстро, но это может сломаться в любой момент. × × × Почему эта система выигрывает? Если полагаться только на «мякоть», система подведет вас в самый неподходящий момент. Если строить только «ядро», вы станете неповоротливым и отрежете себя от современных технологий, которые позволяют собирать полезные вещи за считанные минуты. Секрет продуктивности в том, чтобы брать лучшее от обоих миров: автоматизируйте критически важные узлы надежно, а всё остальное склеивайте быстрыми ИИ-агентами. Так вы получаете систему, которая не только работает, но и мгновенно адаптируется под новые задачи. 🚀 [Пределы профессионализма]