Рабочее развитие инженеров-менеджеров (МИМ)

Каждый цех ускорил свою работу. Премьера всё равно опоздала За две недели до гастрольного тура технический прогон нового шоу занял почти одиннадцать часов вместо запланированных шести. Репетиция началась поздно, аренда вышла за бюджет, несколько сцен прошли без полного света. Решения появились сразу 💪 Технический директор предложил добавить монтажников. Художник-постановщик — отказаться от части декораций. Режиссёр — сильнее давить на площадку. Финансовый продюсер — сократить саундчек. У каждого подразделения был свой предмет внимания и разумный способ улучшить собственную работу 🤩 Световой цех заранее собирал крупные стойки, чтобы уменьшить число соединений на площадке. Звуковой добавил резервное оборудование. Декорационный делал конструкции более цельными ради художественной точности. Каждое локальное решение выглядело полезным. Вместе они увеличивали массу оборудования, число машин, время разгрузки, потребность в мощности и площадь хранения. Отдельные части становились лучше. Готовность шоу в целом ухудшалась. Это один из сильных ходов второго FPF-практикума: симптом ещё не сообщает, что именно следует менять. Задержка могла относиться к световому комплексу, декорациям, логистике, работе принимающей площадки или устройству всего гастрольного юнита. Выбор каждого из этих предметов привёл бы команду к разным решениям. Когда предмет был назван, команда смогла сравнивать уже варианты устройства всего шоу: сколько времени займёт развёртывание, во что оно обойдётся, насколько сохранится художественный замысел и сможет ли решение работать на разных площадках. Так появляется архитектурное решение. Но даже хорошее решение пока ничего не перестраивает. Красивая схема не разгружает машины. Согласованный вариант не соединяет оборудование. Запланированная репетиция ещё не состоялась. А состоявшаяся репетиция сама по себе не доказывает, что шоу теперь готовится за шесть часов. И здесь команда легко произносит знакомую фразу: "Мы поизучали вопрос". Что именно появилось после изучения? Способ, по которому можно перестроить работу? План будущих действий? Понимание, что команда готова начинать? Сведения о том, что уже сделано? Подтверждение, что время подготовки действительно сократилось? Это пять разных ответов. Каждый открывает своё продолжение. Если способ ещё не выбран, подробный план будет преждевременным. Если план готов, но нет людей, оборудования или подтверждённых условий площадки, работа не начнётся. Если все задачи выполнены, остаётся проверить, изменилось ли то, ради чего их выполняли. ❗️ AI способен за минуту собрать убедительный список действий. Главный вопрос в этот момент звучит проще: Какой ответ нам действительно нужен сейчас? Когда человек умеет это различать, AI становится полезнее. Он помогает получить конкретный следующий результат вместо очередного документа, который выглядит законченно, но пока не двигает проект. Именно этому посвящён третий FPF-практикум: как после принятого решения понять, чего ещё не хватает до реальной работы и наблюдаемого изменения. Центральное различение практикума проходит между способом, планом, готовностью, состоявшейся работой и тем, что в итоге изменилось. Перед встречей можно взять одно решение из своего проекта и спросить: "Что должно измениться в реальности?" "Что нам нужно получить следующим?" "Как мы поймём, что работа состоялась?" "Как узнаем, что она дала нужное изменение?" Сегодня, 26 июля, участники будут разбирать этот переход на собственных рабочих ситуациях. Научиться раньше видеть, какого результата не хватает, и получать его вместе с AI до дорогих проб: https://t.me/SystemsSchool_bot Вопросы по участию и оплате: https://t.me/alyona_girassol Стоимость уже купленного практикума можно учесть при переходе на серию. Оставшуюся сумму можно внести частями.

Можно всё сделать правильно — и всё равно поехать на красный На втором FPF-практикуме Анатолий рассказал, как впервые выехал в город на ГАЗ-51. Он безошибочно выполнил выученную последовательность: зеркало, ручник, передача, перегазовка. Машина тронулась — и инструктор тут же нажал тормоз. Пока начинающий водитель был занят правильными действиями, зелёный свет успел смениться красным. В этом и сложность любого нового рабочего навыка. Сначала каждое действие требует отдельного внимания. Позже последовательность становится привычной, и человек успевает видеть ситуацию целиком. С AI-агентом этот переход особенно важен - он способен очень быстро выполнить поставленную задачу. Человеку нужно успеть понять, какую задачу действительно стоит запускать, по каким критериям выбирать решение и что проверять по ходу работы. 1️⃣ После второго практикума один из участников разбирал качество продукта, который выпускает подрядчик. Общая формулировка превратилась в конкретные условия приёмки: выход продукта, pH, активность воды и органолептический профиль. До этого AI мог предложить десятки способов "повысить качество". После уточнения критериев стало понятно, какое качество требуется получить, что измерять и какую свободу можно оставить производителю. 2️⃣ В другом проекте, после второго практикума, участник определил архитектурный ход, подготовил точную постановку, и Codex примерно за час довёл её до функции в работающем ПО. Оба случая объединяет один момент: скорость AI стала полезной после точной постановки человеческой работы. Именно эту способность участники собирают на серии практикумов. На первом учились разбирать ответ AI-агента, находить первый полезный результат и выбирать продолжение. На втором — определять, что именно требуется изменить и по каким характеристикам сравнивать варианты. На третьем разберём следующий вопрос: что нужно получить сейчас, чтобы проект мог двигаться дальше? Иногда требуется выбрать способ, иногда подготовить план или проверить готовность работы. В другой ситуации работа уже идёт, и нужно вовремя понять, туда ли она ведёт. Если вы прошли только один практикум, у вас уже есть стартовые движения. Серия нужна, чтобы соединить их в рабочую способность и применять достаточно быстро для живой проектной ситуации🚦 Для выпускников прежних программ это актуализация. В обновлённом FPF стали точнее понятия, отношения и проверки, которые нужны при постановке задач AI-агентам. Выбор критериев и проверка направления работы по-прежнему требуют серьёзного человеческого внимания. Сначала приходится сверяться с материалами и разбирать каждый ход отдельно. ✅ После практики подмена становится заметна прямо на встрече, в документе или перед запуском агента — пока ещё можно спокойно изменить решение. Где у вас сейчас свой красный свет? Задача уже отдана AI, хотя критерии ещё размыты? Способ выбран по привычке или первому совету? Работа быстро движется, но вы пока не уверены, что в нужную сторону? В воскресенье, 26 июля, продолжим работу на третьем FPF-практикуме. Если у вас куплен один практикум, его стоимость учтём при переходе на серию. Оставшуюся сумму можно разделить на части. Если вы присоединяетесь только сейчас, в закрытых чатах собраны записи, материалы и пошаговые инструкции. Они помогут пройти состоявшиеся встречи и включиться в текущую работу группы. Подключиться к серии: https://t.me/SystemsSchool_bot Начать с бесплатного практикума: https://t.me/mim_workdev/189 Автоматический вход в чат третьего практикума закроется в субботу вечером. Вопросы и помощь с оформлением: https://t.me/alyona_girassol

За что здесь будут продолжать платить? За способность быстро увидеть, какая работа действительно меняет результат, а какая просто съедает бюджет и время. Можно бесконечно рефакторить код, улучшать внутренний процесс, доводить документ или автоматизацию. Часть этой работы нужна. Но часы и деньги конечны, поэтому в какой-то момент приходится отвечать: где и как именно происходящее улучшает результат, ради которого клиент, пользователь или организация вкладываются в проект? Людей, которые умеют это показать и внятно объяснить, замечают. Им доверяют более сложные решения, бюджеты и проекты, потому что они связывают локальную работу с результатом целого. В этом фрагменте Анатолий формулирует вопрос жёстко. Его смысл в восстановлении системной связи: работа должна менять целевую систему, а её изменение — давать нужный эффект в окружении. Когда эту связь невозможно объяснить, стоит пересмотреть выбранную работу, предмет изменения или сам проект. На втором FPF-практикуме участники разбирали, что именно менять, какие характеристики важны и какие варианты устройства стоит сравнивать. Тем, кто проходил резидентуры, сама логика может быть знакома. Ценность серии сейчас в технологической актуализации. FPF получил обновлённый язык, связи и проверки, а знакомые различения стали точнее и пригоднее для работы с AI-агентом. Даже выбор критериев, который у опытного специалиста может занимать много времени, теперь можно разбирать, проверять и передавать агенту гораздо аккуратнее. Сейчас мы переходим от отдельных запросов к совместной работе человека и нескольких AI-агентов🔥 ❗️Здесь уже мало хорошего промпта. Нужен общий рабочий язык, в котором ясно, что меняется, по каким критериям сравниваются варианты и что именно должен проверить каждый участник. Следующий семинар начинается с практического вопроса: каким способом вы собираетесь получать нужное изменение? По привычке, по совету коллеги, по первому ответу AI или после сравнения применимых вариантов? Когда способ уже понятен, следующий вопрос может относиться к плану, готовности работы, её выполнению или проверке того, что изменилось в реальности. Начать знакомство можно с бесплатного практикума и получить первый результат на собственной задаче: https://t.me/mim_workdev/189 Присоединиться к серии (можно двигаться в своём темпе, можно догнать по инструкциям): @SystemsSchool_bot Уже оплаченный отдельный семинар поможем учесть при переходе на серию. Оплату можно разделить на части. Вопросы по доступу и условиям участия: @alyona_girassol

Смешно, пока такой ответ не выглядит достаточно убедительно, чтобы съесть рабочую неделю🫠 Особенно когда AI помогает тщательно улучшать один участок проекта, а через несколько дней выясняется: менять нужно было другое. Работа выполнена, но результата, ради которого её начинали, нет — хотя на экране всё выглядело безупречно. Сегодня на практикуме по архитектурному мышлению участники будут разбирать ситуации из своих проектов: что именно менять, как это связано с остальной системой и по каким признакам понять, что решение действительно улучшает результат. ❗️ К серии из пяти практикумов по работе с AI-агентом на собственном проекте можно присоединиться и сейчас. Участники проходят путь от точной постановки задачи до проверки решения и его применения в работе. После подключения откроются все материалы. Тем, кому важно быстро включиться в сегодняшний практикум, я направлю короткую инструкцию. Оплату можно разделить на части. Подключиться: @SystemsSchool_bot Вопросы, доступ и варианты оплаты: @alyona_girassol

Что сможет первая сотня, когда у проекта появится карта? К работе в серии из пяти FPF-практикумов уже подключились около 100 человек: участники и команда. Во время подготовки Анатолий Левенчук несколько раз пересобирал материал, возвращаясь к одному вопросу:

"Что сможет делать после этой серии первая сотня?"

На втором практикуме участники начнут строить рабочую карту одной проблемы своего проекта: определять систему, в которой она возникла, видеть её место в большем целом, выбирать характеристики, по которым сравнивать решения, и строить несколько вариантов устройства. Без такой карты приходится двигаться серией проб. Например, задержка может относиться к работе отдельного участка, всей производственной линии или системы поставки. Пока предмет изменения выбран неточно, команда легко ускоряет одну часть и ухудшает результат целого❌ Карта помогает отсеять лишние ходы до того, как на них потрачены время и силы.

Только за последнюю неделю OpenAI выпустила GPT-5.6 для сложной профессиональной и агентной работы и представила GPT-Red — систему автоматического тестирования других AI на уязвимости. Moonshot выпустила Kimi K3 — модель на 2,8 трлн параметров с контекстом до миллиона токенов.

❗️ Чем сильнее становятся модели, тем дороже обходится ошибка в выборе цели: AI-агент быстрее и убедительнее выполняет работу, которая не решает исходную проблему. Для первых трёх практикумов уже собран рабочий справочник более чем из 270 слайдов. В материал второго практикума встроены семь практических заданий: от взгляда на систему снаружи и изнутри до сравнения архитектурных вариантов и выбора следующего хода. На встрече участники пройдут основной маршрут, а затем смогут возвращаться к подробностям вместе с AI-агентом по мере развития своих проектов. ✅ На выходе — рабочая карта проблемы из вашего проекта: что именно менять, по каким характеристикам сравнивать варианты и какой следующий ход выбрать вместе с AI-агентом. Эта карта станет опорой для следующих практикумов серии: о работе, точности языка и переходе к DPF. Проверить собственную ситуацию можно уже сегодня. Возьмите одну повторяющуюся проблему и ответьте на четыре вопроса: — В какой системе наблюдается проблема? — Что именно в её работе должно стать лучше? — Какое улучшение одной части может ухудшить общий результат? — Какие два варианта устройства системы можно сравнить? Если вы можете хотя бы черново ответить на эти вопросы, у вас уже есть материал для архитектурного разбора. Если пока виден только симптом, его тоже можно принести на практикум. Завтра, 19 июля, группа продолжит работу на встрече "От системного мышления к архитектурному мышлению". Сразу после подключения вы получите запись и материалы первого практикума, а также инструкцию по подготовке ко второй встрече. Подключиться к серии: @SystemsSchool_bot Вопросы и помощь с оформлением: @alyona_girassol

FPF — это нитро для проектной работы с AI В старых гонках кнопка нитро давала резкое ускорение. Можно было быстро вырваться вперёд. Но ошибка в траектории сразу становилась дороже. В работе с AI такое ускорение полезно, когда человек умеет: — удерживать, ради какого решения вообще запускается работа; — различать выполненную работу и результат; — замечать, когда агент ушёл в побочную проработку; — возвращать работу к следующему полезному ходу. ✅ Скорость становится преимуществом, когда человек удерживает траекторию и направляет AI к полезному следующему ходу. Участники первого практикума уже проверяют это на своих проектах: точнее задают назначение результата, раньше замечают лишнюю проработку и получают рабочие ходы, которые можно сразу применять в проекте. Для части участников серия начала окупаться уже после первого практикума: меньше времени уходит на лишнюю проработку, результаты легче применять, а найденный способ работы можно повторять в следующих задачах. В NFS нельзя было прокачать все характеристики сразу. На одной трассе решала управляемость, на другой — скорость или запас нитро. В проектной работе действует та же логика: сначала выбирают характеристику, которая сейчас сильнее всего ограничивает результат, затем меняют устройство под неё. Стартовой конфигурации хватает на первые задачи. Более сложные проекты требуют следующей сборки. ❤ Что именно менять в проекте? Один и тот же симптом может указывать на проблему в детали, продукте, рабочей системе, организации или отношениях между участниками. От этого выбора зависит само решение. Именно это будем разбирать 19 июля на втором практикуме "От системного мышления к архитектурному мышлению". Речь пойдёт о том, как: — выбрать целое, которое нужно менять; — назвать характеристики, по которым будет виден выигрыш; — собрать несколько вариантов устройства; — сравнить их последствия; — принять архитектурное решение с ожидаемым выигрышем, ценой выбора и следующим рабочим ходом. Если в вашем проекте уже виден симптом, но пока неясно, что именно менять, приносите его на практикум 🎢 Участие и чаты: @SystemsSchool_bot Любые вопросы: @alyona_girassol Узнали механику? 👍 — да, та самая NFS ❤️ — уже тюню рабочую связку с AI ✍️ — пока еду на базовой настройке

AI-агент может работать часами. Кто удерживает правильную задачу? Современные AI-агенты читают и изменяют файлы, собирают исследования, пишут код и ведут длинную работу через множество ходов. ❌ Ошибка в постановке может стоить нескольких часов движения в неверном направлении. После первого FPF-практикума один из участников нашёл причину слабых результатов в том, как он ставил задачу. Он передавал агенту большой массив проектных документов, но не указывал, для какого следующего действия нужен ответ. Агент сам выбирал структуру результата, и она плохо подходила проекту. Теперь работа начинается с назначения результата: какое решение он должен поддержать и что позволит сделать дальше. У другого опытного резидента МИМ агент подготовил большой SoTA-пакет по администрированию, а затем увлёкся подробной проработкой второстепенных элементов. Ходами из практикума удалось вернуть агента к целевой задаче: уточнить проблемы административной работы и отразить решение в регламенте. А формат рабочей группы усиливает результат. Участники наблюдают за чужими постановками, рабочими продуктами и ходом рассуждения, забирают подходящие решения в свои проекты и замечают возможные тупики до того, как потратят на них собственные часы. Агент способен быстро собрать материал, предложить структуру и провести длинное рассуждение. Человек удерживает предмет, критерии результата и направление следующего хода. FPF даёт для этого общий рабочий язык. Он помогает различать ситуацию проекта, описание, метод, план, выполненную работу и полученный результат. Первые участники уже используют этот язык в работе. Они точнее задают назначение результата, раньше замечают уход агента в побочные задачи и вмешиваются до того, как длинный проход превратится в часы лишней проработки🔥 Так проявляется практическая отдача FPF: меньше времени уходит на результаты, которые трудно применить, а следующий рабочий ход появляется быстрее. Чем дольше и самостоятельнее работает агент, тем выше ценность такой управляемости. Следующий вопрос возникает сразу после точной постановки задачи: что именно нужно менять в проекте? ❤ 19 июля на втором практикуме "От системного мышления к архитектурному мышлению" будем разбирать, к какому целому относится проблема, где проходит граница этого целого и к каким последствиям приведут разные варианты изменения. Третий практикум продолжит эту работу и поможет провести принятое решение через метод и план к выполненной работе. Участники, которые пропустили первую встречу онлайн, уже догоняют её в записи и применяют материалы в своих проектах. К серии по-прежнему можно присоединиться: первая встреча и дополнительные материалы доступны сразу после оформления. @SystemsSchool_bot

Когда после резидентуры хочется сделать паузу В выпускной группе R2 прозвучала понятная мысль:

летом и так много проектов, параллельно началась серия практикумов по FPF, поэтому в R3 можно вернуться позже.

Здесь важно знать один факт — следующая группа R3 сейчас стоит в плане только ориентировочно на начало ноября. Решение "вернусь позже" означает паузу примерно на четыре месяца. Между тем рабочее развитие уже начало давать участникам результаты. 🔥 В одной ситуации модели из R2 и работа с FPF помогли увидеть незавершённую работу внутри квоты, выйти на идею двуставочного тарифа и значительно сократить время на объяснение предложения коллегам. 🔥 В другой после нескольких проходов сложилась собственная интеллектуальная рабочая среда, которая связала FPF, DPF, LPF и конкретный проект. До этого всё по отдельности было понятно, но не собиралось в работающую систему. Сейчас очень подходящий момент для перехода в R3. R3 "Рабочее моделирование в инженерии и менеджменте" развивает способность превращать смутное понимание, разговоры, документы, организационные ситуации и потоки работ в явные модели. ✅ По таким моделям можно принимать решения, находить перегрузки и бутылочные горлышки, различать объект, роль, метод, план и выполненную работу, координировать людей и задавать более точную работу AI-агенту. Серия практикумов Анатолия Левенчука решает другую актуальную задачу: как применять FPF вместе с AI-агентами, понимать предложенный рабочий ход, получать первый полезный результат и видеть границу его применения. R3 развивает мастерство моделировщика. Практикумы помогают использовать это мастерство в новой агентной среде. Эти форматы усиливают друг друга. Для выпускников R2, которые собирались продолжать и могут удерживать примерно десять часов работы в неделю, текущая R3 остаётся прямым следующим шагом. Участие в практикумах можно распределять по нагрузке между живыми встречами, записью и работой с материалами. ❤ Текущая группа R3 начинает работу уже в субботу, 18 июля. Первое задание опубликовано. Решения об участии собираем 15 июля включительно. А в воскресенье, 19 июля, состоится второй практикум серии FPF — об архитектурных ходах. Получается очень точная связка одной недели: в R3 участники начинают глубже строить рабочие модели, на практикуме учатся направлять AI-агента в работе с архитектурой. Оформление участия — через @SystemsSchool_bot. Если вы проходили R2, ждали R3, но сейчас есть какие-то сложности, напишите Алёне: @alyona_girassol.

Завтра участники получат FPF, который ещё сегодня ночью меняется под семинар Обычно к семинару готовят слайды. Здесь прямо перед стартом Анатолий дорабатывает сам FPF. Не косметически. По сути. В процессе подготовки первого семинара стало видно место, где PatternID всё ещё может выглядеть для участника как загадочная ссылка: AI что-то нашёл, ответил на плотном FPF-языке, а дальше может оказаться непонятно, как из этого получить рабочий результат в своём проекте. И вот это место сейчас закрывается. Через DRR на 270K знаков, 14 проходов, двух AI-агентов и ручное руководство Анатолия меняется терминология применения FPF и уточняется сам метод применения паттернов. Если перевести с внутреннего языка на человеческий: ❗️ завтра будут разбирать не просто "что такое FPF", а как разговаривать с FPF о его применении. 🔥🔥🔥 Как взять свою ситуацию. Как понять, какой паттерн к ней относится. Как получить первый рабочий результат: запись, карточку, сравнение, архитектурную постановку, заготовку DPF или следующий ход для AI-агента. ✅ Именно поэтому серия становится сильнее прямо на старте. Добро пожаловать на фронтир, коллеги🥰 Пять семинаров уже воспринимаются участниками как маршрут: почти все выбрали полный набор, а не одну встречу. Поэтому первый семинар перестраивается как вход в общий язык всей серии. Дальше поверх этого будут архитектурные ходы, рабочие процессы, точность языка, DPF и первые выходы к LPF. Завтра начнётся живое формирование языка группы: первые вопросы, первые ошибки применения, первые DPF-пробы. Новая версия FPF потом будет доступна как материал. ❤ Завтра участники получают больше — online объяснение, зачем появились эти изменения и как превращать их в рабочий ход, разборы на месте и первый опыт применения нововведений к своим проектам. Старт — завтра, 12 июля, 11:30 МСК. Пререквизитов нет. Подключиться: @SystemsSchool_bot Подробности: https://system-school.ru/list Если хотите идти со всей группой, но сейчас неудобно оплатить весь маршрут сразу, напишите Алёне: https://t.me/alyona_girassol

✅ Одни и те же AI — в разных руках Кейс Slopfix, который сегодня обсуждали, хорошо показывает новую норму: одни команды быстро собирают продукт с помощью AI, другие потом разбирают последствия этой скорости. На выходе у первых — красивый интерфейс, много кода, ощущение почти готового решения. Вторые приходят тоже с AI-агентами, но начинают с другого вопроса: что эта система вообще должна делать? Дальше начинается инвентаризация функций, чистка, проверка и ограничения, чтобы мусор избыточность снова не нарастала. ❤ Этот сюжет легко перенести за пределы кода. В любой работе можно быстро получить регламент, который никто не сможет применять; DPF "по всей области сразу"; красивый пересказ без источников; план, похожий на выполненную работу; уверенный AI-ответ, который ведёт проект по ложному основанию. ❌ Самый дорогой сценарий — обнаружить это через полгода. Тексты были. Планы были. Ответы были. Ощущение движения было. А пригодного рабочего результата не появилось. Вот почему серия по FPF, DPF и LPF сейчас настолько актуальна. Фокус будет не на "правильном промпте" — мы будем разбираться с рабочей технологией, которая начинается раньше промпта:

предметная вводная → DRR → источники → паттерны → проверки → DPF для области → LPF для практики команды или проекта.

Подход к FPF через мантры усиливает вход в практикумы, как чек-листы внимания: что увидеть, какой объект назвать, какой ход выбрать, где проверить основание и когда вернуться к источникам. За счёт этого сложное получает канву. Можно самому разбирать AI-ответ, рабочий документ, регламент, план или первую версию DPF. К семинарам готовится отдельный слайдомент: слайды, конспект и рабочий учебник в одном формате. После семинара к нему можно будет возвращаться как к карте: перечитывать, разбирать с AI-агентом вместе с FPF, адаптировать карточки под свою ситуацию и поднимать вопросы к источникам, проверкам и рабочим ходам. 🔧 То есть вход становится проще. Глубина при этом остаётся взрослой. В чате первого семинара уже появился первый большой слайд из слайдомента. Это тот самый эффект подглядывания в рабочую кухню: материалы ещё собираются, но уже видно, как будет устроен вход в серию. ❗️❗️❗️ Для тех, кто оформил полный маршрут: вас уже около 80 человек, но не все дошли до чатов. Считайте, что ключи уже выданы. Ниже направляем ссылки на чаты (сегодня и завтра ещё автоматом принимаются все заявки) — подключайтесь, чтобы не догонять потом обсуждение. Для тех, кто ещё присматривается: после старта материалы останутся, но общий язык группы, первые вопросы, первые DPF-пробы и разборы начнут собираться уже сейчас. Если хотите идти со всей группой, но сейчас неудобно оплатить весь маршрут сразу, напишите Алёне. Подберём вариант оплаты. Нам важнее, чтобы человек дошёл до практики. Серия стартует уже в это воскресенье, 12 июля, в 11:30 МСК. Пререквизитов нет. Присоединиться через бота: @SystemsSchool_bot Подробнее: https://system-school.ru/list Первый чат: https://t.me/+9pcaL4TTo7NkN2Q6 Второй чат: https://t.me/+fpQb7iqRDpVlZDFi Третий чат: https://t.me/+rzQIrCe-yCFmNTVi Четвёртый чат: https://t.me/+hDt1SysUDJEzMWVi Пятый чат: https://t.me/+aHVId8Z4OU84Mjgy

✅ Качественный продукт почти невозможно создать из нескольких слов Сначала со стороны кажется, что кто-то просто умеет "разговаривать с AI" на недоступном уровне. AI-агенты ему отвечают глубже. Видят слабые места. Разводят то, что раньше смешивалось. Показывают, где текст может и полезный, но по нему ещё нельзя действовать. ❗️За этим стоит не талант к формулировкам, а нормальная инженерная работа: понять, что система должна делать, где источники, какие ограничения важны, что проверять и какой результат годится для следующего шага. Это уже видно по рынку. Появляются команды, которым платят не за создание очередного AI-продукта, а за разбор последствий поспешной AI-сборки. Один свежий пример — Slopfix: три инженера берут $10 000 за неделю работы по чистке раздутого AI-generated кода. Начинают они не с переписывания кода, а с инвентаризации того, что приложение вообще должно делать. И показательная деталь: они тоже используют AI-агентов. Только ключевые решения остаются за людьми. ❤ И вот здесь начинается наша тема. Если просто попросить AI: "сделай DPF по моей области", он что-то сделает. Длинное, уверенное, местами полезное. А потом выясняется — область взята слишком широко, источники слабые, паттернов ещё нет, локальная практика не разведена, результат больше похож на справочник или красивую заготовку. Это не провал. Это точка, где чужое мастерство должно стать вашим рабочим навыком. На серии с Анатолием будем разбирать технологию этой работы: как собрать предметную вводную, дойти до DRR, перейти к паттернам, проверить источники, отделить DPF для области от LPF для локальной практики команды, проекта или организации. То, что со стороны выглядит как "AI поумнел", на практике собирается из точных ходов. ❗️Важный момент — про "ошибку" в боте. Для тех, кто уже проходил резидентуры, стажировки или старые программы Рабочего развития в МИМ с наставником, отдельное уточнение: если в боте для вас по-прежнему отображаются отдельные условия участия для серии семинаров по FPF/DPF/LPF — это корректно. Так мы учитываем уже пройденный путь — вы работали с языком МИМ, предъявляли результаты наставникам, тем самым участвовали на практике в развитии сообщества и помогали развивать материалы. Для наших выпускников серия может сработать как технологическая актуализация. Для тех, кто собирается в резидентуры осенью — как усиление входа. Если сомневаетесь, относятся ли к вам отдельные условия, напишите Алёне: @alyona_girassol Бот: @SystemsSchool_bot Подробности о серии: https://system-school.ru/list

Похоже, серия по FPF и DPF становится сериалом. Когда мы запускали пять практикумов, их можно было воспринимать как пять отдельных тем: 1. FPF-грамотность. 2. Архитектурное мышление. 3. Рабочие процессы. 4. Точность языка. 5. Свой DPF. Сейчас видим, что почти все участники выбрали не один семинар, а весь маршрут. Также, продолжаем рассматривать ваши кейсы с пробами DPF — для применения AI в российских СЭД, для Jira и продуктовой команды, для личной IWE, для рабочих процессов и локальных практик. И ключевая сложность, с которой многие сталкиваются — DPF не может быть точно подготовлен из запроса в несколько слов. Если просто сказать AI "сделай DPF по моей области", можно получить длинный, местами полезный, но ещё непригодный рабочий документ. Где-то будет слишком общо. Где-то область окажется размером "на пять томов". Где-то получится каталог идей, но ещё не паттерны, по которым человек и AI-агент смогут действовать. Поэтому Анатолий сейчас перестраивает серию как связный маршрут от строгого AI-ответа на "птичьем языке" FPF — к понятному действию в вашем проекте. ✅ Первый семинар задаёт декодер. Участник берёт ответ AI-агента и учится понимать: — о чём этот ответ и какой ход он предлагает; — какой рабочий объект этот ход меняет или создаёт; — где граница допуска: что уже можно делать, а куда надо вернуться к источникам, людям или фактам. Кто-то погрузится, кто-то актуализирует, кто-то пропитается. Но именно отсюда потом развернётся весь сериал, где финальной развязкой станут собственные DPF и LPF — будем разбираться как сделать предметный или локальный регламент, чтобы AI отвечал ближе к логике вашей области, проекта и команды. ❤ Важный поворот: теперь разговор пойдёт и об LPF. DPF — для предметной области. LPF — для локальной практики: организации, проекта, команды, роли или рабочего контекста. Это как раз то место, где многим не хватало точности: одно дело "AI знает нашу область", другое — "AI понимает, как у нас здесь принято действовать, что считается ошибкой, где источники, кто принимает решение и какой результат годится для следующего шага". Сейчас FPF тоже дорабатывается прямо перед стартом серии. ✅ Анатолий дописывает новые связки, готовит более понятный вход через "мантры" FPF, чтобы новичкам было за что зацепиться, а опытным участникам было куда углубляться. И дальше из этого собирается более точный рабочий язык.

Здесь мантры — это короткие рабочие формулы, в которые упакованы сложные различения FPF. Они дают участнику простую канву внимания: что увидеть в ситуации, какой объект назвать, какой ход выбрать, где проверить основание и когда вернуть вопрос к источникам. Их сила в том, что сложная теория начинает работать как навык: фраза легко запоминается, многократно применяется на разных задачах и постепенно перестраивает само мышление человека и AI-агента в одной предметной области.

Серия стартует 12 июля. Подробности и участие: https://system-school.ru/list

Двое из ларца всё сделают одинаково с лица. Проблема начинается там, где они не знают, что считать системой, ограничением, проверкой и пригодным результатом. Цепков на Хабре формулирует серьёзнее:

"просто сказать "используй системный подход" — недостаточно".

AI-помощнику нужен не волшебный приказ, а рабочий язык: FPF задаёт системные и архитектурные различения, DPF переводит их в правила вашей предметной области. Статья на Хабре — хороший внешний взгляд на FPF, DPF и то, зачем AI-помощнику системный подход: https://habr.com/ru/articles/1056178/ Подробности о серии практикумов с Анатолием Левенчуком: https://system-school.ru/list

FAQ 1. До сих пор главный вопрос -- "я не понимаю, куда в мой AI засунуть FPF, ибо он недочитывается, влезает только первые 10%, да и вообще -- какой бесплатный AI использовать, чтобы всё влезло?" * FPF не предназначен для чтения, AI-агент не человек, чтобы читать файл FPF от корки до корки, как люди читают руководства и стандарты. Для AI-агента FPF -- это хорошо размеченный файл. Нет, там не JSON, поэтому человек тоже может читать паттерны, они на английском, но разметки FPF (например, оглавление с ключевыми вопросами паттернов и ключевыми их словами, а также меток заголовков паттернов и секций, отсылки к другим паттернам по их ID и ещё много подобных мелочей) вполне хватает, чтобы AI-агент находил и читал нужные ему места из огромного файла. Читает агент кусками текста через инструментарий, которым пользуются программисты. * FPF (и DPF) просто кладите как файлы -- или в чат (но не в то поле, где агенту надо что-то прочесть, а в то поле, где его надо подгрузить), команды "читать" не давайте! Там прямо в readme написано, что читать его не надо (ни людям, хотя они любопытны, ни агентам). * если вы хотите использовать бесплатные AI-сервисы с моделями непонятного качества для рабочих целей, то вы сам себе злобный Буратино: вы хотите хорошо (качества как для работы, а не как для хобби), но бесплатно. Так не бывает. Смиритесь: надо заплатить. Скажем, берите у OpenAI подписку ChatGPT уровня Pro ($200 в месяц, или порядка 20000руб.) -- и вам вполне хватит этого запаса токенов для агента и запросов для большинства ваших работ с FPF. Если Anthropic -- то там цены будут вполне сравнимые (или даже чуть дороже). Если Google -- там качество пониже, сравнимое с китайскими моделями. Но с бесплатными сервисами к работе не подходите, чудес не бывает. "Работает не хуже" -- это как "третьекурсник работает не хуже, чем профессор". Да, если у вас на работе ответы нужны уровня 2*2, вам вообще пятиклассник будет равен профессору. Но если что-то про архитектуру -- пеняйте на себя, если надеетесь на бесплатные сервисы. И учтите, что тут не кодирование/программирование и протестировать неверный ответ не получится, вам придётся тонкие ошибки ловить самостоятельно, а не через тесты. DeepSeek на младших планах или Perplexity -- ну, надейтесь на чудо, но я вас предупредил. Правдоподобные и правдивые ответы -- это, как говорят в Одессе, две большие разницы. * про российские модели я даже говорить не хочу. Хорошую вещь "импортзамещением" не называют. * если кто-то работает в условиях, когда нельзя использовать AI-агентов нормального качества, то он просто проигрывает в конкуренции (и по качеству рабочих продуктов, в которых AI не будет помогать, и по собственной квалификации). Не работайте там, где нельзя. Помните, что вы тот, с кем общаетесь: если общаетесь с AI-агентами-дебилами, то у вас проблемы. Если с умными AI-агентами вам запрещают общаться, то у вас проблемы. Если верите в пропаганду и в чудеса, то у вас проблемы. * это всё "новая компьютерная грамотность", на семинаре я не буду много говорить на эту тему, тут полно других учителей, кроме меня. 2. "Регламенты для AI -- они про что? Что все эти FPF и DPF значат, зачем они нужны? Мне расскажут на семинаре, что делать, чтобы AI выполнил мою работу?" * регламенты для AI-агентов нужны для того, что и регламенты работы даже для самых умных людей: чтобы сказать, что делать можно, а чего делать нельзя. AI не знает, что вас не интересует астрология или вас интересует что-то из SoTA школ инженерии, а не на уровне "маркетинг идеи для ничего не понимающих начальников". Надо объяснить -- и вот это как раз и делает экосистема фреймворков FPF. * подробности всего этого уже объяснялись, я провёл онлайн-практикум "ИИ знает почти всё. А вашу работу -- нет" на 170 человек. Материалы доступны в чате поддержки программы рабочего развития МИМ -- с https://t.me/systemsthinking_course/36901 (и дальше там сотни комментов с вопросами и примерами результатов). Видео -- в https://t.me/systemsthinking_course/37185, копия -- в https://disk.yandex.ru/i/EdZYF3G_yilfmA, слайдомент к семинару -- https://disk.yandex.ru/i/0bQxr3e7b2PpfA, короткая (20K знаков) нарративизация по методу Ильшата Габдуллина -- https://t.me/systemsthinking_course/37226. Если кто захочет сделать себе альтернативную нарративизацию -- есть транскрипт в https://t.me/systemsthinking_course/37228. На полтора часа онлайн-практикума затем было четыре часа моих комментариев в чате -- ответы на вопросы и комментарии к пробным генерациям участников. Читайте, это всё бесплатно и доступно. 3. Основная идея семинаров -- это объяснить, какая картина мира у AI-агента, который пользуется FPF и поэтому демонстрирует явное поумнение по сравнению с AI-агентом без FPF. Это надо для того, чтобы уменьшить число плохих вопросов и услужливых плохих ответов от AI-агента. * вы просите AI-агента написать регламент работы в строительной отрасли РФ, чтобы было понятно, как там работать в проблемных ситуациях. Как вы считаете, какого объёма (сколько толстых томов) должен быть такой регламент, чтобы закрыть более-менее частые проблемы? Этих проблем сотни, для каждой нужно иметь пару страниц текста объяснений. Дальше вопрос: чем этот регламент будет лучше исходных томов документации? Если стройки работают "не по уставу" (ибо тогда ничего не построишь), а "как мы договорились, и все понимают" -- как агент узнает, что именно из огромного числа этих договорённостей вы бы хотели отразить в этом регламенте для AI, чтобы он был полезен? Вот все эти вопросы хорошо бы задавать себе и перед семинаром, чтобы не иметь неожиданностей в ответах AI. Не нужны семинары, чтобы не задавать AI-агентам просьбы "сделать мне красиво", чтобы развеять миф о том, что AI-агент сможет выполнить вашу работу. * но семинар расскажет, почему системного мышления инженерам (и AI-агентам в роли инженеров) сейчас недостаточно, в чём смысл архитектурной работы, какие проблемы есть с точностью языка в рабочих проектах и какой механизм решения этих проблем. В ответах AI-агентов будет прорываться "птичий язык" фундаментального мышления -- вроде "интересующей сущности" (EntityOfConcern) или необходимости различения метода и работы. Семинары будут объяснять этот "птичий язык". * семинары расскажут, о чём вообще уместно просить FPF, чтобы он помог. Скажем, можно просить помочь с архитектурой целевой системы, можно просить сократить какой-то текст (и сказать явно, что оттуда было убрано, а что оставлено). * семинары расскажут, как расширить FPF, чтобы кроме хороших ответов на общие для всех рабочих проектов вопросы он давал хорошие ответы на вопросы по вашей предметной области -- это будет DPF. Для этого вам надо понять, как вообще разрабатывать эти фреймворки вроде FPF, как заставить AI-агента работать с такими текстами, какой там рабочий процесс. Поэтому я поделюсь своим опытом, и на пятом семинаре мы будем заниматься созданием DTF, чтобы ответы AI-агентов стали лучше и для вашей узкой предметной области (не думаю, что вы сразу сможете сделать "учебник для AI" объёмом в пять томов "сталелитейного производства" или "аптечной деятельности в РФ", но небольшой текст на 200Кзнаков для SoTA решений десятка типовых проблем по какой-то узкой предметной области -- вот это вполне сделаете).

Коллеги, вместо очередного пересказа от продвижения🫠 — даём первоисточник. В рабочем обсуждении, Анатолий собрал FAQ по вопросам, которые сейчас чаще всего всплывают вокруг FPF, DPF и серии практикумов: куда подгружать FPF, почему он не предназначен для чтения целиком, почему бесплатные модели плохо подходят для рабочей задачи, что такое "регламенты для AI" и какая главная идея будет у серии. Публикуем в исходном виде, с авторской прямотой. Это ответы научного руководителя на частые вопросы: серия ведёт не в "волшебный AI, который всё сделает", а в понимание того, какое мышление нужно человеку и AI-агенту, чтобы работать в одной предметной области. Именно поэтому здесь есть и технические ответы, и разговор про архитектуру, точность языка, предметные модели и DPF. FAQ по серии практикумов от Анатолия Левенчука:

❤ Лайфхак помогает пройти один поворот. Интерфейс живёт до следующего обновления. Рабочий язык остаётся с человеком дальше. Рынок работы с AI сейчас полон обходов: как пережить смену модели, сократить токены, сохранить полезный навык, переехать из одного сервиса в другой, заставить агента отвечать короче и точнее. Это полезно. Но такие ходы чинят локальную проблему. Когда инструмент всё время меняет меню, лимиты, стоимость, доступ и правила работы, вес переносится с интерфейса на устройство самой работы: что мы делаем, что проверяем, где ошибаемся и какой результат считаем пригодным. В Рабочем развитии нас интересует именно этот уровень: мышление, которое остаётся с человеком при смене инструментов. ✅ FPF важен именно этим: он даёт модель мира для работы — язык, на котором можно думать о задачах вместе с AI-агентом. DPF переводит выбранную предметную область в рабочий язык для AI-агента: правила отрасли, ограничения, типовые ошибки, проверки и признаки пригодного результата. Это нужно не только агенту. Работа над DPF заставляет человека пересобрать собственную предметную логику: где мы действуем потому что "так повелось", где метод выбран под задачу и ресурсы, какие ошибки повторяются, что уже изменилось в области и где тем же ресурсом можно получать более пригодный результат. Поэтому серия выходит за рамки "как пользоваться AI".

Какой именно рубанок сегодня в руках у плотника — важно, но вторично. Вопрос в том, какие вещи он теперь умеет делать и каким мышлением пользуется в работе.

Поэтому — серия технологическая актуализация собственной рабочей позиции. — Для тех, кто уже проходил руководства, это обновление работы с FPF на новом материале. — Для тех, кто ещё не дошёл до резидентур, это вход в практику через свою рабочую ситуацию. — Для тех, кто уже использует FPF в продуктах, проектах или текстах, это переход от удачных проб к осознанной сборке DPF для выбранной области или класса задач. AI-агенты всё ближе к документам, коду, решениям, источникам и материалам команды. И чем умнее становится модель, тем убедительнее выглядят её ответы и тем менее очевидны её ошибки. Поэтому требования растут уже не к промпту. Требования растут к мышлению человека, который с ней работает. Редкость этой серии семинаров в том, что разбирается новое содержание FPF после руководств: архитектурное мышление, точность языка, предметные модели и сборка DPF. Пять 3-часовых практикумов с Анатолием Левенчуком стартуют 12 июля. ❗️Сегодня в 00:00 МСК ранние цены отключатся автоматически. Можно выбрать один практикум или пройти весь маршрут. @SystemsSchool_bot (Меню → Оплатить участие) Оплата иностранными картами и для юрлиц: @Gelya1848

🔧 Коллеги, нужна помощь. Готовили картинку к серии практикумов по FPF и DPF: хотели маркером выделить 3 самые сильные причины идти на серию — и разошлись почти во всех пунктах 🥲 Отдел продвижения — 4, 5, 6. Наставники — 2, 5, 7. Давайте разберёмся, какие пункты больше всего подходят для вашей рабочей ситуации? Можно выбрать несколько вариантов👇 Нам это поможет лучше понять, что для участников сейчас самое важное и подготовить соответствующие акценты.

✅ Сегодня ночью ранние цены на серию практикумов по FPF и DPF отключатся автоматически. На карточках — весь маршрут: как перейти от общих AI-черновиков к рабочему языку для AI-агента, который можно переносить между интерфейсами, моделями и продуктами. Это серия не про" кнопки конкретного сервиса", а про предметную вводную для AI: правила области, ограничения, проверки, типовые ошибки и признаки пригодного результата. Старт — 12 июля. Можно выбрать один практикум или пройти весь маршрут. Подробнее — здесь, на канале Рабочего развития👆или в расписании МИМ: https://system-school.ru/list

Это правда вам нужно или просто хорошо написано? После последних постов в чате появился точный вопрос от одного из наших резидентов❤️:

"Я не понимаю, это такие тексты крутые рекламные или просто мне это и правда нужно, потому что я уже в вашей теме?"

Хороший вопрос. С FPF и DPF/SPF легко перепутать красивое обещание и рабочую догадку. Красивое обещание звучало бы так: за 5 практикумов у вас появится готовый регламент организации для AI, агент начнёт работать по вашим правилам, проблемы решатся, счастье наступит. ❗️Такого мы не обещаем. За 5 практикумов не появится готовый регламент вашей организации. Не будет переноса всей вашей работы на AI. Не будет гарантии, что агент после серии сам начнёт стабильно решать рабочие проблемы. Будет другое — менее сказочное, но гораздо более полезное для работы. Можно сделать первый серьёзный проход к DPF для выбранной предметной области или класса задач: собрать правила, ограничения, типовые ошибки, проверки, примеры и признаки пригодного результата. Это не волшебная кнопка. ✅ Это вход в новый рабочий язык, который становится всё важнее по мере того, как AI-агенты оказываются ближе к реальной работе: коду, документам, решениям, источникам и материалам команды. Обычный запрос каждый раз просит AI что-то сделать. Сила DPF в том, что это не знание кнопок конкретного сервиса, а рабочий язык для AI-агента, который можно переносить между интерфейсами и моделями: какие различения важны, что нужно проверить, где нужен источник, где остановиться и вернуть вопрос человеку. Тут проще проверять не по тексту, а по своей работе. Узнаёте? — AI отвечает вроде бы разумно, но часто мимо вашей предметной логики; — хороший черновик всё равно приходится долго разбирать руками; — хочется перестать каждый раз повторять одно и то же агенту. ❤ Тогда серию стоит проверить на своей задаче. Можно прийти без готового DPF/SPF. Можно прийти без полного набора пройденных руководств. Достаточно принести свою область, повторяющиеся задачи, типовые ошибки, материалы команды или AI-ответы, которые хочется сделать пригоднее для работы. И здесь есть отдельная ценность не только для AI-агента. ✅ Работа над DPF помогает провести инвентаризацию собственного предметного мышления: где вы действуете потому что "так повелось", где метод действительно выбран под задачу и ресурсы, какие ошибки повторяются, что уже изменилось в области и где тем же ресурсом можно получать более пригодный результат. ✅ Задача серии — не обещать готовое мастерство за пять встреч, а дать вход в новую рабочую практику: 1️⃣ от общего AI-черновика — к предметным правилам; 2️⃣ от случайно удачного ответа — к проверкам и ограничениям; 3️⃣ от "сделай хорошо" — к уточнению, какой результат годится для следующего рабочего шага. Если у вас уже появилась догадка, что здесь меняется не интерфейс, а сам способ включать AI в свою работу, её стоит проверить на практике. На бесплатной встрече многие уже увидели первый сдвиг: один и тот же AI-агент начинает отвечать иначе, когда получает FPF, описание предметной области и более точную постановку. Серия из пяти 3-часовых практикумов с Анатолием Левенчуком, научным руководителем МИМ, стартует 12 июля. Можно начать с одного практикума или пройти весь маршрут. ❤ До окончания раннего тарифа осталось чуть больше суток. Оплатить участие можно через бота: @SystemsSchool_bot (Меню → Оплатить участие) Оплата иностранными картами и для юрлиц: @Gelya1848